GPS慣性導航技術
- 英文名是DeadReckoningDeadReckoning起源於17世紀航海，指由已知的定點以羅盤及航速推算出目前所在位置的方法；“航位推測法”根據上次所測定的船的位置，再加上航船的速度，有時還加上因為海浪和大風所給航船帶來的移動來測定現在航船所在的位置，誤差大約幾公里。如果一艘船正在大洋的中間航行的話，通過航位推測法所確定的位置所產生的錯誤不會對航船帶來什麼損害，但是當航船靠近陸地，航位推測法所帶來的錯誤就很危險，航位推測要求必須是一位頂級專家來完成。
現在，GPS可以精確定位，航位推測不再是航海專家的難題。然而，GPS定位存在盲區，盲區是環境造成的，可視衛星數量少於4顆，定位將失效，當你進入大樓，GPS不再有定位功能；特別是車載環境，多徑效應較嚴重，即使不進入隧道，遮擋物及車速都是造成定位失效的原因。
新技術DeadReckoning採用加速度慣性陀螺及增強卡爾曼濾波算法（EKF）或線性神經網路算法，盲區問題已經得到很好的解決，即使在大樓或隧道深處或深山老林，GPS依然能準確定位。
加速度慣性陀螺採集實時及歷史加速度信息，慣性導航基於一個簡單的準則，即加速度在時間上的積分確定位移，縱橫位移確定方向。初看來對GPS定位信息進行簡單修正就OK了，其實不然，環境和速度位置等是動態變化的，必須對各種誤差進行動態修正，於是乎引入EKF，EKF建立動態觀測方程對誤差進行實時修正，DeadReckoning的EKF疊加在GPS本身的EKF之上，稱為聯合卡爾曼濾波；如果用神經網路，狀態方程可以得以簡化。EKF觀測方程可以簡單表達為：Z=HX+V，X為狀態變數，H為觀測函式，V為觀測噪聲，Z為定位輸出，只要設計合適的狀態更新策略，可以實現精確估計。動態的含義是，GPS信號質量好和差時，或根本就沒有信號時，濾波係數會根據狀態方程動態調整。神經網路的好處在於引入誤差學習機制，啟動即進入學習過程，一段時間後學習好了，系統將越來越精確。筆者的方案是採用心動陣列實現EKF矩陣方程的動態求解，流水線體系能使狀態更新瞬間完成，實現高精度盲區導航。
