【CN109990779A】一种惯性导航系统及方法【专利】

(12)发明专利申请

(10)申请公布号 CN 109990779 A(43)申请公布日 2019.07.09

(21)申请号 2019103835.8(22)申请日 2019.04.30

(71)申请人 桂林电子科技大学

地址 1004 广西壮族自治区桂林市七星

区金鸡路1号(72)发明人 符强　赵鸿悦　纪元法　孙希延　

严素清　付文涛　王守华　(74)专利代理机构 北京中济纬天专利代理有限

公司 11429

代理人 石燕妮(51)Int.Cl.

G01C 21/16(2006.01)

权利要求书1页 说明书6页 附图2页

()发明名称

一种惯性导航系统及方法(57)摘要

本发明公开了一种惯性导航系统及方法，能够基于神经网络辅助的机会信号/惯性导航模块对室内进行定位和导航，不仅能够在卫星信号良好的情况下提高定位的精度，而且能够在室内卫星信号拒止条件下提供较高精度的室内定位结果，采用神经网络辅助的数据融合，能够解决在利用不同机会信号定位时，机会信号不兼容导致定位误差大的问题，还能够提高惯性导航系统可靠性与安全性，惯性导航系统各模块之间工作，互不影响，能够提高惯性导航系统的稳定性和抗干扰性。

CN 109990779 ACN 109990779 A

权　利　要　求　书

1/1页

1.一种惯性导航系统，用于在室内进行导航，其特征在于，包括：惯性导航模块，用于执行惯性导航并输出惯性导航信息；机会信号获取模块，用于获取多个机会信号；机会信号处理模块，包括判断单元及数据融合单元，所述判断单元用于判断多个所述机会信号是否兼容，当多个所述机会信号兼容时，所述数据融合单元将所述机会信号与所述惯性导航信息进行数据融合以得到第一修正位置信息，并利用所述第一修正位置信息修正一神经网络；当多个所述机会信号不兼容时，所述数据融合单元将所述惯性导航信息与所述神经网络的输出值进行数据融合，并得到第二修正位置信息。

2.根据权利要求1所述的惯性导航系统，其特征在于，所述惯性导航模块包括惯性测量单元及数据解算单元，所述数据解算单元对所述惯性测量单元的测量值进行解算以得到所述惯性导航信息，所述惯性导航信息包括位置信息、速度信息及姿态信息中的一种或多种。

3.根据权利要求2所述的惯性导航系统，其特征在于，所述神经网络的输出值为位置预测值及速度预测值中的一种或多种。

4.一种利用如权利要求1-3中任一项所述的惯性导航系统执行惯性导航的方法，其特征在于，包括：

惯性导航模块执行惯性导航并输出惯性导航信息；机会信号获取模块获取多个机会信号；

判断单元判断多个所述机会信号是否兼容，当多个所述机会信号兼容时，所述数据融合单元将所述机会信号与所述惯性导航信息进行数据融合以得到第一修正位置信息，并利用所述第一修正位置信息修正一神经网络；当多个所述机会信号不兼容时，所述数据融合单元将所述惯性导航信息与所述神经网络的输出值进行数据融合，并得到第二修正位置信息。

5.根据权利要求4所述的惯性导航方法，其特征在于，利用DCKF滤波算法对所述机会信号与所述惯性导航信息或所述惯性导航信息与所述神经网络的输出值进行数据融合。

6.根据权利要求5所述的惯性导航方法，其特征在于，利用所述第一修正位置信息或所述第二修正位置信息修正所述惯性导航模块输出的惯性导航信息。

7.根据权利要求6所述的惯性导航方法，其特征在于，利用载噪比衰减判断所述机会信号与所述惯性导航信息是否兼容。

2

CN 109990779 A

说　明　书

一种惯性导航系统及方法

1/6页

技术领域

[0001]本发明涉及惯性导航技术领域，尤其涉及一种惯性导航系统及方法。

背景技术

[0002]现有的卫星信号不能穿透建筑物，在室内难以使用卫星信号定位，而机会信号是一种无线电信号，室内无线电信号资源丰富，特别是移动设备的普及，使得使用移动信号进行室内定位成为了可能。

[0003]惯性导航是一种自主定位系统，不依赖外界的信息即可通过自身信息定位，但是惯导误差随着时间积累，不能进行长时间定位，通常会利用其它的导航系统对惯导误差进行修正；训练后的神经网络可以解决机会信号由于不兼容导致的定位误差大的问题，此时利用神经网络的输出依旧可以与惯导系统进行数据融合和惯导误差修正。

