登普斯特謝弗神經(jīng)網(wǎng)絡(luò)算法在車輛導(dǎo)航中的應(yīng)用

提出了一種高效的登普斯特謝弗神經(jīng)網(wǎng)絡(luò)（DSNN）算法，通過整合登普斯特證據(jù)理論和人工神經(jīng)網(wǎng)絡(luò)，有效地融合GPS和輔助慣性導(dǎo)航系統(tǒng)（INS）數(shù)據(jù)在車載導(dǎo)航中應(yīng)用。該DSNN算法利用低成本的慣性測量單元進(jìn)行車輛的精確定位。DSNN算法為了限制GPS未中斷時的慣性測量單元故障，有效地結(jié)合了登普斯特證據(jù)理論和人工神經(jīng)網(wǎng)絡(luò)。登普斯特理論被認(rèn)為是概率論的推廣，當(dāng)忽略接近零的狀態(tài)時，登普斯特模型被簡化為標(biāo)準(zhǔn)的貝葉斯理論。人工神經(jīng)網(wǎng)絡(luò)作為一個概念性的智能導(dǎo)航儀，可生成、儲存和積累導(dǎo)航知識。DSNN算法降低了由低成本的慣性測量單元產(chǎn)生的車輛定位誤差，有效地融合了GPS輸出和沒有GPS信號發(fā)生中斷INS單元。該算法根據(jù)現(xiàn)有數(shù)據(jù)提供一個可靠的決策，以預(yù)測哪種傳感器（INS或GPS）更可靠，從而提供最準(zhǔn)確的綜合導(dǎo)航解決方案。一旦GPS中斷，DSNN算法用一個經(jīng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來預(yù)測解決方案。

所提出的DSNN算法優(yōu)于常規(guī)神經(jīng)網(wǎng)絡(luò)模型。未來的研究工作是更多地利用人工神經(jīng)網(wǎng)絡(luò)模型以進(jìn)一步減少導(dǎo)航誤差。

刊名：Information Sciences（英）

刊期：2013年第253期

作者：Priyanka Aggarwal et al

編譯：孫堅