Resumen

Un modelo digital de elevación (MDE) de alta resolución es un elemento importante que determina el rendimiento de la navegación referenciada al terreno (TRN). Sin embargo, cuanto mayor sea la resolución del MDE, mayor será el tamaño de la memoria necesaria para almacenarlo. Es difícil conseguir espacios de memoria tan grandes en vehículos aéreos no tripulados pequeños y de bajo precio. En este estudio, se genera un modelo de regresión del terreno de alta precisión para ajustar el MDE utilizando la técnica de máquina de aprendizaje extremo basada en la función de base radial multicapa. Los resultados de la TRN utilizando el método propuesto se comparan con los estudios existentes sobre diversos métodos de ajuste del MDE. Este estudio verifica que el método propuesto obtiene una precisión de ajuste y un rendimiento de TRN mejorados que los métodos de ajuste de MDE existentes, como la interpolación bilineal, la SVM para la regresión y la red neuronal bi-spline, sin el espacio de almacenamiento del MDE.

• Materias:Aerodinámica Ingeniería aeroespacial Satélites Satélite artificial Meteorología
• Subjects:Aerodynamics Aerospace engineering Satellites Artificial satellites Meteorology
• Palabras claves:función de base radial, espacio de almacenamiento dem, modelo de elevación digital, técnicas de máquina de aprendizaje, modelo de regresión del terreno, red neuronal spline, gran espacio de memoria, métodos propuestos obtiene, vehículo aéreo no tripulado, estudio
• Keywords:radial basis function, dem storage space, digital elevation model, learning machine techniques, terrain regression model, spline neural network, large memory space, proposed methods obtains, unmanned aerial vehicle, study