[发明专利]基于卷积神经网络的地磁图方向适配性计算方法

说明书

技术领域

本发明涉及导航方法技术领域，尤其涉及一种基于卷积神经网络的地磁图方向适配性计算方法。

背景技术

地磁导航是一种基于地理信息的导航方式，具有无源、无辐射、隐蔽性强、误差不随时间积累的特点，可进行全天候、全地域导航，在跨海制导领域具有相当优势，是导航领域研究的一个热点。目前，地磁导航通常作为一种辅助手段，与惯性导航、卫星导航等方式一起构成组合导航系统，提高导航系统的可靠性。地磁导航的精度不仅与导航算法有关，还与地磁场特征在匹配过程中表征地理位置的能力，即地磁适配性，密切相关。

适配性分析的核心问题是典型特征的提取与综合评价。根据其所表示的含义，提取的适配特征可分为反映区域唯一性的特征(如互信息重复度、相关系数)，反映区域显著性的特征(如标准差、粗糙度)和反映区域丰富性的特征(如信息熵、费歇信息量)。这些特征从统计学、信息论等角度对适配性这一内在属性进行了描述，在适配性评价中取得了一定效果。但是从本质上看，这些特征的提取往往基于人的主观经验，难以全面地表达特征，而且会引入一些与适配性分析无关或弱相关的特征，增加适配性评价的复杂性。

从适配性评价方法看，BP网络、SVM等智能分类器将适配性特征通过机器学习的方式融入分类器，在很大程度上减少了人为因素的影响。然而，建立在传统神经网络基础上的适配性分析方法从根本上仍然将特征提取的过程与综合评价的过程独立开来，不仅不能避免人为因素的影响，而且受限于传统神经网络有限的参数和计算单元，学习能力有限，处理大量样本的效率也不高。

总之，目前地磁适配性分析方法主要有以下不足：

(1)区域适配性难以对区域内某一方向上的适配性进行评价，地磁方向适配性研究还有待深入；

(2)传统的地磁方向适配性特征的提取基于人的经验，主观性强，不易操作，且适配性评价存在评价准则不易提取以及阈值设置难以避免人为因素影响等问题；

(3)传统的特征提取方法难以提取到输入样本深层的结构特征，特征描述不全面，进而影响了方向适配性评价的可靠性；

(4)传统的神经网络神经元的数目和可调权值有限，学习能力有限，且处理大量数据的效率不高。

另一方面，早期地磁场适配性研究的对象为磁场区域，反映了磁场区域在不同方向上的“平均”适配性。然而地磁匹配是“一维序列”的匹配，匹配性能还与载体进入适配区的方向密切相关。因此，地磁图方向适配性研究还有待深入，它不仅是对适配性理论的深入和完善，也为地磁导航的航迹规划提供了指导。

发明内容

本发明所要解决的技术问题是如何提供一种特征提取容易、计算准确率高的地磁方向适配性评价方法。

为解决上述技术问题，本发明所采取的技术方案是：一种基于卷积神经网络的地磁图方向适配性计算方法，其特征在于包括如下步骤：

将地磁场划分为若干个候选匹配区，计算各匹配区在不同方向的适配性标签；

将各候选匹配区磁场数据进行归一化处理，得到候选匹配区磁场数据归一化的矩阵；

以归一化的候选匹配区磁场矩阵为基础，利用Gabor滤波器构建地磁方向适配性分析图；

以归一化的候选匹配区磁场矩阵为基础，基于磁场截线法构建地磁方向适配性分析图；

设计并行深度卷积神经网络，对并行深度卷积神经网络的两组学习率和惯性系数进行优化；

将优化的深度卷积神经网络的学习率和惯性系数赋值给并行卷积神经网络，并将若干样本对输入并行卷积神经网络，按照先预训练再微调的步骤对网络进行训练，进而得到地磁方向适配性评价的最终模型；

对于一个方向适配性未知的磁场区域，将利用Gabor滤波器构建的地磁方向适配性分析图以及基于磁场截线法构建地磁方向适配性分析图送入到训练好的地磁方向适配性评价的最终模型中，通过所述最终模型，给出地磁方向适配性评价结果。

进一步的技术方案在于，所述将地磁场划分为若干个候选匹配区，计算各匹配区在不同方向的适配性标签的方法如下：

依据实际应用背景选定一个磁场区域，将该区域划分为若干大小相等的矩形区域作为候选匹配区，在候选匹配区内按给定方向进行地磁匹配仿真实验，计算匹配正确率，并依据匹配正确率分配该方向上的方向适配性标签，划分方法为：

其中，Pr(d,i)为区域i在方向d上进行匹配仿真时的正确率，正确率大于或等于0.9的视为“适合匹配”，归为类别“1”，否则视为“不适合匹配”，归为类别“0”。

进一步的技术方案在于，所述归一化处理的公式为：