神经网络辅助MEMS-INS/GPS组合导航系统研究

"本文探讨了神经网络在微电子机械系统（MEMS）惯性导航系统（INS）与全球定位系统（GPS）组合导航中的应用，以解决GPS信号缺失时导航系统性能下降的问题。通过构建系统模型，利用神经网络进行智能辅助，结合卡尔曼滤波器，确保在GPS信号中断期间导航系统的持续工作能力。仿真结果显示，这种方法是可行且有效的。" 在现代导航系统中，尤其是对精度要求高的应用，如自动驾驶、航空航天和军事任务，MEMS-INS/GPS组合导航系统已经成为主流。这种系统结合了惯性导航的连续性和GPS的全球覆盖，提供高精度的位置、速度和姿态信息。然而，GPS信号可能受到遮挡、干扰或欺骗，导致导航性能急剧下降，甚至系统无法正常工作。 文章中提出了一种利用神经网络辅助的解决方案。神经网络是一种模拟人脑神经元连接的计算模型，具有良好的非线性映射能力和自学习特性，能够处理复杂的数据模式识别和预测任务。在本文的研究中，神经网络被用来预测和补偿GPS信号缺失期间的系统误差。首先，建立了一个包含MEMS-INS和GPS信息的系统模型。然后，将惯性导航的输入数据作为神经网络的输入，通过训练网络来学习和获取输出所需的参数。这些参数与卡尔曼滤波器相结合，能够在GPS信号丢失时，帮助校正和更新导航系统的状态估计，从而保持系统的稳定运行。 卡尔曼滤波器是一种在噪声环境中优化状态估计的统计方法，常用于组合导航系统中，以融合来自不同传感器的不完全和有噪声的数据。结合神经网络的预测能力，卡尔曼滤波可以更有效地处理GPS信号缺失的情况，提高导航系统的鲁棒性。 仿真结果证明，神经网络辅助的INS/GPS导航系统在GPS信号短暂中断时仍能保持良好的导航性能。这种方法不仅提高了系统的抗干扰能力，也为未来在复杂环境下的导航系统设计提供了新的思路。 关键词: MEMS；神经网络；惯性导航系统（INS）；GPS；GPS更新 根据文章标签和内容，我们可以看出这篇论文属于工程技术领域，具体是关于MEMS传感器技术、神经网络算法以及它们在GPS导航系统中的应用，对于理解和改进GPS依赖型导航系统的可靠性和效率具有重要意义。