SVM在GPS/INS组合导航滤波发散抑制中的应用

"利用SVM的GPS／INS组合导航滤波发散抑制方法研究 (2013年)" 本文是工程技术领域的论文，详细探讨了在GPS信号中断时如何通过支持向量机（SVM）来抑制GPS/INS组合导航滤波器的发散问题，以提高导航系统的准确性和稳定性。作者们首先提出了一个GPS/INS组合导航滤波模型，并在实验中模拟了GPS信号在5秒、10秒和15秒的中断情况。实验结果显示，当GPS信号中断超过10秒时，恢复后Kalman滤波器会出现发散现象，这直接影响到导航系统的性能。 为解决这一问题，研究人员引入了支持向量机技术。SVM是一种监督学习方法，它能用于非线性问题的建模和预测，特别适用于处理小样本、高维空间的问题。在本文中，SVM被用来内插中断的GPS信号，以提高信息更新频率，从而消除因GPS信号中断导致的滤波器发散。通过SVM内插生成的GPS数据，可以补偿丢失的GPS更新，保持滤波器的稳定运行，进而改善导航的精度。 文章深入讨论了GPS/INS组合导航系统的工作原理，其中GPS负责提供全球定位信息，而惯性导航系统（INS）则通过测量载体的加速度和姿态来连续计算位置、速度和方向。然而，由于GPS信号可能会受到遮挡、干扰或短暂中断，单纯依赖Kalman滤波可能会出现发散问题，导致导航误差增大。 为了抑制滤波发散，作者们提出了基于SVM的解决方案，这是一种创新的方法，旨在通过提高GPS数据的更新频率来增强系统的鲁棒性。实验结果证实，这种方法在GPS信号长时间中断时能有效抑制滤波器的发散，显著提高了导航系统的准确性。 关键词：GPS/INS组合导航；Kalman滤波；滤波发散；支持向量机 这篇论文提供了一种利用SVM改进GPS/INS组合导航系统性能的新策略，对于应对GPS信号中断带来的挑战具有重要的理论和实践意义，为未来相关领域的研究提供了新的思路和技术手段。