基于SAE云平臺的仿生偏振導航測量誤差分析

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 信息工程學院,北京 100048;2.北京大學空間信息集成與3S工程應用北京市重點實驗室,北京 100871;3.大連理工大學 精密特種加工教育部重點實驗室,大連 116023)

基于SAE云平臺的仿生偏振導航測量誤差分析

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 信息工程學院,北京 100048;2.北京大學空間信息集成與3S工程應用北京市重點實驗室,北京 100871;3.大連理工大學 精密特種加工教育部重點實驗室,大連 116023)

摘要：針對利用自然偏振特性的自主導航——仿生偏振導航,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航測量誤差情況,提出利用測量誤差參數(shù)值修正系統(tǒng)測量誤差。對導航定位而言,測量計算的精度對于導航定位是至關(guān)重要的。對不同天氣條件下,多導航單元進行方位角測量,利用云計算對大量的測量數(shù)據(jù)進行儀器誤差和隨機誤差分析,進而得到誤差參數(shù)值,為提高儀器的測量精度提供評估依據(jù)。

關(guān)鍵詞：云計算;仿生;偏振;導航;誤差

0引言

仿生偏振導航是一種基于自然偏振特性的自主導航方法。通過大氣偏振模式來獲得方向信息實現(xiàn)偏振光導航。之前,國外對于偏振光導航的研究傾向于生物偏振導航基礎研究,包括對生物偏振導航行為、神經(jīng)處理機制、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)星任務實驗中,通過偏振儀獲取大氣偏振信息,從而完成PODEX(偏振儀定標實驗)[3], 推動了現(xiàn)有的偏振儀器的發(fā)展。國內(nèi),北京大學對仿生偏振導航定向機理,天空偏振模式圖動態(tài)特性進行了分析與研究[4-5],大連理工大學基于Point-source 測量方法研制出仿生偏振導航的測角儀器[6-7]。另外,北京郵電大學、合肥工業(yè)大學、哈爾濱工業(yè)大學等開展天空偏振光檢測技術(shù)研究以及組合導航研究工作。

至今,已研發(fā)的天空偏振光的檢測設備大致可以分成兩大類,分別為點源式和圖像式,圖像式偏振光檢測設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。點源式偏振光檢測系統(tǒng)實時性高,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,則偏振儀器測量存在一定的誤差,此問題限制了其在應用方面的進一步發(fā)展。

為了使仿生偏振導航系統(tǒng)在實際現(xiàn)場高精度自動運行,本文研究旨在提高仿生偏振導航儀器的精度以及實用性。采用不同天氣狀態(tài)下,多導航單元反復操作的“測量-計算-搜尋-分析-描述-提高”研究方案對測量誤差進行分析研究。

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

1仿生偏振導航儀器原理

本文選用的單體(導航單元)為大連理工大學研制的無機光電材料仿生偏振導航測角儀器[10],如圖1所示,角度范圍從0°～180°, 其中傳感器的當前方向(即身體長軸)為0°方向軸,當方向軸與太陽子午線軸重合的時候,它們的夾角為0°.如圖1所示，直線方向為90°位置，逆時鐘轉(zhuǎn)動角度增大。

圖1　測角儀器(單體)

導航偏振光檢測平臺[11]由6個透振方向不同的線性偏振片組成,相鄰兩個偏振片之間的夾角為60°且透振方向也為60°.相對的兩個偏振片透振方向互相垂直,每個偏振片下面放置一個光電轉(zhuǎn)換器,光電轉(zhuǎn)換器輸出的電信號通過對數(shù)比率放大以后聯(lián)立求解,即可獲得單體相對于太陽子午線之間的夾角[12]。每一個偏振正交單元由一對帶有對數(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為一個常數(shù); I為總的光強度; d為是偏振程度; φ為被導航物長軸相對于太陽子午線的當前方向,即導航單元的方位角。

一個偏振正交單元的輸出方程為

(2)

(3)

2云平臺構(gòu)建與數(shù)據(jù)管理

云平臺系統(tǒng)主要包括數(shù)據(jù)存儲、云計算和可視化三個模塊。系統(tǒng)設計和運行在新浪云計算平臺上。數(shù)據(jù)存儲和云計算模塊由新浪云分布式任務隊列作為底層支撐,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。

在新浪云平臺上,結(jié)合MySQL服務,使用PHP技術(shù),實現(xiàn)一個基于云計算的仿生偏振導航誤差分析系統(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

