基于重力场深层感知模型的重力匹配导航适配区选取算法

重力匹配导航的定位精度高度依赖于所航行区域的重力场分布,因此,选择合适的导航适配区对于确保重力匹配导航性能较为关键。为了确保重力匹配导航具有较高的定位精度,提出了一种基于重力场深层感知模型的重力匹配导航适配区选取算法,旨在提高重力匹配导航适配区选取的准确性。首先,使用灰度共生矩阵、局部二值模式和提出的归一化重力尺度,构建重力场特征集;然后,设计重力场深层感知模型,提出了层间传播机制用于训练该模型;最后,将重力场特征集的信息作为输入,提取出航线区域的特征值,并使用提取后的特征值选出重力匹配导航的适配区。选取高精度卫星测高全球海洋重力场模型,分别针对大西洋和太平洋海域的577个5°×5°子区域,每一个子区域选取100条航线进行不同条件下的重力匹配导航试验。试验结果显示:重力场深层感知模型与平均定位误差的斯皮尔曼相关系数的范围是0.61~0.91,肯德尔相关系数的范围是0.41~0.74。传统的多属性决策法与平均定位误差的斯皮尔曼相关系数的范围是0.22~0.70,肯德尔相关系数的范围是0.20~0.63。试验结果表明,提出的重力场深层感知模型提取的特征值与不同条件下重力匹配定位误差具有高度的相关性,因此,按照重力场深层感知模型特征提取值等级选取的区域,对应了相应等级的重力匹配导航定位精度,通过这样的方式提高了重力匹配导航适配区选取的准确性。