本發(fā)明涉及水下地形匹配輔助慣性導(dǎo)航技術(shù)，特別涉及水下地形匹配輔助慣性導(dǎo)航定位方法及其定位系統(tǒng)。

背景技術(shù)：

海洋開(kāi)發(fā)和利用海洋資源，尤其是開(kāi)發(fā)海底礦物和油氣資源作為我國(guó)“海洋強(qiáng)國(guó)”戰(zhàn)略的一個(gè)非常重要組成部分，而水下地形匹配輔助慣導(dǎo)技術(shù)為海底資源的探測(cè)提供高精度的位置坐標(biāo)，并具有隱蔽性，便于更高效地開(kāi)發(fā)海底資源，在海洋經(jīng)濟(jì)發(fā)展中扮演著不可或缺的基礎(chǔ)保障作用。隨著海洋產(chǎn)業(yè)的迅速發(fā)展，如在海底打撈、漁業(yè)資源開(kāi)發(fā)、海底電纜鋪設(shè)、跨海大橋建設(shè)、海底礦物和油氣資源開(kāi)發(fā)等方面，需要提供水下目標(biāo)的精確坐標(biāo)，便于更快捷、更高效地開(kāi)發(fā)利用這些資源。同時(shí)，在軍事領(lǐng)域，潛艇在整個(gè)國(guó)防戰(zhàn)略中的地位也越來(lái)越重要，隨著艇載導(dǎo)彈發(fā)射精度和水下工程精密性要求的提高，水下潛航器自身對(duì)位置的精度要求也就越來(lái)越高，尤其是在長(zhǎng)時(shí)間、遠(yuǎn)距離、深海條件下航行時(shí)，如何獲取高精度的載體位置也成為水下潛航器最主要的性能指標(biāo)之一。目前，慣性導(dǎo)航系統(tǒng)(inertialnavigationsystem，ins)的定位誤差隨時(shí)間推移而累積，無(wú)法滿足水下潛航器長(zhǎng)時(shí)間隱蔽地在水下航行的高精度定位需求(anonsenetal.,2007)，而海底地形體現(xiàn)出豐富的地形特征，可通過(guò)地形匹配輔助慣性導(dǎo)航系統(tǒng)消除長(zhǎng)期累積的誤差，因此，基于多源數(shù)據(jù)的水下高精度組合導(dǎo)航技術(shù)研究迫在眉睫。

地形匹配導(dǎo)航研究已有30多年的歷史，作為ins的輔助手段，地形匹配在陸地范圍內(nèi)應(yīng)用于飛機(jī)和導(dǎo)彈上較多。而水下地形匹配輔助導(dǎo)航是在陸地地形匹配輔助導(dǎo)航的基礎(chǔ)上新發(fā)展起來(lái)的一項(xiàng)輔助ins進(jìn)行水下導(dǎo)航的技術(shù)，可為auv、rov等水下潛航器提供導(dǎo)航定位服務(wù)(zhangetal.,2012)。近幾十年來(lái)，隨著世界各國(guó)對(duì)海洋資源開(kāi)發(fā)和海洋科學(xué)研究的力度不斷加大，以及海洋測(cè)量設(shè)備的不斷進(jìn)步更新，地形匹配輔助慣性導(dǎo)航系統(tǒng)因其導(dǎo)航精度較高、無(wú)累積誤差且費(fèi)效比低等優(yōu)點(diǎn)，引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。

