基于抗差自适应CKF的水下重力匹配导航SITAN算法

为提高水下重力匹配算法的定位精度和稳健性,将容积卡尔曼滤波应用到水下重力匹配惯性导航中,同时引入抗差估计和自适应因子,提出了基于抗差自适应容积卡尔曼滤波的水下重力匹配导航SITAN算法。利用重力异常模型数据开展仿真实验,结果表明,所提算法能有效修正惯导整体航迹,在观测值未加入粗差的情况下较普通容积卡尔曼滤波算法提高了76%的导航定位精度,在观测值加入30 mGal粗差的情况下,提高了88%的导航定位精度。该研究成果可为后续水下重力匹配导航算法的理论研究及工程实践提供一定的数据支撑。

基于Haar小波变换的重力场方向性适配区选取方法

水下重力场适配区的选取在重力匹配导航系统中起着至关重要的作用,传统适配区选取方法通常以重力场区域统计特性作为评价标准,而存在对方向适配性特征描述不准确的问题,在适配区中往往存在某一航向轨迹的匹配精度大幅下降的情况。针对此问题,提出一种基于Haar小波变换的方向性适配区选取方法,将小波变换后得到的高频信息图进行再组合,从而得到针对于任意指定航向的重力高频信息图。通过对某一海域的船载重力数据进行实验验证,基于所提方法可以根据当前航向选取出更具有针对性的适配区域,适配区内匹配率提升6.3%。所提出的方法不仅解决了现有适配区选取方法对方向适配性描述不准确的局限性,而且为潜航器选择以何种航向进入适配区起到了指导性作用。

水下重力匹配导航适配性评价方法比较研究

重力匹配导航精度受重力适配区选取的影响。针对如何有效筛选最优适配区,采用信息熵的单特征准则与多属性决策的多特征准则评价重力底图的适配性。选择重力标准差、相关系数、粗糙度、坡度、重力特征丰度与累加梯度均值6种参数,利用单/多特征两种准则筛选同一海域适配/非适配区,通过地形轮廓匹配(terrain contour matching, TERCOM)算法在所筛选区域进行重力匹配导航验证,对比分析两者的匹配导航精度。结果表明,单特征准则在适配/非适配区的导航误匹配率分别为30%和20%;多特征准则在适配区无明显误匹配,误差在百米级,在非适配区出现多次误匹配。分析表明,多特征分析准则与单特征分析准则相比,可更准确有效地评价重力匹配区的适配性。

基于海底底质及地形特征的地形辅助导航适配区选择方法

随着多波束测深技术的不断发展,地形辅助导航广泛应用于海上舰船。本文针对传统特征参数没有包含深度以及海底底质因素而导致水下地形导航适配区判定不准确的问题,提出基于海底底质及区域地形特征的地形辅助导航适配区选择方法。本方法基于多波束探测数据,对区域地形数据进行统计分析,通过层次分析法对地形特征参数以及海底底质等适配性评价指标进行综合分析,得出权重向量并构建适配区选择准则函数,对匹配区域进行适配性判断。利用ICCP算法进行地形匹配蒙特卡洛仿真实验,实验结果表明,适配性选择函数克服了传统特征参数对匹配区域分析不全面的问题,可有效选择适配区,适配区内匹配误差小于5 m。

基于重力场特征参数信息熵的适配区选择方法

针对当前重力统计特征参数类别繁多,选择标准复杂而导致错选有效匹配区域的问题,利用信息熵具有能够整合多种统计参数且算法计算量小的特点,提出了一种基于特征参数信息熵的重力辅助导航适配区的选择方法。首先,在DTU10模型下将该方法与传统单一特征参数的方法进行比较,确定了传统方法的确会错误选择可匹配区,从而也反映了所提出方法的优越性;其次,在该方法划分出的匹配区和非匹配区中分别设计了8条仿真航线,匹配区中仿真航线的匹配效果明显优于非匹配区中的匹配效果。仿真结果表明了该方法的有效性。

重力辅助导航匹配区域选择准则

通过在重力场区域中移动局部计算窗口的方法,计算了实测重力场各个局部的多种统计特征并使用填色等值线图进行了对比和分析,以局部重力场的标准差和经纬度方向相关系数作为匹配区域选择的数量指标,给出了重力匹配区经验选择准则。采用均方误差和平均绝对差算法在实测重力图上对重力辅助惯性导航系统进行了仿真研究,计算结果表明,在满足重力匹配区选择准则下进行的重力辅助导航,其导航系统定位误差小于一个重力图网格,匹配率大于90%。

