北京航空航天大学学报 ›› 2019, Vol. 45 ›› Issue (6): 1081-1087.doi: 10.13700/j.bh.1001-5965.2018.0591

• 论文 • 上一篇    下一篇

融合高斯过程回归的UKF估计方法

叶文1,2, 蔡晨光1, 杨平1, 李建利2   

  1. 1. 中国计量科学研究院 力学与声学计量科学研究所, 北京 100029;
    2. 北京航空航天大学 仪器科学与光电工程学院, 北京 100083
  • 收稿日期:2018-10-17 出版日期:2019-06-20 发布日期:2019-06-18
  • 通讯作者: 叶文 E-mail:wenye@buaa.edu.cn
  • 作者简介:叶文 男,博士,助理研究员。主要研究方向:惯性技术与惯性计量;蔡晨光 男,博士,副研究员。主要研究方向:振动计量;杨平 男,博士,研究员。主要研究方向:声学计量;李建利 男,博士,研究员,博士生导师。主要研究方向:惯性技术。
  • 基金资助:
    国家重点研发计划(2017YFF0205003);国家自然科学基金(61421063,61722103,61571030,51605461)

UKF estimation method incorporating Gaussian process regression

YE Wen1,2, CAI Chenguang1, YANG Ping1, LI Jianli2   

  1. 1. Division of Mechanics and Acoustics, National Institute of Metrology, Beijing 100029, China;
    2. School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100083, China
  • Received:2018-10-17 Online:2019-06-20 Published:2019-06-18

摘要: 高精度滤波估计是SINS/GNSS组合导航系统的关键技术之一,其估计精度直接影响了导航精度。传统滤波估计方法一般只基于惯导误差模型,未考虑惯导误差模型不确定性的影响。针对此问题,提出了一种采用高斯过程回归(GPR)增强无迹卡尔曼滤波(UKF)预测和估计能力的高精度滤波估计方法。一方面,能在有限的训练数据条件下通过UKF估计误差状态量;另一方面,高斯过程既考虑了噪声,也考虑了UKF的不确定性。将所提方法应用于SINS/GNSS组合导航系统中,车载实验结果表明,所提方法能有效提高滤波估计精度。

关键词: SINS/GNSS组合导航, 高精度滤波估计, 惯导误差模型, 无迹卡尔曼滤波(UKF), 高斯过程回归(GPR)

Abstract: The high-precision filter estimation is a key technology in the SINS/GNSS integrated navigation system, and its estimation accuracy has direct influence on the accuracy of navigation. The traditional filter estimation method is based on inertial navigation error model, and does not take its uncertainty into account. Aimed at the problem, a high-precision filter estimation method is presented, which uses Gaussian process regression (GPR) to enhance the capabilities of prediction and estimation for parametric unscented Kalman filter (UKF). On one hand, it can estimate the state vector of the nonlinear parametric UKF on condition that trained data is limited; on the other hand, GPR can also take both the noise and the uncertainty in the nonlinear parametric UKF into consideration. The real vehicle-mounted experiment results show that the proposed method can effectively enhance filter estimation precision through applying the enhanced GPR-UKF into the SINS/GNSS integrated navigation system.

Key words: SINS/GNSS integrated navigation, high-precision filter estimation, inertial navigation error model, unscented Kalman filter (UKF), Gaussian process regression (GPR)

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发