地形匹配輔助導(dǎo)航于20世紀(jì)70年代開(kāi)始出現(xiàn)，在90年代迅速發(fā)展和成熟，在軍事領(lǐng)域成為一種重要的導(dǎo)航技術(shù)。按照地形信息類型分類，地形輔助導(dǎo)航技術(shù)主要分為景象匹配區(qū)域相關(guān)技術(shù)(scenematchingareacorrelator，smac)和地形高度匹配技術(shù)(terrainelevationmatching，tem)(柏菁etal.,2003)。smac技術(shù)利用紅外線傳感器或者光學(xué)等其他傳感器獲取飛越地區(qū)的地形圖像，然后將其與存儲(chǔ)的基準(zhǔn)景象進(jìn)行比較，通過(guò)景象匹配算法處理，獲得飛行器的精確定位。由于smac技術(shù)利用地面可辨認(rèn)的線性特征(例如道路、河流、邊界等)，而不是利用地形高度數(shù)據(jù)提供精確定位，因而在起伏不大的地形上更有效。因?yàn)榈孛婵杀嬲J(rèn)的線性特征一般不是連續(xù)分布的，所以smac技術(shù)一般不能進(jìn)行連續(xù)匹配定位，通常只在相隔為幾公里的距離提供離散的精確定位(趙鋒偉etal.,2002)。tem技術(shù)是通過(guò)測(cè)量飛行器獲取其正下方的地形高度，與存儲(chǔ)的參考高程地圖進(jìn)行比較獲得飛行器的位置信息。這種技術(shù)的特點(diǎn)是自主、隱蔽、全天候，不受季節(jié)變化和天氣條件的影響，在惡劣的天氣和夜間都可以正常使用。與smac技術(shù)相比，tem技術(shù)利用地形高程信息，由于地形高程相對(duì)穩(wěn)定，不受季節(jié)、氣候和光照等條件的影響，而且tem技術(shù)對(duì)測(cè)繪能力的要求相對(duì)較低(馮慶堂etal.,2005)。狹義的地形輔助導(dǎo)航技術(shù)特指地形高度匹配技術(shù)，目前主要有tercom(terraincontourmatching)系統(tǒng)、sitan(sandiaintertialterrainaidednavigation)系統(tǒng)和terprom(terrainprofilematching)系統(tǒng)三種地形高度匹配技術(shù)。tercom系統(tǒng)是美國(guó)e-systm公司于1958年為超音速低空導(dǎo)彈研制的一種導(dǎo)航技術(shù)，其研發(fā)目的主要是為導(dǎo)彈進(jìn)行ins偏差校正(golden,1980)，此項(xiàng)技術(shù)在美國(guó)空軍應(yīng)用廣泛，是最早提出的解決地形高度匹配問(wèn)題的方法。此種地形匹配方法，具有計(jì)算簡(jiǎn)單，性能較穩(wěn)定的優(yōu)點(diǎn)。由于這種方法使用ins觀測(cè)值計(jì)算不同歷元地形觀測(cè)值彼此之間的平面相對(duì)位置關(guān)系，但是在匹配中卻忽視了由ins觀測(cè)值造成的上述相對(duì)位置的不確定性，因此其匹配精度難免受到影響，目前該技術(shù)的圓概率誤差為30～100米(馮慶堂,2004)。為了解決tercom不能進(jìn)行載體位置的連續(xù)估計(jì)這一缺點(diǎn)，出現(xiàn)了基于擴(kuò)展卡爾曼濾波的sitan系統(tǒng)(hollowell,1990)。sitan系統(tǒng)全稱為桑迪亞慣性地形輔助導(dǎo)航系統(tǒng)，是美國(guó)sandia實(shí)驗(yàn)室于上世紀(jì)80年代末開(kāi)始研制的一套地形匹配導(dǎo)航算法。該方法通過(guò)對(duì)地形進(jìn)行線性化，使之可以應(yīng)用于遞推擴(kuò)展卡爾曼濾波進(jìn)行載體位置的連續(xù)估計(jì)。然而，對(duì)于非線性程度高的地形，sitan的線性化方法所得到的結(jié)果并不理想。此外，該方法對(duì)于載體起始位置的誤差要求也相對(duì)苛刻。這兩個(gè)缺點(diǎn)限制了該方法的進(jìn)一步應(yīng)用。該系統(tǒng)在開(kāi)始工作時(shí)，ins的定位誤差不能太大，一般要求小于200米，它的圓概率誤差優(yōu)于75米(馮慶堂,2004)。由于sitan的線性化方法所引起的問(wèn)題，enns和morrel于1995年提出了基于viterbi算法的地形輔助導(dǎo)航系統(tǒng)vatan(ennsandmorrell,1995)。與sitan對(duì)地形進(jìn)行線性化不同，vatan將載體位置視為一階馬爾科夫過(guò)程，并在每一時(shí)刻估計(jì)載體的位置概率分布，并記錄概率分布可能性最大的位置傳遞到下一時(shí)刻，從而實(shí)現(xiàn)序列連續(xù)估計(jì)。雖然該方法被證明取得了優(yōu)于sitan算法的實(shí)驗(yàn)結(jié)果，但是在實(shí)際導(dǎo)航中并未得到廣泛的應(yīng)用。與上述兩種方法相反，kamgar-parsi于1999年提出了一種以等值線點(diǎn)為匹配單元的導(dǎo)航匹配算法，稱為iterativeclosestcontourpoint(iccp)算法(kamgar-parsiandkamgar-parsi,1999)。該算法是一種基于幾何學(xué)原理的匹配方法，最初源于圖像配準(zhǔn)的icp算法，在等值線上尋找最小度量意義下的全局最優(yōu)值。國(guó)內(nèi)外很多學(xué)者對(duì)其進(jìn)行了研究，取得了一些成果(王勝平,2011)。然而，由于該算法使用迭代法對(duì)真實(shí)航跡位置進(jìn)行逼近，因此匹配結(jié)果是否為全局最優(yōu)是一個(gè)值得關(guān)注的問(wèn)題。此外，由于該方法匹配結(jié)果精度難以估計(jì)，因此相鄰的匹配結(jié)果信息難以使用濾波算法進(jìn)行融合。terprom系統(tǒng)為英國(guó)不列顛宇航公司開(kāi)發(fā)的，是目前世界上應(yīng)用最廣的一種地形輔助導(dǎo)航系統(tǒng)。bae公司開(kāi)發(fā)的ins/gps/terprom組合導(dǎo)航系統(tǒng)的水平定位精度(cep)小于20米，垂直均方根誤差小于5米(馮慶堂,2004)。

