改进BPNN模式识别算法在消除INS漂移误差中的应用

论文摘要

基于数字地图的自主惯性导航系统是实现地形辅助导航的基础。地形辅助导航TAN（Terrain Aided Navigation）是补偿惯性导航系统漂移误差的一种非常有效的方法,又称为地形匹配,该系统实质上是由惯导系统（INS）与无线电（雷达）高度表以及数字地图构成的组合导航系统。采用该系统可以实时地消除或补偿自主惯性导航系统随时间积累的漂移误差,可以大大提高导航精度,这也是该系统最显著的优点。文中首先论述了实现地形匹配所需要的数字地图;并通过已给的三维地形高程数据文件"Height.Data"文件,通过C++程序读出相应的高程数据,同时产生对应的三维地形位置数据文件（M文件）,最后通过Matlab仿真软件绘出不同的地形模式,作为研究的基础。数字地图匹配的核心也就是匹配的算法。文中介绍了目前比较成熟的地形轮廓匹配算法和卡尔曼滤波地形辅助导航的方法（SITAN）的原理、算法特点、应用范围以及常用的相似度量算法、地形熵匹配算法、平均绝对差算法（MAD）等。同时还介绍了国内外一些常用的提高惯性导航系统导航精度的方法:如重力辅助的匹配方法、基于衰减记忆的匹配算法、基于贝叶斯算法、粒子滤波算法、采用声纳技术的辅助方法等。本文主要采用了一种智能惯导陀螺漂移误差消除算法—基于改进的BP（BackPropagation）神经网络模态识别算法。对于地形较复杂区域有着独特的优势,它对于大面积地形数据的匹配分析是比较快速有效的,在噪声较大的情况下也能够准确、快速地找出载体实际的位置。而且改进的BP神经网络克服了收敛速度慢、陷于局部最小、网络不稳定等问题。最后,为了验证该算法的可行性,通过对不同地形模式进行数值仿真,仿真结果表明,基于神经网络的模态识别法能够准确、快速地找到与已知地形高程数据匹配的数据点。达到良好的匹配效果。本文的研究方法也可用于路径规划领域。可以大大改善各类飞行器的路径规划问题。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景和意义
• 1.2 地形辅助惯性自主导航技术的发展现状
• 1.2.1 国外该领域的发展
• 1.2.2 国内该领域的发展现状
• 1.2.3 总结
• 1.3 地形辅助惯性自主导航技术的算法
• 1.3.1 重力辅助惯性导航的匹配算法
• 1.3.2 基于衰减记忆的辅助惯性导航的匹配算法
• 1.3.3 基于贝叶斯的辅助惯性导航的匹配算法
• 1.3.4 基于迭代最近点的辅助惯性导航算法
• 1.3.5 基于粒子滤波的辅助惯性导航算法
• 1.3.6 基于声纳技术的辅助惯性导航方法
• 1.3.7 基于概率数据关联的辅助惯性导航算法
• 1.3.8 基于成像激光雷达辅助惯性导航方法
• 1.4 本文的研究工作
• 第2章 人工神经网络模型
• 2.1 人工神经网络的介绍
• 2.1.1 人工神经网络的发展史
• 2.1.2 人工神经网络的应用
• 2.1.3 人工神经网络的结构
• 2.1.4 人工神经网络的特点
• 2.1.5 人工神经网络的学习方式
• 2.2 误差反向传播的人工神经网络-BP 网络
• 2.2.1 典型的三层神经网络结构模型
• 2.2.2 BP 网络的学习算法
• 2.2.3 BP 网络算法的比较分析
• 2.2.4 BP 网络的局限性分析
• 2.2.5 BP 网络泛化能力的提高方法
• 2.2.6 BP 网络的设计方法
• 2.3 径向基神经网络-RBF
• 2.3.1 径向基神经网络概述
• 2.3.2 径向基神经网络三种常用结构模型
• 第3章 模式识别技术
• 3.1 模式识别的简要概述
• 3.2 模式识别的研究方法
• 3.2.1 典型模式识别系统的组成
• 3.2.2 模式识别各阶段的主要作用
• 3.2.3 典型模式识别系统的识别学习过程
• 3.3 模式识别方法
• 3.3.1 统计模式识别
• 3.3.2 结构模式识别
• 3.3.3 模糊模式识别
• 3.3.4 神经网络模式识别
• 3.4 BP 神经网络模式识别算法
• 3.4.1 BP 网络模式识别的两阶段
• 3.4.2 BP 网络模式识别的数学模型
• 3.5 本章小结
• 第4章 数字地图的建立
• 4.1 数字地图的描述
• 4.2 研究数字地图的重要性
• 4.3 数字地图的精度
• 4.4 数字地图的产生
• 4.5 本章小结
• 第5章 数字地图辅助惯导系统及算法
• 5.1 地形辅助惯导组成及原理
• 5.2 地形辅助惯性导航的几项技术
• 5.3 地形辅助惯导系统导航的匹配算法
• 5.3.1 最小相似度量算法和相关算法
• 5.3.2 匹配搜索算法
• 5.4 SITAN 算法
• 5.4.1 算法原理
• 5.4.2 算法特点
• 5.5 地形熵匹配算法
• 5.5.1 地形熵的定义
• 5.5.2 算法基本思想
• 5.5.3 算法的缺陷分析
• 5.6 基于改进BP 神经网络模式识别匹配法
• 5.6.1 算法思想
• 5.6.2 算法的流程
• 5.6.3 算法的特点
• 5.7 本章小结
• 第6章 改进BP 神经网络模式识别算法仿真
• 6.1 仿真参数选择
• 6.2 仿真分析
• 6.2.1 仿真实例一
• 6.2.2 仿真实例二
• 6.2.3 匹配率仿真分析
• 6.3 本章小结
• 第7章 结论
• 7.1 论文的主要工作和创新点
• 7.1.1 本文的主要工作
• 7.1.2 本文的创新点
• 参考文献
• 致谢
• 附录