一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法
【專利摘要】本發(fā)明公開了一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,包括以下步驟:信號的對應(yīng)、導(dǎo)航系統(tǒng)信號分解、分解系數(shù)的處理、誤差的神經(jīng)網(wǎng)絡(luò)的預(yù)測和估計、導(dǎo)航系統(tǒng)誤差信息的建立及組合導(dǎo)航信息的修正。本發(fā)明所提出的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法完全處理的是客觀存在的觀測量,不涉及模型問題,計算量小,也沒有對噪聲的限制?;旧鲜抢每陀^的觀測修正客觀的狀態(tài),修正能力強(qiáng),但對抽象的狀態(tài)無影響和控制。
【專利說明】一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于導(dǎo)航領(lǐng)域,具體涉及一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法。
【背景技術(shù)】
[0002]隨著北斗衛(wèi)星導(dǎo)航系統(tǒng)的逐漸完成,以北斗系統(tǒng)為導(dǎo)航平臺的應(yīng)用也越來越廣泛,特別是與其它導(dǎo)航系統(tǒng)有機(jī)的組合,不僅能充分地利用各種傳感器的信息得到高精度的位置、姿態(tài)及各種動態(tài)導(dǎo)航參數(shù),而且組合導(dǎo)航系統(tǒng)也具有了較高的可靠性,能適應(yīng)各種復(fù)雜的環(huán)境,滿足了現(xiàn)代武器系統(tǒng)精確、靈活、可靠性高的要求。
[0003]但由于北斗系統(tǒng)的研究不夠深入,使得建立起的模型很不完善,若基于此模型會對北斗系統(tǒng)的應(yīng)用和發(fā)展產(chǎn)生不良影響,因此需要能夠避免使用系統(tǒng)模型的組合導(dǎo)航方法進(jìn)行相應(yīng)的信息融合,不僅可以推動北斗系統(tǒng)的應(yīng)用,而且也是對組合導(dǎo)航濾波方法的擴(kuò)充和完善。
[0004]基于信號的濾波方法主要是基于小波的信號濾波和基于神經(jīng)網(wǎng)絡(luò)的信號濾波。小波分析是一種時間窗和頻率窗都可以改變的時頻局部化分析方法,主要方法有:基于模極大值的小波濾波、基于小波變換的自適應(yīng)小波、Donoho閾值小波濾波方法。其中基于小波變換的自適應(yīng)濾波方法優(yōu)于其它方法,是未來自適應(yīng)濾波發(fā)展的新方向。
[0005]神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)確定從有噪聲空間到無噪聲空間的非線性映射,實現(xiàn)信號的濾波。神經(jīng)網(wǎng)絡(luò)對于不同的信號采用不同的處理方式,通常采用基于預(yù)測思想的濾波方法和基于曲線擬合思想的濾波方法。
[0006]雖然迄今為止在組合導(dǎo)航濾波領(lǐng)域還沒有見到令人滿意的、統(tǒng)一的理論和方法,但大多數(shù)研究者認(rèn)為,回避建立準(zhǔn)確模型的困難,利用各種非常規(guī)方法尋求問題的解答將是近期解決組合導(dǎo)航濾波問題的主要手段。
[0007]信號作為被研究對象的特性表示,只有它才能夠全面的說明系統(tǒng)的各種因素,所以基于信號的研究應(yīng)該比基于模型的研究更直接、更全面,也更合乎邏輯。而且人類的理論是建立在抽象的、以線性空間描述為主的知識結(jié)構(gòu)上的,因為線性空間使得問題的解決更簡單、更快捷,對于一個多維的非線性對象而言,能夠采用兩種進(jìn)行有效的線性化。
[0008]1、非線性對象復(fù)雜多維線性空間的線性化;
[0009]類似于兩維情況,整個非線性對象被多個復(fù)雜多維線性空間以時間參數(shù)為連接點順序的進(jìn)行整體擬合,對象的t時刻的特性由該時刻的復(fù)雜多維線性空間的對象的映射特性所替代。
[0010]2、非線性對象簡單維空間的線性化;