從21世紀(jì)90年代開(kāi)始，國(guó)內(nèi)外學(xué)者開(kāi)始考慮在序列連續(xù)估計(jì)中對(duì)載體位置的全概率分布進(jìn)行追蹤，并利用貝葉斯全概率公式對(duì)載體位置進(jìn)行測(cè)量更新，從而提高地形匹配輔助導(dǎo)航的精度和穩(wěn)定性。在這方面，niclasbergmam率先采用點(diǎn)群濾波(pointmassfilter，pmf)來(lái)近似的描述飛機(jī)在飛行時(shí)的位置概率分布(bergmanandljung,1997)。隨后，bergmam又使用粒子濾波(particlefilter，pf)對(duì)同一問(wèn)題進(jìn)行了研究，從而開(kāi)啟了基于貝葉斯估計(jì)的地形匹配輔助導(dǎo)航相關(guān)方法的研究(bergmanetal.,1999)。此后，使用數(shù)值計(jì)算方法通過(guò)貝葉斯公式進(jìn)行地形匹配導(dǎo)航引起了學(xué)者們的廣泛興趣，點(diǎn)群濾波和粒子濾波被成功的應(yīng)用于水下潛航器進(jìn)行地形匹配輔助導(dǎo)航，用于實(shí)時(shí)估計(jì)水下載體的位置，例如著名的hugin水下潛航器和saab水下潛航器等等。而在2003年，karlsson等人利用粒子濾波進(jìn)行了載體航行方向以及航行速度的實(shí)時(shí)估計(jì)(karlssonetal.,2003)。nygren通過(guò)對(duì)水下地形批匹配算法進(jìn)行研究，提高了導(dǎo)航的精度(nygren,2008)。而anonsen則對(duì)水下地形匹配導(dǎo)航中點(diǎn)群濾波和粒子濾波的特點(diǎn)進(jìn)行了比較(anonsenandhallingstad,2006)，得出了有益的結(jié)論。以上研究結(jié)果都是基于精密海圖(分辨率優(yōu)于10米)以及高精度的ins得出的。對(duì)此，2011年斯坦福大學(xué)的meduna等人對(duì)水下地形輔助導(dǎo)航中，如何使用低分辨率地圖(20米至50米)和低精度ins系統(tǒng)進(jìn)行有效地形輔助導(dǎo)航進(jìn)行了研究(medunaetal.,2009；meduna,2011)，并得到了很好的實(shí)驗(yàn)結(jié)果。然而上述導(dǎo)航算法都是基于實(shí)際地形數(shù)據(jù)中的誤差與預(yù)設(shè)噪聲模型相符這一前提的，并未考慮實(shí)際導(dǎo)航環(huán)境中粗差的影響。

國(guó)內(nèi)目前對(duì)水下地形匹配導(dǎo)航的研究尚處于起步階段。哈爾濱工程大學(xué)的劉承香于2003最早發(fā)表了關(guān)于水下地形匹配導(dǎo)航研究的博士論文(劉承香,2003)?，F(xiàn)階段，僅西北工業(yè)大學(xué)，中國(guó)海洋大學(xué)、北京航空航天大學(xué)、海軍工程大學(xué)、武漢大學(xué)、國(guó)防科技大學(xué)、東南大學(xué)以及哈爾濱工程大學(xué)等幾家單位開(kāi)展了基于地形匹配導(dǎo)航系統(tǒng)相關(guān)方面的研究。然而，目前的研究大多基于仿真實(shí)驗(yàn)的研究結(jié)果，而進(jìn)入試驗(yàn)階段的完整地形匹配導(dǎo)航系統(tǒng)尚未出現(xiàn)。

由此可見(jiàn)，現(xiàn)有技術(shù)仍存在以下缺陷：

(1)當(dāng)使用卡爾曼濾波進(jìn)行水下地形導(dǎo)航時(shí)，現(xiàn)有誤匹配檢測(cè)方法沒(méi)有考慮地圖誤差影響與實(shí)測(cè)數(shù)據(jù)誤差影響的區(qū)別。在導(dǎo)航中，很可能因此出現(xiàn)誤匹配漏判的現(xiàn)象，造成濾波結(jié)果不穩(wěn)定。

(2)目前水下地形匹配算法都是針對(duì)正常的噪聲環(huán)境。然而，背景和實(shí)測(cè)海床地形數(shù)據(jù)中常常出現(xiàn)難以避免的粗差。如果粗差的影響不能得到有效探測(cè)和排除，會(huì)造成導(dǎo)航結(jié)果的精度下降，甚至引起濾波發(fā)散。

