文献类型：期刊文章

作　　者：陈霖周廷[1,2] 刘占超[2]

CHEN Linzhouting;LIU Zhanchao(School of Aerospace Engineering,Guizhou Institute of Technology,Guiyang 550001,China;School of Instrument Science and Opto-electronics Engineering,Beihang University,Beijing 100191,China)

机构地区：[1]贵州理工学院航空航天工程学院,贵阳550001 [2]北京航空航天大学仪器科学与光电工程学院,北京100191

出　　处：《中国惯性技术学报》

基　　金：国家自然科学基金(61763005,61703021);贵州省科技计划项目(黔科合基础[2017]1069);贵州省教育厅创新群体重大研究项目(黔教合KY字[2018]026);贵州省普通高等学校工程研究中心(黔教合KY字[2018]007)。

年　　份：2022

卷　　号：30

期　　号：1

起止页码：74-80

语　　种：中文

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

摘　　要：针对GNSS信号受遮挡或干扰导致的位姿测量系统(POS)量测信息失锁问题,提出一种基于多元线性回归(MLR)和径向基函数神经网络(RBFNN)的混合预测方法,用于GNSS失锁期间的POS导航误差预测。该方法利用Hodrick-Prescott(HP)滤波将POS导航误差样本数据分解成趋势性成分序列与波动性成分序列,分别采用MLR和RBFNN对其进行预测建模,充分表征POS导航误差数据的线性与非线性特征。车载实验结果表明,所提出的基于MLR/RBFNN混合预测方法与标准Kalman滤波方法相比,位置误差精度提高72.9%~89.1%,速度误差精度提高50.1%~60.8%,其位置和速度误差统计结果均优于单一的MLR预测模型和RBFNN预测模型。

关 键 词：GNSS失锁  混合预测  多元线性回归 径向基函数神经网络 HP滤波

分 类 号：V249.3]