文献类型：期刊文章

作　　者：闵海根[1,2] 方煜坤[1] 吴霞[1] 徐志刚[1,2] 赵祥模[1,2]

MIN Hai-gen;FANG Yu-kun;WU Xia;XU Zhi-gang;ZHAO Xiang-mo(School of Information Engineering,Chang'an University,Xi'an 710064,Shaanxi,China;The Joint Laboratory for Internet of Vehicles,Ministry of Education-China Mobile Communications Corporation,Chang’an University,Xi’an 710064,Shaanxi,China)

机构地区：[1]长安大学信息工程学院,陕西西安710064 [2]长安大学“车联网”教育部-中国移动联合实验室,陕西西安710064

出　　处：《中国公路学报》

基　　金：国家自然科学基金项目(61903046);陕西省重点研发计划项目(2021GY-290);陕西省高校科协青年人才托举计划项目(20200106);“车联网”教育部-中国移动联合实验室项目(教技司(2016)477号);中央高校基本科研业务费专项资金项目(300102240106)。

年　　份：2021

卷　　号：34

期　　号：7

起止页码：128-139

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对弱GNSS环境下组合导航(INS/GNSS)系统存在的定位偏差问题,提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先,针对训练数据中噪声较大的惯导数据,提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数,提出一种确定混合模态函数阶数上下界的方法,并采用离散小波变换硬阈值法对混合模态函数进行滤波处理,最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后,采用改进的堆叠式长短期记忆网络离线训练位置预测模型,利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测,提出一种局部数据降噪方法,该方法利用一定长度时间窗口的历史数据,通过线性最小二乘给出当下时刻数据的预估值,并与实际量测值进行滑动平均滤波,优化位置预测的结果。在封闭场地模拟隧道环境下,对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较,经度和纬度的归一化均方误差分别下降了13.34%和9.38%,经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%;在复杂城市交通环境下,检验提出的方法,经度和纬度的归一化均方误差分别下降了6.51%和5.66%,经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明,在弱GNSS信号环境下,提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。

关 键 词：交通工程 车辆位置预测  长短期记忆网络  弱GNSS信号  经验模态分解 序贯数据降噪  

分 类 号：U495[物流管理与工程类]