(3)水下地形匹配導(dǎo)航中，當(dāng)水下地形較為平緩時(shí)，由于地形信息的不足，可能會(huì)使地形匹配結(jié)果的質(zhì)量受到影響。因此在導(dǎo)航算法中，很有必要將這一因素加以考慮，以排除貧信息地形在濾波結(jié)果中造成的影響，以提高導(dǎo)航算法的穩(wěn)定性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是針對(duì)慣性導(dǎo)航系統(tǒng)誤差隨時(shí)間推移累積的問(wèn)題，首先在慣性導(dǎo)航系統(tǒng)中進(jìn)行閉環(huán)和開(kāi)環(huán)誤差補(bǔ)償；然后利用多波束測(cè)量的地形數(shù)據(jù)構(gòu)建高精度高分辨率的數(shù)字地形模型；再次將慣導(dǎo)系統(tǒng)輸出的位置估值信息和地形匹配結(jié)果信息同時(shí)輸入濾波器，進(jìn)行濾波計(jì)算，獲得潛器當(dāng)前位置的后驗(yàn)估值；最后將潛器當(dāng)前位置的后驗(yàn)估值修正慣性導(dǎo)航系統(tǒng)的運(yùn)動(dòng)狀態(tài)參數(shù)，從而進(jìn)一步提高慣性導(dǎo)航系統(tǒng)的導(dǎo)航定位精度。

為達(dá)到上述目的，本發(fā)明提供的水下地形匹配輔助慣性導(dǎo)航定位方法，包括以下步驟：

(1)建立誤差模型；

(2)閉環(huán)運(yùn)用卡爾曼濾波最優(yōu)估計(jì)對(duì)慣性導(dǎo)航系統(tǒng)進(jìn)行閉環(huán)誤差補(bǔ)償，并且開(kāi)環(huán)運(yùn)用速度回溯補(bǔ)償進(jìn)行開(kāi)環(huán)誤差補(bǔ)償以便校正由于隨時(shí)間推移累積產(chǎn)生的誤差；

(3)建立顧及水下潛航器姿態(tài)角的精確三維聲線跟蹤模型，獲取高精度的波束腳印坐標(biāo)，并給出波束腳印內(nèi)采樣點(diǎn)的提取方法，以獲得高分辨率的多波束采樣點(diǎn)；

(4)根據(jù)基于水深約束和分形維理論delauney三角網(wǎng)建立水下數(shù)字地形模型，建立高分辨率高精度的水下數(shù)字地形模型，為地形匹配提供可靠的依據(jù)；

(5)基于灰色決策理論的水下地形適配區(qū)評(píng)測(cè)，建立可靠的適導(dǎo)性指標(biāo)矩陣，以便后期的最優(yōu)地形匹配；

(6)在上述水下高精度微地形匹配基礎(chǔ)上，基于自適應(yīng)高斯和濾波的水下地形匹配輔助導(dǎo)航，將地形匹配結(jié)果和慣導(dǎo)系統(tǒng)輸出的位置估值進(jìn)行濾波，獲取位置的最優(yōu)誤差估計(jì)值，以修正最初慣導(dǎo)系統(tǒng)輸出的定位參數(shù)，從而提高地形匹配輔助導(dǎo)航的精度和效率。

所述誤差模型建立包括姿態(tài)誤差模型建立、速度誤差模型建立和位置誤差模型建立。

所述閉環(huán)誤差補(bǔ)償采用下列算法：

并且，修正后獲得tk時(shí)刻的四元數(shù)將迭代進(jìn)行tk+1時(shí)刻的姿態(tài)矩陣更新計(jì)算中。

所述開(kāi)環(huán)誤差補(bǔ)償采用分為速度回溯擬合補(bǔ)償算法和速度回溯預(yù)測(cè)補(bǔ)償算法，其中，

所述三維聲線跟蹤模型采用下列算法：

本發(fā)明要解決的技術(shù)問(wèn)題主要包括如下幾個(gè)方面：

(1)提出閉環(huán)運(yùn)用卡爾曼濾波最優(yōu)估計(jì)進(jìn)行誤差補(bǔ)償，開(kāi)環(huán)運(yùn)用速度回溯補(bǔ)償進(jìn)行誤差補(bǔ)償；

(2)提出顧及水下潛航器姿態(tài)角的精確三維聲線跟蹤模型，并給出波束腳印內(nèi)采樣點(diǎn)的提取方法，獲取高精度高分辨率的多波束采樣點(diǎn)；

(3)提出基于水深約束和分形維理論delauney三角網(wǎng)建立水下數(shù)字地形模型方法，建立高分辨率高精度的水下數(shù)字地形模型；

(4)提出基于灰色決策理論的水下地形適配區(qū)評(píng)價(jià)方法，建立可靠性較高的適導(dǎo)性指標(biāo)矩陣，提供最優(yōu)地形匹配方案；

