[发明专利]一种神经网络优化的IMM卫星定位导航方法

权利要求书

1.一种神经网络优化的IMM卫星定位导航方法，其特征是：该方法基于交互式多模型滤波框架和卫星定位导航算法，先使用恒速模型与当前统计模型进行交互式滤波得到接收机的三维位置、速度及加速度信息，然后利用RBF径向基神经网络对滤波结果进行优化，并将优化得到的估计作为定位结果，具体如下：

步骤1)导入可观测卫星的观测量以及相应的星历数据；

步骤2)根据卫星的观测量以及相应的星历数据计算卫星位置和速度；

步骤3)根据载体动态条件，设定交互式多模型中有两个用于交互的模型，第一个是匀速直线运动模型m1，第二个是当前统计模型m2，依次对两种运动模型设定模型参数；

步骤4)初始化马尔科夫模型转移概率、模型综合状态估计量、模型综合状态协方差矩阵、各模型残差、各模型残差协方差矩阵；

步骤5)在交互式多模型算法中，对模型条件进行初始化，包括对各模型混合概率、各模型滤波初始状态、各模型滤波初始状态协方差矩阵的初始化；

步骤6)基于神经网络的滤波误差补偿算法，建立了基于RBF神经网络的滤波误差补偿模型，得到各模型补偿后的状态估计和总的协方差估计

步骤7)将所述模型补偿后的状态估计和协方差，输入到相应的滤波器计算，得到对应的状态估计值协方差估计以及残差V_j(k)和残差协方差S_j(k)；

步骤8)更新滤波器的模型的概率；

步骤9)基于模型概率对每个滤波器的输出结果进行加权合并，得到总的状态估计和总的协方差估计

2.根据权利要求1所述的神经网络优化的IMM卫星定位导航方法，其特征是：所述的神经网络优化的IMM卫星定位导航算法为：

1)根据前一次滤波值或初值经计算预测值

2)根据前次得到的滤波误差方差阵或初值计算预测误差方差阵

3)计算卡尔曼增益K(k+1)；

4)计算滤波估计

5)计算滤波误差方差阵

6)将4)中得到的状态估计与状态预测之差、滤波增益K(k+1)以及量测值Z(k+1)与量测预测之差作为神经网络的输入，使用飞行器状态真实值X(k+1)与状态估计值之差作为神经网络的目标期望输出，对RBF神经网络进行训练，训练结束后将预测结果与滤波状态估计结果求和，得到经过误差补偿的状态估计值。