基于地形特征知识的自适应地形线性化

地形线性化技术防是地形辅助导航的关键技术外，也是数字地形分析的研究内容之一。针对地形辅助导航系统中现有地形线性化方法存在的问题及其对地形辅助导航性能的影响，本文提出在线性化的方法中应同时考虑地形特征知识和卡尔曼滤波器提供的不确定性影响，提出并发展了一套基于地形特征知识的自适应地形线性化方法，并根据置信水平，提出了自适应选取线性化批合区域的方法，实验与仿真结果证明了本方法的有效性。

基于人工神经网络的地形线性化方法

地形线性化方法对地形辅助导航系统性能有重要影响，本文采用人工神经网络这一新技术来分块记忆地形数据，给出数字地图上任意位置的线性化参数，并用于系统状态的扩展卡尔曼滤波，与其他传统地形线性化方法相比，用人工神经网络来处理地形函数，系统滤波性能得到改善，提高了导航精度，并可减少地图的存贮量，适于并行处理．

顾及线性化残差的最小二乘配置法地形迭代线性化

本文引入相关平差领域中的最小二乘配置法,提出并发展了一种顾及线性化残差相关性的最小二乘配置法地形迭代线性化技术,这一方法以严密的数理统计理论为依据,利用协方差函数来描述拟合误差的相关性,通过迭代的方法在拟合过程中对拟合误差和地形量测误差进行有机处理,以提高地形线性化的质量,有效克服拟合误差的相关性。

地形辅助导航系统的高空性能分析

传统地形辅助导航主要针对飞行器在中低空的导航,在高空的导航性能并无明确结论。文中对基于扩展Kalman滤波的典型地形辅助导航系统进行分析,得出影响系统导航定位性能的主要误差来源,并建立该误差与飞行高度之间的联系。仿真后得到详细的高空导航定位性能指标。

卡尔曼滤波在地形辅助导航中的应用及仿真

本文以地形辅助导航系统的研究为背景,对推广的卡尔曼滤波连续修正惯导误差技术在地形辅助制导中的应用进行了研究与分析,建立了系统的状态方程和测量方程,据此推出卡尔曼滤波模型。仿真实验证明了这一方法是可行的,明显改善了飞行的实时控制水平。

地形匹配相关算法融合处理

针对地形统计模型产生的模拟数字地图,采用地形熵算法、扩展卡尔曼滤波、地形局部线性化等地形匹配系统的相关算法,对由地形雷达测得的面数据和高度表测得的点数据进行融合处理。仿真结果表明,两种数据的结合,可使匹配精度比融合前提高70%以上。