(5)在實(shí)現(xiàn)水下高精度微地形匹配基礎(chǔ)上，提出基于自適應(yīng)高斯和濾波的水下地形匹配輔助導(dǎo)航方法，將地形匹配結(jié)果和慣導(dǎo)系統(tǒng)輸出的位置估值進(jìn)行濾波，獲取位置的最優(yōu)誤差估計(jì)值，以期修正最初慣導(dǎo)系統(tǒng)輸出的定位參數(shù)，提高地形匹配輔助導(dǎo)航的精度和效率。

通過(guò)上述技術(shù)方案，本發(fā)明的有益效果是：

(1)提出顧及水下潛航器姿態(tài)角的精確三維聲線跟蹤模型，并給出波束腳印內(nèi)采樣點(diǎn)的提取方法，同時(shí)基于水深約束和分形維理論delauney三角網(wǎng)建立高分辨率高精度的水下數(shù)字地形模型；

(2)在實(shí)現(xiàn)水下高精度微地形匹配基礎(chǔ)上，提出基于自適應(yīng)高斯和濾波的水下地形匹配輔助導(dǎo)航方法，將地形匹配結(jié)果和慣導(dǎo)系統(tǒng)輸出的位置估值進(jìn)行濾波，獲取位置的最優(yōu)誤差估計(jì)值，極大地提高地形匹配輔助導(dǎo)航的精度和效率。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明的水下地形匹配輔助慣性導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)總體路線；

圖2是本發(fā)明的慣性導(dǎo)航系統(tǒng)估計(jì)/回溯補(bǔ)償方法原理；

圖3是本發(fā)明的換能器基陣旋轉(zhuǎn)角度模型；

圖4是本發(fā)明的波束點(diǎn)空間旋轉(zhuǎn)示意圖；

圖5是本發(fā)明的常梯度聲線跟蹤示意圖；

圖6是本發(fā)明的水下三維數(shù)字地形模型建立流程；

圖7是本發(fā)明的水下地形匹配輔助導(dǎo)航中agsf算法流程。

具體實(shí)施方式

為了使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體圖示，進(jìn)一步闡述本發(fā)明。

首先，本發(fā)明涉及如下技術(shù)術(shù)語(yǔ)：

慣性導(dǎo)航系統(tǒng)

慣性導(dǎo)航系統(tǒng)(ins，以下簡(jiǎn)稱慣導(dǎo))是一種不依賴于外部信息、也不向外部輻射能量的自主式導(dǎo)航系統(tǒng)(丁國(guó)強(qiáng),2010)。其工作環(huán)境不僅包括空中、地面，還可以在水下。慣導(dǎo)的基本工作原理是以牛頓力學(xué)定律為基礎(chǔ)，通過(guò)測(cè)量載體在慣性參考系的加速度，將它對(duì)時(shí)間進(jìn)行積分，且把它變換到導(dǎo)航坐標(biāo)系中，就能夠得到在導(dǎo)航坐標(biāo)系中的速度、偏航角和位置等信息。

卡爾曼濾波

卡爾曼濾波(kalmanfiltering)一種利用線性系統(tǒng)狀態(tài)方程，通過(guò)系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)，對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法(祁芳,2003)。由于觀測(cè)數(shù)據(jù)中包括系統(tǒng)中的噪聲和干擾的影響，所以最優(yōu)估計(jì)也可看作是濾波過(guò)程。

聲線跟蹤法

聲線跟蹤是建立在聲速剖面基礎(chǔ)上的一種波束腳印(投射點(diǎn))相對(duì)船體坐標(biāo)系坐標(biāo)的計(jì)算方法(何林幫etal.,2015)。聲線跟蹤通常采用層追加方法，即將聲速剖面內(nèi)相鄰兩個(gè)聲速采樣點(diǎn)劃分為一個(gè)層，層內(nèi)聲速變化可假設(shè)為常值(零梯度)或常梯度。對(duì)于前者，計(jì)算思想和過(guò)程簡(jiǎn)單，后者相對(duì)比較復(fù)雜。在后者的聲線跟蹤計(jì)算過(guò)程中，聲速變化函數(shù)采用harmonic平均聲速。

