基于贝叶斯神经网络的船用惯导定位修正方法

来源：系统工程与电子技术杂志2024年第4期北京时间：

作者：周红进, 宋辉, 范文良, 王苏, 谷东亮

单位：1. 海军大连舰艇学院航海系, 辽宁 大连 116018；2. 国家检察官学院信息技术部, 北京 102206

摘要：船用惯性导航系统(inertial navigation system, INS)通常采用与全球卫星导航系统(global navigation satellite system, GNSS)组合导航的方式提高其长时间工作的定位精度。当GNSS失效时, 其定位误差将随时间迅速发散。针对这一问题, 设计了采用反向传播神经网络(back propagate neural network, BPNN)、根据INS原始输出数据拟合修正经纬度的定位修正方案, 提出了基于Bayesian算法更新网络权重系数的方法, 结合理论分析和试验研究确定了神经元个数与训练数据集的分配方案。实船试验结果表明, 当GNSS失效时, 在后续2 h, 通过24 h历史数据训练得到的神经网络修正INS位置, 相比INS独立工作时的定位误差, 修正后误差均值下降了63%, 误差最大值下降约50%, 最小值下降至0。

关键词：惯性导航系统,全球卫星导航系统失效,反向传播神经网络,Bayesian算法,定位误差