基于模糊决策理论的重力辅助导航区域选择方法

针对传统重力辅助导航区域选择方法仅利用单一评价指标所导致的评价结果不全面这一缺陷,提出一种基于模糊决策的多指标综合选取方法。首先,应用该方法计算目标区域重力异常的标准差、粗糙度、相关系数、重力信息熵和重力坡度等表征重力特征的统计参量;然后,利用模糊决策理论方法求解出指标的隶属度矩阵和权阵,得到区域总的评价指数;最后,依据总评价指数进行匹配区选择。仿真结果表明,本方法具有较好的可靠性,评价指数高的区域,其匹配效果更好。

多特征值分析的重力辅助导航适配区选择方法

对适配区进行一定的选择可以提高重力匹配导航精度。目前传统重力匹配导航区域的选择方法通常是利用单一评价指标,导致评价结果不全面。针对这种情况,本文基于信息熵、模糊综合决策和主成分分析3种方法对适配区进行多指标综合选取;并通过ICCP匹配算法进行实验计算分析,结果表明3种方法均具有较好的效果。利用3种方法计算出的可导航能力高的区域匹配效果更优,其中基于模糊综合决策方法和主成分分析法的结果优于信息熵法。

基于分割嵌套三角剖分的重力场适配区选取算法

重力场适配区选取算法是水下重力定位系统的关键技术之一,直接影响重力匹配算法的定位精度和匹配率,为提高适配区选取算法的准确性,提出一种基于分割嵌套三角剖分的重力场适配区选取算法。首先利用墨卡托投影和重力异常空间校正,将传统重力场栅格信息变换为三维高程信息;再利用分割嵌套的思想,不断从重力场最小环形域中分割出最优三角形,从而形成重力场三角网络。之后,对网络中每一个小三角形,选取了坡度、坡向、起伏度和粗糙度作为重力场局部几何特征。最后,采用k-means聚类算法,将重力场分为强适配区、弱适配区和非适配区。仿真对比试验结果表明,在提出的适配区选取算法所选择的强适配区内,重力匹配定位精度与重力场背景图格网分辨率相当,表明利用分割嵌套三角剖分来选取重力场适配区的可行性。

SAR图像适配区选择方法

为选择具有高匹配概率和高匹配精度特点的SAR适配区,结合SAR成像特点,分析了惯导及成像参数误差对适配区的影响,设计了多种适配性评价参数,提出了一种由粗到细的适配区层次性选择方法。该方法充分考虑了适配区在总体和细节上的需求,层次性选择有效避开了构造预测函数的难题。试验结果表明该方法可在SAR图像匹配系统中选出高性能的适配区,且所选适配区匹配概率可达97%以上。

水下重力辅助导航适配区选取的研究进展

为进一步提高水下重力导航系统的匹配效率,研究探讨适配区选取的相关技术:介绍重力场基准图的插值重构、重力场特征参数的提取以及重力场适配区选取准则的构建方法;并分析重力辅助导航适配区选取技术今后的研究方向与研究重点。

一种基于连续跟踪的前视红外基准图制备方法研究

针对飞行器前视红外连续跟踪导航任务,对一种实用的匹配区选取与基准图生成方法进行了研究。分析了连续跟踪导航基本原理,以图像方差、连续特征检测和Frieden灰度熵为分析指标,设计了一种粗选与精选结合的匹配区选取方法。以线特征作为连续跟踪匹配区选取参数之一,利用实时图大小方格逐行扫描的方式,以图像方差为指标进行粗选,选取合适的区域进行直线特征检测;用Hough变换直线检测进行二次精选,用Frieden灰度熵进行稳定性分析,以确定可用于连续跟踪匹配区,得到跟踪导引线,并给出其定义及其参数组成。对某航拍图用所提方法获得了具备连续特征的前视红外连续跟踪导航基准图,验证了该方法在连续跟踪匹配区选取中的有效性、实用性和适应性。

基于空间分布的重力场持续适配能力评估方法

重力匹配导航需要在重力场特征丰富的区域进行,现有的重力场适配性评估方法多针对单条测线或局部区域,未考虑到重力特征的空间分布。为了评估重力场持续适配能力,提出了将重力场适配半径作为评估重力场特征区域空间适配性能指标参数。从适配半径定义出发,阐述了其物理意义内涵,证明了其与匹配测线覆盖全区域的最小辐射半径的关系,并根据适配半径不同分布形态,推导了具体计算方法。适配性评估实例表明,中国南海重力场适配半径为95 n mile,说明重力匹配导航技术在南海范围具有较好适用性。适配半径直接反映了特征区域提供持续重力匹配导航的能力,可作为重力匹配导航系统工程应用重力场持续适配能力评估和航迹规划的依据。