分形維理論

如果一個(gè)數(shù)據(jù)集在所有的觀察尺度下都具有自相似性，即一個(gè)數(shù)據(jù)集的部分分布有著與整體分布相似的結(jié)構(gòu)或?qū)傩?，稱該數(shù)據(jù)集是分形的。自相似原則和迭代生成原則是分形理論的重要原則(陳國(guó)雄,2016)。它表征分形在通常的幾何變換下具有不變性，即標(biāo)度無(wú)關(guān)性。由自相似性是從不同尺度的對(duì)稱出發(fā)，也就意味著遞歸。分形形體中的自相似性可以是完全相同，也可以是統(tǒng)計(jì)意義上的相似。標(biāo)準(zhǔn)的自相似分形是數(shù)學(xué)上的抽象，迭代生成無(wú)限精細(xì)的結(jié)構(gòu)，如科赫曲線(kochsnowflake)、謝爾賓斯基地毯(sierpinskicarpet)等。根據(jù)自相似性的程度，分形可以分為有規(guī)分形和無(wú)規(guī)分形，有規(guī)分形是指具體有嚴(yán)格的自相似性，即可以通過(guò)簡(jiǎn)單的數(shù)學(xué)模型來(lái)描述其相似性的分形，比如三分康托集、koch曲線等；無(wú)規(guī)分形是指具有統(tǒng)計(jì)學(xué)意義上的自相似性的分形，比如曲折連綿的海岸線，漂浮的云朵等。

delauney三角網(wǎng)

delaunay三角網(wǎng)是voronoi圖的對(duì)偶圖，由對(duì)應(yīng)voronoi多邊形共邊的點(diǎn)連接而成(李濤,2012)。delaunay三角形由三個(gè)相鄰點(diǎn)連接而成，這三個(gè)相鄰點(diǎn)對(duì)應(yīng)的voronoi多邊形有一個(gè)公共的頂點(diǎn)，此頂點(diǎn)同時(shí)也是dlaunay三角形外接圓的圓心。下圖顯示了voronoi圖與dlaunay三角網(wǎng)的關(guān)系，其中，實(shí)線為delaunay三網(wǎng)，虛線為voronoi圖。delaunay三角網(wǎng)具有兩個(gè)重要的性質(zhì)：(1)在由點(diǎn)集v所形成的delaunay三角網(wǎng)中，其中每個(gè)三角形的外接圓均不包含點(diǎn)集v中的其它任意點(diǎn)；(2)在由兩相鄰三角形構(gòu)成的凸四邊形中，交換此四邊形的兩條對(duì)角線，不會(huì)增加這兩個(gè)三角形六個(gè)內(nèi)角和的最小值。delaunay三角網(wǎng)具備了三點(diǎn)不共線，四點(diǎn)不共圓的特點(diǎn)。而且它所形成的三角形具有最優(yōu)的特性，即三角形的形狀最好，避免了狹長(zhǎng)三角形的產(chǎn)生。這些決定了它是二維平面三角網(wǎng)中唯一的、最好的三角網(wǎng)。

數(shù)字地形模型

數(shù)字地形模型(dtm)是測(cè)繪工作中，又稱數(shù)字高程模型。即在一個(gè)區(qū)域內(nèi)，以密集的地形模型點(diǎn)的坐標(biāo)x、y、z表達(dá)地面形態(tài)(胡金星etal.,2003)。這樣的地形模型點(diǎn)，就其平面位置來(lái)說(shuō)，可以是隨機(jī)分布的(包括像片上取規(guī)則格網(wǎng)的情況在內(nèi)),也可以是規(guī)則分布的。規(guī)則分布時(shí)，只須記錄和存貯點(diǎn)的高程，應(yīng)用比較方便。數(shù)字地形模型主要用于描述地面起伏狀況，可以用于提取各種地形參數(shù)，如坡度、坡向、粗糙度等，并進(jìn)行通視分析、流域結(jié)構(gòu)生成等應(yīng)用分析。因此，dtm在各個(gè)領(lǐng)域中被廣泛使用。dtm可以有多種表達(dá)方法，包括網(wǎng)格、等高線、三角網(wǎng)等。

灰色決策理論

灰色決策模型是借用模糊數(shù)學(xué)、運(yùn)籌學(xué)、系統(tǒng)工程學(xué)中的一些高等數(shù)學(xué)模型。由于研究對(duì)象的不確定性上才派生這種具有特色的不確定性科學(xué)，但是事物本身可能不止含有一種不確定性，而是同時(shí)含有兩種或更多種不確定性(王霞,2011)。因此，在數(shù)學(xué)上不僅應(yīng)該研究事物的各種單一不確定性，也應(yīng)該研究各種復(fù)合不確定性。因此，學(xué)者提出了灰色模糊集合的概念，這種集合是一種模糊集合，但其隸屬函數(shù)卻是在信息不完全的情況下確定的，即隸屬函數(shù)帶有灰度。給出的定義是：如果一個(gè)模糊集合的隸屬函數(shù)帶有灰度，那么就稱為灰色模糊集合。

高斯和濾波

高斯和濾波通過(guò)使用高斯混合模型(gaussmultiplemodel，gmm)來(lái)表示狀態(tài)向量的概率密度分布函數(shù)(王磊etal.,2017)。

