K-Means++的声速剖面精简方法

发布时间：2023-08-03 18:59

　　在深海定位中,声线传播距离长、声速剖面层数多,采用常梯度声线跟踪虽然提高了定位精度,但明显降低了定位的计算效率。针对这一问题,本文引入优化聚类算法,提出了一种基于K-Means++的声速剖面精简方法。该方法将原始声速剖面的梯度分为正负2个部分,采用K-Means++对每部分进行初始聚类,再对聚类后的每一簇进行不同类别数的K-Means++聚类,将相邻相同类的层合并后得到精简声速剖面。采用精简声速剖面进行水下定位,并与原始声速剖面定位效果对比。实验结果表明:本文方法在确保原始声速剖面空间结构和水下定位精度的前提下,显著提高了定位计算效率,且在不同深度的定位精度与原始声速剖面定位精度保持一致。

【文章页数】：6 页

【文章目录】：
1 基于K-Means++的SVP精简方法
2 浮标定位算例分析
    2.1 浮标定位仿真实验设计
    2.2 不同类别数精简SVP与原始SVP对比
    2.3 不同类别数定位结果分析
    2.4 不同深度定位精度分析
3 结论



本文编号：3838630