针对经典最近等值线迭代(ICCP)算法因重力异常测量误差导致匹配精度下降甚至失效的问题,提出联合抗差匹配算法以提高匹配精度及可靠性。首先,分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布,为抑制其影响,采用l_(p)范数代替l_...针对经典最近等值线迭代(ICCP)算法因重力异常测量误差导致匹配精度下降甚至失效的问题,提出联合抗差匹配算法以提高匹配精度及可靠性。首先,分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布,为抑制其影响,采用l_(p)范数代替l_(2)范数计算匹配残差,并利用匹配残差重调野值点以获得有效的匹配区域。在此基础上,提出混合稀疏ICCP算法,并利用其进行粗匹配,然后将粗匹配后的位置作为惯导系统(INS)指示位置,再使用经典ICCP算法进行精匹配,获得更高的定位精度。仿真结果表明,考虑重力异常测量误差的情况下,重力联合抗差匹配算法的误差最大值小于1 n mile,导航精度较传统ICCP算法提升60%以上,提升了算法的鲁棒性和匹配精度。展开更多
文摘针对经典最近等值线迭代(ICCP)算法因重力异常测量误差导致匹配精度下降甚至失效的问题,提出联合抗差匹配算法以提高匹配精度及可靠性。首先,分析了匹配点集间的匹配残差在高斯噪声影响下呈非高斯分布,为抑制其影响,采用l_(p)范数代替l_(2)范数计算匹配残差,并利用匹配残差重调野值点以获得有效的匹配区域。在此基础上,提出混合稀疏ICCP算法,并利用其进行粗匹配,然后将粗匹配后的位置作为惯导系统(INS)指示位置,再使用经典ICCP算法进行精匹配,获得更高的定位精度。仿真结果表明,考虑重力异常测量误差的情况下,重力联合抗差匹配算法的误差最大值小于1 n mile,导航精度较传统ICCP算法提升60%以上,提升了算法的鲁棒性和匹配精度。