RAE并行滤波的重力异常匹配算法

扩展卡尔曼滤波技术可以利用序列观测重力异常数据以及航行区域重力异常基准图来校正惯性导航系统漂移误差。针对因重力测量环境的变化、测量仪器扰动等因素造成的重力异常观测噪声不确定问题,提出了基于量测残差自适应估计观测噪声协方差(residual-based adaptive estimation,RAE)的重力异常滤波匹配算法;设计了一组并行卡尔曼滤波器,并简化了最优滤波器的选择准则。不同重力特征区域的实验表明,该算法能够有效降低惯性导航系统经纬向漂移误差,提高系统的导航定位精度。     

水下运载体重力辅助惯性导航系统仿真平台

扩展卡尔曼滤波技术可以利用序列观测重力异常数据以及航行区域重力异常基准图来校正惯性导航系统漂移误差。针对因重力测量环境的变化、测量仪器扰动等因素造成的重力异常观测噪声不确定问题,提出了基于量测残差自适应估计观测噪声协方差（residual-based adaptive estimation,RAE）的重力异常滤波匹配算法;设计了一组并行卡尔曼滤波器,并简化了最优滤波器的选择准则。不同重力特征区域的实验表明,该算法能够有效降低惯性导航系统经纬向漂移误差,提高系统的导航定位精度。     

关联概率密度加权重力异常UKF滤波匹配导航算法

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法。利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差。针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法。通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优干传统加权算法和纯惯性导航系统的定位精度。     

重力垂直梯度导航值特征分布与可导航性分析

以并行Kalman滤波匹配导航原理为基础,设计重力垂直梯度辅助惯性导航系统导航的可导航值计算方法.基于西太平洋海域2'×2'测高重力垂直梯度数据库,给出西太平洋海域重力垂直梯度辅助导航2'×2'导航格网值.选取不同特征区域的5条航线进行辅助导航仿真定位,并对导航能力进行统计分析,给出可导航性值、匹配成功概率、定位误差的关系.结果表明,本文设计的重力垂直梯度可导航性值可以作为匹配区域选择以及航线规划的数量性依据,可导航值大于14.0时,定位误差优于2.0 n mile,并给出西太平洋海域对应的区域分布.     

地磁异常匹配辅助导航的研究

本文研究了地磁异常匹配辅助导航的基本原理,对其关键技术进行了分析,对系统建立了状态方程和观测方程,并给出了一个实例,利用EKF进行了数据融合处理,仿真结果表明地磁异常匹配辅助导航可以有效修正惯导的误差,大大降低了惯导的导航误差。     

基于HHT降噪的潜艇地磁匹配算法

潜艇在地磁导航时各种干扰磁场的存在会使导航精度降低。为消除干扰磁场的影响,提高地磁匹配导航的精度,提出基于HHT降噪的潜艇地磁匹配算法。算法首先对地磁数据利用HHT方法进行去噪处理,在此基础上采用Hausdorff距离算法进行地磁匹配导航。给出算法的具体流程,并进行仿真验证。仿真结果表明,算法能够较好地消除各种地磁噪声的影响,从而提高潜艇地磁匹配的精度。     

井下巷道地磁匹配特征的CEA卷积增强的分析

针对井下某些巷道地磁空间变化平缓,地磁匹配概率低的问题,构建了井下巷道地磁卷积增强算子（convolution enhancement algorithms, CEA）,进行地磁匹配前的目标区域和匹配向量的卷积增强预处理,去除数据噪声和增强识别特征。以Laplace、高通滤波（High Pass）、索伯尔滤波（Sobel）图像卷积算子为基础,通过列向量特征的锐化处理,建立了井下巷道地磁卷积增强的Laplace、High Pass和Sobel卷积算子模板。选取某金矿4个巷道的地磁数据,开展了CEA算子卷积前后的均方差算法地磁匹配定位的仿真试验。试验结果表明,CEA算子卷积可以增强匹配序列和地磁图的地磁空间特征,降低了匹配数据中的噪声影响。在数据CEA卷积前后的地磁统计特征对比中发现,Laplace算子不仅保持了原有地磁图变化特征,还增大了数据空间变化的差异度,降低了相关性,效果明显。特别是600 nT的高噪声干扰匹配试验中,Laplace算子卷积能够降低噪声对地磁定位扰动影响,有效提高了地磁匹配定位的概率和精度,具有较强的鲁棒性,适合作为井下巷道地磁匹配的数据预处理模型。     

