-
公开(公告)号：CN111856525A
公开(公告)日：2020-10-30
申请号：CN202010607441.3
申请日：2020-06-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于LSTM神经网络的周跳探测和修复方法，通过长短时记忆网络(LSTM)对时序载波相位测量值的特征数据进行回归预测，并以多普勒信息进行辅助，实现了对GNSS载波相位测量值周跳的探测和修复。本发明包括以下步骤：(1)采集载波相位测量值和多普勒值，并对数据做预处理；(2)设计用于预测载波相位测量值的特征数据的LSTM神经网络；(3)使用LSTM神经网络处理数据集；(4)利用LSTM神经网络输出结果探测和修复周跳；(5)更新历元信息，并重复执行步骤(1)到步骤(4)，直到处理完所有历元。最后得到周跳探测结果和周跳修复结果。经验证，本发明可以有效探测并修复大于0.3周的周跳。
-
公开(公告)号：CN111856525B
公开(公告)日：2023-01-03
申请号：CN202010607441.3
申请日：2020-06-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于LSTM神经网络的周跳探测和修复方法，通过长短时记忆网络(LSTM)对时序载波相位测量值的特征数据进行回归预测，并以多普勒信息进行辅助，实现了对GNSS载波相位测量值周跳的探测和修复。本发明包括以下步骤：(1)采集载波相位测量值和多普勒值，并对数据做预处理；(2)设计用于预测载波相位测量值的特征数据的LSTM神经网络；(3)使用LSTM神经网络处理数据集；(4)利用LSTM神经网络输出结果探测和修复周跳；(5)更新历元信息，并重复执行步骤(1)到步骤(4)，直到处理完所有历元。最后得到周跳探测结果和周跳修复结果。经验证，本发明可以有效探测并修复大于0.3周的周跳。
-
公开(公告)号：CN112083457B
公开(公告)日：2023-08-15
申请号：CN202010978097.9
申请日：2020-09-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种神经网络优化的IMM卫星定位导航方法，针对IMM仍无法有效解决机动状态下变加速的定位精度低的问题，本发明引入RBF径向基神经网络用以修正卡尔曼滤波算法。建立运动模型和观测模型，采用基于交互式多模型算法(IMM)的扩展卡尔曼滤波器对高机动载体进行卫星定位导航，在IMM算法中将加速度自适应调整的当前统计模型与CV模型相结合，改善交互式多模型的算法精度；并利用RBF神经网络的非线性映射能力来学习滤波误差，以训练好的网络输出作为滤波结果的校正量，这样的混合滤波器可以极大提升系统的机动目标跟踪能力，通过这种方式对交互式多模型的预测结果进行修正，使预测结果能够更加贴近接收机载体运动状态的真实值。
-
公开(公告)号：CN112083457A
公开(公告)日：2020-12-15
申请号：CN202010978097.9
申请日：2020-09-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种神经网络优化的IMM卫星定位导航方法，针对IMM仍无法有效解决机动状态下变加速的定位精度低的问题，本发明引入RBF径向基神经网络用以修正卡尔曼滤波算法。建立运动模型和观测模型，采用基于交互式多模型算法(IMM)的扩展卡尔曼滤波器对高机动载体进行卫星定位导航，在IMM算法中将加速度自适应调整的当前统计模型与CV模型相结合，改善交互式多模型的算法精度；并利用RBF神经网络的非线性映射能力来学习滤波误差，以训练好的网络输出作为滤波结果的校正量，这样的混合滤波器可以极大提升系统的机动目标跟踪能力，通过这种方式对交互式多模型的预测结果进行修正，使预测结果能够更加贴近接收机载体运动状态的真实值。
-
-
-
Search Results
4
records
(took 0.024 seconds)
