[论文解读] Improving GPS/INS Integration through Neural Networks

M. Nguyen-H, Chunxia Zhou|arXiv (Cornell University)|May 27, 2010

GNSS positioning and interference参考文献 1被引用 29

一句话总结

本文提出了一种基于神经网络的新方法，通过在神经处理前应用选择性频率滤波（低、中、高频段），以增强GPS/INS集成。该方法在保持定位精度的同时显著减少了处理时间，尤其在GPS信号中断期间表现优异，为传统仅使用神经网络的方法提供了一种更快、更高效的替代方案。

ABSTRACT

The Global Positioning Systems (GPS) and Inertial Navigation System (INS) technology have attracted a considerable importance recently because of its large number of solutions serving both military as well as civilian applications. This paper aims to develop a more efficient and especially a faster method for processing the GPS signal in case of INS signal loss without losing the accuracy of the data. The conventional or usual method consists of processing data through a neural network and obtaining accurate positioning output data. The new or improved method adds selective filtering at the low-band frequency, the mid-band frequency and the high band frquency, before processing the GPS data through the neural network, so that the processing time is decreased significantly while the accuracy remains the same.

研究动机与目标

• 解决GPS/INS集成在信号中断期间处理速度缓慢的挑战。
• 在不牺牲精度的前提下，提升基于神经网络的定位效率。
• 通过预处理滤波降低实时GPS/INS系统中的计算负载。
• 开发一种在INS数据不可用时处理GPS信号的更快方法。

提出的方法

• 在神经网络处理前，对GPS数据应用低、中、高频段的选择性滤波。
• 将滤波后的GPS数据整合到神经网络中，以在信号中断期间进行位置估计。
• 采用传统的神经网络方法作为对比基线。
• 设计一个预处理流程，以隔离并处理关键信号分量，再进行神经推理。
• 优化信号流，以最小化冗余计算，同时保留关键导航信息。
• 采用频域滤波以提升信号质量，并降低神经网络的输入数据复杂度。

实验结果

研究问题

• RQ1 选择性频率滤波是否能提升基于神经网络的GPS/INS集成处理速度？
• RQ2 对GPS数据进行预滤波是否能保持或提升信号中断期间的定位精度？
• RQ3 与传统的仅使用神经网络的方法相比，所提出方法在计算效率方面表现如何？
• RQ4 低、中、高频段滤波对神经网络在位置估计中的性能有何影响？

主要发现

• 与传统的仅使用神经网络的方法相比，所提出方法显著减少了处理时间。
• 即使在应用选择性频率滤波后，定位精度仍得到保持。
• 滤波阶段的集成提升了实时导航系统中神经网络推理的效率。
• 该方法在GPS信号丢失期间表现出更优的计算性能，且解算精度未出现下降。