吳水平,關(guān)桂霞,焦健楠,王雪琪,柯子博,褚金奎,晏磊

(1.首都師范大學(xué) 信息工程學(xué)院,北京 100048;2.北京大學(xué)空間信息集成與3S工程應(yīng)用北京市重點(diǎn)實(shí)驗(yàn)室,北京 100871;3.大連理工大學(xué) 精密特種加工教育部重點(diǎn)實(shí)驗(yàn)室,大連 116023)

基于SAE云平臺(tái)的仿生偏振導(dǎo)航測(cè)量誤差分析

吳水平1,2,關(guān)桂霞1,焦健楠2,王雪琪2,柯子博2,褚金奎3,晏磊2

(1.首都師范大學(xué) 信息工程學(xué)院,北京 100048;2.北京大學(xué)空間信息集成與3S工程應(yīng)用北京市重點(diǎn)實(shí)驗(yàn)室,北京 100871;3.大連理工大學(xué) 精密特種加工教育部重點(diǎn)實(shí)驗(yàn)室,大連 116023)

摘要：針對(duì)利用自然偏振特性的自主導(dǎo)航——仿生偏振導(dǎo)航,天空偏振光分布模式與載體的地理位置及航向間的映射關(guān)系,研究不同天氣條件下的仿生偏振導(dǎo)航測(cè)量誤差情況,提出利用測(cè)量誤差參數(shù)值修正系統(tǒng)測(cè)量誤差。對(duì)導(dǎo)航定位而言,測(cè)量計(jì)算的精度對(duì)于導(dǎo)航定位是至關(guān)重要的。對(duì)不同天氣條件下,多導(dǎo)航單元進(jìn)行方位角測(cè)量,利用云計(jì)算對(duì)大量的測(cè)量數(shù)據(jù)進(jìn)行儀器誤差和隨機(jī)誤差分析,進(jìn)而得到誤差參數(shù)值,為提高儀器的測(cè)量精度提供評(píng)估依據(jù)。

關(guān)鍵詞：云計(jì)算;仿生;偏振;導(dǎo)航;誤差

0引言

仿生偏振導(dǎo)航是一種基于自然偏振特性的自主導(dǎo)航方法。通過大氣偏振模式來獲得方向信息實(shí)現(xiàn)偏振光導(dǎo)航。之前,國外對(duì)于偏振光導(dǎo)航的研究傾向于生物偏振導(dǎo)航基礎(chǔ)研究,包括對(duì)生物偏振導(dǎo)航行為、神經(jīng)處理機(jī)制、偏振感受視覺[1]方面研究[2],目前,國外研究偏振儀器較多,并且已經(jīng)產(chǎn)品化。2013年NASA在ACE衛(wèi)星任務(wù)實(shí)驗(yàn)中,通過偏振儀獲取大氣偏振信息,從而完成PODEX(偏振儀定標(biāo)實(shí)驗(yàn))[3], 推動(dòng)了現(xiàn)有的偏振儀器的發(fā)展。國內(nèi),北京大學(xué)對(duì)仿生偏振導(dǎo)航定向機(jī)理,天空偏振模式圖動(dòng)態(tài)特性進(jìn)行了分析與研究[4-5],大連理工大學(xué)基于Point-source 測(cè)量方法研制出仿生偏振導(dǎo)航的測(cè)角儀器[6-7]。另外,北京郵電大學(xué)、合肥工業(yè)大學(xué)、哈爾濱工業(yè)大學(xué)等開展天空偏振光檢測(cè)技術(shù)研究以及組合導(dǎo)航研究工作。

至今,已研發(fā)的天空偏振光的檢測(cè)設(shè)備大致可以分成兩大類,分別為點(diǎn)源式和圖像式,圖像式偏振光檢測(cè)設(shè)備多用來研究天空偏振光分布模式以及變化規(guī)律等問題。點(diǎn)源式偏振光檢測(cè)系統(tǒng)實(shí)時(shí)性高,但易受外界環(huán)境干擾。由于偏振模式分布模式易受天氣情況而變化,則偏振儀器測(cè)量存在一定的誤差,此問題限制了其在應(yīng)用方面的進(jìn)一步發(fā)展。

