一种基于概率神经网络的重力匹配方法组成比例

本发明专利技术的一种基于概率神经网络的重力匹配方法，利用概率神经网络，对惯性导航指示轨迹采样点进行匹配，该方法训练速度快、学习过程简单、错误分类的期望风险最小，可以得到贝叶斯最优估计结果，即后验概率较高的匹配点，匹配率高，匹配效果好，可以克服重力测量误差的影响；对于初次匹配结果不可信的点，考虑惯性导航采样点位置相关性后，再利用粒子滤波的方法二次匹配结果后，由于粒子滤波方法能更好地处理非线性非高斯问题，所以能更好地提高匹配准确率，使匹配结果更加准确可靠。使匹配结果更加准确可靠。使匹配结果更加准确可靠。

【技术实现步骤摘要】
一种基于概率神经网络的重力匹配方法


[0001]本专利技术属于惯性导航
，具体涉及一种基于概率神经网络的重力匹配方法。

技术介绍

[0002]在水下导航中，惯性导航系统的定位误差会随时间累积，因此重力匹配作为一种辅助导航方式，常常与惯性导航构成组合导航系统，获得精度更高的导航定位结果。
[0003]2007年，程力和蔡体菁提出一种基于模式识别神经网络的重力匹配算法，即利用概率神经网络(Probabilistic Neural Network，PNN)在重力匹配时，在惯性导航系统导航轨迹中确定搜索中心点后，在重力背景图上找到重力特征最接近的坐标点，依此规划搜索范围为若干网格点，根据惯导轨迹采样点的相对位置坐标关系，从重力背景图上提取一定维度的重力测量值序列，与对应网格点的位置坐标一起定义成多个模式类，创建模式识别概率神经网络。输入一定维度的实时重力测量序列，根据重力特征相关程度将其识别到某个模式类，对比输出模式类标号确定载体位置
[4]。该算法匹配率高，匹配效果好，可以克服重力测量误差的影响，实时性强。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概率神经网络的重力匹配方法，其特征在于，包括如下步骤：步骤1、将惯性导航指示轨迹中每个采样点作为起始点，沿惯性导航指示轨迹的时间线往前取L个采样点，得到一条轨迹，设该起始点为点C；以C点为搜索中心，在重力背景图划分的网格图中，经度方向取前、后各M个网格，纬度方向上、下各取N个网格，构成以C点为中心点的搜索区域，区域中共S个网格点：S＝(2M+1)
×
(2N+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2
‑
1)其中，L取值至少为3；M和N分别至少取2；步骤2、确定惯导指示轨迹采样点的相对位置：将中心点C的经纬度坐标表示为在以C为起始点的轨迹上，各采样点B
i
到起始点的经纬度距离记为：Δλ(C
‑
B
i
)＝|λ
C
‑
λ
Bi
|，i＝1,2...L
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2
‑
2)其中为任一点B
i
的经纬度坐标；步骤3、在所述搜索区域内，第k个网格点在重力背景图中的坐标点表示为(i
k
,j
k
)，其定义为：i
k
＝i
‑
M+R
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2
‑
4)j
k
＝j+N+R
k
×
(2N+1)
‑
k+1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2
‑
5)其中，k＝1,2，
…
，S；R
k
为k除以(2N+1)的商取整数，根据重力背景图的坐标对应确定该点的经纬度坐标为(λ(i
k
),根据惯性导航指示轨迹，以第k个网格点作为起始点，向前取L个采样点，得到一条以点k为起始点的轨迹B
k
，根据第2步惯导指示轨迹采样点的相对位置，轨迹B
k
上对应的L个点的经纬度位置为：λ(k)＝Δλ(C
‑
B
i
)+λ(i
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2
‑
6)进而将轨迹B
k
定义为模式k，根据重力背景图确定模式k中L个点的重力测量值，则重力测量值序列表示为g
mk
，搜索区域中全部S个模式对应的重力测量值序列，组成矩阵P＝[g
m1 g
m2
...g
mS
]；步骤4、构建概率神经网络，具体为：构建具有输入层、模式层、累加层和输出层的4层概率神经网络；其中，输入层有L个节点；模式层和累加层节点数均为S；输出层对累加层的相关度数据作竞争运算，取与中心点重力测量值逼近概率最大的模式作为结果，通过输出层输出，该模式对应的网格点为中心点的匹配点；步骤5、将需要匹配的每个惯导采样点对应的维度为L的重力测量值序列，以及对应的S个模式组成的重力测量值序列构成的矩阵P，输入到概率神经网络中进行重力匹配，得到对应的匹配点；根据匹配点确定水下运载体坐标信息。2.如权利要求1所述的一种基于概率神经网络的重力匹配方法，其特征在于，检验每个匹配点的可信度是否满足要求，如果不满足，重新进行匹配。3.如权利要求2所述的一种基于概率神经网络的重力匹配方法，其特征在于，检验每个匹配点的可信度的方法为：
设匹配点轨迹中采样时间h上采样点为P
h
'，根据惯导指示轨迹，得到采样时间h前4个匹配点，并组成点集{P
h
‑4',P
h
‑3',P
h
‑2',P
h
‑1',P
h
'}；惯性...

【专利技术属性】
技术研发人员：王博，易荣雪，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：