弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

来源：中国血液净化杂志2021年第7期北京时间：

作者：闵海根, 方煜坤, 吴霞, 徐志刚, 赵祥模

单位：1. 长安大学 信息工程学院, 陕西 西安 710064;2. 长安大学 \"车联网\"教育部-中国移动联合实验室, 陕西 西安 710064"],"fundList_en":["National Natural Science Foundation of China (61903046); Shaanxi Key R & D Program (2021GY-290); Youth Talent Lift Project of Shaanxi Association for Science and Technology (20200106); The Joint Laboratory for Internet of Vehicles, Ministry of Education-China Mobile Communications Corporation ([2016]477); Fundamental Research Funds for the Central Universities (300102240106)

摘要：针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。

关键词：交通工程,车辆位置预测,长短期记忆网络,弱GNSS信号,经验模态分解,序贯数据降噪

基金资助：国家自然科学基金项目（61903046）；陕西省重点研发计划项目（2021GY-290）；陕西省高校科协青年人才托举计划项目（20200106）；“车联网”教育部-中国移动联合实验室项目（教技司（2016）477号）；中央高校基本科研业务费专项资金项目（300102240106）