基于改进遗传算法的多路径地形匹配方法

1.本发明涉及地形匹配方法领域，具体为基于改进遗传算法的多路径地形匹配方法。


背景技术：

2.近年来，随着海洋经济与技术的发展，自主式水下航行器auv(autonomous underwater vehicle,auv)成为海洋探索的重要工具。当auv执行水下任务时，需要提供准确的位置，航向，速度等信息，受限于水下环境，无法使用gps，惯性导航不依赖外部信息且不易受外部干扰，是目前水下最为常用的自主导航方式。但是在长时间，长距离的航行中，惯导的累计误差不可避免，将会严重影响导航定位精度，因此在系统运行一段时间后，需要利用外部信息对其进行校正。地形匹配是一种利用地球物理信息进行位置定位的方法，不受航行时长的影响，能够提供准确的位置信息，与惯导系统进行融合，可以减小累计误差的影响，提高导航精度。
3.地形匹配利用载体航行过程采集的水深信息，与已知的水下地形图进行对比，进而确定载体所在位置。传统的迭代最近等值点法(iterative closest contour point,iccp)是经典的批处理地形匹配方法，利用一段时间内采集的水深序列与先验地图进行比对得到载体在地图上的绝对位置，在惯导提供的初始位置误差较小时，能够实现准确的定位，但在初始误差较大时，定位精度较差甚至失败。


