基于主成分分析和Melkman算法的选星策略

导航定位中的选星算法是一种关键技术,用于从卫星中选择合适数量和最佳几何分布的卫星以实现最佳定位精度。针对基于二维凸包算法的选星策略在三维卫星数据降维处理中忽略垂直方向高度位置信息的问题,提出了一种基于主成分分析(PCA)和二维凸包Melkman算法的选星策略。首先,通过PCA技术将三维卫星数据投影到新的二维坐标系,新的二维数据同时保留水平平面位置信息和垂直方向高度位置信息,旨在降低维度的同时最小化信息损失。在新坐标系下,数据经过预处理后,采用二维凸包Melkman算法进行选星。实验结果显示:相较于直接投影到站心坐标系下的二维凸包选星算法,提出的选星算法不仅更准确地描述卫星的位置信息,使问题研究更加完备,还在保持相近仿真耗时的前提下,实现了较大的几何精度因子(GDOP)性能提升。

基于随机平行六面体包围盒的碰撞检测研究

为使包围盒更加逼近原模型,提出一种比一般方向包围盒算法更为灵活的平行六面体自适应包围盒算法.使用时间复杂度仅为O(n)的Melkman算法求解凸包,在此基础上调节收敛公式.在保证复杂度相同的情况下,该算法比一般方向包围盒算法的长方体包围盒体积减少约8%;对较复杂的模型就可以用更少的子包围盒逼近,大大减少相交测试的次数,提高了碰撞检测效率.经过复杂度分析和试验论证,对偏球率介于0.3至0.8的模型,该算法响应速度快、碰撞检测效率较高.