一种基于多地磁要素检测的定位方法技术

本发明专利技术提供了一种基于多地磁要素检测的定位方法，包括以下步骤：S1、检测地磁总量、水平分量和垂直分量数据；S2、再从人工鱼群中提取若干条人工鱼将对应的轨迹输入到水平分量，并以Hausdorff距离作为评估标准进行评估；S3、再次从所述轨迹中提取评估最优的前若干条轨迹，进一步缩小轨迹范围；S4、最后将最优的前若干条轨迹输入到垂直分量中，由Hausdorff评估算法对最优的前若干条轨迹进行评估，输出最优的一条轨迹即为真实的轨迹，从而实现定位导航。本发明专利技术的有益效果是：提高了定位精度和稳定性，满足了水下导航的精度需求。

【技术实现步骤摘要】
一种基于多地磁要素检测的定位方法
本专利技术涉及磁场导航，尤其涉及一种基于多地磁要素检测的定位方法。
技术介绍
海洋拥有丰富的生物、矿物、能源、化学等资源，目前主要使用水下潜航器等设备进行水下探测、海洋资源的勘探和开发、海洋救援和打捞等任务。因此水下潜航器成为世界海洋大国的发展热点。由于受到尺寸、重量、功耗等方面的闲置，在水下潜航器上实现高精度、长时间的导航是非常困难的。目前的导航技术比如声学系统、GPS、惯性导航等，由于隐蔽性差、误差较高等缺点，不能满足时长和精度的要求，地磁导航技术成为解决问题的一种途径。地磁导航具有无源，自主，功耗低，抗干扰能力强、无积累误差和精度适中的优点，特别是在水下导航中，有广阔的应用前景。目前已知的地磁导航方法中，主要采用通过磁场总量单地磁要素和地磁图进行匹配的方法，此种方法由于磁场检测精度、地磁图精度和外部磁场干扰的影响，精度不高。单地磁要素匹配精度、稳定性也要小于多地磁要素匹配。因此，如果实现一种基于多特征量的地磁匹配的定位方法刻不容缓。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种基于多地磁要素检测的定位方法。本专利技术提供了一种基于多地磁要素检测的定位方法，包括以下步骤：S1、检测地磁总量、水平分量和垂直分量数据；先利用地磁总量数据，由人工鱼群算法在地磁图上进行搜索，通过人工鱼群算法与地磁图匹配，人工鱼群聚集在真实轨迹的附近；S2、再从人工鱼群中提取若干条人工鱼将对应的轨迹输入到水平分量，并以Hausdorff距离作为评估标准进行评估；S3、再次从所述轨迹中提取评估最优的前若干条轨迹，进一步缩小轨迹范围；S4、最后将最优的前若干条轨迹输入到垂直分量中，由Hausdorff评估算法对最优的前若干条轨迹进行评估，输出最优的一条轨迹即为真实的轨迹，从而实现定位导航。作为本专利技术的进一步改进，步骤S1包括以下子步骤：S11、采集惯导航迹[xikyik]T、真实航迹[xrkyrk]T和地磁测量序列，i、r分别为惯导和真实航迹序列号，k为序列中的地磁点，采集地磁测量序列时，采集地磁总强度水平强度和垂直强度地磁值其中F表示总强度，H为水平强度，Z为垂直强度；S12、第一张地磁图：设置人工鱼群初始参数人工鱼条数N、人工鱼移动步长Step、人工鱼视野Visual、最大尝试次数Try_number、拥挤度δ、最大迭代次数MAXGEN；S13、确定人工鱼个体状态J＝(α，θ，△x，△y)中的每个因子范围，初始化人工鱼群，得到所有的初始航迹；S14、Fori＝1toMAXGEN；S15、人工鱼的当前状态为Ji，利用式(1-1)计算食物浓度Ki，在其视野范围内的的伙伴数目为nf，伙伴的中心位置状态为Jc，对应食物浓度为Kc，如果满足Kc/nf>δKi，执行式(1-1)，否则执行觅食行为，记录移动后的(Jnext1，Knext1)；式中，Rand为(0,1)之间的随机数，||JV-J||为两个人工鱼的距离；Ki＝f(Ji)第i条人工鱼所在位置处的食物浓度，即目标函数；S16、人工鱼的当前状态为Ji，食物浓度为Ki，在其视野范围内的伙伴数目为nf，伙伴中的最优位置状态为Jmax，对应的食物浓度为Kmax，如果满足Kmax/nf>δKmax，执行式(1-1)，否则执行觅食行为，记录移动后的(Jnext2，Knext2)；S17、比较食物浓度Knext1和Knext2大小，将食物浓度较大的值以及相对应的前若干个状态保存为第一记录，每条人工鱼行动后将得到的食物浓度值与第一记录上的值进行比较，如果食物浓度优于第一记录，则将该值取代第一记录上的状态及其对应的食物浓度；S18、迭代次数i加1，循环达到设定值MAXGEN；S19、EndFor。