[0011]由于多維線性空間的復(fù)雜性,所以將多維空間轉(zhuǎn)變?yōu)楹唵尉S空間進(jìn)行處理,以時間參數(shù)作為基點和連接點,對象的t時刻的特性由該時刻的簡單維線性空間的對象的映射特性組合所替代,整個非線性對象被多個組合的簡單維線性空間以時間參數(shù)為連接點順序的進(jìn)行整體擬合。
[0012]從目前我們所掌握的數(shù)學(xué)工具出發(fā),非線性對象的簡單維空間的線性化方法是適應(yīng)實際的。將非線性對象在多組合簡單維空間進(jìn)行線性化,就是將非線性對象在某一時刻同時向多個簡單維的線性空間映射,然后再將其結(jié)果有機(jī)的組合起來。
[0013]與前述的多維空間描述一致,當(dāng)信號在某一空間進(jìn)行處理時,若信息出現(xiàn)缺失時,可將其在其它空間進(jìn)行處理。就組合導(dǎo)航而言,引入頻域空間的目的在于減少信號在時域空間處理時的信息缺失或復(fù)雜度。若有需要,可以在多個空間分別處理,最后在進(jìn)行綜合,這就是本文提出的組合導(dǎo)航方法的核心。目前能夠?qū)r頻空間有效結(jié)合起來的主要工具是小波變換,這樣通過小波變換時域空間和頻域空間在時間軸上得到了統(tǒng)一。
[0014]由于各組合導(dǎo)航部分是直接聯(lián)接,若采用時域描述,則各組合導(dǎo)航部分所接收的信號及其干擾,都將在數(shù)據(jù)融合時作用。而采用頻域描述,由于各部分信號的工作頻段是不同的,應(yīng)用頻域描述很容易去掉或減弱干擾,即使是累加在工作頻段上的干擾也能被分辨,這樣一來,無形中對信號進(jìn)行了凈化。在參與組合導(dǎo)航的各導(dǎo)航系統(tǒng)中,導(dǎo)航數(shù)據(jù)處于不同的頻段、不同的定位性質(zhì)、不同的故障模式。當(dāng)任一部分所受的干擾過大或故障時,可利用頻域的分解對導(dǎo)航器件進(jìn)行故障診斷,達(dá)到最終重新組合的目的,保障了組合導(dǎo)航整體的可靠性。
[0015]組合導(dǎo)航是將多個不同類別的導(dǎo)航系統(tǒng)利用某種結(jié)構(gòu)和算法有機(jī)的結(jié)合起來,達(dá)到對信息的更全面,更準(zhǔn)確的估計。抽象的講,就是對于某一信號,利用多類別的感知器進(jìn)行感知,并將這些感知到的信息結(jié)合,以對這一信號進(jìn)行準(zhǔn)確的描述。
[0016]組合導(dǎo)航實質(zhì)上也是一種信息的多重空間描述,盡管之間存在很大的不同,但從物質(zhì)(實體)的角度上,論證了多空間信號描述的正確性和可能性。
[0017]引入小波變換進(jìn)入組合導(dǎo)航的原因,來源于對組合導(dǎo)航現(xiàn)實和未來發(fā)展的展望.[0018]對于頻域描述,它將信號向不同基構(gòu)成的空間投影,傅立葉變換和其它基變換描述的信號是同一的,但可以體現(xiàn)出不同的性質(zhì),從這一點上來看,利用頻域描寫,可以繞過模型這一道關(guān)卡,克服由于模型的線性和非線性造成的干擾,從方法論的角度上講,頻域描寫的基變換與時域描寫的非線性模型空間是對應(yīng)的。因此,從空間對應(yīng)出發(fā),利用基變換所得到的信號描述精度應(yīng)不低于非線性模型空間的精度。
[0019]采用組合導(dǎo)航信號直接小波分解,然后再采取神經(jīng)網(wǎng)絡(luò)方法進(jìn)行誤差信號的擬合,利用擬合所形成的預(yù)測機(jī)制進(jìn)行預(yù)測,形成一個整體的算法。
[0020]輸出信號將按照小波進(jìn)行分解,可以分解成高頻信息和低頻信息,其中低頻信息代表了各自導(dǎo)航系統(tǒng)的誤差信號,高頻信息代表了對導(dǎo)航系統(tǒng)的干擾信號。然后通過預(yù)測建立機(jī)制的分析,采用神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合。對下一時刻的狀態(tài)進(jìn)行預(yù)測,同時利用測量結(jié)果對預(yù)測機(jī)制和預(yù)測結(jié)果進(jìn)行修正。
【發(fā)明內(nèi)容】
[0021]本發(fā)明針對上述問題,提供一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法。
