一种结合神经网络与无迹卡尔曼滤波的车辆状态估计方法及系统

摘要

本发明公开了一种结合神经网络与无迹卡尔曼滤波的车辆状态估计方法及系统，利用汽车多传感器中获得的数据，建立神经网络精确估计三向加速度与三向角速度。该状态可以定义汽车底盘的运动以实现协调各子系统所需要的汽车状态。结合神经网络的无迹卡尔曼滤波可以更好的估计汽车的3D姿态、速度、定位。本发明提供准确、全面的车辆动态信息。防止车辆各部件之间的信号交换导致的强耦合，从而影响单个状态估计结果的准确性。采取分状态预测的神经网络准确估计汽车状态，相较于过去的神经网络状态估计器，该方案更易训练，更准确。基于神经网络的输出，UKF能更好的估计出汽车3D姿态、速度、定位。当GPS信号不可用时，本方法能提供高精度的导航信息。