GNSS失锁下Tent-ASO-BP辅助GNSS/INS松组合导航算法

摘要

GNSS/INS松组合导航是目前应用最广泛的车载导航系统之一，但在长隧道、地库等遮蔽区域，卫星信号长时间失锁导致定位精度显著下降。本研究提出一种Tent-ASO-BP辅助的GNSS/INS松组合导航算法。首先，结合混沌帐篷映射(Tent)改进的原子搜索算法(ASO)优化BP神经网络模型的权值及阈值，构建Tent-ASO-BP智能预测模型；然后，利用开阔环境下GNSS/INS导航数据训练Tent-ASO-BP智能模型，在GNSS隧道失锁环境下利用自主学习后的Tent-ASO-BP模型预测隧道内的位置参数；最后，利用车载实测数据进行验证。结果表明，Tent-ASO-BP预测模型总体精度明显高于GNSS/INS松组合模型精度，Tent-ASO-BP预测模型的水平方向误差为15.439 4 m; GNSS/INS松组合误差为20.429 2 m,水平精度提升了24.42%,预测模型能够有效解决卫星信号长时间失锁时GNSS/INS松组合导航连续高精度定位难题。

关键词

全球导航卫星系统(GNSS) / GNSS失锁导航 / 混沌帐篷映射(Tent) / 原子搜索算法(ASO) / BP神经网络

基金资助

国家自然科学基金项目(42274029); 北京市自然科学基金项目(8222011)