[0022]本發(fā)明解決上述問題所采用的技術(shù)方案是:一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,包括以下步驟:信號的對應(yīng)、導(dǎo)航系統(tǒng)信號分解、分解系數(shù)的處理、誤差的神經(jīng)網(wǎng)絡(luò)的預(yù)測和估計、導(dǎo)航系統(tǒng)誤差信息的建立及組合導(dǎo)航信息的修正。
[0023]進(jìn)一步地,其中所述信號的對應(yīng)包括以下步驟:
[0024]位置信息對應(yīng)位置信息,速度信息對應(yīng)速度信息。[0025]更進(jìn)一步地,其中所述導(dǎo)航系統(tǒng)信號分解包括以下步驟:
[0026]將各分導(dǎo)航系統(tǒng)的信號按照統(tǒng)一的小波基進(jìn)行同層次的分解,得到相應(yīng)的一組小波系數(shù)。
[0027]更進(jìn)一步地,其中所述分解系數(shù)的處理包括以下步驟:
[0028]將對應(yīng)層次的小波系數(shù)進(jìn)行相關(guān)處理,即:
[0029]
【權(quán)利要求】
1.一種神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,包括以下步驟:信號的對應(yīng)、導(dǎo)航系統(tǒng)信號分解、分解系數(shù)的處理、誤差的神經(jīng)網(wǎng)絡(luò)的預(yù)測和估計、導(dǎo)航系統(tǒng)誤差信息的建立及組合導(dǎo)航信息的修正。
2.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,其中所述信號的對應(yīng)包括以下步驟: 位置信息對應(yīng)位置信息,速度信息對應(yīng)速度信息。
3.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,其中所述導(dǎo)航系統(tǒng)信號分解包括以下步驟: 將各分導(dǎo)航系統(tǒng)的信號按照統(tǒng)一的小波基進(jìn)行同層次的分解,得到相應(yīng)的一組小波系數(shù)。
4.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,其中所述分解系數(shù)的處理包括以下步驟: 將對應(yīng)層次的小波系數(shù)進(jìn)行相關(guān)處理,即:
5.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,其中所述誤差的神經(jīng)網(wǎng)絡(luò)的預(yù)測和估計包括以下步驟: 常用的時間序列分析等方法往往丟掉了趨勢項和周期項等重要信息,神經(jīng)網(wǎng)絡(luò)方法對突變性較強(qiáng)的信號進(jìn)行學(xué)習(xí)和預(yù)測時,也不能很好地反映真實的情況。然而利用小波分解與神經(jīng)網(wǎng)絡(luò)相結(jié)合,則可以很好的解決這些問題; 神經(jīng)網(wǎng)絡(luò)對小波系數(shù)(誤差)的預(yù)測和估計工作在時間更新過程中,即:
6.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,其中所述導(dǎo)航系統(tǒng)誤差信息的建立包括以下步驟: 通過對小波系數(shù)的預(yù)測和估計,組成了一組相應(yīng)的誤差信息小波系數(shù),通過相應(yīng)變換得到需要的誤差信息,即:
7.根據(jù)權(quán)利要求1所述的神經(jīng)網(wǎng)絡(luò)組合導(dǎo)航方法,其特征在于,其中所述組合導(dǎo)航信息的修正包括以下步驟: 將誤差信息從INS系統(tǒng)導(dǎo)航信息中去掉,則最終組合導(dǎo)航系統(tǒng)的輸出為:
【文檔編號】G01S19/37GK103605143SQ201310601436
【公開日】2014年2月26日 申請日期:2013年11月26日 優(yōu)先權(quán)日:2013年11月26日
【發(fā)明者】黃瑩 申請人:中國人民武裝警察部隊工程大學(xué)