技术实现要素：

4.针对传统地形匹配算法在初始位置误差较大情况下，匹配定位精度低甚至失败的问题，本发明提出了基于改进遗传算法的多路径地形匹配方法，对惯导提供的初始航迹进行平移，旋转和缩放，利用多波束数据中的多条水深序列数据同时进行匹配，提高了匹配算法在大初始位置误差条件下的定位精度。
5.基于改进遗传算法的多路径地形匹配方法，包括以下步骤：
6.步骤1：利用惯性导航系统和多波束测深系统获得初始航迹位置和水深数据；
7.步骤2：根据水深序列，建立惯导指示航迹与真实航迹之间的转换关系；
8.步骤3：根据步骤2建立的转换关系，确定待优化参数集，对遗传算法进行种群初始化；
9.步骤4：选取多条水深路径，建立适应度函数；
10.步骤5：根据种群个体对应参数，对惯导初始航迹进行变换得到匹配航迹，根据匹配航迹的位置坐标在水下地形图上进行双线性插值，得到对应水深序列；
11.步骤6：计算种群中个体适应度；
12.步骤7：判断迭代是否继续进行，如到达预设的迭代停止条件，则停止迭代，记录此时的最优项参数，跳转至步骤11，否则继续执行步骤8；
13.步骤8：按照适应度函数值对个体进行排序，根据轮盘赌方法选择父本，对父本进
行交叉和变异形成新的个体，同时加入精英保留策略，保留每代种群中的精英个体；
14.步骤9：利用正余弦算法对保留的精英个体进行优化；
15.步骤10：更新种群，跳转至步骤5；
16.步骤11：根据迭代结果，对惯导指示航迹进行变换，得到匹配航迹。
17.作为本发明进一步改进，所述步骤3中待优化参数为确定旋转量θ，缩放量α，横向平移t
x
和纵向平移ty。
18.作为本发明进一步改进，步骤4适应度函数分母由两部分组成，第一部分是三条实测水深序列与匹配航迹插值得到水深的差值的加权和，考虑多波束测深系统的特点，中间位置测量位置误差最小，因此三条水深序列选择不同权重，取中心位置水深序列权重大于两侧序列。由于惯导的累计误差随时间累积逐渐增大，水深序列对应的位置的误差也逐渐增大，因此加入衰减系数，逐渐减小水深序列后期误差较大数据所占权重。考虑到在匹配航迹与真实航迹靠近的情况下，水深差值的最大值应该在一个较小的范围内，第二部分是匹配航迹三条水深序列与实测水深差值的最大值，适应度函数具体形式为：
[0019][0020]
其中，c
i,j
为匹配航迹在水下地形图上的插值水深，为真实测量水深，n为测量序列点数，λ为衰减系数，ωi为三条水深序列分配的权重，满足ω1 ω2 ω3＝1。
[0021]
作为本发明进一步改进，步骤9利用正余弦优化算法在精英个体附近生成多个初始随机候选解，利用更新方程来更新当前解在每一维度上的值，更新方程如下：
[0022][0023][0024]
式中，x
it 1
是当前个体的第i维第t代的位置；r2为0到2π的随机数；r3为0到2之间的随机数；r4为0到1的随机数，p
it
表示在第t次迭代时最优个体位置变量的第i维的位置，a是一个常数，取值为2，t为当前迭代次数，t为最大迭代次数；
[0025]
利用多个随机变量和自适应变量来迭代更新当前解所在位置，搜索精英个体附近空间中的不同区域，使得精英个体收敛于全局最优。
[0026]
有益效果：
[0027]
本发明与现有技术相比的优点在于：传统的地形匹配算法要求惯导指示位置与真实位置之间的初始位置误差在较小范围内，否则会导致匹配定位精度较低甚至匹配失败。本发明使用改进的遗传算法进行地形匹配，对初始误差的大小不敏感，在大初始位置误差的条件下仍能够实现准确匹配，利用正余弦算法对每代精英个体进行寻优，提高精英个体的质量，同时加快遗传算法的收敛速度。本发明使用三条水深序列，相比于传统仅用一条水深数据，包含更多的地形特征，减小了在相似地形处的误匹配可能性，匹配精度更高。
附图说明
[0028]
图1为本技术匹配方法流程图；
[0029]
图2为本技术惯导指示航迹与真实航迹示意图；
[0030]
图3为本技术实例的匹配航迹仿真图；
[0031]
图4为本技术实例的匹配航迹水深与实际测量水深对比图；
[0032]
图5为本技术实例的匹配航迹位置与真实航迹位置对比图。
具体实施方式
[0033]
下面结合附图与具体实施方式对本发明作进一步详细描述：
[0034]
本发明提供基于改进遗传算法的多路径地形匹配方法。本发明利用改进遗传算法对惯导提供的初始航迹进行多次变换形成匹配航迹，根据多波束测深系统测量的多条水深序列与匹配航迹在已知的水下地形图上映射得到的水深信息构建适应度函数，迭代计算得到最优变换参数，利用此参数对初始惯导航迹进行平移，旋转以及缩放变换，最终得到地形匹配后的航迹位置，图1为本发明流程图，具体包括以下步骤：
[0035]
步骤1：利用惯性导航系统和多波束测深系统获得初始航迹位置和水深数据，一般选取5-20个航迹点匹配效果最佳，本实例选取15个航迹点，即n＝15。
[0036]
步骤2：根据水深序列，建立惯导指示航迹与真实航迹之间的仿射变换关系，如图2所示，具体数学描述为
[0037][0038]
其中，(x
real
,y
real
)为真实航迹位置，(x
ins
,y
ins
)为惯导指示航迹位置，θ为旋转量，α为缩放量，(t
x
,ty)为横向和纵向平移误差。
[0039]
步骤3：根据步骤2建立的转换关系，确定θ,α,t
x
和ty为待优化参数集，选用二进制方法对遗传算法的种群进行初始化，随机生成01随机数序列作为初始种群。平移误差t
x
和ty的编码长度为12位，在一千米的搜索范围内，编码精度可达0.24米，满足匹配精度需要。旋转量θ和缩放量α在实际应用中取值范围较小，因此选择编码长度为8位，加快计算速度。
[0040]
步骤4：选取多条水深路径，建立适应度函数。适应度函数分母由两部分组成，第一部分是三条实测水深序列与匹配航迹插值得到水深的差值的加权和，三条航迹权重不同，中心位置航迹权重大于两侧航迹，取ω1＝0.5，ω2＝ω3＝0.25。考虑到惯导累计误差逐渐增大，对水深序列加入衰减系数λ，取λ＝0.97，第二部分是匹配航迹三条水深序列与实测水深差值的最大值，适应度函数具体形式为：
[0041][0042]
其中，c
i,j
为匹配航迹水深，为真实测量水深，n为测量序列点数，ωi为三条水深序列分配的权重。匹配航迹水深与真实测量水深的差值越小，适应度函数值越大，适应度函数值取得最大值时，认定此时匹配航迹与真实航迹最为适配。
[0043]
步骤5：根据种群个体对应参数，利用步骤2确定的转换关系对惯导初始航迹进行
仿射变换得到匹配航迹，根据匹配航迹的位置坐标在水下地形图上进行双线性插值，得到对应水深序列。
[0044]
步骤6：根据步骤4提出的适应度函数，计算种群中个体适应度。
[0045]
步骤7：判断迭代是否继续进行，在适应度函数的最优值多次迭代后不再变化或者水深序列误差均小于给定阈值的情况下，此时适应度函数最大值的个体对应的参数为最优值，跳转至步骤11，跳出迭代，否则继续执行步骤8；
[0046]
步骤8：按照适应度函数值对个体进行排序，为保证每代种群中的优秀个体不被破坏，采取精英保留策略，保留适应度函数值排名前3％的个体作为精英个体。根据轮盘赌方法选择父本，对父本按照预设的交叉概率和变异概率进行交叉和变异，形成新的个体。
[0047]
步骤9：利用正余弦算法对保留的精英个体进行优化。正余弦优化算法在精英个体附近生成多个初始随机候选解，利用更新方程来更新当前解在每一维度上的值，更新方程如下：
[0048][0049][0050]
式中，x
it 1
是当前个体的第i维第t代的位置；r2为0到2π的随机数；r3为0到2之间的随机数；r4为0到1的随机数，p
it
表示在第t次迭代时最优个体位置变量的第i维的位置，a是一个常数，取值为2，t为当前迭代次数，t为最大迭代次数。
[0051]
利用多个随机变量和自适应变量来迭代更新当前解所在位置，搜索精英个体附近空间中的不同区域，使得精英个体收敛于全局最优。
[0052]
步骤10：进行优化后的精英个体与经过遗传操作后的个体共同替换原来种群个体，形成新种群，跳转至步骤5，继续进行迭代；
[0053]
步骤11：根据迭代结果，对惯导指示航迹进行变换，得到匹配航迹。
[0054][0055]
其中，(x
match
,y
match
)为最终匹配航迹位置，(x
ins
,y
ins
)为惯导指示航迹位置，θ0为最优航向变换参数，α0为最优缩放变换参数，(t
x0
,t
y0
)为最优横向和纵向平移变换参数。
[0056]
图3为仿真结果，仿真中使用的水下地形图为实测的水深数据，相邻水深数据之间的间隔为1m，平均水深为39.55m，最大水深为54.12m，最小水深为22.68m。图中红色轨迹为真实位置，蓝色轨迹为惯导指示位置，绿色轨迹为本发明提出的方法匹配轨迹，设置的初始位置误差为(120m,30m)。图4为本发明提出的算法匹配结果在水下地形图上对应水深与实际测量水深的误差对比图，由图可知，水深最大误差小于0.5m。图5为本发明提出算法的匹配定位结果位置误差，最大误差小于1.2m。根据仿真结果可知，本发明提出的基于改进遗传算法的多路径地形匹配方法能够克服传统匹配方法无法在大初始位置误差条件下进行匹配定位的问题，实现高精度的地形匹配定位。
[0057]
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。