基于机器学习的SMN可靠性分析及量测误差建模

摘要

针对复杂环境下景象匹配导航匹配概率不易实时统计以及量测误差统计特性不确定,提出基于机器学习的景象匹配可靠性分析及量测误差建模方法.首先建立基于机器学习的匹配概率及误差统计特性建模算法框架;然后以速高比变化带来的运动模糊为分析对象,选取支持向量机作为机器学习方法,定义匹配特征指标以及运动模糊下的匹配概率,给出景象匹配量测误差统计分析方法,并通过假设检验方法对景象匹配量测误差进行零均值检验;进一步在google earth制备的大样本数据库下完成匹配性能统计分析,以运动模糊、匹配得到的平均最高峰和平均峰值比作为支持向量机输入,统计得出的匹配概率和误差参数,即均值及方差作为支持向量机输出,通过训练得到匹配概率和景象匹配量测误差参数预测模型;最后根据该模型预测实时图的匹配概率和景象匹配量测误差参数,分析统计了不同模糊大小下实时图的匹配概率和景象匹配量测误差参数预测精度,结果表明:运动模糊小于40个像素时,阈值为5个像素和10个像素时匹配概率预测值与统计值的均方误差分别小于0.004和0.001,方差预测值与统计值的均方误差小于1个像素.