作为本专利技术的进一步改进，在步骤S17中，比较食物浓度Knext1和Knext2大小，将食物浓度较大的值以及相对应的前三十个状态保存在第一记录上。作为本专利技术的进一步改进，食物浓度就是人工鱼群的目标函数值，即人工鱼群的寻优准则，假设经仿射变换后的轨迹处提取的地磁序列为地磁实测数据序列为Mk，食物浓度设置为如下形式：其中，Hausdorff距离不强调匹配点对，点与点之间的关系是十分模糊的，因而具有很强的抗干扰能力和容错能力。改进后的算法结果值越大，则集合和Mk相差越远。在此基础上，人工鱼食物浓度改为下式(1-5)，则食物浓度最高的为最优解；式中foodconsistence为食物距离。作为本专利技术的进一步改进，在步骤S13中，确定人工鱼个体状态J＝(α，θ，△x，△y)中的每个因子范围如下表：作为本专利技术的进一步改进，步骤S2包括：第二张地磁图：取出第一记录上的人工鱼的状态，再由航迹变换即可得到对应的位移航迹。作为本专利技术的进一步改进，步骤S3包括：由Hausdorff测评算法计算评估每条轨迹的评估值，将评估值最优的若干条轨迹保存到第二记录上。作为本专利技术的进一步改进，在步骤S3，由Hausdorff测评算法计算评估每条轨迹的评估值，将评估值最优的三条轨迹保存到第二记录上。作为本专利技术的进一步改进，步骤S4包括：第三张地磁图：输入第二记录上保存的位移航迹，由Hausdorff测评算法计算评估每条轨迹的评估值，将评估值最优轨迹保存到第三记录并输出，即为最终的目标航迹。本专利技术的有益效果是：通过上述方案，主要利用鱼群算法中人工鱼聚集的特性，在鱼群算法停止之后，人工鱼聚集在地磁真实轨迹附近，然后通过水平分量和垂直分量数据对人工鱼进行筛选，一步一步得到真实的轨迹，实现了一种基于多特征量的地磁匹配的定位方法，提高了定位精度和稳定性，满足了水下导航的精度需求。具体实施方式下面结合具体实施方式对本专利技术作进一步说明。一种基于多地磁要素检测的定位方法，检测地磁总量、水平分量和垂直分量数据，首先利用地磁总量数据通过人工鱼群算法与地磁图匹配，再从人工鱼群中提取若干条人工鱼将对应的轨迹输入到水平分量，并以Hausdorff距离作为评估标准进行评估，再次从这些轨迹中提取评估最优的前若干条轨迹，进一步缩小轨迹范围，最后将这些轨迹输入到第三个特征量(地磁垂直强度)中，同样的由Hausdorff评估算法对这最后的轨迹进行评估，输出最优的一条轨迹即为真实的轨迹，从而实现定位导航的作用。Hausdorff距离即豪斯多夫距离，豪斯多夫距离量度度量空间中真子集之间的距离。Hausdorff距离是另一种可以应用在边缘匹配算法的距离。具体流程如下：01、开始；02、采集惯导航迹[xikyik]T、真实航迹[xrkyrk]T和地磁测量序列，i、r分别为惯导和真实航迹序列号，k为序列中的地磁点，采集地磁序列时需采集地磁总强度水平强度和垂直强度地磁值其中F表示总强度，H为水平强度，Z为垂直强度；03、第一张地磁图：设置人工鱼群初始参数人工鱼条数N、人工鱼移动步长Step、人工鱼视野Visual、最大尝试次数Try_number、拥挤度δ、最大迭代次数MAXGEN；04、确定人工鱼个体状态J＝(α，θ，△x，△y)中的每个因子范围，如表1所示，初始化人工鱼群，得到所有的初始航迹；05、Fori＝1toMAXGEN；06、人工鱼的当前状态为Ji，利用式(1-1)计算食物浓度Ki，在其视野范围内的的伙伴数目为nf，伙本文档来自技高网...

【技术保护点】
1.一种基于多地磁要素检测的定位方法，其特征在于，包括以下步骤：S1、检测地磁总量、水平分量和垂直分量数据；先利用地磁总量数据，由人工鱼群算法在地磁图上进行搜索，通过人工鱼群算法与地磁图匹配，人工鱼群聚集在真实轨迹的附近；S2、再从人工鱼群中提取若干条人工鱼将对应的轨迹输入到水平分量，并以Hausdorff距离作为评估标准进行评估；S3、再次从所述轨迹中提取评估最优的前若干条轨迹，进一步缩小轨迹范围；S4、最后将最优的前若干条轨迹输入到垂直分量中，由Hausdorff评估算法对最优的前若干条轨迹进行评估，输出最优的一条轨迹即为真实的轨迹，从而实现定位导航。

【技术特征摘要】
1.一种基于多地磁要素检测的定位方法，其特征在于，包括以下步骤：S1、检测地磁总量、水平分量和垂直分量数据；先利用地磁总量数据，由人工鱼群算法在地磁图上进行搜索，通过人工鱼群算法与地磁图匹配，人工鱼群聚集在真实轨迹的附近；S2、再从人工鱼群中提取若干条人工鱼将对应的轨迹输入到水平分量，并以Hausdorff距离作为评估标准进行评估；S3、再次从所述轨迹中提取评估最优的前若干条轨迹，进一步缩小轨迹范围；S4、最后将最优的前若干条轨迹输入到垂直分量中，由Hausdorff评估算法对最优的前若干条轨迹进行评估，输出最优的一条轨迹即为真实的轨迹，从而实现定位导航。2.根据权利要求1所述的基于多地磁要素检测的定位方法，其特征在于：步骤S1包括以下子步骤：S11、采集惯导航迹[xikyik]T、真实航迹[xrkyrk]T和地磁测量序列，i、r分别为惯导和真实航迹序列号，k为序列中的地磁点，采集地磁测量序列时，采集地磁总强度水平强度和垂直强度地磁值其中F表示总强度，H为水平强度，Z为垂直强度；S12、第一张地磁图：设置人工鱼群初始参数人工鱼条数N、人工鱼移动步长Step、人工鱼视野Visual、最大尝试次数Try_number、拥挤度δ、最大迭代次数MAXGEN；S13、确定人工鱼个体状态J＝(α,θ,△x,△y)中的每个因子范围，初始化人工鱼群，得到所有的初始航迹；S14、Fori＝1toMAXGEN；S15、人工鱼的当前状态为Ji，利用式(1-1)计算食物浓度Ki，在其视野范围内的的伙伴数目为nf，伙伴的中心位置状态为Jc，对应食物浓度为Kc，如果满足Kc/nf>δKi，执行式(1-1)，否则执行觅食行为，记录移动后的(Jnext1,Knext1)；式中，Rand为(0,1)之间的随机数，||JV-J||为两个人工鱼的距离；Ki＝f(Ji)第i条人工鱼所在位置处的食物浓度，即目标函数；S16、人工鱼的当前状态为Ji，食物浓度为Ki，在其视野范围内的伙伴数目为nf，伙伴中的最优位置状态为Jmax，对应的食物浓度为Kmax，如果满足Kmax/nf>δKmax，执行式(1-1)，否则执行觅食行为，记录移动后的(Jnext2,Knext2)；S1...

【专利技术属性】
技术研发人员：吴习文，邓世煜，许启航，余志超，张宁，白进纬，刘洪涛，曹勇，张颖，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东,44