发明内容

[0004]有鉴于此，本发明的目的是提供一种惯性导航系统及方法，能够解决利用神经网络在处理多种机会信号定位时，由于不同机会信号之间不兼容导致定位误差大的的问题。[0005]本发明通过以下技术手段解决上述技术问题：[0006]一种惯性导航系统，用于在室内进行导航，包括：[0007]惯性导航模块，用于执行惯性导航并输出惯性导航信息；[0008]机会信号获取模块，用于获取多个机会信号；[0009]机会信号处理模块，包括判断单元及数据融合单元，所述判断单元用于判断多个所述机会信号是否兼容，当多个所述机会信号兼容时，所述数据融合单元将所述机会信号与所述惯性导航信息进行数据融合以得到第一修正位置信息，并利用所述第一修正位置信息修正一神经网络；当多个所述机会信号不兼容时，所述数据融合单元将所述惯性导航信息与所述神经网络的输出值进行数据融合，并得到第二修正位置信息。[0010]可选的，所述惯性导航模块包括惯性测量单元及数据解算单元，所述数据解算单元对所述惯性测量单元的测量值进行解算以得到所述惯性导航信息，所述惯性导航信息包括位置信息、速度信息及姿态信息中的一种或多种。[0011]可选的，所述神经网络的输出值为位置预测值、速度预测值及姿态预测值中的一种或多种。

[0012]本发明还提供一种利用所述的惯性导航系统执行惯性导航的方法，包括：[0013]惯性导航模块执行惯性导航并输出惯性导航信息；[0014]机会信号获取模块获取多个机会信号；[0015]判断单元判断多个所述机会信号是否兼容，当多个所述机会信号兼容时，所述数据融合单元将所述机会信号与所述惯性导航信息进行数据融合以得到第一修正位置信息，并利用所述第一修正位置信息修正一神经网络；当多个所述机会信号不兼容时，所述数据融合单元将所述惯性导航信息与所述神经网络的输出值进行数据融合，并得到第二修正位

3

CN 109990779 A

说　明　书

2/6页

置信息。

[0016]可选的，利用DCKF滤波算法对所述机会信号与所述惯性导航信息或所述惯性导航信息与所述神经网络的输出值进行数据融合。[0017]可选的，利用所述第一修正位置信息或所述第二修正位置信息修正所述惯性导航模块输出的惯性导航信息。[0018]可选的，利用载噪比衰减判断所述机会信号与所述惯性导航信息是否兼容。[0019]本发明的有益效果：[0020](1)机会信号资源丰富，既可以在室外辅助卫星定位，也可以不依赖卫星进行室内定位，解决长时间使用惯性导航系统导致累积误差过大的问题；[0021](2)机会信号主要利用已经建成的信号基站，不会增加定位的成本。[0022](3)解决不同的机会信号之间由于电磁不兼容造成的定位误差大的问题，通过载噪比判断是否兼容，神经网络接管不兼容的时段。附图说明

[0023]图1是本发明惯性导航系统的结构示意图；[0024]图2是本发明的神经网络的结构示意图；[0025]图3是本发明惯性导航方法的流程图；[0026]其中，1-惯性导航模块，11-惯性测量单元，12-数据解算单元，2-机会信号处理模块，21-机会信号获取模块；22-判断单元；23-数据融合单元，3-神经网络。具体实施方式

[0027]以下将结合附图和具体实施例对本发明进行详细说明：[0028]如图1所示，本发明的惯性导航系统包括：[0029]惯性导航模块1，置于一载体上，包括惯性测量单元11及数据解算单元12，所述惯性测量单元11实时获取所述载体的惯性位置，所述数据解算单元12对所述惯性测量单元11的测量值进行解算以得到惯性导航信息，所述惯性导航信息包括位置信息、速度信息及姿态信息中的一种或多种；

[0030]机会信号获取模块21，用于捕捉环境中的多个机会信号；[0031]机会信号处理模块2，包括判断单元22及数据融合单元23，所述判断单元22用于判断多个所述机会信号是否兼容，当多个所述机会信号兼容时，所述数据融合单元23将所述机会信号与所述惯性导航信息进行数据融合以得到第一修正位置信息，并利用所述第一修正位置信息修正一神经网络3；当多个所述机会信号不兼容时，所述数据融合单元23将所述惯性导航信息与所述神经网络的输出值进行数据融合，并得到第二修正位置信息。[0032]具体的，本实施例中，机会信号通常是一移动信号或广播信号。[0033]利用移动信号执行定位时，移动通信基站一般采用固定架设的方法，因此一个小区对应一个固定的地理位置，小区ID定位方法是基于小区覆盖的定位方法，采用已知的服务小区地理信息，估计目标UE的位置，该服务小区信息可以通过寻呼和跟踪区更新等方式获得，在小区ID定位方法的基础上考虑定时提前量(TA)以及来波方向的因素，可以达到更精确的定位目的，此方案中称为TA+AoA增强小区ID定位方法。在LTE中，TA的获得可以通过

