[發明專利]一種無模型輔助導航適配區域選取方法

有效

• 申請號: 202011014026.3
• 申請日: 2020-09-24
• 公開（公告）號: CN112161621B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 王博;馬子玄
• 申請（專利權）人: 北京理工大學
• 主分類號: G01C21/16
• 分類號: G01C21/16;G06N3/00
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 溫子云

1.一種無模型輔助導航適配區域選取方法，其特征在于，包括：

步驟1：構建兩層的二分類器，第一層分類器用于區分準適配區和非適配區；第二層分類器用于從準適配區中區分出適配區和一般適配區；

步驟2：構建訓練樣本：

將已知的重力場背景圖劃分為柵格，每個柵格提取一組n個重力場特征參數并進行歸一化；n為大于或等于2的正整數；

所述重力場特征參數包括重力異常標準差、重力場經度相關系數、重力場緯度相關系數、重力場費希爾信息量、重力場編碼失真量、重力場經度粗糙度、重力場緯度粗糙度；

所述重力場費希爾信息量GFIC為：

其中，假設水下運載體所經過的區域P內有M*N個重力異常數據，g(x_i,j)為重力場背景圖網格節點x_i,j處的重力異常值，x_i,j為所經過區域內的位置點信息，其中1≤i≤M-1,1≤j≤N-1；

所述歸一化為：

重力異常標準差、重力場經度粗糙度、重力場緯度粗糙度、重力場費希爾信息量越大，越有利于導航適配區域選取的實現，按大者為優進行歸一化：

重力場經度相關系數、重力場維度相關系數和重力場編碼失真量越小，所含重力場特征信息越豐富，按小者為優進行歸一化：

其中，g_i,j為歸一化后的數據，v_i,j為歸一化前的數據，min表示對同一類數據取最小值，max表示對同一類數據取最大值；

采用熵值法確定n個重力場特征參數的權值，經加權求和得到綜合特征參數；通過將綜合特征參數與第一閾值和第二閾值比較，將重力場背景圖樣本點劃分為適配區、一般適配區和非適配區；在訓練第一層分類器時，將適配區與一般適配區作為正樣本，非適配區作為負樣本；訓練第二層分類器時，將適配區作為正樣本，一般適配區作為負樣本；

所述綜合特征參數的公式為：

其中，σ,r_λ,R_λ,F,d對應選取的重力場特征參數，ω_i為對應的權值，針對每一組重力特征參數都得到了綜合特征參數，其中i＝1,2,...,6,7；

步驟3：分別針對兩層二分類器進行參數優化，優化過程為：

采用待優化分類器的分類器參數和特征選取向量組成遺傳算法的個體，進行優化；所述特征選取向量為m維向量，第i維向量表示訓練分類器時是否保留第i個重力場特征參數；在迭代優化過程中，選取分類器的準確率作為適應度函數，分類器準確率越高的個體適應度越好；計算適應度值時，根據個體中的分類器參數設置分類器，根據個體中的特征選取向量確定訓練樣本保留的重力場特征參數輸入分類器，計算分類器的準確率作為個體的適應度值；

步驟4：優化結束后，采用最佳個體對應的分類器參數以及特征選取向量設置分類器；最佳個體的特征選取向量包括m’個重力場特征參數；

步驟5：將候選適配區域的重力場背景圖劃分為柵格，提取每個柵格的m’個重力場特征參數并進行歸一化后輸入到訓練好的兩層二分類器，得到導航適配區域分類結果。

2.如權利要求1所述的方法，其特征在于，所述第一閾值為0.45，第二閾值為0.35，綜合特征參數大于或等于0.45的訓練樣本對應的標簽為Y＝1，大于或等于0.35且小于0.45的訓練樣本對應標簽為Y＝0，小于0.35的訓練樣本對應標簽為Y＝-1；訓練第一層分類器時，將Y＝1和Y＝0對應的訓練樣本打標簽為Y’＝1，將Y＝-1的訓練樣本打標簽為Y’＝0；訓練第二層分類器時，將Y＝1的訓練樣本打標簽為Y”＝1，將Y＝0的樣本點打標簽為Y”＝0。

3.如權利要求1所述的方法，其特征在于，所述分類器為支持向量機，所述分類器參數為懲罰因子和核函數。