[发明专利]一种基于贝叶斯多特征融合的无人水面艇自主航行方法

说明书

本发明公开了一种基于贝叶斯多特征融合的无人水面艇自主航行方法，主要解决现有的无人艇在定位信息丢失下自主航行不能有效保证安全的问题。其实现步骤为：步骤1，对无人水面艇路径进行参数设定；步骤2，对步骤1中得到的特征向量学习得到训练特征集和验证特征集；步骤3，使用基于贝叶斯多特征融合支持向量机模型对步骤2的数据进行模式分类，得到最优解；步骤4，计算得到无人水面艇的类别标号即期望舵角。本发明有效地结合了贝叶斯多特征融合支持向量机的模式分类能力和无人水面艇的参数化集合，将无人水面艇的自主航行期望舵角值转化为模式分类，提高了智能航行安全性能，可用于无人艇定位缺失下地自主航行。

技术领域

本发明属于无人水面艇航行技术领域，特别涉及一种基于贝叶斯多特征融合的无人水面艇自主航行方法。

背景技术

无人水面艇是一种无人操作的水面舰艇，通过搭载先进的控制系统、传感器系统和通信系统完成特种任务，主要用于执行危险以及不适于有人船执行的任务，无论在民用领域还是在军事领域都具有很高的利用价值。由于无人水面艇所处环境复杂，加之其安全受风浪，水深等影响较大，这使得无人水面艇的智能航行变得十分困难；另外，海上电磁环境复杂，通信干扰、定位信息干扰等对无人水面艇安全航行具有很大威胁，因此，如何在定位信息缺失情况下，提高无人水面艇的自主性是无人水面艇智能航行中的一个重要研究方向。

在定位缺失的无人水面艇自主航行方法中主要分为以下几种：

一是增加光纤惯导，利用光纤惯导继续提供艏向和定位信息；

二是增加多种定位系统，由未受干扰的其他定位系统提供定位导航；

三是使用墨卡托坐标系进行自主航行位置修正方法。

定位信息缺失的无人水面艇自主航行算法，它是一种通过辅助设备或修正算法进行定位补偿的算法，其通过光线惯导和多定位系统定位补偿，可有效地提高定位精度，然而，常用的自主航行算法均已定位信息为基准，单纯地使用定位补偿算法在较长时间内无法获取精准自主航行精度，且海上环境复杂，风浪、水深等因素是影响无人水面艇安全航行地重要因素，因此，常用定位缺失无人水面艇自主航行算法不能有效的保证无人水面艇安全自主航行。

发明内容

本发明的目的在于针对上述现有技术的不足问题，提出了一种基于贝叶斯多特征融合的无人水面艇自主航行方法，使用统计方法统计无人水面艇在定位信息未缺失下的航行参数作为参考模式，并将量化的控制参数作为模式标号，将无人水面艇的自主航行转化为模式分类，通过模式识别方式提高无人水面艇的自主航行能力。

本发明采用的技术方案如下：

本发明通过统计定位信息未受影响的参数，通过引入核矩阵的方式，融合原始域、频域和稀疏域的数据，构成多特征的无人水面艇自主航行数据集，以量化的控制参数作为模式类别标号，与贝叶斯推断和多特征向量数据融合方法相结合，针对不同数据特征地选取问题，引入加权平均方法，它具有很好地泛化能力和更强地学习能力。其实现方案是：首先，对无人水面艇自主航行中的参数进行总结，得到影响自主航行的原始特征向量；然后，对自主航行中的参数进行预处理，并通过计算得到原始域、频域和稀疏系数等三种特征，并计算得到其对应的核矩阵；再次，使用加权平均算法对三种特征矩阵进行组合；最后，使用期望最大算法推断出贝叶斯模型的解，并使用验证数据进行测试。其实现步骤包括如下：

步骤1，对无人水面艇路径进行参数设定；

步骤2，对步骤1中得到的特征矩阵获取训练特征核矩阵和验证核矩阵；

步骤3，使用基于贝叶斯多特征融合支持向量机模型对步骤2的数据进行模式分类，得到最优解；

步骤4，计算得到无人水面艇的期望舵角。

所述步骤1的具体过程为：