GNSS失锁下基于混合预测模型的POS误差估计方法

作者：陈霖周廷; 刘占超

来源：中国惯性技术学报, 2022, 30(01): 74-80.

DOI：10.13695/j.cnki.12-1222/o3.2022.01.011

• 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

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。

• 单位
  北京航空航天大学; 贵州理工学院