文献类型：期刊文章

作　　者：种洋[1,2,3] 柴洪洲[2] 郭云飞[2] 王旭[4] 刘必欣[1]

CHONG Yang;CHAI Hongzhou;GUO Yunfei;WANG Xu;LIU Bixin(Academy of Military Sciences,Beijing 100091,China;Institute of Geographical Spatial Information,Information Engineering University,Zhengzhou 450001,China;State Key Laboratory of Geo-Information Engineering,Xi'an 710054,China;School of Resources and Civil Engineering,Liaoning Institute of Science and Technology,Benxi 117004,China)

机构地区：[1]军事科学院,北京100091 [2]信息工程大学地理空间信息学院,河南郑州450001 [3]地理信息工程国家重点实验室,陕西西安710054 [4]辽宁科技学院资源与土木工程学院,辽宁本溪117004

出　　处：《武汉大学学报（信息科学版）》

基　　金：国家自然科学基金(41904039,42074014);地理信息工程国家重点实验室开放研究基金(SKLGIE 2017-M-2-6)。

年　　份：2022

卷　　号：47

期　　号：5

起止页码：722-730

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、GEOBASE、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为确保水下自主航行器(autonomous underwater vehicle, AUV)地磁导航的可靠性及其航迹规划的合理性,提出了一种基于主成分分析(principal component analysis, PCA)和改进反向传播(back-propagation, BP)神经网络结合的候选地磁匹配区自组织优化分类方法。将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm, GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别。仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障。

关 键 词：地磁适配区  水下自主航行器  自组织优化分类  主成分分析 BP神经网络

分 类 号：P228]