使用径基函数神经网络的INS／GPS数据融合技术  

出　　处：《舰船导航》2005年第3期1-6,共6页

摘　　要：当前多数导航系统都利用卡尔曼方法融合来自GPS和INS的数据。总的来说，INS／GPS组合可以提供可靠的导航解，因为它可以克服其各自的缺点，包括GPS的信号阻断和INS随时间的位置误差累积。当前的卡尔曼滤波INS／GPS组合技术存在着与传感器误差模型、抗噪及可观测性相关的不足之处。本文旨在引出一种多传感器系统组合方法，它利用人工神经网络(ANN)融合INS、GPS硬件的数据。最近已提出使用一种多层感知器ANN融合来自INs和DGPS的数据。尽管能够实现定位精度，但与多层感知器网络及其在线培训算法相关的复杂性限制了这些技术的实时性能。所以，这篇文章推荐使用另一种ANN结构。该结构基于径向基础函数(RBF)神经网络。与多层感知器网络相比，它结构简单、培训较快。INS和GPS数据在应用到RBF网络之前先使用小波多分辨分析(WRMA)进行处理。WRMA用于在不同分辨程度上比较INS和GPS的位置输出。之后，培训RBF-ANN模块实时预算INS位置误差并提供移动平台的精确定位。现场实验结果显示，应用组合的WRMA和RBF-ANN模块可以大大改善INS／GPS的定位精度。

关 键 词：INS/GPS 数据融合技术 径基函数 人工神经网络(ANN) 多层感知器网络 小波多分辨分析 多传感器系统 定位精度 卡尔曼滤波 RBF网络 GPS数据 导航系统 误差累积 误差模型 组合技术 可观测性 组合方法 DGPS 实时性能 在线培训 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置] TN967.2[自动化与计算机技术—控制科学与工程]