為了使仿生偏振導(dǎo)航系統(tǒng)在實(shí)際現(xiàn)場(chǎng)高精度自動(dòng)運(yùn)行,本文研究旨在提高仿生偏振導(dǎo)航儀器的精度以及實(shí)用性。采用不同天氣狀態(tài)下,多導(dǎo)航單元反復(fù)操作的“測(cè)量-計(jì)算-搜尋-分析-描述-提高”研究方案對(duì)測(cè)量誤差進(jìn)行分析研究。

由于對(duì)地面多導(dǎo)航單元進(jìn)行實(shí)際測(cè)量的過程中,產(chǎn)生了巨大的計(jì)算量與數(shù)據(jù)處理量,并且算法需要共享資源、且重復(fù)多次執(zhí)行。為了提高運(yùn)算速度,選取以云平臺(tái)系統(tǒng)作為支持,采用云計(jì)算技術(shù)及并行算法[8]進(jìn)行分析。云計(jì)算是一種新興的商業(yè)計(jì)算的模式[9]。按照云計(jì)算的功能理解,其實(shí)是一種以互聯(lián)網(wǎng)為中心的超級(jí)計(jì)算模式。本文涉及到的云計(jì)算技術(shù),軟件和數(shù)據(jù)都存儲(chǔ)在數(shù)據(jù)中心,用PHP技術(shù)實(shí)現(xiàn)云計(jì)算算法。通過瀏覽器訪問的在線仿生偏振導(dǎo)航誤差分析應(yīng)用,獲取誤差分析參數(shù)值,為提高測(cè)量精度提供評(píng)估依據(jù)。

1仿生偏振導(dǎo)航儀器原理

本文選用的單體(導(dǎo)航單元)為大連理工大學(xué)研制的無機(jī)光電材料仿生偏振導(dǎo)航測(cè)角儀器[10],如圖1所示,角度范圍從0°～180°, 其中傳感器的當(dāng)前方向(即身體長軸)為0°方向軸,當(dāng)方向軸與太陽子午線軸重合的時(shí)候,它們的夾角為0°.如圖1所示，直線方向?yàn)?0°位置，逆時(shí)鐘轉(zhuǎn)動(dòng)角度增大。

圖1　測(cè)角儀器(單體)

導(dǎo)航偏振光檢測(cè)平臺(tái)[11]由6個(gè)透振方向不同的線性偏振片組成,相鄰兩個(gè)偏振片之間的夾角為60°且透振方向也為60°.相對(duì)的兩個(gè)偏振片透振方向互相垂直,每個(gè)偏振片下面放置一個(gè)光電轉(zhuǎn)換器,光電轉(zhuǎn)換器輸出的電信號(hào)通過對(duì)數(shù)比率放大以后聯(lián)立求解,即可獲得單體相對(duì)于太陽子午線之間的夾角[12]。每一個(gè)偏振正交單元由一對(duì)帶有對(duì)數(shù)比率放大器的偏振軸相互垂直的偏振光傳感器組成。

一個(gè)偏振光傳感器的輸出可以描述為

s(φ)=KI[1+dcos(2φ)],

(1)

式中: K為一個(gè)常數(shù); I為總的光強(qiáng)度; d為是偏振程度; φ為被導(dǎo)航物長軸相對(duì)于太陽子午線的當(dāng)前方向,即導(dǎo)航單元的方位角。

一個(gè)偏振正交單元的輸出方程為

(2)

(3)

2云平臺(tái)構(gòu)建與數(shù)據(jù)管理

云平臺(tái)系統(tǒng)主要包括數(shù)據(jù)存儲(chǔ)、云計(jì)算和可視化三個(gè)模塊。系統(tǒng)設(shè)計(jì)和運(yùn)行在新浪云計(jì)算平臺(tái)上。數(shù)據(jù)存儲(chǔ)和云計(jì)算模塊由新浪云分布式任務(wù)隊(duì)列作為底層支撐,程序采用PHP+MySQL的架構(gòu)?？梢暬K采用html代碼編寫,web瀏覽器訪問。文件保存在中央版本庫SVN(Subversion:版本控制系統(tǒng))倉庫,通過使用TortoiseSVN向SAE部署代碼。

在新浪云平臺(tái)上,結(jié)合MySQL服務(wù),使用PHP技術(shù),實(shí)現(xiàn)一個(gè)基于云計(jì)算的仿生偏振導(dǎo)航誤差分析系統(tǒng),系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2　系統(tǒng)結(jié)構(gòu)圖

2.1SAE云平臺(tái)

實(shí)驗(yàn)選取典型的PaaS(Platform as a Service)類型的云計(jì)算平臺(tái)——新浪云平臺(tái)(SAE:Sina App Engine)[13],該平臺(tái)提供了基于MySQL的數(shù)據(jù)庫集群服務(wù),基于PHPMyAdmin的管理工具以及可以在線編輯的語言運(yùn)行環(huán)境,利用這些服務(wù)可以在SAE平臺(tái)構(gòu)建數(shù)據(jù)庫,開發(fā)web應(yīng)用,建立云計(jì)算系統(tǒng),通過瀏覽器就可以統(tǒng)一編輯和管理,從而實(shí)現(xiàn)基于SAE云平臺(tái)的仿生偏正導(dǎo)航測(cè)量誤差分析。

SAE平臺(tái)架構(gòu)[14]，如圖3所示,主要由負(fù)載均衡、Web服務(wù)池、Web服務(wù)器、運(yùn)行環(huán)境、服務(wù)五部分。SAE不需要開發(fā)者去部署和運(yùn)維MySQL、Storage等程序,而是將這些程序通過服務(wù)的形式以接口提供給開發(fā)者去使用。

圖3　SAE平臺(tái)架構(gòu)圖

2.2數(shù)據(jù)管理

基于仿生偏振導(dǎo)航測(cè)角原理[15-16],以及研發(fā)的測(cè)角儀器,實(shí)驗(yàn)過程中需要采集大量的實(shí)驗(yàn)數(shù)據(jù),存儲(chǔ)在SAE云平臺(tái)上并用以計(jì)算。在SAE云平臺(tái)上本文使用MySQL存儲(chǔ)數(shù)據(jù)[17],大量的實(shí)驗(yàn)數(shù)據(jù)通過管理頁面中集成的PHPMyAdmin管理工具導(dǎo)入到MySQL數(shù)據(jù)庫中。如圖4所示，數(shù)據(jù)庫中data1,data2…分別存儲(chǔ)的是多單體第1組,第2組…的實(shí)測(cè)實(shí)驗(yàn)數(shù)據(jù)。

圖4　MySQL

3仿生偏振導(dǎo)航測(cè)量誤差分析

為了使仿生偏振導(dǎo)航系統(tǒng)在實(shí)際現(xiàn)場(chǎng)高精度自動(dòng)運(yùn)行,本文采取不同天氣狀態(tài)下,對(duì)多單體反復(fù)操作的“測(cè)量-計(jì)算-搜尋-分析-描述-提高”研究方案對(duì)測(cè)量誤差進(jìn)行分析研究,獲取誤差參數(shù)值,從而對(duì)抑制測(cè)量誤差提供評(píng)估依據(jù)。

3.1測(cè)量誤差分析與研究

單體的測(cè)量誤差包括由噪聲、熱效應(yīng)等環(huán)境引起的隨機(jī)誤差和由機(jī)械結(jié)構(gòu)等原因引起的儀器誤差。本文針對(duì)多單體測(cè)量過程中產(chǎn)生的隨機(jī)誤差、儀器誤差進(jìn)行分析與研究。步驟如下:

步驟1： 平均分布單體

在一個(gè)直徑為d的圓形區(qū)域內(nèi)(基于前期實(shí)驗(yàn)經(jīng)驗(yàn)，誤差容忍區(qū)無交叉，且d優(yōu)選5 m到10 m)平均分布24個(gè)單體，且單體上標(biāo)注的90°方向與示意圖中的射線方向重合(如圖5所示)，令其在實(shí)驗(yàn)過程中靜止不動(dòng)。同一時(shí)刻對(duì)所有單體進(jìn)行方位角測(cè)量,由于單體測(cè)角范圍是0°～180°,且同一直線上的單體的方位角相同,則一組實(shí)測(cè)數(shù)據(jù)相當(dāng)于13個(gè)單體測(cè)量數(shù)據(jù)(由于0°和180°記為兩個(gè)單體)。選取一個(gè)單體方位角φi為0°參考方向,求其余單體方位角φi的相對(duì)方位角φ1相對(duì)角度φk.