實驗選取典型的PaaS(Platform as a Service)類型的云計算平臺——新浪云平臺(SAE:Sina App Engine)[13],該平臺提供了基于MySQL的數(shù)據(jù)庫集群服務,基于PHPMyAdmin的管理工具以及可以在線編輯的語言運行環(huán)境,利用這些服務可以在SAE平臺構(gòu)建數(shù)據(jù)庫,開發(fā)web應用,建立云計算系統(tǒng),通過瀏覽器就可以統(tǒng)一編輯和管理,從而實現(xiàn)基于SAE云平臺的仿生偏正導航測量誤差分析。

SAE平臺架構(gòu)[14]，如圖3所示,主要由負載均衡、Web服務池、Web服務器、運行環(huán)境、服務五部分。SAE不需要開發(fā)者去部署和運維MySQL、Storage等程序,而是將這些程序通過服務的形式以接口提供給開發(fā)者去使用。

圖3　SAE平臺架構(gòu)圖

2.2數(shù)據(jù)管理

基于仿生偏振導航測角原理[15-16],以及研發(fā)的測角儀器,實驗過程中需要采集大量的實驗數(shù)據(jù),存儲在SAE云平臺上并用以計算。在SAE云平臺上本文使用MySQL存儲數(shù)據(jù)[17],大量的實驗數(shù)據(jù)通過管理頁面中集成的PHPMyAdmin管理工具導入到MySQL數(shù)據(jù)庫中。如圖4所示，數(shù)據(jù)庫中data1,data2…分別存儲的是多單體第1組,第2組…的實測實驗數(shù)據(jù)。

圖4　MySQL

3仿生偏振導航測量誤差分析

為了使仿生偏振導航系統(tǒng)在實際現(xiàn)場高精度自動運行,本文采取不同天氣狀態(tài)下,對多單體反復操作的“測量-計算-搜尋-分析-描述-提高”研究方案對測量誤差進行分析研究,獲取誤差參數(shù)值,從而對抑制測量誤差提供評估依據(jù)。

3.1測量誤差分析與研究

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

步驟1： 平均分布單體

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

圖5　多單體分布示意圖

步驟2: 單體方位角測量

在單體平均分布的確定區(qū)域中,同時對各單體執(zhí)行方位角測量計算,記為一組觀測值。將第j組中第k號單體所有t次的實驗測量值Lkjt序列記為等效長度Lkjt.k是單體編號,k=1,2…13; t為實驗序號,t=1, 2, …, 500.

步驟3: 統(tǒng)計學誤差計算

步驟4: 單體方位角估計值計算

對每組中每個單體的等效長度Lkjt(t=1, 2, …, 500)進行Kalman濾波,獲取最有估計值序列值L″kjt.本文涉及到的Kalman濾波為適合于本實驗系統(tǒng)的線性隨機卡爾曼濾波算法[18],可使得隨機誤差足夠小,儀器誤差占主導地位,從而得到以儀器誤差為主的估計值曲線L″kjt.

步驟5： 單體方位角高精度準真值

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誤差的分離

步驟8: 重復計算求誤差參數(shù)值

令t=t+1,基于云平臺系統(tǒng)進行云計算，獲得上述各參量的平均值,如圖6所示。以這些參數(shù)為評判標準,可以進行儀器和環(huán)境的系統(tǒng)誤差來源分析,為抑制系統(tǒng)測量誤差提供依據(jù)。

3.2算法設計

本文中實驗得到的大量數(shù)據(jù)分別存儲在云端,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)設計,用以顯示用戶查看的主頁面。

top. php:顯示該應用的題目信息。

left. php:顯示該應用的功能信息。

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,以及對數(shù)據(jù)庫的增刪改查操作封裝成一個類SqlTool.class。

function execute_dql(＄sql):實現(xiàn)對數(shù)據(jù)表的查詢;

function execute_dml(＄sql):實現(xiàn)對數(shù)據(jù)表的增加,刪除,修改操作。

3) 數(shù)據(jù)處理

云平臺系統(tǒng)根據(jù)用戶需要實現(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],以及選擇性實現(xiàn)功能算法。在數(shù)據(jù)預處理中,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,預測下一過程的狀態(tài)值。

系統(tǒng)可用一個隨機噪聲的線性離散動態(tài)系統(tǒng)數(shù)學模型表示為

(1)

式中: W(k)為過程噪聲; V(k)為 觀測噪聲。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)而預測出現(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)對應的協(xié)方差; A′為A的轉(zhuǎn)置矩陣。

