[发明专利]一种基于概率神经网络的重力匹配方法

权利要求书

1.一种基于概率神经网络的重力匹配方法，其特征在于，包括如下步骤：

步骤1、将惯性导航指示轨迹中每个采样点作为起始点，沿惯性导航指示轨迹的时间线往前取L个采样点，得到一条轨迹，设该起始点为点C；以C点为搜索中心，在重力背景图划分的网格图中，经度方向取前、后各M个网格，纬度方向上、下各取N个网格，构成以C点为中心点的搜索区域，区域中共S个网格点：

S＝(2M+1)×(2N+1) (2-1)

其中，L取值至少为3；M和N分别至少取2；

步骤2、确定惯导指示轨迹采样点的相对位置：将中心点C的经纬度坐标表示为在以C为起始点的轨迹上，各采样点B_i到起始点的经纬度距离记为：

Δλ(C-B_i)＝|λ_C-λ_Bi|，i＝1,2...L (2-2)

其中为任一点B_i的经纬度坐标；

步骤3、在所述搜索区域内，第k个网格点在重力背景图中的坐标点表示为(i_k,j_k)，其定义为：

i_k＝i-M+R_k (2-4)

j_k＝j+N+R_k×(2N+1)-k+1 (2-5)

其中，k＝1,2，…，S；R_k为k除以(2N+1)的商取整数，根据重力背景图的坐标对应确定该点的经纬度坐标为(λ(i_k),根据惯性导航指示轨迹，以第k个网格点作为起始点，向前取L个采样点，得到一条以点k为起始点的轨迹B_k，根据第2步惯导指示轨迹采样点的相对位置，轨迹B_k上对应的L个点的经纬度位置为：

λ(k)＝Δλ(C-B_i)+λ(i_k) (2-6)

进而将轨迹B_k定义为模式k，根据重力背景图确定模式k中L个点的重力测量值，则重力测量值序列表示为g_mk，搜索区域中全部S个模式对应的重力测量值序列，组成矩阵P＝[g_m1g_m2...g_mS]；

步骤4、构建概率神经网络，具体为：

构建具有输入层、模式层、累加层和输出层的4层概率神经网络；其中，输入层有L个节点；模式层和累加层节点数均为S；

输出层对累加层的相关度数据作竞争运算，取与中心点重力测量值逼近概率最大的模式作为结果，通过输出层输出，该模式对应的网格点为中心点的匹配点；

步骤5、将需要匹配的每个惯导采样点对应的维度为L的重力测量值序列，以及对应的S个模式组成的重力测量值序列构成的矩阵P，输入到概率神经网络中进行重力匹配，得到对应的匹配点；根据匹配点确定水下运载体坐标信息。

2.如权利要求1所述的一种基于概率神经网络的重力匹配方法，其特征在于，检验每个匹配点的可信度是否满足要求，如果不满足，重新进行匹配。