水下重力异常相关极值匹配算法

重力辅助惯性导航是利用地球物理特征信息——重力来修正水下潜器惯性导航误差,其关键技术是匹配算法。基于平均平方差最小准则构造差分降权相关目标函数模型,针对受干扰误差随机影响,基于目标函数模型搜索得到的多个有效位置,均有可能以不同概率密度源于正确位置这一问题,提出概率数据关联滤波重力匹配算法,与最近邻法相比,该算法确定的航迹更接近于真实位置,提高算法的可靠性与抗干扰性;分析探讨序列采样间隔对匹配精度的影响。通过试验区仿真匹配,结果表明,当选择适当的采样间隔与采样长度,该算法能有效修正导航误差。     

地磁匹配导航算法研究

提出一种MonteCarlo方法和均方差算法（MSD）相结合的匹配算法,并将本算法用于地磁匹配导航中。该方法根据惯性导航系统指示的位置从地磁图上提取参考地磁数据,将地磁测量数据进行若干次随机干扰后和参考地磁数据使用MSD算法进行匹配,得到若干个匹配位置,取其均值作为最终匹配位置。仿真结果表明本算法可行。     

全张量地磁梯度基准图构建及其组合导航方法

为实现利用地磁梯度数据的惯性/地磁梯度辅助导航,给出移相 二维余弦变换时域微分公式,推导出全张量地磁梯度计算公式,实现了高精度地磁梯度导航基准图的构建。并将改进的粒子滤波算法应用于地磁梯度辅助导航系统中,能很好地抑制纯惯性导航系统随时间累积的误差。通过仿真实验分析,验证地磁梯度数据计算方法以及辅助导航滤波算法的有效性和鲁棒性,地磁梯度辅助导航系统的定位精度在100 m以内     

改进粒子群优化算法在地磁匹配中的应用

针对传统地磁匹配算法精度较低及无法修正载体航向误差等问题,该文提出一种基于改进粒子群优化的地磁匹配算法.该算法以平均Hausdorff距离作为适应度函数,采用改进粒子群优化算法在待匹配区内搜索最优解,从而完成地磁匹配.文中基于某区域地磁场数据插值处理后得到的地磁基准图进行仿真实验.结果表明:当载体的初始位置存在较大误差时,改进粒子群优化算法仍具有较高的匹配精度;当载体航向误差较大时,其定位精度较MAGCOM算法相比有大幅的提高.该算法较好地弥补了传统地磁匹配算法存在的缺陷,实现了对地磁匹配算法精度的提高和载体航向误差的修正.     

地磁匹配中的地磁日变效应

针对目前地磁匹配研究中往往忽略地磁日变的影响,文中分别基于IGRF11模型和MAD匹配算法探讨了地磁匹配中的地磁日变效应.基于IGRF11模型的定性分析表明,地磁日变效应显著,即使在地磁变化较为平缓的区域,地磁日变仍给匹配定位带来较大影响.分别利用地磁平静时期广州、兰州、北京十三陵3个地磁台站分均值数据,基于MAD匹配算法定量分析了地磁日变效应.结果表明,匹配定位误差呈现出类似于日变形态的变化特征,且纬度效应显著,广州台站纬度方向上的最大误差达0.189°,经度误差达0.492°.     

粗精匹配结合的矢量道路辅助惯性导航算法

针对无源环境下无法采用卫星导航定位方式对惯性导航系统的累积误差进行修正的问题,提出一种采用高精度的矢量道路数据进行粗精匹配的导航校正算法。该方法首先通过分析惯导轨迹的特征标示点以及外接矩形,剔除明显的误匹配道路和冗余道路,获取待匹配道路集合;进而,结合ICCP算法具有匹配精度较高,匹配结果较稳定的优点,完成惯导轨迹位置误差的补偿和校正;最后,根据匹配方差和历史匹配轨迹对匹配结果的准确性进行分析和判断。仿真实验结果表明,该算法能够提高惯性导航定位误差的校正精度,减少在复杂道路交叉口等情况的误匹配。     

