针对水下辅助导航相关匹配算法的特征区最优航迹规划

吉林大学学报(工学版)

针对水下辅助导航相关匹配算法的
特征区最优航迹规划

林沂^1,2,晏磊^1,2,童庆禧^1,2

1.北京大学遥感与地理信息系统研究所，北京 100871; 2.北京大学空间信息集成与3S工程应用北京市重点实验室，北京 100871

收稿日期:2007-01-05 修回日期:1900-01-01 出版日期:2008-03-01 发布日期:2008-03-01
通讯作者: 晏磊

Optimum trajectory planning in characteristic areas for underwater
aided navigation correlation matching algorithms

Lin Yi^1,2,Yan Lei^1,2,Tong Qing-xi^1,2

1.Institute of RS and GIS Research,Peking University,Beijing 100871,China; 2.Beijing Key Lab of SII&3SA,Peking University,Beijing 100871,China

Received:2007-01-05 Revised:1900-01-01 Online:2008-03-01 Published:2008-03-01
Contact: Yan Lei

摘要/Abstract

摘要： 水下辅助导航中修正惯导累积误差的主要方式之一是利用水下地球物理场的分布特征进行相关匹配以实现准确定位，但是相同的匹配算法对于特征区内不同的航迹规划其性能却表现各异。针对上述问题提出了平行航迹差异度算法，实现了特征区的最优航迹和最优通道规划。水下辅助导航仿真实验表明：该算法可作为水下辅助导航相关匹配算法的一部分，而且可以有效地提高水下载体的导航精度。

关键词: 计算机应用, 水下辅助导航, 平行航迹差异度, 最优航迹, 最优通道

Abstract: One of the fundamental methods of modifying inertial navigation system cumulated error in underwater aided navigation (UAV) is using distributed characters of earth geophysical fields to carry out correlation matching and realize accurate positioning.But different trajectories in chosen fields produce different results with same matching algorithms.In order to solve this problem,a parallel trajectory difference algorithm achieving optimum trajectory and corridor planning was proposed.Simulation experiments in auxiliary UAV indicate that this algorithm,as a part of UAV correlation matching algorithms,can improve underwater vehicle navigation accuracy.

Key words: computer application, underwater aided navigation, parallel trajectory difference, optimum trajectory, optimum corridor

中图分类号:

TP302

林沂,晏磊,童庆禧 . 针对水下辅助导航相关匹配算法的
特征区最优航迹规划[J]. 吉林大学学报(工学版), 2008, 38(02): 439-0443.

Lin Yi,Yan Lei,Tong Qing-xi . Optimum trajectory planning in characteristic areas for underwater
aided navigation correlation matching algorithms[J]. 吉林大学学报(工学版), 2008, 38(02): 439-0443.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed