基于回归森林的车载INSGPS组合导航系统设计的中期报告.docx

基于回归森林的车载INSGPS组合导航系统设计的中期报告
一、研究背景
车载导航系统在现代汽车中具有重要的地位和作用，它能够为驾驶员提供准确的导航信息，使驾驶更加安全、便捷、舒适。传统的车载导航系统通常采用GPS全球定位系统和INS惯性导航系统相结合的方式来获得位置和姿态信息，并基于地图数据提供方便的导航功能。然而，GPS信号会受到多种干扰和误差影响，导致精度降低或者甚至无法使用，而INS在长时间使用过程中会因为累计误差而产生不稳定或者漂移等问题，因此需要进行校正和修正。
针对上述问题，基于回归森林的车载INSGPS组合导航系统设计可以有效的提高导航的精度和鲁棒性，实现更加可靠的导航定位。回归森林作为一种新型的预测模型，它可以利用并行处理的方法进行训练，采用不同的特征和子样本进行Bootstrap聚合，能够避免过拟合和减少误差，同时具有较高的处理速度和可扩展性。
二、研究内容
本研究的主要内容包括以下几个方面：
1.回归森林的理论和算法研究：对回归森林的基本原理和算法进行研究，熟悉随机森林的构建过程、属性选择、子样本选择等关键技术，并探讨如何将其应用到车载INSGPS组合导航系统的设计中。
2.数据预处理和特征提取方法探索：对车载GPS和INS采集到的数据进行预处理，比如去除离群值、归一化处理等，同时通过特征提取方法选出最具代表性的特征，包括速度、角速度、加速度等等。
3.回归森林的模型训练和评估：采用回归森林模型对处理好的数据进行训练，用交叉验证等指标对模型进行评估，确定最佳的超参设置、属性集和子样本大小等，以提高模型的准确性和鲁棒性。
4.基于回归森林的组合导航系统实现：将所训练好的回归森林模型与车载GPS和INS数据集成起来，实现车载INSGPS组合导航系统的设计，同时通过实验对其进行测试和验证，验证其效果和可用性。
三、预期成果
本研究所取得的主要成果包括以下几个方面：
1.回归森林的理论和算法研究，具有一定的创新性和理论价值，为大规模数据相关的模型研究提供参考和借鉴。
2.车载INSGPS组合导航系统的设计，采用回归森林模型实现对GPS和INS信号的融合处理，提高导航精度和鲁棒性，具有实际的应用价值。
3.相关实验结果和数据分析，展示回归森林模型在车载INSGPS组合导航系统中的性能和可行性，说明其优越性和优势。
四、研究计划
本研究计划分为以下几个阶段：
1.第一阶段（1-2周）：回归森林理论和算法研究，对其基本原理和算法进行细致的学习和分析，了解其优缺点以及应用场景。
2.第二阶段（2-4周）：数据预处理和特征提取方法探索，基于车载GPS和INS采集到的原始数据，进行预处理和特征提取，并进行数据分析和可视化。
3.第三阶段（4-8周）：回归森林模型训练和评估，采用交叉验证等方法对回归森林模型进行训练和评估，选择最佳的超参设置和属性集合子样本大小。
4.第四阶段（8-12周）：基于回归森林的组合导航系统实现，将所训练好的回归森林模型与车载GPS和INS数据集成起来，实现车载INSGPS组合导航系统的设计，并进行实验测试和结果分析。
五、参考文献
1.李天石,严朋,李江涛,等.传感器组合导航技术及其在车载导航中的应用[J].现代交通技术,2020,49(10):158-162.
2.郭炳岩.基于回归森林的预测模型研究综述[J].数据分析,2020(2):17-22.
3.FriedmanJH.Stochasticgradientboosting[J].ComputationalStatistics&DataAnalysis,2002,38(4):367-378.
4.SmartSL,SturmPF,O'HaraCM,etal.Backpropagationneuralnetworkfordirectangularmeasurements:Implementationandcomparison[J].JournalofGuidanceControlandDynamics,1994,17(2):324-331.