圖5　多單體分布示意圖

步驟2: 單體方位角測(cè)量

在單體平均分布的確定區(qū)域中,同時(shí)對(duì)各單體執(zhí)行方位角測(cè)量計(jì)算,記為一組觀測(cè)值。將第j組中第k號(hào)單體所有t次的實(shí)驗(yàn)測(cè)量值Lkjt序列記為等效長度Lkjt.k是單體編號(hào),k=1,2…13; t為實(shí)驗(yàn)序號(hào),t=1, 2, …, 500.

步驟3: 統(tǒng)計(jì)學(xué)誤差計(jì)算

步驟4: 單體方位角估計(jì)值計(jì)算

對(duì)每組中每個(gè)單體的等效長度Lkjt(t=1, 2, …, 500)進(jìn)行Kalman濾波,獲取最有估計(jì)值序列值L″kjt.本文涉及到的Kalman濾波為適合于本實(shí)驗(yàn)系統(tǒng)的線性隨機(jī)卡爾曼濾波算法[18],可使得隨機(jī)誤差足夠小,儀器誤差占主導(dǎo)地位,從而得到以儀器誤差為主的估計(jì)值曲線L″kjt.

步驟5： 單體方位角高精度準(zhǔn)真值

步驟6: 單體方位角等效長度儀器誤差的分離

步驟7: 單體方位角等效長度隨機(jī)誤差的分離

步驟8: 重復(fù)計(jì)算求誤差參數(shù)值

令t=t+1,基于云平臺(tái)系統(tǒng)進(jìn)行云計(jì)算，獲得上述各參量的平均值,如圖6所示。以這些參數(shù)為評(píng)判標(biāo)準(zhǔn),可以進(jìn)行儀器和環(huán)境的系統(tǒng)誤差來源分析,為抑制系統(tǒng)測(cè)量誤差提供依據(jù)。

3.2算法設(shè)計(jì)

本文中實(shí)驗(yàn)得到的大量數(shù)據(jù)分別存儲(chǔ)在云端,例如多單體1組,多單體2組…的數(shù)據(jù)存在數(shù)據(jù)庫數(shù)據(jù)表data1(如圖7所示),data2…中,形式如下:

圖7　第1組多單體數(shù)據(jù)表

主要代碼:

1) 頁面可視化

此模塊由html代碼編寫,采用結(jié)構(gòu)設(shè)計(jì),用以顯示用戶查看的主頁面。

top. php:顯示該應(yīng)用的題目信息。

left. php:顯示該應(yīng)用的功能信息。

right. php:顯示結(jié)果信息。

2) 數(shù)據(jù)庫操作

本文中所用的算法多是基于數(shù)據(jù)庫,將數(shù)據(jù)庫的連接,以及對(duì)數(shù)據(jù)庫的增刪改查操作封裝成一個(gè)類SqlTool.class。

function execute_dql(＄sql):實(shí)現(xiàn)對(duì)數(shù)據(jù)表的查詢;

function execute_dml(＄sql):實(shí)現(xiàn)對(duì)數(shù)據(jù)表的增加,刪除,修改操作。

3) 數(shù)據(jù)處理

云平臺(tái)系統(tǒng)根據(jù)用戶需要實(shí)現(xiàn)的功能信息調(diào)用數(shù)據(jù)處理算法,讀取用戶的輸入信息[19],以及選擇性實(shí)現(xiàn)功能算法。在數(shù)據(jù)預(yù)處理中,有用到求均值算法average.php,以及Kalman濾波算法Kalman. php.

其中,Kalman 濾波算法是結(jié)合協(xié)方差迭代循環(huán)來估算系統(tǒng)的最優(yōu)化輸出。利用系統(tǒng)的過程模型,預(yù)測(cè)下一過程的狀態(tài)值。

系統(tǒng)可用一個(gè)隨機(jī)噪聲的線性離散動(dòng)態(tài)系統(tǒng)數(shù)學(xué)模型表示為

(1)

式中: W(k)為過程噪聲; V(k)為 觀測(cè)噪聲。H為系統(tǒng)參數(shù),兩者均假定為高斯白噪聲。其中W(k)過程噪聲的協(xié)方差為Q.

