申请/专利权人：兰州交通大学

申请日：2024-03-27

公开（公告）日：2024-07-05

公开（公告）号：CN118295002A

主分类号：G01S19/49

分类号：G01S19/49;G01C21/16;G01C21/20

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：一种组合导航应用中卡尔曼滤波加速方法，考虑卡尔曼滤波的实时性需求，对滤波过程中矩阵的运算中最耗时的乘法、分解、三角求逆运算分别进行了硬件加速架构的资源优化设计；依据“脉动阵列”的思想，对矩阵乘法器进行了硬件加速的设计，同时针对卡尔曼滤波中矩阵运算的特点，对大量稀疏矩阵设计预处理模块；依据“矩阵LU分解”的运算原理，完成了分解运算处理单元（PE）的设计；设计了“调度计数器”以保证对数据流的正确控制；使用流水技术与分时技术，提高了处理单元的工作主频，实现了对处理单元的分时复用，保证了运算的效率；在三角矩阵求逆中，分析了运算中数据的关联性，结合数据流的合理调度设计控制方案，实现了运算过程的并行化。

主权项：1.一种组合导航应用中卡尔曼滤波加速方法设计，其特征在于：导航系统中的处理分为两种情况：一：当GNSS信号可被接收时，GNSS通过PPP解算算法得到精确位置信息，INS通过机械编排输出更新后位置、姿态、速度信息，将GNSS解算后数据与INS解算后数据通过卡尔曼滤波输出组合解算结果,完成高精度定位；卫星接收GNSS信号的同时，GNSS信号也会被传入INS解算，卷积神经网络CNN训练模块将IMU输出的角速度、加速度信息和INS输出速度、姿态信息、作为一个包含完整惯导信息的特征矩阵输入神经网络模型，使特征信息更加完整，使用卷积神经网络对特征信息进行有效提取，获得对应时刻的伪量测，在神经网络训练模型中，PPP定位精度已达到厘米级，将GSINS组合导航输出值作为真实值，也就是训练模型的目标值，将神经网络训练后的预测输出值和目标值对比得到神经网络的损失函数，得出伪量测；二：当GNSS信号不可被接收时，神经网络模型进行预测更新，此时卷积神经网络的输入值仍然可以从IMU和INS输出中得到,通过训练好的上一时段伪量测，再计算得到下一时刻的伪量测Nk，通过卡尔曼滤波融合输出更新后的导航信息。

全文数据：

权利要求：

百度查询： 兰州交通大学 一种组合导航应用中卡尔曼滤波加速方法设计

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD