神经网络优化动态GPS卡尔曼滤波算法研究.pdfVIP

神经网络优化动态GPS卡尔曼滤波算法研究” 曾翠娟王忠游志胜 (四川大学电气信息学院，成都610065) 摘要：利用动态滤波的方法来解决GPS中的随机误差的问题已经得到了广泛的应用。但考虑到GPS导航系 统噪声具有非先验性，而传统的卡尔曼滤波器要求假没动态模型和观测模型的噪声统计特性已知。提出了用 前向神经网络来辅助词节卡尔曼滤波器。使其具有白适应能力以应付动态环境的扰动，其中自适应的体现则 是利用了神经网络的BP算法．本文通过用当前模型的卡尔曼滤波导航定位为例来蜕明．并利用仿真研究证 明了：该算法优于标准的卡尔曼滤波器。 关键词：全球定位系统，卡尔曼滤波，神经网络 Position 一数据处理方式引入计算中，在GPS动态导航定 全球定位系统(Global System，GPs)是 随现代科学技术的迅速发展而建立的新一代精密 位、组合导航系统、海上水道测量与动态定位及大 卫星定位系统。消除GPS定位的随机误差的重 地测量中都先后采用了卡尔曼滤波器。 要方法之一是GPS动态滤波方法。卡尔曼滤波 卡尔曼滤波要解决的问题是要寻找在最小均 方法是减小GPS动态定位误差的有效方法。但 方误差下oI的估计值；‘。它的特点是可以用递 应用卡尔曼滤波进行最优估计需建立较准确的系 推方法计算机。具体地讲，设已知动态系统的状 统模型和观测模型，因而要求对各种随机误差准 态方程和量测方程，它们分别为 确建模。通常对各种误差源分别建立各自的误差 瓠=呱．x—l鼠一l+R．K—I％一l(1) 模型，这样造成系统方程庞大，观测方程繁杂，且 么=ZxXK+K (2) 为非线性模型，系统地运算量较大，实时性降低。 如果被估计状态取和对取的观测量磊是 因此．直接从GPS接收机输出的定位结果人手， 满足(1)的约束，系统过程噪声Ⅳi和观测噪声K 将各种误差囚素的影响看成定位结果中的一个总 满足式(2)的假设，系统过程噪声方差阵QK非负 误差。利用线性卡尔曼滤波器进行定位数据的滤波 定，系统观测噪声方差阵咏正定，k时刻的观测 处理。同时随着计算机技术，微电子技术和通讯技 为么，则“的估计膏可按下述方程求解。 术的高速发展以及载体面向应用背景的日益复杂 状态一步预测 敖．r—I=哝．K—I段一I (3) 化，对导航精度的要求越来越高。而且伴随着神经 状态估计敖=岩K．K—l+取[么磁K．K—I](4) 网络技术的不断发展，应用领域的不断拓展，使神 滤波增益矩阵 经网络与卡尔曼滤波有机融合成为新的方法。因 此考虑到GPS导航系统噪声具有非先验性，提出了 或 Kx2PKH’r：Rx。‘ 用前向神经网络来辅助调节卡尔曼滤波器。使其 一步预测误差方差阵 具有自适应能力以应付动态环境的扰动，其中自适 戌，￡一1-鲰．x—I心．x—l《．￡一I+ 应的体现则是利用了神经网络的BP算法。 r￡，K．1仉．￡一l联*l (6) 估计误差方差阵 1卡尔曼滤波的基本方程【1,2,3,41 自从上世纪60年代kalman—Bucy滤波器问或攻=[，一KKHj：]攻．x—1 世以来，它已在航空领域和航海导航上有了广泛 只要给定初值足。和P0，根据K时刻的观测 的应用和发展。在GPS导航定位中，也无疑将这 值磊，就可以递推计算得K时刻的状态估计‰ 。国家自然科学基础资助项目(项目编号：4990L013)。oU／rl省教育厅重点自然基金项日(2002A049) ·540- (K=1，2，N)。其算法流程如图1所示。