式(2)、式(3)就是對系統(tǒng)的預測。

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時刻的測量值,即為實驗測量數(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)屬于多模型多測量,則I為單位矩陣。當系統(tǒng)進入k+1狀態(tài)時,P(k)就是式(3)的P(k-1).該算法可以實現(xiàn)自回歸運算,獲取隨機誤差足夠小,儀器誤差占主導地位的最優(yōu)值。

4) 功能算法

本系統(tǒng)實現(xiàn)以下兩大功能:①查看多單體數(shù)據(jù)信息:show_tab_info(＄table);②測量誤差分析:儀器誤差分析sys_err.php和隨機誤差分析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偏振導航數(shù)據(jù)獲取

通過在SAE云平臺上,建立仿生偏振導航誤差分析應用,采用PHP技術(shù)等一系列操作,完成云計算。訪問主界面以及實現(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,點擊返回連接,可以重新查詢。點擊刷新連接,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: 當用戶輸入查詢某組多單體信息后,系統(tǒng)會自動保存組號值。如果用戶沒有任何輸入,則系統(tǒng)輸出默認信息。通過誤差分析選擇分析算法,獲得測量誤差參數(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測量誤差分析

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

圖11　測量誤差參數(shù)

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

從以上實驗結(jié)果可知,晴天狀態(tài)下,測量結(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,不能實現(xiàn)導航的精確定位;隨機誤差均小于4°.多云狀態(tài)下,同樣地,儀器誤差在170°～180°誤差比較大;另外,隨機誤差很大,其中隨機誤差最大值均在10°～25°之間,均方根值也高達10°.

表1　單體誤差評估

綜上,在不同天氣情況下,對仿生偏振導航儀器測量方位角的誤差值進行評估,圖11示出了13個單體的平均實驗數(shù)據(jù),表1示出了單個單體(導航單元)的誤差值進行評估。

在測量過程中,天氣狀態(tài)對儀器本身帶來系統(tǒng)誤差影響較小,但會很大程度上影響測量的隨機誤差值,隨機誤差值波動比較大,最大誤差值13.69°,離散度5.52°.從實驗結(jié)果來看,雖然天氣情況對測量結(jié)果的影響比較大,但在可控范圍之內(nèi),可以通過添加測量誤差補償,從而實現(xiàn)導航定位。

5結(jié)束語

本文詳細介紹了基于SAE云平臺的仿生偏振導航系統(tǒng)中的測量誤差分析。

云平臺系統(tǒng)主要包括數(shù)據(jù)存儲、云計算和可視化三個模塊。通過訪問瀏覽器,簡化用戶操作,實現(xiàn)資源共享。其中,以仿生偏振導航測量誤差分析為應用,獲取誤差參數(shù),從而為抑制測量誤差,提高測量精度提供評估依據(jù)。具體算法操作流程主要是選取不同天氣情況下,對多組多單體采集大量的實驗數(shù)據(jù),并在云平臺上進行數(shù)據(jù)處理,獲取誤差參數(shù)值。其云計算算法是采用PHP技術(shù)編碼實現(xiàn)。最后,對云平臺得到的測量誤差參數(shù)值進行了詳細分析并總結(jié)評估。整個系統(tǒng)的開發(fā)工程靈活高效并且方便以后功能的擴展與改進。

參考文獻

[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計及其導航應用[D].合肥：中國科學技術(shù)大學,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航定向機理初探[J].北京大學學報·自然科學版， 2009, 45(4): 616-620.

[5] 關(guān)桂霞, 晏磊, 陳家斌, 等. 天空偏振模式圖動態(tài)特性分析[J]. 計算機應用與軟件， 2009, 26(12): 179-181.

[6] 褚金奎, 趙開春, 王體昌, 等. 仿生偏振導航傳感器試驗模型的構(gòu)建與標定[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.云計算技術(shù)應用與實踐[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. 仿生偏振導航定向機理及實驗驗證研究[D].北京:北京理工大學,2010:72-74.

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

[13]白志杰. 基于SAE的云計算PaaS實踐教學方案設計[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,等. 新型仿生偏振測角傳感器及角度誤差補償算法[J]. 宇航學報, 2009, 30(2):503-509.

[16]晏磊,陳偉,楊彬,等.偏振遙感物理[M]. 北京:科學出版社, 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,主要從事基于云計算的仿生偏振導航方面研究。

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：V448

文獻標志碼：A

文章編號：1008-9268(2016)02-0043-07

作者簡介

資助項目: 國家自然科學基金(批準號：61174220)

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