水下地形匹配導(dǎo)航

為實(shí)現(xiàn)這種導(dǎo)航，需先用聲吶探測(cè)手段，測(cè)繪出水下潛航器路線的地形數(shù)據(jù)并制成數(shù)字地圖，存儲(chǔ)在潛器導(dǎo)航系統(tǒng)中。在水下潛航器航行過(guò)程中，潛器裝載的聲吶測(cè)量設(shè)備實(shí)際測(cè)得的地形數(shù)據(jù)與存儲(chǔ)潛器的數(shù)字地圖進(jìn)行比較，確定潛器對(duì)應(yīng)的坐標(biāo)位置，如果出現(xiàn)偏差，導(dǎo)航系統(tǒng)發(fā)出控制信號(hào)，修正潛器的航行路線。水下地形匹配導(dǎo)航方式的優(yōu)點(diǎn)是精度高，隱蔽性好。

本發(fā)明水下地形匹配輔助慣性導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)主要包括以下步驟：

(1)針對(duì)慣性導(dǎo)航系統(tǒng)誤差隨時(shí)間推移累積的問(wèn)題，提出閉環(huán)運(yùn)用卡爾曼濾波最優(yōu)估計(jì)進(jìn)行誤差補(bǔ)償，開(kāi)環(huán)運(yùn)用速度回溯補(bǔ)償進(jìn)行誤差補(bǔ)償；

(2)提出顧及水下潛航器姿態(tài)角的精確三維聲線跟蹤模型，獲取高精度的波束腳印坐標(biāo)，并給出波束腳印內(nèi)采樣點(diǎn)的提取方法，獲得了高分辨率的多波束采樣點(diǎn)；

(3)提出基于水深約束和分形維理論delauney三角網(wǎng)建立水下數(shù)字地形模型方法，建立高分辨率高精度的水下數(shù)字地形模型，為地形匹配提供可靠的依據(jù)；

(4)提出基于灰色決策理論的水下地形適配區(qū)評(píng)價(jià)方法，建立可靠性較高的適導(dǎo)性指標(biāo)矩陣，為后期的最優(yōu)地形匹配提供有效的決策；

(5)在實(shí)現(xiàn)水下高精度微地形匹配基礎(chǔ)上，提出基于自適應(yīng)高斯和濾波的水下地形匹配輔助導(dǎo)航方法，將地形匹配結(jié)果和慣導(dǎo)系統(tǒng)輸出的位置估值進(jìn)行濾波，獲取位置的最優(yōu)誤差估計(jì)值，以期修正最初慣導(dǎo)系統(tǒng)輸出的定位參數(shù)，提高地形匹配輔助導(dǎo)航的精度和效率。

參見(jiàn)圖1至圖7所示，現(xiàn)在對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行如下詳細(xì)描述：

(1)總體技術(shù)方案

圖1為本發(fā)明的總體技術(shù)方案原理圖，首先通過(guò)分析慣性導(dǎo)航系統(tǒng)自身的誤差來(lái)源，建立相關(guān)的誤差模型，并對(duì)慣導(dǎo)系統(tǒng)自身進(jìn)行閉環(huán)和開(kāi)環(huán)誤差補(bǔ)償；其次，通過(guò)精確的三維聲線跟蹤模型和波束腳印采樣點(diǎn)提取方法，獲取高精度高分辨率的多波束采樣點(diǎn)；然后通過(guò)基于水深約束和分形維理論delauney三角網(wǎng)建立高分辨率高精度的水下數(shù)字地形模型，并通過(guò)地形匹配結(jié)果和慣性導(dǎo)航系統(tǒng)最初輸出的位置估計(jì)值進(jìn)行濾波獲得最優(yōu)誤差估計(jì)值，最后對(duì)慣導(dǎo)系統(tǒng)的運(yùn)動(dòng)狀態(tài)參數(shù)進(jìn)行修正，以期獲得更高精度的水下潛航器運(yùn)動(dòng)狀態(tài)參數(shù)。

(2)慣性導(dǎo)航系統(tǒng)的誤差模型建立及其補(bǔ)償

(a)誤差模型建立

①姿態(tài)誤差模型：

假設(shè)數(shù)學(xué)平臺(tái)坐標(biāo)系為p系,地理坐標(biāo)系為t系,則平臺(tái)誤差角的變化規(guī)律為:

為數(shù)學(xué)平臺(tái)相對(duì)于慣性坐標(biāo)系的實(shí)際轉(zhuǎn)動(dòng)角速度向量在數(shù)學(xué)平臺(tái)上的投影，為地理坐標(biāo)系相對(duì)于慣性坐標(biāo)系的轉(zhuǎn)動(dòng)角速度向量在數(shù)學(xué)平臺(tái)上的投影，

