一种神经网络组合导航方法
【专利摘要】本发明公开了一种神经网络组合导航方法，包括以下步骤：信号的对应、导航系统信号分解、分解系数的处理、误差的神经网络的预测和估计、导航系统误差信息的建立及组合导航信息的修正。本发明所提出的神经网络组合导航方法完全处理的是客观存在的观测量，不涉及模型问题，计算量小，也没有对噪声的限制。基本上是利用客观的观测修正客观的状态，修正能力强，但对抽象的状态无影响和控制。
【专利说明】一种神经网络组合导航方法
【技术领域】
[0001]本发明属于导航领域，具体涉及一种神经网络组合导航方法。
【背景技术】
[0002]随着北斗卫星导航系统的逐渐完成，以北斗系统为导航平台的应用也越来越广泛，特别是与其它导航系统有机的组合，不仅能充分地利用各种传感器的信息得到高精度的位置、姿态及各种动态导航参数，而且组合导航系统也具有了较高的可靠性，能适应各种复杂的环境，满足了现代武器系统精确、灵活、可靠性高的要求。
[0003]但由于北斗系统的研究不够深入，使得建立起的模型很不完善，若基于此模型会对北斗系统的应用和发展产生不良影响，因此需要能够避免使用系统模型的组合导航方法进行相应的信息融合，不仅可以推动北斗系统的应用，而且也是对组合导航滤波方法的扩充和完善。
[0004]基于信号的滤波方法主要是基于小波的信号滤波和基于神经网络的信号滤波。小波分析是一种时间窗和频率窗都可以改变的时频局部化分析方法，主要方法有:基于模极大值的小波滤波、基于小波变换的自适应小波、Donoho阈值小波滤波方法。其中基于小波变换的自适应滤波方法优于其它方法，是未来自适应滤波发展的新方向。
[0005]神经网络通过学习确定从有噪声空间到无噪声空间的非线性映射，实现信号的滤波。神经网络对于不同的信号采用不同的处理方式，通常采用基于预测思想的滤波方法和基于曲线拟合思想的滤波方法。
[0006]虽然迄今为止在组合导航滤波领域还没有见到令人满意的、统一的理论和方法，但大多数研究者认为，回避建立准确模型的困难，利用各种非常规方法寻求问题的解答将是近期解决组合导航滤波问题的主要手段。
[0007]信号作为被研究对象的特性表示，只有它才能够全面的说明系统的各种因素，所以基于信号的研究应该比基于模型的研究更直接、更全面，也更合乎逻辑。而且人类的理论是建立在抽象的、以线性空间描述为主的知识结构上的，因为线性空间使得问题的解决更简单、更快捷，对于一个多维的非线性对象而言，能够采用两种进行有效的线性化。
[0008]1、非线性对象复杂多维线性空间的线性化；
[0009]类似于两维情况，整个非线性对象被多个复杂多维线性空间以时间参数为连接点顺序的进行整体拟合，对象的t时刻的特性由该时刻的复杂多维线性空间的对象的映射特性所替代。
[0010]2、非线性对象简单维空间的线性化；
[0011]由于多维线性空间的复杂性，所以将多维空间转变为简单维空间进行处理，以时间参数作为基点和连接点，对象的t时刻的特性由该时刻的简单维线性空间的对象的映射特性组合所替代，整个非线性对象被多个组合的简单维线性空间以时间参数为连接点顺序的进行整体拟合。
[0012]从目前我们所掌握的数学工具出发，非线性对象的简单维空间的线性化方法是适应实际的。将非线性对象在多组合简单维空间进行线性化，就是将非线性对象在某一时刻同时向多个简单维的线性空间映射，然后再将其结果有机的组合起来。
[0013]与前述的多维空间描述一致，当信号在某一空间进行处理时，若信息出现缺失时，可将其在其它空间进行处理。就组合导航而言，引入频域空间的目的在于减少信号在时域空间处理时的信息缺失或复杂度。若有需要，可以在多个空间分别处理，最后在进行综合，这就是本文提出的组合导航方法的核心。目前能够将时频空间有效结合起来的主要工具是小波变换，这样通过小波变换时域空间和频域空间在时间轴上得到了统一。
[0014]由于各组合导航部分是直接联接，若采用时域描述，则各组合导航部分所接收的信号及其干扰，都将在数据融合时作用。而采用频域描述，由于各部分信号的工作频段是不同的，应用频域描述很容易去掉或减弱干扰，即使是累加在工作频段上的干扰也能被分辨，这样一来，无形中对信号进行了净化。在参与组合导航的各导航系统中，导航数据处于不同的频段、不同的定位性质、不同的故障模式。当任一部分所受的干扰过大或故障时，可利用频域的分解对导航器件进行故障诊断，达到最终重新组合的目的，保障了组合导航整体的可靠性。