4

CN 109990779 A

说　明　书

3/6页

专用随机接入过程由eNB测量得到，TA乘以光速除以2，表示了UE同eNB之间的距离，UE就处于以eNB为圆心、UE和eNB距离为半径的圆周上。这时额外根据AoA的角度信息就可以获得终端的位置信息。[0034]利用广播信号执行定位时，通过测定FM信号传播过程中的衰减，进一步估算其传播距离，目前已有部分无线电信C7传播预测模型:Egli模型、OKumura-Hata模型、CCIR模型和ITU-R P.16模型等，但不同地区不同频段的无线传播模型之间存在较大的差异，需要在理论模型的基础上结合地理环境等影响因素建立更为合适的模型。[0035]在卫星导航领域，一般用载噪比衰减来衡量信号质量，不妨也用载噪比衰减来判断多个所述机会信号是否兼容。具体的，兼容性评估主要是评估干扰信号对有用信号在接收机处理中性能的影响情况。涉及到信号基站，传播环境以及接收机等部分。在接收机端，一般通过分析干扰信号对有用信号在接收机端的信噪比(或者载噪比)产生的影响，评估干扰对系统性能(定位精度、系统完好性、可用性、连续性等)的影响在无线通信和导航领域，SINR估计作为一种反映信道质量的因子受到了广泛的关注，通过SINR估计可以预测信号质量，对于评估和提高系统性能是极为有利的。在机会信号导航系统中，每一类信号(例如DTMB,3G等)可以看做一组相对的无线电导航信号，其中既存在系统内电磁干扰也存在系统间电磁干扰。[0036]SINR(Signal to Interface and Noise Power Ratio)信号干扰噪声功率比，简称信干噪比；类似于SNR(Signal to Noise Power Ratio)信号噪声功率比，简称信噪比。根据香农公式，信道容量可表示为:

[0037][0038]

其中，W表示信道带宽；P表示高斯型信号平均功率；表示单位频段内的噪声功率。SNR定义为:

[0039][0040]

如果把干扰信号等效看做有用信号的某种噪声，N0则可视为当干扰信号和噪声共

存时的等效信噪比，表示为:

[0041][0042]

其中，N1表示单位频段内的等效噪声功率N1＝I+N0，I为干扰信号的等效功率谱密度。因此，可以用SINR反映信号质量和信道容量，并进一步分析系统的性能。[0043]由于噪声功率以及信噪比和信干噪比与噪声带宽密切相关，每次给出SNR或SINR值是都要给出噪声带宽值，在应用中较为不便，因此引入了与噪声带宽无关的载噪比CNR和载干噪比CINR。CNR定义为:

[0044]

[0045]

载干噪比CINR(等效载噪比)表示为：

5

CN 109990779 A[0046][0047]

说　明　书

4/6页

在卫星导航领域，一般用载噪比衰减来衡量信号质量，机会信号导航系统与其类

似,不妨也用载噪比衰减进行兼容性评估，定义载噪比衰减:

[0048][0049][0050][0051][0052]

用dB表示为:

令Iintra为系统内干扰信号的等效功率谱密度，则系统内载噪比衰减为：

[0053][00][0055]

令Iintra为系统间干扰信号的等效功率谱密度，则系统间载噪比衰减为：

[0056][0057][0058]

总的载噪比衰减为:

[0059]

机会信号导航系统中信号种类较多，占用频段较宽，本实施例利用以上法对机会信号进行兼容性分析。

[0061]兼容性分析后可建立误差模型：[0062]首先建立状态方程：捷联惯性导航坐标系采用地理坐标系，导航误差状态为15个，即三维平台误差角

三维速度误差δvn＝[δvE δvN δvU]T，三维位置误差

[0060]

nTδC＝[δλ δL δh]T。在地理系三轴上的等效陀螺漂移分别为ε＝[ε ε ε等效加速度计ENU]，

误差分别为

f(·)为状态方程；G(t)为系统噪声驱动阵；W(t)表示系

统噪声、为高斯白噪声、来源于陀螺仪和加速度计的噪声部分。建立状态方程为：[0063]X(t)＝f(X(t),t)+G(t)W(t)[00]建立量测方程：[0065]Zk＝HkXk+Vk

