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

1、隨著汽車的逐漸普及，車載導(dǎo)航的使用也越來越多，全球定位系統(tǒng)(GlobalPosition System，GPS)以其全天候、全球性以及實時性的導(dǎo)航優(yōu)勢在人們?nèi)粘?dǎo)航中起到了不可替代的作用，但是GPS信號在受到遮蔽情況下導(dǎo)航精度可能降低，甚至無法實現(xiàn)導(dǎo)航。對于慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INs)而言，其信號抗干擾能力好、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、會隨著時間的推移而逐漸增加。INS和GPS間具有良好的互補性，如果采用適當(dāng)?shù)娜诤霞夹g(shù)，使導(dǎo)航信息結(jié)合，就能使得兩個系統(tǒng)取長補短。
　　卡爾曼濾波及其改進是一種常用的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、過度擬合影響預(yù)測的準(zhǔn)確性。本文提出一種基于回歸森林的組合導(dǎo)航算法，避免了其中的過度擬合，也降低了計算的復(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、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，只能使用GPS功能來導(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，但是由于手機等終端常處于一種不固定的狀態(tài)，慣導(dǎo)設(shè)備無法正

4、常工作，起不到補充作用。本文給出了一種解決方案，在考慮成本和易用性的情況下，為汽車配備一個車載導(dǎo)航模塊，主要由GPS和慣導(dǎo)模塊組成，通過藍(lán)牙將導(dǎo)航數(shù)據(jù)發(fā)送到智能終端實現(xiàn)導(dǎo)航。
　　在此硬件平臺上實現(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信號存在時，使用GPS數(shù)據(jù)實現(xiàn)導(dǎo)航，同時使用此數(shù)據(jù)和INS采集到的數(shù)據(jù)來訓(xùn)練算法，當(dāng)GPS信號失效時，用INS采集到的慣導(dǎo)數(shù)據(jù)作為回歸森林的輸入，預(yù)測下一時刻系統(tǒng)的狀態(tài)，實現(xiàn)導(dǎo)航。最后