[发明专利]一种GNSS信号中断期间使用GRU神经网络辅助导航的算法

权利要求书

1.一种GNSS信号中断期间使用GRU神经网络辅助导航的算法，其特征在于：包括

步骤1、当全球导航卫星系统(GNSS)信号可用时，AI模块将在训练模式下工作，INS的速度，航向和IMU的输出将用作训练GRU神经网络的输入特征，输入特征参数选择为陀螺仪输出加速度计输出INS速度Vⁿ，INS航向角ψ，输出选择为GNSS位置增量ΔP_GNSS，GNSS的位置增量为模型的输出；

步骤2、GNSS中断丢失GNSS信号时，AI模块将在预测模式下工作，INS的信息将被馈送到GRU神经网络中以生成伪GNSS增量；累积伪GNSS增量后，会将伪GNSS位置发送到KF，以校正INS导航解算结果。

2.根据权利要求1所述的一种GNSS信号中断期间使用GRU神经网络辅助导航的算法，其特征在于：GRU神经网络包括2个门结构，更新门和重置门；更新门可以改变当前时刻受前一时刻状态的影响程度，输出为r_t；更新门的值与保留的信息多少成正比，更新门输出越小，则保留的状态信息越少；重置门的作用是丢弃部分隐藏状态信息，输出为z_t，重置门的值与丢弃信息的数量呈反比，该值越小，则过去的状态信息丢弃越多。

3.根据权利要求2所述的一种GNSS信号中断期间使用GRU神经网络辅助导航的算法，其特征在于：当GNSS信号可用时，AI模块将在训练模式下工作，对GRU神经网络进行训练，输入为IMU输出的三轴加速度计数据f_b，三轴陀螺仪数据ω_b，INS解算得到的速度信息V_INS和航向角信息ψ_INS；因此在GNSS信号良好时GRU神经网络找到IMU，INS信息与GNSS增量信息之间的映射关系，使得GRU神经网络获取类似于GNSS模块的功能。

4.根据权利要求2所述的一种GNSS信号中断期间使用GRU神经网络辅助导航的算法，其特征在于：当GNSS中断之后，系统切换为预测模式，GNSS模块无法继续提供位置信息，所以预测模型中没有了GNSS模块；此时IMU和INS模块继续向GRU神经网络输入导航信息，已训练好的GRU神经网络根据输入来预测GNSS增量ΔP_GNSS；将该增量信息进行积分得到一个预测的GNSS位置信息，预测的GNSS位置信息是伪GNSS位置信息，用于模拟GNSS信号良好时的定位结果；将该结果与INS解算的位置P_INS作差后送入KF模块即可进行卡尔曼滤波，此时就可如GNSS信号良好时一样继续输出位置、速度、姿态的误差，用来对INS结果进行反馈修正。