假設(shè)現(xiàn)在的系統(tǒng)狀態(tài)是k,根據(jù)系統(tǒng)的模型,可以基于系統(tǒng)的上一狀態(tài)而預(yù)測(cè)出現(xiàn)在狀態(tài):

X(k)=AX(k-1)+BU(k),

(2)

式中: A、B和H為系統(tǒng)參數(shù); U(k)為現(xiàn)在狀態(tài)的控制量,本系統(tǒng)無控制量,令U(k)=0;

P(k)=AP(k-1)A′+BQB′,

(3)

式中: P(k)為X(k)對(duì)應(yīng)的協(xié)方差; A′為A的轉(zhuǎn)置矩陣。

式(2)、式(3)就是對(duì)系統(tǒng)的預(yù)測(cè)。

現(xiàn)在狀態(tài)k的最優(yōu)化估算值X(k):

X(k)=X(k-1)+Kg(Z(k)-HX(k-1)),

(4)

式中:Kg為卡爾曼增益(Kalman Gain); Z(k)為k時(shí)刻的測(cè)量值,即為實(shí)驗(yàn)測(cè)量數(shù)據(jù)值。其中:

Kg=P(k)H′/(HP(k-1)H′+R).

(5)

為了要讓卡爾曼濾波器不斷的運(yùn)行下去直到系統(tǒng)過程結(jié)束,需要更新k狀態(tài)下X(k)的協(xié)方差:

P(k)=(I-KgH)P(k-1),

(6)

式中, I為1的矩陣,本系統(tǒng)屬于多模型多測(cè)量,則I為單位矩陣。當(dāng)系統(tǒng)進(jìn)入k+1狀態(tài)時(shí),P(k)就是式(3)的P(k-1).該算法可以實(shí)現(xiàn)自回歸運(yùn)算,獲取隨機(jī)誤差足夠小,儀器誤差占主導(dǎo)地位的最優(yōu)值。

4) 功能算法

本系統(tǒng)實(shí)現(xiàn)以下兩大功能:①查看多單體數(shù)據(jù)信息:show_tab_info(＄table);②測(cè)量誤差分析:儀器誤差分析sys_err.php和隨機(jī)誤差分析sur_err.php。其分析結(jié)果是獲取誤差參數(shù)值:

functionarr_aver(＄arr);

functionarr_max(＄arr);

functionarr_msr(＄arr).

4結(jié)果分析

4.1偏振導(dǎo)航數(shù)據(jù)獲取

通過在SAE云平臺(tái)上,建立仿生偏振導(dǎo)航誤差分析應(yīng)用,采用PHP技術(shù)等一系列操作,完成云計(jì)算。訪問主界面以及實(shí)現(xiàn)功能如下:

功能1: 通過輸入查詢多單體數(shù)據(jù)信息(組號(hào)1～20),如輸入多單體第1組數(shù)據(jù),則可以得到如圖8所示的結(jié)果。

圖8　主界面

圖9　多單體第1組數(shù)據(jù)信息

如圖9所示,左頁面顯示查詢多單體的數(shù)據(jù)信息。右頁面顯示查詢多單體的位置,天氣狀況信息,以及多單體數(shù)據(jù)的平均值信息。其中,點(diǎn)擊返回連接,可以重新查詢。點(diǎn)擊刷新連接,可以刷新多單體數(shù)據(jù)信息、位置信息以及天氣狀況信息。

功能2: 當(dāng)用戶輸入查詢某組多單體信息后,系統(tǒng)會(huì)自動(dòng)保存組號(hào)值。如果用戶沒有任何輸入,則系統(tǒng)輸出默認(rèn)信息。通過誤差分析選擇分析算法,獲得測(cè)量誤差參數(shù)值最大誤差值,誤差平均值,誤差均方根。

圖10　多單體第20組儀器誤差平均值

若查詢儀器誤差平均值,則左頁面就會(huì)顯示結(jié)果,如圖10所示。右頁面顯示多單體信息:多單體的位置、天氣狀況信息以及多單體數(shù)據(jù)的平均值信息。

4.2測(cè)量誤差分析

求取20組多單體數(shù)據(jù)信息,每組13個(gè)單體,且每一組的每個(gè)單體測(cè)量500個(gè)樣本值,求其測(cè)量誤差參數(shù)值,并將其結(jié)果整合并分析，如圖11所示。

圖11　測(cè)量誤差參數(shù)

誤差最大值可以查看測(cè)量結(jié)果偏離真值的最大程度,誤差平均值可以反應(yīng)測(cè)量結(jié)果誤差的整體情況,均方根值可以反應(yīng)測(cè)量結(jié)果誤差的離散度。

從以上實(shí)驗(yàn)結(jié)果可知,晴天狀態(tài)下,測(cè)量結(jié)果整體平穩(wěn)(平均值<2°,均方根<4°)。其中,儀器誤差在170°～180°方向的儀器誤差比較大,不能實(shí)現(xiàn)導(dǎo)航的精確定位;隨機(jī)誤差均小于4°.多云狀態(tài)下,同樣地,儀器誤差在170°～180°誤差比較大;另外,隨機(jī)誤差很大,其中隨機(jī)誤差最大值均在10°～25°之間,均方根值也高達(dá)10°.

