论文总字数：24533字

摘 要

在过去的几年中，地磁导航技术获得了快速的发展，其在导航中的作用越来越重要。由于地磁导航与其它导航方式相比具有无源性，全天候性，抗干扰能力强等特点，所以地磁制导与导航在导航领域有着无可比拟的优势。地磁场模型与地磁图是地磁导航制导技术研究的基础，地磁场建模和地磁图的精确程度是决定地磁导航可靠程度的关键因素。递归神经网络模型具有很多优势，如非主观性，收敛速度高，收敛精度高等，可以对传感器进行非线性动态补偿。在本文中，在对地磁导航序贯滤波算法研究的基础上，使用了基于神经网络的非线性误差补偿方法——LSTM神经网络算法。

本毕业设计中首先讨论了地磁导航的研究背景和意义，然后介绍了国内外的研究现状。其次介绍了地磁场的三个要素、地磁场的组成成分和地磁的基本模型，这对理解地磁模型和地磁导航有很大的帮助。之后着重介绍了神经网络模型，其中主要介绍了应用最多，使用邻域最广的BP神经网络模型和本文中将要使用的LSTM神经网络模型，并解释为什么要用LSTM神经网络，详细介绍了LSTM的训练过程。再往后就是神经网络训练前的准备工作，数据预处理，选择合适的算法，确定关键参数的初值。最后就是仿真实验和结果分析。通过数值仿真实验和对比分析，验证该方法在地磁模型逼近的可靠性与准确性。

关键词：LSTM，神经网络，地磁模型，数据处理

Abstract

In the past few years, geomagnetic navigation technology has developed rapidly and its role in navigation is becoming more and more important. Compared with other navigation methods, geomagnetic guidance has the characteristics of passive, all-weather and strong anti-interference ability, so geomagnetic guidance and navigation have incomparable advantages in the field of navigation. Geomagnetic field model and geomagnetic map are the basis of geomagnetic navigation guidance technology. The precision of geomagnetic field model and geomagnetic map is the key factor to determine the reliability of geomagnetic navigation. Recursive neural network model has many advantages, such as non-subjectivity, high convergence speed, high convergence accuracy, can be used for nonlinear dynamic compensation of the sensor. In this paper, based on the research of sequential filtering algorithm for geomagnetic navigation, LSTM neural network algorithm, a nonlinear error compensation method based on neural network, is used.

This thesis firstly discusses the research background and significance of geomagnetic navigation, and then introduces the research status at home and abroad. Then the three elements of geomagnetic field, the composition of geomagnetic field and the basic model of geomagnetic field are introduced. Then the neural network model is introduced emphatically, in which the BP neural network model with the most application and the most extensive neighborhood and the LSTM neural network model to be used in this paper are mainly introduced, and the LSTM neural network model is explained, and the LSTM training process is introduced in detail. After that, it is the preparation before neural network training, data preprocessing, selection of appropriate algorithm, and determination of the initial value of key parameters. Finally, simulation experiment and result analysis verify the reliability and accuracy of this method in geomagnetic model approximation.

KEY WORDS: LSTM, Neural network, geomagnetic model, the data processing

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.3 研究内容 3

第二章 地磁场与地磁基本模型 4

2.1地磁场构成要素 4

2.2 地磁基本模型 5

2.3 小结 6

第三章 神经网络模型 7

3.1 神经网络基础 7

3.2 BP神经网络模型 8

3.2.1 BP神经网络的特点 8

3.2.2 BP神经网络结构 8

3.3 LSTM神经元原理 9

3.4 LSTM的训练过程 11

3.5 小结 12

第四章 数据预处理和逼近算法介绍 13

4.1 数据预处理 13

4.1.1 平滑处理 13

4.1.2 数据标准化 14

4.2 模型性能度量 15

4.3逼近最优值算法 15

4.4 小结 16

第五章 实验结果与分析 17

5.1 LSTM神经网络模型构建 17

5.1.1 LSTM神经网络数据 17

5.1.2 实验准备 17

5.2 BP和LSTM模型程序的测试 17

5.3 地磁实测数据逼近过程 19

5.4 小结 22

第六章 总结 23

参考文献 25

致 谢 27

第一章 绪论

1.1 研究背景及意义

地磁场是地球的固有资源，在一定时间尺度内不发生突变，且伴随空间变化显著，可以建立对应的位置坐标系。地磁场上每一点都具有独特的地磁矢量信息，且与该地点的经纬度存在一一对应的关系^[1]，地磁匹配和定位就是以此为依据。因此，只要准确的测量出地球上每一点的地磁矢量信息，就能实现地磁导航的全球定位^[2]。

剩余内容已隐藏，请支付后下载全文，论文总字数：24533字