基于模糊神经网络的导航数据融合算法仿真设计

张群芳

（沈阳理工大学自动化与电气工程学院 辽宁·沈阳 110159）

0 引言

导航系统各个传感器及信息处理平台，能够接受、融合并处理各类导航数据，导航数据具有明显的异构性。导航系统具有全天候、高精度、多功能等优点，在测角、测距、测速时，需要避免由多路径引起的观测误差和融合误差。如何提高数据的融合精度，是保证导航系统服务的关键。传统的模糊神经网络可实现无监督或监督学习，大大增加了及时性，但在融合大量异构数据时，容易造成局部最优，使得整体融合结果不准确。此外，导航数据融合需要对异构数据进行排序传输到置信链上，通过对数据属性的分析得到新的信息，并用于下一个融合节点的再次分析。异构数据的复杂性，导致融合处理信息时间过长，故异构导航数据融合需要根据实际情况选择一种或者几种算法组合的模式。因此，本文基于自适应模糊神经网络，利用粒子群优化参数学习，为导航系统接收的异构数据进行属性和特征值划分，对预处理过的数据进行有效融合，保证融合的收敛速度和准确性。

1 导航数据融合模型

导航数据融合模型采用分布式结构，如图1所示。导航系统信息中心接受目标区域中的异构导航数据，经过滤波预处理及时空配准后，导航数据进入融合中心进行数据融合输出。

图1：导航数据融合模型

2 基于模糊神经网络的粒子群优化优化算法设计

模糊理论和神经网络算法是目前应用较广两种融合算法，本文综合两种算法的优势，采用模糊系统和BP神经网络组合的自适应模糊神经网络对异构数据的融合。……