摘要
提供一种改进概率神经网络的地磁匹配组合导航方法,利用改进概率神经网络对惯性导航指示轨迹,每间隔对地磁实测向量进行识别,该方法训练时间短、结构固定、学习过程简单、错误分类的期望风险最小,可得到贝叶斯后验概率输出结果,具有强大的非线性识别能力,实时型好,匹配率高,精度高,可克服地磁测量误差的影响;改进概率神经网络方法其平滑因子根据模式类别的不同而自适应变化,更好地表征了特征向量与模式状态的关联性,反映了输入特征向量对于正确分类结果的实际作用,改进概率神经网络能有效提高地磁匹配定位的准确性,使匹配结果更加准确可靠,尤其是在地磁特征微弱区域,有效提高了地磁匹配率和定位精度的准确性。
技术关键词
惯性导航系统
组合导航方法
模式
网格
飞行器
特征地图
节点
矩阵
贝叶斯后验概率
数据中心
特征值
粗糙度
神经网络方法
训练神经网络
坐标
样本
前馈神经网络
地磁传感器
轨迹