水下地磁匹配导航定位关键技术研究

惯性导航(inertial navigation system,INS)具有自主、无源导航的特点,但其定位误差会随时间积累,难以满足载体长时间精密水下导航需要.地磁匹配导航以地球固有物理特征地磁为匹配对象,通过线图匹配实现导航,具有无源、隐蔽性强和匹配特征明显等优点,可以实现对INS积累误差的修正,是一种极佳的辅助INS水下导航手段.因此,研究以惯性导航为主,地磁匹配导航为辅的水下组合导航技术,可以满足水下潜艇导航对精度和隐蔽性的双重要求,也成为目前的研究热点. 论文在分析国内外研究现状的基础上,开展如下研究:     

重力辅助导航仿真及适配性分析

重力场辅助导航是抑制惯性导航系统随时间误差累积的有效方法之一。本文引入重力异常可导航值作为描述重力异常背景场的特征之一,并计算了西太平洋海域1'×1'重力异常可导航值。为了分析重力异常背景场的适配性,选取了4条代表性航线并基于ICCP算法进行了仿真,并对仿真结果作了统计分析。统计结果表明,匹配区域的可导航值越大,适配性能越好,其中在可导航值均值大于20的航线上,匹配成功率大于80%,且匹配精度优于2 nmile。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。     

一种GPS/GLONASS/INS数据融合算法

针对卫星导航系统和惯性导航系统(INS)的不同特性,提出了一种GPS/GLONASS/INS数据融合算法。采用差分自适应检测算法、改进码平均相位算法以及位置联合解算方法实现了GPS/GLONASS数据融合,借助于改进的粒子滤波器、INS误差模型建立系统状态方程和观测方程,完成GPS/GLONASS系统速度值和INS系统速度值数据融合,提高组合导航系统精度和可靠性。使用真实数据对数据融合算法性能进行仿真分析,结果表明所设计算法是有效的,能够处理非线性非高斯条件下的滤波估计,提高滤波精度和系统可靠性。     

地球重磁位场辅助水下潜艇导航仿真研究

根据卫星测高反演的重力异常和全球地磁异常格网,构造了西太平洋海域2′×2′重力异常和磁场异常数据作为基准信息,结合SITAN滤波算法在该海域上的两块特征区域上,对比了重力和地磁辅助导航的效果。仿真结果表明,重力和地磁辅助导航的结果与潜艇航线上的重力和磁力信息丰富程度密切相关,两块区域上的两种辅助导航算法的精度都在2nmile左右。     

一种基于快速动态时间规整的地磁定位算法

针对地磁序列匹配定位中动态时间规整算法计算耗时长、实时性差的问题,该文提出一种基于快速动态时间规整的地磁定位算法。该算法首先利用粗粒度化的方法缩短地磁序列长度,得到"粗粒度"化的地磁数据;然后采用减小搜索空间的策略快速得出匹配地磁数据与指纹数据的相似距离和规整路径;最后将"粗粒度"化的地磁数据与规整路径再规整回原来地磁数据序列的大小。在该文提出的定位算法中,缩短地磁数据长度与控制搜索空间的策略较好地改善了地磁序列匹配定位的计算耗时问题。实验结果表明,当匹配定位的地磁序列数据长度为100时,基于快速动态时间规整的地磁定位算法的平均定位误差为1.31 m,均方根误差为1.44 m,且其单次定位时间比动态时间规整算法缩短了2.63 s,算法执行效率提升了78.5%。该文提出的地磁定位算法在保证定位精度的同时加快了算法运行速率,能满足室内定位实时性的需求,具有较高的应用价值。     

重力异常辅助惯性导航中匹配区提取方法

由于重力场中的重力异常数据是以格网的形式表示的,它与地形的DEM在数据结构上有一定的相似性.因此可借鉴一些数字地形分析的方法,提取重力场的特征区域(匹配区)用于辅助惯性导航.首先,对重力场进行特征提取,通过对特征的比较分析选取其中的某些因子作为重力场特征因子;然后,利用等值线方法对重力场特征数据进行区域分割,提取栅格特征数据区域的矢量边缘,并对这些矢量表示的区域进行聚类处理;最后,利用凸壳算法提取这些区域的凸壳范围线,获得重力异常变化比较显著的区域(匹配区).从而为重力匹配辅助导航提供了必要的参考数据.