[发明专利]一种基于北斗GNSS的高精度定位方法、装置及系统

说明书

本发明涉及一种基于北斗GNSS的高精度定位方法、装置及系统，该方法包括如下步骤：接收随机噪声，构建LSGAN神经网络；当北斗GNSS信号可用时，LSGAN神经网络处于训练模式：将惯性导航系统输出的三维位置信息以及经卡尔曼滤波器融合后输出的惯性导航系统误差补偿值作为LSGAN神经网络训练的输入样本对其训练；当北斗GNSS信号缺失时，LSGAN神经网络进入预测模式，利用训练后的LSGAN神经网络模型预测出惯性导航系统的误差值，利用该误差值得到修正后的三维位置信息。本发明提供的基于北斗GNSS的高精度定位装置及系统，通过多通道卷积网络更好的提取样本数据中的特征信息从而使网络具有较好的泛化能力，避免梯度消失现象，能够更精确地预测三维位置信息。

技术领域

本发明涉及卫星定位导航领域，具体涉及一种基于北斗GNSS高精度定位方法、装置及系统。

背景技术

2020年6月底，中国完成30颗卫星发射组网，全面建成北斗三号系统。北斗三号系统继承有源服务和无源服务两种技术体制，为全球用户提供定位导航授时、全球短报文通信和国际搜救服务，同时可为中国及周边地区用户提供星基增强、地基增强、精密单点定位和区域短报文通信等服务。北斗三号系统的空间信号精度优于0.5米；全球定位精度优于10米，测速精度优于0.2米/秒，授时精度优于20纳秒；亚太地区定位精度优于5米，测速精度优于0.1米/秒，授时精度优于10纳秒，整体性能大幅提升。

GAN(Generative Adversarial Nets，生成式对抗网络)启发自博弈论中的二人零和博弈，自从IanGoodfellow在14年发表了论文Generative Adversarial Nets以来，生成式对抗网络GAN广受关注，GAN成为近年来在机器学习领域的新宠。

发明内容

本发明针对现有技术中存在的技术问题，本发明的第一方面提供一种基于北斗GNSS的高精度定位方法包括如下步骤：接收随机噪声，构建LSGAN神经网络模型；当北斗GNSS信号可用时，LSGAN神经网络处于训练模式：将惯性导航系统输出的三维位置信息以及经卡尔曼滤波器融合后输出的惯性导航系统误差补偿值作为LSGAN神经网络训练的输入样本；获取真实的所述输入样本，对所述输入样本进行不同幅度的变换，保存输入样本和所述变换输入样本，得到变换输入样本集；将所述变换输入样本集中的变换输入样本分别输入到判别网络的多通道卷积网络的各个通道中，进行特征的提取和融合，得到输出结果；当北斗GNSS信号缺失时，LSGAN神经网络进入预测模式，以惯性导航系统输出的导航位置信息作为训练后的网络的输入，利用训练后的LSGAN神经网络模型预测出惯性导航系统的误差值，利用该误差值得到修正后的三维位置信息。

在发明的一些实施例中，上述方法还包括当LSGAN神经网络实际输出与期望输出样本之间的误差值大于设定的阈值，循环利用LSGAN神经网络算法得到其网络权值的更新值，直至LSGAN神经网络的实际输出与期望的输出之间的误差小于设定的阈值。

在发明的一些实施例中，所述LSGAN的生成网络包括：依次相连的第一全连接层、第一微步幅卷积层、第二微步幅卷积层、第三微步幅卷积层、第四微步幅卷积层、第五微步幅卷积层、第六微步幅卷积层、第七微步幅卷积层和第二全连接层共九层。

在发明的一些实施例中，所述LSGAN的判别网络包括：依次相连的第一特征提取层、第一特征映射层、第一inception层、第二特征提取层、第二特征映射层、第二inception层和第一全连接层和最小二乘损失计算层。

在上述的实施例中，所述对所述输入样本进行变换，得到变换输出样本的过程，包括：对所述卡尔曼滤波器融合后输出的惯性导航误差补偿值中的航向角、横滚角、俯仰角分别进行水平方向，四十五度方向，六十度方向，九十度方向，一百二十度方向，一百三十五度方向，一百五十度方向得到变换的输出样本。