![]()
![]()
文章下载
王巍, 陈巍, 孟凡琛. 面向多源自主导航的智能学习方法研究. 中国科学: 信息科学, 2024, 54(12): 2778-2793, doi: 10.1360/SSI-2024-0192
![]()
多源自主导航综合利用卫星、惯性、地磁、图像、气压、无线电传感器等信息，通过多种信息源的感知、融合、决策与评估，确定姿态、速度和位置等时空信息，是新一代国家综合PNT体系下应用终端的重要技术发展方向。随着微电子、计算机和人工智能等技术的快速发展，在自主导航系统中部署智能学习算法，以提升多源自主导航系统鲁棒性、适应性和弹性，已成为当前导航领域的研究热点。在环境信息缺失、边界条件不明确、多源信息非线性耦合等复杂场景下，现有多源导航系统存在抗干扰性较差、跨场景切换稳定性不足等问题。为应对上述难题，作者团队从“复杂性”与“多尺度”视角出发，探索智能多源自主导航中的优化与协同理论，建立以精准稳定、可信安全、可泛化、可解释、内嵌动力学机理为关键要素的智能学习方法，推动构建弹性、健壮、动态、可控与可信的智能多源自主导航通用模型与方法体系。本文重点针对多源信息的智能感知、信息模型的精准构建和导航行为的智能可信决策等3个方面展开理论和技术研究，通过整合多种信号、信息、数据和技术资源，增强导航系统的稳定性和可靠性，并为我国多源自主导航系统技术的创新发展提供参考。图1 多源自主导航系统技术：感知、融合、决策、评估
为应对危险、极端、特殊、恶劣等复杂环境下的导航任务，多源自主导航系统需要与智能学习方法深度融合。本文以可检测性、可重构性、可信性及完备性等多源自主导航基本特性为基础，提出面向多源自主导航的智能学习方法，并系统地阐述其方法体系和技术路径，旨在突破多尺度时空约束下的多源物理信息获取和导航信息自主解译等难题。在多源导航信息的智能感知方面，首先分析多源导航数据的精准表征和时空演化规律的智能解译机理，采用与神经网络深度结合的智能感知方法，通过多模数据采集、多域对比学习、导航基元构建等方式，建立多源导航信息的特征捕捉数据链和感知模型数据库，为导航系统健壮性的提升及“无感切换”和“无缝衔接”功能的实现提供支撑。在导航信息模型的精准构建方面，研究重点在于如何解决多源导航传感器数据核心要素间全局化、多模态、非线性关联关系的挑战。为此，需以多源信息非线性关联关系的耦合解耦、内嵌数理特征的智能动态学习模型为抓手，推广以机器学习为代表的智能方法在导航领域的应用，促进动态风险与静态可靠性信息的有机融合，实现多源异质干扰的有效补偿。在导航行为的智能可信决策方面，导航系统在面对拒止、干扰、欺骗、对抗等复杂场景时，需同时应对外源干扰和内生故障对导航决策的影响。因此，借助于多源自主导航系统的自适应、自学习、自组织和全回路动态迭代的泛化学习机制，研究多源异构导航信息的先验知识演化规律，采用基于强化学习的干扰与故障应对机制，构建内嵌载体动力学的多重知识表达模型，实现导航系统的智能可信决策。图2 多源自主导航系统“可检测性”、“可重构性”、“可信性”、“完备性”
![]()
![]()
