本發(fā)明涉及慣性導航技術領域，具體涉及一種重力匹配導航中的重力場適配性判斷方法。

背景技術：

慣性導航系統是水下定位的主要設備。由于慣導的位置誤差會隨時間累積,長時間航行時需要進行重調和校正才能保證載體的定位精度。利用重力信息校正慣導的累積誤差能夠實現無源導航，因此重力匹配輔助導航是值得研究的方法。重力輔助慣導系統包括慣導系統，重力匹配算法，濾波環(huán)節(jié)，重力測量和重力數據背景圖等部分。其中，匹配算法是重力匹配輔助導航系統的核心。

不同區(qū)域重力場分布的差異性以及來自各種測量手段和數據歸算的誤差，重力匹配算法難以實現精確無誤的定位。為了進一步提高系統的定位成功率，需要結合航行區(qū)域的匹配數據分布特性，揚長避短，使重力匹配算法發(fā)揮更大效用。顯然，重力場變化劇烈的區(qū)域，區(qū)域內重力數據相關性較弱，在匹配定位時更有利于減小匹配算法對量測誤差的敏感性。所以，事先對背景圖重力場的可匹配性和局部區(qū)域的適配性分析，不僅能保證匹配導航的有效性還會提高匹配定位的精度。完成預航行區(qū)域的可匹配性分析，使運載體盡量行駛于有利于重力匹配的區(qū)域，能有效提升導航定位效果。

技術實現要素：

有鑒于此，本發(fā)明提供了一種重力匹配導航中的重力場適配性判斷方法，能夠實現對背景圖重力場的可匹配性和局部區(qū)域的適配性進行判斷，是否可用于導航，從而保證匹配導航的有效性并提高匹配定位的精度。

本發(fā)明的一種重力匹配導航中的重力場適配性判斷方法，步驟如下：

步驟1、基于密度估計，計算重力異常背景圖中各個網格點的局部區(qū)域重力異常適配性分析函數：

式中，x＝[[lλ]^tδg]，[lλ]是地理位置；δg是重力異常值，n是以網格點x為中心的局部區(qū)域內的網格數，xi為局部區(qū)域內的網格點的地理位置，i＝1,2，…，n；

多元密度函數表達式為：

空間域密度函數ks和重力異常域密度函數kr都為修剪的高斯分布密度函數，其表達式為：

式中，hs是空間帶寬，其設定值與位置誤差允許范圍一致；σs為匹配位置誤差標準差；σr為重力異常誤差標準差；hr是重力異常帶寬；

步驟2、遍歷重力異常背景圖中每個網格點，按照步驟1的方法獲得每個網格點對應的重力異常適配性分析函數值，并與設定的閾值進行比較，由此判斷該網格點對應的重力異常值是否用于導航中。

本發(fā)明具有如下有益效果：

本發(fā)明引入空間域和重力異常域的密度函數估計方法，引入空間域和重力異常域的密度函數估計組成混合域的密度函數，通過對局部區(qū)域的積分，得到適配函數值,有效地彌補傳統算法的缺陷，通過重力信息匹配過程提供更及時有效的位置信息修正慣導的積累誤差。

附圖說明

圖1為本發(fā)明的適配函數構建流程圖。

具體實施方式

下面結合附圖并舉實施例，對本發(fā)明進行詳細描述。

重力異常匹配算法的核心思想是通過重力異常值的匹配得到載體位置的估計。匹配算法的定位誤差的大小決定了匹配算法的效果。在匹配過程中，發(fā)生誤匹配產生的位置誤差為兩個被混淆點的距離，根據以上兩個區(qū)域的網格點分布，第一個區(qū)域造成的誤匹配后果更嚴重?；谝陨戏治?，在誤匹配無法完全避免的情況下，匹配數據的適配性分析應同時考慮局部區(qū)域數據的空間分布和重力異常分布，單個區(qū)域的數據變化程度并不能完全表征一個區(qū)域的適配性。

基于密度函數估計的數據適配性分析從匹配原理出發(fā)提出區(qū)域匹配效果的評價。因為重力異常變化的微弱性和不明確性，基于重力異常單值的匹配都是不可行的。一般的匹配過程都是在慣導提供的置信空間內進行的，即為基于局部區(qū)域的匹配過程。構建適配函數的實質是通過統計局部區(qū)域內引起誤匹配的概率以及誤匹配發(fā)生后造成的定位誤差來評價局部區(qū)域的適配程度。通過適配函數的統計分析認為發(fā)生誤匹配的幾率較小或者即使誤匹配但導致的位置誤差較小的局部區(qū)域是適配效果較好的區(qū)域。

本發(fā)明提供了一種基于密度估計的適配性分析方法，引入空間域和重力異常域的密度函數估計組成混合域的密度函數，通過對局部區(qū)域的積分，得到適配函數值,如圖1所示，具體為：

1、因為重力異常背景圖為網格圖，基于密度估計，針對重力異常背景圖中網格點的局部區(qū)域重力異常適配性分析函數的形式為：

式中，x＝[[lλ]^tδg]，[lλ]是地理位置，用經緯度表示；δg是重力異常值，n是以網格點x為中心的局部區(qū)域內的網格數，xi為局部區(qū)域內的網格點的地理位置，i＝1,2，…，n。其中，n的取值根據背景圖的大小確定，一般背景圖越大，你取值越大。

多元密度函數表達式為：

式中，ks是空間域密度函數，kr是重力異常域密度函數。根據上面兩個空間域的密度函數分析，密度函數計算的是局部區(qū)域內臨近網格點對中心網格點匹配的干擾程度。根據統計特性，適配函數的值越小，在以x為中心的局部區(qū)域內干擾網格點越少，即使受到干擾，干擾引起的誤差也越小，這樣的局部區(qū)域的適配性越好。

2、適配函數空間域和重力異常域的密度函數都為修剪的高斯分布密度函數，其表達式為：

式中，hs是空間帶寬，因為hs決定統計區(qū)域的大小，所以太小會統計信息不全面，太大會統計冗余信息，hs的設定應和位置誤差允許范圍一致；σs為匹配位置誤差標準差，在網格化背景圖中，即使匹配算法定位到正確的網格點，還有可能存在位置誤差，且最大位置誤差為網格長度；σr為重力異常誤差標準差，這里的重力異常誤差是觀測誤差，不僅包括背景圖的重力異常數據精度，還包括重力傳感器的測量精度；hr是重力異常帶寬，根據圓概率誤差，一般設定為3σr?？臻g密度函數和重力異常密度函數都選取修剪高斯密度函數的原因是：當重力異常值差超過最大限值時，這樣的點不會引起誤匹配，所以這些點對適配性的影響相同，當重力異常差小于最大限制，就對空間分布和重力異常分布進行高斯分布假設。

綜上所述，以上僅為本發(fā)明的較佳實施例而已，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。