[发明专利]一种GPS失效位置预测定位方法

说明书

本发明公开了一种GPS失效位置预测定位方法，基于广义神经网络结构，采用遗传算法实现平滑因子的最优估计，分析目标运动传感器数据和GPS定位系统数据，对完整段测试数据进行神经网络建模分析，构建相关神经网络模型，并结合时间序列方法对建模提取后的误差数据进行建模，当GPS信号丢失时，采用模型和目标运动传感器数据对目标位置进行预测，使目标在GPS传感器信号不可得到的时候，继续为运动目标提供精确的位置估计。

技术领域

本发明涉及一种GPS失效位置预测定位方法，属于大数据处理技术领域。

背景技术

随着现代科技的飞速发展，全球定位系统GPS应用的范围在不断扩大，精度的要求也越来越高。GPS可以提供精确的三维坐标，全天候作业，卫星信号覆盖全球，并且不受用户数量限制，已经成为军用制导、军用定位、民用导航、定位的主要技术，特别是近几年来高精度的实时动态定位技术(RTK)的发展，相对于常规的GPS测量方法都需要事后进行解算才能获得高精度，RTK是一种能够在野外实时得到高精度的测量方法，它的出现为各种实时控制测量带来了新曙光。GPS已经能够实时地提供坐标系中的三维数据，且达到了较高的精度，使其迅速成为快速采集数据与定位的高效工具。

虽然GPS系统能够实时的提供目标精确的位置信息，但其定位完全依赖于GPS信号，当GPS信号丢失时，就会导致导航信息丢失，位置出现混乱，影响相关控制系统的正常工作，而且这种情形大量存在于现实情况中。比如车辆进入隧道中就是比较常见的一种，另外，在某些区域受到遮挡或者卫星信号受到干扰时，也会导致GPS信号丢失，出现定位混乱等问题。军事应用方面，在导弹制导过程中，导弹制导相关控制系统依赖于导弹不同时刻的位置数据，如果GPS信号长时间丢失，长时间无法为控制系统提供位置数据，会对导弹的飞行带来严重的影响，甚至产生严重的后果。除了上述非人为因素的影响外，也存在人为的因素，如战场环境中，存在着敌我双方全方位的对抗，其中导航系统的对抗也是一种典型的对抗手段，敌方发射的干扰信号也会导致GPS信号丢失，无法准确定位。

发明内容

本发明所要解决的技术问题是克服现有技术的误差大不满足使用要求的缺陷，提供一种GPS失效位置预测定位方法。

为解决上述技术问题，本发明提供一种GPS失效位置预测定位方法，其特征在于，

获取一段GPS设备传感器的完整样本采集数据及其对应时段的车载传感器样本数据；

采用拉格朗日插值方法对GPS样本采集数据进行插值处理，使得GPS样本采集数据的时间间隔与车载传感器样本数据的时间间隔相同，完成时间对齐；

计算GPS样本采集插值数据中的速度变量与车载传感器样本数据中速度变量的相关系数，通过相关系数最大值对应的位置得到延时量，对GPS样本采集插值数据按照此延时量进行整体平移，使其与车载传感器样本数据时间对应，实现延时校准；

将GPS样本采集插值校准数据转换为北天东坐标系数据，通过北天东坐标系数据确定对应时刻位置方位角数据；

初始化预先构建的广义回归神经网络的平滑因子，所述广义回归神经网络的输入层中心为样本车载传感器数据，输入层的期望输出参数为样本车载传感器数据对应时刻的GPS位置方位角数据；

另外选取一组新的车载传感器测试样本数据输入到所述预先构建的广义回归神经网络，输出预对应测试数据的测位置方位角数据；

根据对应测试数据的预测位置方位角数据与测试数据对应时刻的GPS样本方位角数据构建误差函数，采用改进遗传算法优化平滑因子，按照使误差函数值最小的原则，通过优化过程确定最优平滑因子，根据最优平滑因子确定最优广义回归神经网络结构；

获取车载传感器的实时数据，输入到所述最优广义回归神经网络结构中，输出最优预测位置方位角数据，根据最优预测位置方位角数据，确定GPS失效后目标的位置。