[0015]组合导航是将多个不同类别的导航系统利用某种结构和算法有机的结合起来，达到对信息的更全面，更准确的估计。抽象的讲，就是对于某一信号，利用多类别的感知器进行感知，并将这些感知到的信息结合，以对这一信号进行准确的描述。
[0016]组合导航实质上也是一种信息的多重空间描述，尽管之间存在很大的不同，但从物质(实体)的角度上，论证了多空间信号描述的正确性和可能性。
[0017]引入小波变换进入组合导航的原因，来源于对组合导航现实和未来发展的展望.[0018]对于频域描述，它将信号向不同基构成的空间投影，傅立叶变换和其它基变换描述的信号是同一的，但可以体现出不同的性质，从这一点上来看，利用频域描写，可以绕过模型这一道关卡，克服由于模型的线性和非线性造成的干扰，从方法论的角度上讲，频域描写的基变换与时域描写的非线性模型空间是对应的。因此，从空间对应出发，利用基变换所得到的信号描述精度应不低于非线性模型空间的精度。
[0019]采用组合导航信号直接小波分解，然后再采取神经网络方法进行误差信号的拟合，利用拟合所形成的预测机制进行预测，形成一个整体的算法。
[0020]输出信号将按照小波进行分解，可以分解成高频信息和低频信息，其中低频信息代表了各自导航系统的误差信号，高频信息代表了对导航系统的干扰信号。然后通过预测建立机制的分析，采用神经网络进行拟合。对下一时刻的状态进行预测，同时利用测量结果对预测机制和预测结果进行修正。
【发明内容】
[0021]本发明针对上述问题，提供一种神经网络组合导航方法。
[0022]本发明解决上述问题所采用的技术方案是:一种神经网络组合导航方法，包括以下步骤:信号的对应、导航系统信号分解、分解系数的处理、误差的神经网络的预测和估计、导航系统误差信息的建立及组合导航信息的修正。
[0023]进一步地，其中所述信号的对应包括以下步骤:
[0024]位置信息对应位置信息，速度信息对应速度信息。[0025]更进一步地，其中所述导航系统信号分解包括以下步骤:
[0026]将各分导航系统的信号按照统一的小波基进行同层次的分解，得到相应的一组小波系数。
[0027]更进一步地，其中所述分解系数的处理包括以下步骤:
[0028]将对应层次的小波系数进行相关处理，即:
[0029]
【权利要求】
1.一种神经网络组合导航方法，其特征在于，包括以下步骤:信号的对应、导航系统信号分解、分解系数的处理、误差的神经网络的预测和估计、导航系统误差信息的建立及组合导航信息的修正。
2.根据权利要求1所述的神经网络组合导航方法，其特征在于，其中所述信号的对应包括以下步骤: 位置信息对应位置信息，速度信息对应速度信息。
3.根据权利要求1所述的神经网络组合导航方法，其特征在于，其中所述导航系统信号分解包括以下步骤: 将各分导航系统的信号按照统一的小波基进行同层次的分解，得到相应的一组小波系数。
4.根据权利要求1所述的神经网络组合导航方法，其特征在于，其中所述分解系数的处理包括以下步骤: 将对应层次的小波系数进行相关处理，即:
5.根据权利要求1所述的神经网络组合导航方法，其特征在于，其中所述误差的神经网络的预测和估计包括以下步骤: 常用的时间序列分析等方法往往丢掉了趋势项和周期项等重要信息，神经网络方法对突变性较强的信号进行学习和预测时，也不能很好地反映真实的情况。然而利用小波分解与神经网络相结合，则可以很好的解决这些问题； 神经网络对小波系数(误差)的预测和估计工作在时间更新过程中，即:
6.根据权利要求1所述的神经网络组合导航方法，其特征在于，其中所述导航系统误差信息的建立包括以下步骤: 通过对小波系数的预测和估计，组成了一组相应的误差信息小波系数，通过相应变换得到需要的误差信息，即:
7.根据权利要求1所述的神经网络组合导航方法，其特征在于，其中所述组合导航信息的修正包括以下步骤: 将误差信息从INS系统导航信息中去掉，则最终组合导航系统的输出为:
【文档编号】G01S19/37GK103605143SQ201310601436
【公开日】2014年2月26日 申请日期:2013年11月26日 优先权日:2013年11月26日
【发明者】黄莹 申请人:中国人民武装警察部队工程大学