没有合适的资源?快使用搜索试试~ 我知道了~
首页飞机精确定位问题解答.pdf
飞机精确定位问题解答.pdf
需积分: 9 214 浏览量
更新于2023-05-30
评论 1
收藏 255KB PDF 举报
本文通过数理统计中的卡方分布以及极大似然估计方法建立飞机定点的精确位置,用mathematica进行编程实现,牛顿方法,以及泰勒展开的编程实现
资源详情
资源评论
资源推荐

非线性最小二乘法:飞机的最准确的定位
第一部分:引言
如下图所示,我们给出了一个简化的近代飞机飞行的典型状况。一架飞机处于一个未知的位置并且收到了从
不同信号台发来的信息。我们的目的是组建一个模型以获得的信息计算飞机的最准确的位置。
图:一架飞机和四个信号台的例子
三个信号台是VOR型的(Very high frequency OmniRange)。VOR型信号台容许飞机得到从信号台到飞机的方
位角。换句话说θ
1
, θ
2
, θ
3
对飞机是已知的。DME型信号台(Distance Measureing Equipment)通过由它发出并
返回的信号,可以测量出飞机到信号台的距离。在本例中,距离是864.3±2km。
每一个测量值及其误差被给出了。测量值的标准表示是m±n。这意味着被测量值的真实值在m-n和m+n之
间。不同的学科对于说法 "在...之间"有不同的解释。它可能是一个绝对的陈述,即,真值总是在两个界限之
间,或者是一个统计学的陈述,即,真值以z%的概率在两个界限之间。通常我们假使误差服从正态分布,其
均值是m,标准差为n。对于我们的分析,使用哪一个误差的定义是无所谓的,但规定所有的测量值都使用同
一个定义。
我们将简化所讨论的问题,只考虑二维的情况。我们将不考虑高度,高度的数据可由另外的仪器得到,并且
它使我们的例子更加复杂,这是不必要的。
我们用x和y表示飞机的未知坐标。容易看出,任何一对VOR/DME的读数都将给出我们计算飞机位置的足够的
信息。对于四组数据来说,这个问题是超定的。因为测量值不是精确的,我们希望使用所有的信息来计算x和
y,以得到更加准确的结果。
输入数据列在如下的表中:
有关对象 x - 坐标 y - 坐标 测量数值 误 差
VOR - 1 x
1
= 746 y
1
= 1393 θ
1
= 161.2 σ
1
= 0.8
VOR - 2 x
2
= 629 y
2
= 375 θ
2
= 45.10 σ
2
= 0.6
VOR - 3 x
3
= 1571 y
3
= 259 θ
3
= 309.0 σ
3
= 1.3
DME x
4
= 155 y
4
= 987 d
4
= 864.3 σ
4
= 2.0
飞机 x y
对于这些原始数据,我们令:
θ = {161.2, 45.10, 309.0};
σ = {0.8, 0.6, 1.3, 2.0};
X = {746, 629, 1571, 155};
Y = {1393, 375, 259, 987};
d4 = 864.3;
注:在航空领域,角度的标准测量是从正北开始沿顺时针方向,以度为单位。这与三角学的测量是不同
的,在三角学中,是从东方开始沿逆时针方向,以弧度为单位。因此,必须注意从度到弧度的转换和选择正
确的象限。
第二部分:组建最小二乘方程

在误差服从正态分布的假设下,使用极小化误差平方和的方法来求解x和y的定位问题是完全合适的。另一方
面,如果我们不知道任何关于误差分布的信息,极小化误差平方和仍然是一个不错的稳定方法,所以无须进
一步讨论,我们将把这个问题定为一个最小二乘问题。
㈠ 对于任何一个VOR信号台,所满足的方程是:
Tan[θ
i
] ≈
x - x
i
y - y
i
其中:θ
i
=
2 π
360
θ
i
㈡ 对于DME,我们有关系式: (x - x
4
)
2
+ (y - y
4
)
2
≈ d
4
㈢ 下面,我们给出从度到弧度的转换程序:
Fori = 1, i ≤ 3, i++,
θi =
2 π
360
θi;
Ifθi > π, θi = θi- 2 π;
σi =
2 π
360
σi;
;
θ
{2.81347, 0.787143, -0.890118}
σ
{0.0139626, 0.010472, 0.0226893, 2.}
我们容易看出,在我们如何表示误差这个问题上,可能会有含混不清之处。例如:
Tan[θ
i
] -
x - x
i
y - y
i
θ
i
- ArcTan
x - x
i
y - y
i
(y - y
i
) Tan[θ
i
] - (x - x
i
)
上面给出三个表达式,都是对于VOR信号站的误差的可能表达式,采用哪个比较合理呢?对于DME信号站也
有类似的问题。对于这个问题,我们必须给出很好的解答。
由于VOR测量了角度,因此对应的误差应该是角度之差,DME测量的是距离,因此对应的误差应该是距离之
差。即采用公式:
ϵ
i
= ArcTan[x - x
i
, y - y
i
] - θ
i
(1 ≤ i ≤ 3)
ϵ
4
= (x - x
4
)
2
+ (y - y
4
)
2
- d
4
2
Gonnet.nb

注意:下面我们说明一个细节问题,我们知道由于一般的反正切函数的值域为:-
π
2
,
π
2
,因此,用一般的
反正切函数来处理角度误差时会出现问题。我们需要能根据给出的点的坐标:(x,y),能自动给出变化范围在
(-π,π]的反正切函数。函数ArcTan[x,y]就符合这个要求。例如:
ArcTan[1, 1]
π
4
ArcTan[-1, 1]
3 π
4
ArcTan[1, 0]
0
ArcTan[-1, 0]
π
ArcTan[-1, -1]
-
3 π
4
我们由概率知识知道,若随机变量ξ服从N (μ, σ
2
)的正态分布,则随机变量η =
ξ-μ
σ
服从标准正态分布。所
以:
ArcTan[x - x
i
, y - y
i
] - θ
i
σ
i
~ N (0, 1) (1 ≤ i ≤ 3)
(x - x
4
)
2
+ (y - y
4
)
2
- d
4
σ
4
~ N (0, 1)
因此,我们可以构造如下比较合理的目标函数:
S =
i=1
3
ArcTan[x - x
i
, y - y
i
] - θ
i
σ
i
2
+
(x - x
4
)
2
+ (y - y
4
)
2
- d
4
σ
4
2
这就是我们所要极小化的平方和。这个问题显然是关于未知变量x和y的非线性函数。
我们定义函数:
Gonnet.nb
3
剩余11页未读,继续阅读













安全验证
文档复制为VIP权益,开通VIP直接复制

评论0