基于重力辅助导航误差分析的自适应介入匹配算法

针对现有重力导航匹配算法受测量误差和非测量误差影响匹配精度、匹配率较低而导致实践应用困难的不足，通过理论分析算法误差源，提出了一种自适应介入匹配算法。该算法通过判断等值点的特征空间特性以及最近距离和阀值的关系，对惯导位置参数进行自适应修正，极大提高了算法匹配率、搜索效率、实时性的效果。仿真实验结果表明，经自适应处理，可使算法最优匹配率达到89.6%，定位误差保持在500~700 m，重力图分辨率(1')降至25%左右。

基于自适应并行扩展卡尔曼滤波的SITAN匹配算法

针对重力匹配辅助惯性导航系统中SITAN匹配算法状态方程存在模型误差的问题,提出了一种基于自适应并行扩展卡尔曼滤波的SITAN匹配算法。通过自适应因子调节状态预测信息的权重,抑制滤波发散,提高定位精度。同时,讨论了自适应因子的选取与构造,分析了基于并行扩展卡尔曼滤波的SITAN匹配算法发散的原因。选取南海两片重力异常特征变化剧烈程度不同的海域进行仿真试验,试验结果表明:在重力异常特征变化剧烈的区域,该算法能有效减弱惯性导航系统的定位误差,位置误差与重力基准图分辨率相当,与基于并行扩展卡尔曼滤波的SITAN匹配算法相比,系统的定位精度和鲁棒性均有提升。

基于改进地磁熵的地磁适配区选择准则

针对地磁导航中匹配概率低的问题,基于统计特征和信息熵的特征参数进行分析,并结合地磁粗糙度和地磁累加梯度参数的特点,对传统的地磁信息熵参数提出改进。采用粒子群算法实现适配区的选择,仿真结果表明,基于改进的地磁熵参数的适配区选择大大缩短了运行时间,且能够筛选出更多适合匹配的区域,验证了改进地磁熵参数的有效性。

车载捷联惯导/重力匹配/高度计组合导航方法

研究了一种基于捷联惯导、重力匹配和气压高度计进行车载组合导航的方法。建立了重力匹配导航的误差模型,将重力匹配获得的水平位置、高度计输出的高度与捷联惯导输出的对应信息相减作为量测,采用Sage-Husa自适应滤波进行组合导航滤波设计,并针对重力匹配导航非等间隔输出问题,对滤波方程进行了改进。仿真结果表明,该组合导航方法具有较高的导航定位精度,自主性强,抗干扰性好,在军用领域具有良好的应用前景。

一种结合匹配区选择和障碍物探测的水下路径规划方法

水下动态航路规划不仅需要考虑适配区的选择,还需要进行实时目标探测和有效避障,这样才能保证潜器的导航安全。文中提出一种同时考虑适配区选择和目标探测的水下航路规划方法,在重力梯度特征空间中基于支持向量机进行适配区的选择,利用重力梯度反演进行目标探测。该方法使潜器既能在适配区航行时进行有效定位,又能避免触碰暗礁和运动潜器等障碍物。仿真分析证明此方法有效。

前视红外视觉导航定点修正导航区选取方法

针对飞行器前视红外视觉导航技术中导航区选取问题,提出了一种实用的定点修正导航区选取方法。结合导航任务,通过对红外与可见光图像共性特征的分析,以独立像元素、边缘密度、图像自匹配系数为分类指标,设计了一种有效的导航区选取分级搜索方法,给出了方法的基本原理、实现步骤及流程图。同时给出一种实用的匹配仿真验证方法,并通过大量仿真实验验证了该方法的有效性。

PCA和GA-BP结合的地磁导航适配区选择方法

由于地磁图适配区的选择是影响地磁导航定位精度的重要因素,因此提出一种基于主成分分析法(PCA)和GA-BP神经网络相结合的地磁背景场适配/非适配区自动识别和分类的方法。首先利用PCA对地磁特征参数进行分析,选择出独立的、并且包含主成分的特征参量,其次构建GA-BP神经网络模型,建立地磁特征参数和匹配性能的对应关系,从而实现适配/非适配区的划分。通过多次仿真试验,证明了采用该方法能够选择出较好的适配区域,提高地磁导航定位精度。