表1　單體誤差評(píng)估

綜上,在不同天氣情況下,對(duì)仿生偏振導(dǎo)航儀器測(cè)量方位角的誤差值進(jìn)行評(píng)估,圖11示出了13個(gè)單體的平均實(shí)驗(yàn)數(shù)據(jù),表1示出了單個(gè)單體(導(dǎo)航單元)的誤差值進(jìn)行評(píng)估。

在測(cè)量過程中,天氣狀態(tài)對(duì)儀器本身帶來系統(tǒng)誤差影響較小,但會(huì)很大程度上影響測(cè)量的隨機(jī)誤差值,隨機(jī)誤差值波動(dòng)比較大,最大誤差值13.69°,離散度5.52°.從實(shí)驗(yàn)結(jié)果來看,雖然天氣情況對(duì)測(cè)量結(jié)果的影響比較大,但在可控范圍之內(nèi),可以通過添加測(cè)量誤差補(bǔ)償,從而實(shí)現(xiàn)導(dǎo)航定位。

5結(jié)束語

本文詳細(xì)介紹了基于SAE云平臺(tái)的仿生偏振導(dǎo)航系統(tǒng)中的測(cè)量誤差分析。

云平臺(tái)系統(tǒng)主要包括數(shù)據(jù)存儲(chǔ)、云計(jì)算和可視化三個(gè)模塊。通過訪問瀏覽器,簡化用戶操作,實(shí)現(xiàn)資源共享。其中,以仿生偏振導(dǎo)航測(cè)量誤差分析為應(yīng)用,獲取誤差參數(shù),從而為抑制測(cè)量誤差,提高測(cè)量精度提供評(píng)估依據(jù)。具體算法操作流程主要是選取不同天氣情況下,對(duì)多組多單體采集大量的實(shí)驗(yàn)數(shù)據(jù),并在云平臺(tái)上進(jìn)行數(shù)據(jù)處理,獲取誤差參數(shù)值。其云計(jì)算算法是采用PHP技術(shù)編碼實(shí)現(xiàn)。最后,對(duì)云平臺(tái)得到的測(cè)量誤差參數(shù)值進(jìn)行了詳細(xì)分析并總結(jié)評(píng)估。整個(gè)系統(tǒng)的開發(fā)工程靈活高效并且方便以后功能的擴(kuò)展與改進(jìn)。

參考文獻(xiàn)

[1]HOWMJ,CHRISTYJH,TEMPLESE, et al.Targetdetectionisenhancedbypolarizationvisioninafiddlercrab[J].CurrentBiology, 2015, 25(23): 3069-3073.

[2] 張帥. 基于天空偏振光的仿生定向傳感器設(shè)計(jì)及其導(dǎo)航應(yīng)用[D].合肥：中國科學(xué)技術(shù)大學(xué),2015.

[3]ALEXANDROVMD,CAIMSB,WASILEWSKIAP, et al.LiquidwatercloudpropertiesduringthePolarimeterDefinitionExperiment(PODEX)[J].RemoteSensingofEnvironment, 2015,169(11): 20-36.

[4] 晏磊, 關(guān)桂霞, 陳家斌, 等. 基于天空偏振光分布模式的仿生導(dǎo)航定向機(jī)理初探[J].北京大學(xué)學(xué)報(bào)·自然科學(xué)版， 2009, 45(4): 616-620.

[5] 關(guān)桂霞, 晏磊, 陳家斌, 等. 天空偏振模式圖動(dòng)態(tài)特性分析[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2009, 26(12): 179-181.

[6] 褚金奎, 趙開春, 王體昌, 等. 仿生偏振導(dǎo)航傳感器試驗(yàn)?zāi)Ｐ偷臉?gòu)建與標(biāo)定[J]. 微納電子技術(shù)， 2007(7/8):37-379,406.

