神经网络在组合导航定位算法中的应用研究.pdf

《神经网络在组合导航定位算法中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、总第197期2010年第11期舰船电子工程ShipElectronicEngineeringVoL30No．1165神经网络在组合导航定位算法中的应用研究+高法钦(浙江理工大学信息电子学院杭州310018)擒荽针对无源北斗l号／惯导组合导航系统滤波定位算法，文章提出并设计了神经网络及其训练算法RLS，用其输出修正组合导航滤波输出结果，提高组合导航系统的定位精度。通过仿真验证了此方案的可行性，并能有效提高北斗1号组合导航系统的定位精度。关键词组合导航系统；双星；卡尔曼滤波；神经网络中图分类号TN967．2StudyofUsingNeuralNetworkinIntegratedNa

2、vigationAlgorithmGaoFaqin(SchoolofInformationandElectronic，ZhejiangSci-TechUniversity。Hangzhou310018)AbstractInordertoimprovepositioningprecision．aneuralnetworkanditstrainingalgorithmRLSisproposedanddesignedtocorrecttheoutputof”BDl”andINSintegratednavigationsystempositioningfilter．It’sexplain

3、edbythewayofsimulationthatourschemeofusingneuralnetworktocorrectKalmanfiltering’Soutputisfeasible．Anditcanimprovethepositioningprecisionof”BD-1”andINSintegratednavigationsystemseffectively．KeyWo曲integratednavigationsystem，double-star，Kalmanfilter，neuralnetworkClat4I镰■n晰TN967．21引言‘‘北斗1号”卫星定位通信

4、系统是我国上世纪90年代末研制成功的，由两颗静止地球同步轨道工作卫星和一颗备份星组成，具有有源定位、数字通信和精密授时等功能。本文研究运用神经网络技术辅助无源北斗1号／惯导组合导航系统进行滤波定位计算，提高组合导航系统的定位精度。f警茎产卜．自适应卡尔曼滤波输出厂＼组合j-／统输目尔瞳就接卜曼误差状态滤滤波新息隔翮浦图1近距空中支援神经网络在逼近非线性模型上显示了它的优势，且具有较好的学习和泛化能力，因此，可以用于组合导航定位计算。但是，神经网络的逼进是存在误差的，且这一误差随时间和环境变化呈增长趋势，会导致定位估计失偏[11～12]。因此，不可单独采用神经网络进行导航定位计算，

5、但可用神经网络的学习和泛化能力辅助滤波定位计算，提高组合导航系统的定位精度：用神经网络估计北斗1号组合导航系统滤波定位误差中随时间而逐渐增长的系统误差部分，用于校正组合导航系统的滤波定位输出结果。本文的仿真和实验结果表明，这一神经网络应用方案是可行且有效的。神经网络应用方式参见图1所示。2滤波定位模型2．1状态方程本文采用惯导误差传播模型嘲建立卡尔曼滤·收稿日期：2010年6月23日，修回日期：2010年7月25日基金项目：浙江省教育厅资助项目(编号：Y200909772)；浙江理工大学科研启动基金项目(编号：0904808一Y)资助。作者简介：高法钦，男，博士，讲师，研究方向：

6、卫星导航与组合导航系统等。66高法钦：神经网络在组合导航定位算法中的应用研究总第197期波状态方程，组合方式为开环方式。下：滤波器模型如本文设计的神经网络由模糊化、模糊推理和去系统方程：文。一AX。+W(1)观测方程：Z=H兄+V(2)其中：XU=[-aa，△够，△^，△V：，△V：，△Ⅵ，屯，虫，丸，出，胡为状态向量，分别为运载体(用户)的经度误差、纬度误差、高度误差、东向速度误差、北向速度误差、天向速度误差、惯导平台的东向、北向、天向姿态误差角、北斗接收机钟差和频漂。A为系统矩阵，阶数等于状态向量XU的维数，H为观测矩阵。W=ro，0，0，‰，‰，‰，姚，嘶，嘶，0，锄]为系

7、统驱动噪声向量。Z为观测向量，V为观测噪声。有关惯导误差传播模型可参考作者之前发表的相关文献。2．2观测方程选北斗系统伪距IDl、I。2、气压高度h为组合导航滤波器观测量，经推导得观测方程：协一t—f·△一△妒(一白1(RN+J11)00奴sin9一匏(RN+h)sin3．sin妒+ez(RⅣ(1一力2+^)∞即)+出(一毋1(RN+h)sin2eo叩{+e／2(RN+h)eosRcosqo)+△矗(色1cosa·∞印(3)l+龟simc0婶+幻sinrP)+f·△+啦卜⋯··i