文献类型：期刊文献

中文题名：GNSS失锁下基于混合预测模型的POS误差估计方法

英文题名：POS error estimation method based on hybrid prediction model during GNSS outages

作者：陈霖周廷 刘占超

第一作者：陈霖周廷

机构：[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

第一机构：贵州理工学院航空航天工程学院

年份：2022

卷号：30

期号：1

起止页码：74-80

中文期刊名：中国惯性技术学报

外文期刊名：Journal of Chinese Inertial Technology

收录：CSTPCD;;EI(收录号：20222012124045);Scopus;北大核心:【北大核心2020】；CSCD:【CSCD2021_2022】；

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)。

语种：中文

中文关键词：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

外文关键词：GNSS outages;hybrid prediction;multiple linear regression;radial basis function neural network;HP filter

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。
Aiming at POS observation loss caused by GNSS signal occlusion and interference,a hybrid prediction method based on multiple linear regression(MLR)and radial basis function neural network(RBFNN)is proposed for the prediction of POS errors during GNSS outages.Hodrick–Prescott(HP)filter is utilized in the proposed method to decompose the POS errors sample data into the trend and fluctuation series,which are separately intended for use with MLR and RBFNN modeling in order to fully characterize both the linearity and nonlinearity of POS errors.The results of vehicle test show that the percentage improvement of the proposed MLR/RBFNN hybrid prediction method in position and velocity accuracy is found to improve by 72.9%~89.1%and 50.1%~60.8%compared with the standard Kalman filter,which is superior remarkably to the single MLR and RBFNN.