基于Elman神经网络的GNSS/INS全域高精度定位方法

针对当前智能网联汽车定位与导航系统无法接收全球导航卫星系统(GNSS)信号引起定位失效的问题,提出一种基于Elman神经网络的GNSS结合惯性导航系统(INS)的全域高精度定位方法。首先,采用神经网络方法,建立了基于Elman网络的GNSS/INS高精度定位训练模型和GNSS失效预测模型;然后,利用GNSS、INS和实时动态(RTK)等定位技术,设计了GNSS/INS高精度定位数据采集实验系统;最后,选取采集的有效实验数据进行了反向传播(BP)神经网络、级联BP(CFBP)神经网络、Elman神经网络的训练模型性能对比分析,并验证了基于Elman网络的GNSS失效预测模型。实验结果表明,所提方法训练误差指标均优于基于BP和CFBP神经网络的方法;在GNSS失效1 min、2 min、5 min时,基于预测模型的预测平均绝对误差(MAE)、方差(VAR)和均方根误差(RMSE)分别为18.88 cm、19.29 cm、58.83 cm,8.96、8.45、5.68和20.90、21.06、59.10,随着GNSS信号失效时长的增加,定位预测精度降低。