基于回歸森林的車載INS-GPS組合導(dǎo)航系統(tǒng)設(shè)計(jì).pdf

1、隨著汽車的逐漸普及，車載導(dǎo)航的使用也越來(lái)越多，全球定位系統(tǒng)(GlobalPosition System，GPS)以其全天候、全球性以及實(shí)時(shí)性的導(dǎo)航優(yōu)勢(shì)在人們?nèi)粘?dǎo)航中起到了不可替代的作用，但是GPS信號(hào)在受到遮蔽情況下導(dǎo)航精度可能降低，甚至無(wú)法實(shí)現(xiàn)導(dǎo)航。對(duì)于慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INs)而言，其信號(hào)抗干擾能力好、數(shù)據(jù)輸出率高、自主完善性高且能夠提供載體的加速度和姿態(tài)等導(dǎo)航信息，但是其導(dǎo)航誤差

2、會(huì)隨著時(shí)間的推移而逐漸增加。INS和GPS間具有良好的互補(bǔ)性，如果采用適當(dāng)?shù)娜诤霞夹g(shù)，使導(dǎo)航信息結(jié)合，就能使得兩個(gè)系統(tǒng)取長(zhǎng)補(bǔ)短。
　　卡爾曼濾波及其改進(jìn)是一種常用的INS誤差消除算法，但是此類方法適用于線性誤差的情形，對(duì)于非線性誤差的情形效果并不是很好。為了解決這一問題，一些基于人工智能的方法被提出，例如多層感知神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)等。雖然此類方法可以預(yù)測(cè)非線性誤差，但是復(fù)雜的算法容易增加輸入輸出間的非線性復(fù)雜度，從而造成

3、過(guò)度擬合影響預(yù)測(cè)的準(zhǔn)確性。本文提出一種基于回歸森林的組合導(dǎo)航算法，避免了其中的過(guò)度擬合，也降低了計(jì)算的復(fù)雜度。
　　前裝車載導(dǎo)航在北美、歐洲和日本的預(yù)裝率很高，但是其在國(guó)內(nèi)的預(yù)裝率卻很低。隨著各種智能終端的興起，更多的人傾向于使用手機(jī)、PDA等智能終端作為日常出行的導(dǎo)航工具。當(dāng)使用智能終端導(dǎo)航時(shí)，只能使用GPS功能來(lái)導(dǎo)航，導(dǎo)航效果并不理想，雖然多數(shù)終端配備了陀螺儀等慣導(dǎo)器件，但是由于手機(jī)等終端常處于一種不固定的狀態(tài)，慣導(dǎo)設(shè)備無(wú)法正

4、常工作，起不到補(bǔ)充作用。本文給出了一種解決方案，在考慮成本和易用性的情況下，為汽車配備一個(gè)車載導(dǎo)航模塊，主要由GPS和慣導(dǎo)模塊組成，通過(guò)藍(lán)牙將導(dǎo)航數(shù)據(jù)發(fā)送到智能終端實(shí)現(xiàn)導(dǎo)航。
　　在此硬件平臺(tái)上實(shí)現(xiàn)了回歸森林算法，系統(tǒng)采用非耦合的組合方式，當(dāng)有GPS信號(hào)存在時(shí)，使用GPS數(shù)據(jù)實(shí)現(xiàn)導(dǎo)航，同時(shí)使用此數(shù)據(jù)和INS采集到的數(shù)據(jù)來(lái)訓(xùn)練算法，當(dāng)GPS信號(hào)失效時(shí)，用INS采集到的慣導(dǎo)數(shù)據(jù)作為回歸森林的輸入，預(yù)測(cè)下一時(shí)刻系統(tǒng)的狀態(tài)，實(shí)現(xiàn)導(dǎo)航。最后