一种基于遗传算法和BP神经网络的选星方法.pdf

【文章概述】 本文介绍了张兆龙、王跃钢、腾红磊等人提出的一种基于遗传算法和BP神经网络的选星方法，应用于BDS（北斗卫星导航系统）/GPS（全球定位系统）组合定位中。选星是组合定位的第一步，对于定位精度和实时性至关重要。传统的选星算法在计算最佳卫星组合时涉及大量矩阵运算，计算量大，实时性低。为解决这一问题，研究者提出了新的选星算法，结合了BP神经网络的预测能力和遗传算法的优化特性。 【BP神经网络】 BP（Backpropagation）神经网络是一种用于训练多层前馈神经网络的方法，常用于非线性数据建模和分类任务。在这个选星算法中，BP神经网络用于预测不同卫星组合的定位精度，即几何精度因子（GDOP）。GDOP是衡量定位误差与卫星位置关系的一个指标，越小表示定位精度越高。 【遗传算法】 遗传算法是一种模拟自然选择和遗传机制的全局优化算法，能够搜索解决方案空间，寻找近似最优解。在选星问题中，遗传算法被用来优化卫星组合，通过迭代过程，不断调整卫星组合以降低计算量并提高定位精度。 【算法流程】 通过可见星的仰角进行初步筛选，选取最大和最小仰角的两颗卫星。然后，结合BP神经网络预测各个卫星组合的GDOP，遗传算法在此基础上进行优化，选取GDOP最低的卫星组合，以达到高精度和高效定位的平衡。 【实验与比较】 通过对比使用该算法得到的GDOP和运算时间与传统最小GDOP方法的结果，实验表明该算法显著减少了计算量，同时保持了定位精度，具有良好的实时性和可行性。这解决了传统方法计算量大、实时性不足的问题，对于多系统组合定位的实时应用具有重要意义。 【关键词解读】 1. **组合定位**：结合多个卫星导航系统的定位方式，可以提供更高的定位精度和可用性。 2. **选星算法**：确定最优卫星组合以提高定位效率的过程。 3. **BP神经网络**：一种用于训练神经网络的反向传播算法，用于非线性问题的求解。 4. **遗传算法**：启发式搜索算法，模拟生物进化过程，用于优化问题的求解。 5. **几何精度因子**（GDOP）：反映定位精度的参数，取决于卫星的相对位置。 该研究提出的选星算法结合了BP神经网络和遗传算法的优点，旨在提高多系统组合定位的实时性和精度，对于航空航天重力测量等需要高精度定位的领域有显著的应用价值。