[0066]Zk表示系统量测向量，即为机会信号与惯导的位置误差和速度误差，Hk为3×15维

6

CN 109990779 A

说　明　书

5/6页

的量测矩阵，Vk表示3×1维的量测噪声向量[0067]则误差模型为：

[0068]

位置误差方程：速度误差方程：姿态误差方程：

陀螺仪误差方程：ε＝εεb+r+ωg；加速度计误差方程：

其中εεωg为白噪声，Ta为相关时间，ωab为随机常值漂移，r为一阶马尔可夫过程，

[0069][0070][0071][0072][0073]

为马尔可夫过程的驱动白噪声。fn为加速度计测量的比力，为地球自转引起的导航系旋RN为使用航位推算转，为系统在地球表面附近移动因地球表面弯曲引起的导航系旋转，

地理位置计算的子午圈曲率半径。[0074]本实施例中，利用DCKF滤波算法对所述机会信号与所述惯性导航信息或所述惯性导航信息与所述神经网络的输出值进行数据融合。DCKF滤波算法分为两个部分，时间更新与量测更新，时间更新是指通过建立的系统模型与前一时刻的系统状态更新此时刻的系统状态，量测更新是指经过预测更新后，利用量测值对系统状态进行更新，得出最终的系统状态值；经过预测更新后，检测是否有新的量测值，如果有，则进行量测更新，如果没有，则直接用预测更新的值对所述惯性导航信息进行修正，具体包括如下步骤：

[0075][0076][0077]

(1)给定状态估计值及其协方差(2)时间更新。即

(3)计算更新后的状态容积点

Sk+1|k是

i＝1,2,…,m，其中m为系统状态维数；协方差的Cholesky分解，

[1]表示n维单位向

阵

量e＝[1,0,…,0]T改变元素符号进行全排列产生的点集，[1]i表集合[1]的第i列；

Pk+1|k＝Sk+1|k(Sk+1|k)T；

[0078][0079]

(4)经过量测方程传递后的容积点(5)计算k+1时刻的量测预测值

量测误差协方差矩阵Pzz,k+1|k和一步预测互

相关协方差阵Pxz,k+1|k，其中：

[0080]

7

CN 109990779 A[0081]

说　明　书

6/6页

[0082][0083][0084][0085]

(6)计算k+1时刻的滤波增益矩阵Kk+1，Kk+1＝Pxz,k+1|k(Pzz,k+1|k)-1；(7)计算k+1时刻的状态估计值

(8)计算k+1时刻的状态误差协方差阵Pk+1，

利用状态向量中的位置误差对载体的位置进行修正：

得到k

+1时刻的

[0086]

将系统中机会信号与惯导解算的信息作为神经网络输入，将系统计算位置信息、

速度信息或姿态信息作为期望输出值，训练神经网络一直到达到满足要求的精度。神经网络拓扑结构为三层，即输入层、隐藏层、输出层。在图2中，φ1、φ2、φ3、…φk表示隐含层各节点的径向基函数值，ω1、ω2、ω3、…ωk表示隐含层各节点到输出层的权值信息。x为网络的输入，y为神经网络的输出。神经网络的输入值为:加速度计东向与北向的输出增量、系统东向与北向的速度增量、俯仰角、横滚角、航向角误差、俯仰角以及横滚角，期望输出值分别为纬度、经度以及高度。即所述神经网络的输出值为位置预测值及速度预测值中的一种或多种。

[0088]基于此，如图3所示，本实施例还提供了一种惯性导航方法，包括：[00]惯性导航模块执行惯性导航并输出惯性导航信息；[0090]判断单元判断多个所述机会信号是否兼容，当多个所述机会信号兼容时，所述数据融合单元将所述机会信号与所述惯性导航信息进行数据融合以得到第一修正位置信息，并利用所述第一修正位置信息修正一神经网络；当多个所述机会信号不兼容时，所述数据融合单元将所述惯性导航信息与所述神经网络的输出值进行数据融合，并得到第二修正位置信息。

[0091]最后利用所述第一修正位置信息或所述第二修正位置信息修正所述惯性导航模块输出的惯性导航信息，以提高定位的精度。

[0092]以上实施例仅用以说明本发明的技术方案而非，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

[0087]

8

CN 109990779 A

说　明　书　附　图

1/2页

图1

图2

9

CN 109990779 A

说　明　书　附　图

图3

10

2/2页