基于支持向量机的水下地形匹配导航中适配区划分方法研究

提出了一种基于支持向量机的地形背景场适配/误配区自动识别和划分的方法。该方法通过分析地形背景场特征参量的主成分及显著性,借助支持向量机来构建输入地形特征参量与匹配性能的映射关系,最终实现地形背景场误配/适配区的自动识别和划分。

基于水下地形匹配的捷联系统误差估计方法

潜器进入匹配区时捷联系统已积累了一定的误差,有效利用匹配信息对误差进行修正是保证后续航行精度的基础;通过建立水下地形匹配辅助导航系统误差模型,以地形匹配模块和深度压力传感器测量的位置信息和深度作为量测量,设计了卡尔曼滤波器。仿真研究证明:所设计的滤波器具有良好的估计精度;同时,通过设计潜器航行动作证明了相关误差量的估计效果与潜器运动激励有关,为匹配区内进行误差估计时潜器所采用的运动状态提供了参考。

一种互相关水下地形匹配导航算法

为提高水下地形匹配导航的可靠性,提出一种基于假设检验和Unscented变换数据融合的等值线地形匹配导航方法。该方法基于等值线进行地形匹配,借助假设检验进行误匹配诊断,并在误匹配被探测时,使用Unscented变换融合相邻历元的地形观测数据重新进行匹配,提高了匹配定位的精度和可靠性。

基于UKF的水下地形匹配算法组合

为了克服断续地形辅助导航给UKF算法带来的不利影响,提出了改进TERCOM\ICCP+UKF地形匹配组合算法。首先分析了基于UKF的水下地形匹配算法及其在实际水下地形辅助导航中的局限性。然后,针对UKF地形匹配效果易受大初始位置误差影响的不足,以"粗搜索"+"精匹配"的算法组合模式为基础,给出了TERCOM、ICCP和UKF匹配算法的组合策略和算法克服相似地形影响的方法。仿真显示,较之单一UKF匹配算法,组合算法能够克服了大初始位置误差对算法匹配效果的影响,具有更好的工程适用性。

扩展状态UKF和水下地形匹配的捷联系统误差估计方法

捷联系统进入匹配区时导航一定时间后已积累了一定的误差,采用适当的信息融合策略对误差进行估计并补偿可提高后续航行精度;通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究了其估计效果,并与非扩展状态UKF算法进行了对比研究。仿真结果表明:所提出的方法可行,而且基于扩展状态UKF的误差估计方法相比非扩展状态UKF方法具有更好的估计精度,研究结论为匹配区内估计捷联系统导航误差提供了参考。

基于水下地形匹配大姿态误差角捷联惯导系统误差估计方法

传统的基于线性滤波的误差估计方法常采用基于?角法的捷联惯导系统(SINS)线性误差模型,但当姿态误差角较大时,估计效果不稳定且精度较差。为此,提出了基于无迹卡尔曼滤波(UKF)的误差估计方法。通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,设计了扩展状态UKF滤波器,在大姿态误差角下仿真研究了其估计效果。结果表明,在大姿态误差角下,本文所提出的方法可行且具有较好的估计效果,为匹配区内修正捷联惯导系统导航误差提供了参考。

一种改进ICCP水下地形匹配算法

针对水下地形最近等值线迭代(ICCP)匹配算法的原理缺陷和惯性导航累积误差对匹配精度的影响,提出了一种利用粒子群算法优化估计航路的改进ICCP算法.分析了ICCP算法的不足,利用估计航路、惯性导航定位误差和数字地图确定误差椭圆和参考航路,用豪斯多夫距离表征参考航路与实际航路的位置差异,并利用粒子群优化算法实现参考航路的快速寻优.仿真结果证明改进算法具有更好的定位精度和鲁棒性,湖上试验验证了算法的工程可行性.

基于数字图像处理的海底三维地形重建方法

水下地形匹配辅助导航是目前导航领域研究的新方向,而分析地形匹配算法需要以水下三维数字地图为基础。为了得到满足匹配精度要求的海底三维数字地图,提出了一种利用GeoTIFF格式的海底地形图像重建数字高程模型(Digital Ele-vation Model,DEM)的方法:首先提取图像中的像素颜色信息和地理信息,然后通过数字图像处理技术得到水深数据规则网格,利用插值方法进行平滑处理,最后对海底三维地形进行重建并利用该图进行了地形匹配仿真。仿真结果证明了上述方法是有效地获取海底数字地图手段,为分析海底地形匹配算法提供了基础。

基于VoronoiCells插值的三维海底地形图生成方法

水下地形匹配技术是近年来导航技术领域研究的新方向,三维海底数字地形图的制作是海底地形匹配技术的基础。提出一种利用电子海图已有的水深数据生成三维数字高程模型(DigitalElevationModel,DEM)的方法:首先提取电子海图的水深数据,接着通过基于Voronoi多边形的插值算法计算DEM网格节点的高程值,生成规则的DEM网格,最后对生成DEM的三维显示进行了仿真,仿真结果证明该方法是可行的,为海底地形匹配技术的研究提供了前提。

一种基于M估计的水下地形抗差匹配算法

为削弱观测数据和背景地形模型中粗差对水下地形匹配导航精度和可靠性的影响,提出了一种基于M估计的水下地形抗差匹配算法,显著提高了水下地形匹配算法对粗差(异常值)的抵御能力,确保了稳健匹配导航解的获取。实验验证了该算法的有效性。

BP神经网络用于水下地形适配区划分的方法研究

为确保背景场中最优适配航线设计的正确性以及水下地形匹配导航的可靠性,提出了一种基于BP神经网络的背景场适配/误配区自动识别和划分方法,该方法通过分析地形背景场特征参量显著性和主成分、构建BP神经网络、建立输入地形特征参量与匹配性能的映射关系,最终实现了地形背景场误配/适配区的自动识别和划分。试验验证了本方法的有效性。

无味卡尔曼滤波算法分析及其应用仿真研究

无人水下航行器(UUV)进入匹配区时捷联惯导系统(SINS)已积累了一定的误差,采用适当的信息融合策略对误差进行估计和补偿,可提高后续航行精度。通常认为,当系统噪声与量测噪声为加性时,是否将噪声扩展为状态量并不影响无味卡尔曼滤波(UKF)算法性能。针对这种观点,利用变尺度对称集无味变换,在复杂加性噪声模型下,推导并证明了两者的差异,说明了上述观点的不全面性。通过建立水下地形匹配辅助导航系统非线性误差模型,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究其估计效果,并与非扩展状态UKF算法进行对比研究。结果表明,状态扩展有利于提高UKF算法性能,从而证明了理论分析的正确性。