[7]CHUJK，ZHAOKC，ZHANGQ， et al.TichangWang.Constructionandperformancetestofanovelpolarizationsensorfornavigation[J].Sensors&ActuatorsAPhysical,2008,148(1):75-82.

[8]XUZW.Cloud-seacomputingsystems:Towardsthousand-foldimprovementinperformanceperwattforthecomingZettabyteera[J].JournalofComputerScienceandTechnology, 2014,29(2): 177-181.

[9] 許守東.云計(jì)算技術(shù)應(yīng)用與實(shí)踐[M]. 北京:中國鐵道出版社，2013: 180-199.

[10]ZHAOKC,CHUJK,HANGTC,et al.Anovelanglealgorithmofpolarizationsensorfornavigation.[J].IEEETransactionInstrumentationandMeasurement,2009,58(8):2791-2795.

[11]關(guān)桂霞. 仿生偏振導(dǎo)航定向機(jī)理及實(shí)驗(yàn)驗(yàn)證研究[D].北京:北京理工大學(xué),2010:72-74.

[12]楊文劍, 楊彬, 路穎, 等. 偏振導(dǎo)航新方法及實(shí)驗(yàn)分析[J]. 全球定位系統(tǒng)，2013, 38(3): 25-29.

[13]白志杰. 基于SAE的云計(jì)算PaaS實(shí)踐教學(xué)方案設(shè)計(jì)[J]. 電子制作,2014(14):49-50.

[14]百度. 新浪云[EB/OL]. 2015-03-15.http://www.sinacloud.com/doc/intro/architecture.html.

[15]趙開春, 褚金奎, 張強(qiáng),等. 新型仿生偏振測(cè)角傳感器及角度誤差補(bǔ)償算法[J]. 宇航學(xué)報(bào), 2009, 30(2):503-509.

[16]晏磊,陳偉,楊彬,等.偏振遙感物理[M]. 北京:科學(xué)出版社, 2014:201-222.

[17]樊寧. 云數(shù)據(jù)庫的關(guān)鍵技術(shù)探析[J]. 電子技術(shù)與軟件工程,2015(19):200.

[18]POSSELTDJ,HODYSSD,BISHOPCH.Errorsinensemblekalmansmootherestimatesofcloudmicrophysicalparameters[J].MonthlyWeatherReview, 2014, 142(4): 1631-1654.

[19]呂永國，楊斌，彭之軍. 基于PHP的網(wǎng)頁信息抽取[J]. 科技展望,2015，23(5):29-32.

吳水平(1991-),女,碩士生,主要從事基于云計(jì)算的仿生偏振導(dǎo)航方面研究。

關(guān)桂霞(1972-)，女，博士，副教授，主要從事仿生偏振導(dǎo)航領(lǐng)域的研究。

焦健楠(1988-)，男，碩士生，主要從事遙感領(lǐng)域偏振方面的研究。

Measurement Error Analysis of Bionic Polarization Navigation Based on Cloud-sea Computing

WU Shuiping1,2,GUAN Guixia1,JIAO Jiannan2,WANG Xueqi2,KE Zibo2,CHU Jinkui3,YAN Lei2

(1.InformationEngineeringCollege,CapitalNormalUniversity,Beijing100048,China;2.BeijingKeyLabofSpatialIntegrationandItsApplications,PekingUniversity,Beijing100871,China; 3.MechanicalEngineeringCollege,Dalian116023,China)

Abstract: Bionic polarization navigation is an autonomous navigation method that uses natural polarization characteristics. There is a relationship among distribution pattern, position and heading angle of navigation unit in different weather conditions. This paper proposes a method to correct the system error by using measure error parameters. The accuracy of measurement is critical to navigation. This work focuse on the surveying of azimuth angle under different weather conditions. Then we use cloud computing to analyze the system error and random error of the measured data and acquire the error evaluation parameters. The results provide the evaluation basis for improving the surveying accuracies.

Keywords:Cloud computing; bionic; polarization; navigation; error

doi:10.13442/j.gnss.1008-9268.2016.02.008

收稿日期：2015-11-24

中圖分類號(hào)：V448

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1008-9268(2016)02-0043-07

作者簡介

資助項(xiàng)目: 國家自然科學(xué)基金(批準(zhǔn)號(hào)：61174220)

聯(lián)系人： 吳水平E-mail: wushuiping2015@163.com