陀螺漂移為ε＝[εx,εy,εz]^t，將平臺(tái)誤差角變化方程在三軸上展開(kāi),得到數(shù)學(xué)平臺(tái)的姿態(tài)誤差為：

δvi為速度誤差,vi為速度在地理坐標(biāo)系上的投影,為地理緯度,δφ為地理緯度誤差,i＝x,y,z。

②速度誤差模型

由于平臺(tái)姿態(tài)誤差及加速度計(jì)誤差源等的影響，捷聯(lián)慣性導(dǎo)航系統(tǒng)的速度輸出與水下潛航器的真實(shí)速度直接也存在著誤差。假設(shè)捷聯(lián)慣導(dǎo)系統(tǒng)的輸出速度為則速度誤差為：

δvi＝vi^p-vi(11)

將速度誤差分解到x,y軸，并對(duì)等式兩邊求全微分并進(jìn)行擴(kuò)展，考慮到加速度計(jì)誤差▽i對(duì)速度的影響，得到以下速度誤差方程：

③位置誤差模型

由于東向、北向速度存在誤差，由速度積分計(jì)算得到位置也具有誤差，位置誤差方程如下：

(b)誤差補(bǔ)償

針對(duì)捷聯(lián)慣性導(dǎo)航系統(tǒng)和多普勒測(cè)速儀的水下潛航器的運(yùn)動(dòng)狀態(tài)參數(shù)誤差，補(bǔ)償方案通常采用卡爾曼濾波對(duì)導(dǎo)航實(shí)時(shí)誤差加以消除，但是由于卡爾曼濾波的狀態(tài)轉(zhuǎn)移矩陣由一階近似分量組成，本身具有一定的近似性誤差，通過(guò)卡爾曼濾波后慣導(dǎo)系統(tǒng)的導(dǎo)航誤差并不能完全消除，而且由于卡爾曼濾波狀態(tài)轉(zhuǎn)移矩陣結(jié)構(gòu)復(fù)雜、計(jì)算量大、只能間隔一定時(shí)間間隔進(jìn)行，在卡爾曼濾波工作的時(shí)間間隔中，由于速度誤差的存在，經(jīng)過(guò)導(dǎo)航迭代解算，慣性導(dǎo)航位置誤差還是有累積。因此，本課題研究提出實(shí)時(shí)誤差補(bǔ)償與誤差回溯補(bǔ)償相結(jié)合、反饋補(bǔ)償與開(kāi)環(huán)補(bǔ)償相結(jié)合的誤差補(bǔ)償方法。具體原理如圖2所示。

①閉環(huán)最優(yōu)估計(jì)誤差補(bǔ)償

根據(jù)慣性導(dǎo)航系統(tǒng)的誤差模型，離散的捷聯(lián)慣性導(dǎo)航系統(tǒng)誤差狀態(tài)方程為：

其中，

速度誤差、位置誤差的反饋補(bǔ)償，直接采用誤差消除的方法，也就是將tk時(shí)刻卡爾曼濾波器給出的導(dǎo)航系統(tǒng)速度誤差、位置誤差的最優(yōu)估計(jì)值，直接從系統(tǒng)中消去，可直接達(dá)到控制速度、位置誤差的目的。經(jīng)過(guò)反饋補(bǔ)償后的緯度、經(jīng)度和速度分別為：

獲得tk時(shí)刻的經(jīng)度、緯度和速度后將迭代進(jìn)入tk+1時(shí)刻的慣性導(dǎo)航計(jì)算中。

由于姿態(tài)角誤差與姿態(tài)角大小量之間反復(fù)計(jì)算會(huì)造成計(jì)算誤差，因此，根據(jù)轉(zhuǎn)動(dòng)四元數(shù)定理，可利用姿態(tài)角誤差直接修正四元數(shù)，經(jīng)過(guò)補(bǔ)償后的四元數(shù)為：

其中，

展開(kāi)后得到四元數(shù)誤差更新的具體算法為：

修正后獲得tk時(shí)刻的四元數(shù)將迭代進(jìn)行tk+1時(shí)刻的姿態(tài)矩陣更新計(jì)算中。

對(duì)閉環(huán)進(jìn)行誤差補(bǔ)償后，由于卡爾曼濾波本身的誤差造成慣導(dǎo)系統(tǒng)輸出的運(yùn)動(dòng)狀態(tài)參數(shù)仍然存在誤差，因此需要進(jìn)行開(kāi)環(huán)速度回溯補(bǔ)償。速度回溯補(bǔ)償分為擬合補(bǔ)償和預(yù)測(cè)補(bǔ)償兩部分。

②開(kāi)環(huán)速度回溯誤差補(bǔ)償

開(kāi)環(huán)速度回溯誤差補(bǔ)償分為速度回溯擬合補(bǔ)償算法和速度回溯預(yù)測(cè)補(bǔ)償算法兩部分。

速度回溯擬合補(bǔ)償：

在tk-2，tk-1，tk三個(gè)時(shí)間點(diǎn)對(duì)慣性導(dǎo)航系統(tǒng)速度與水下多普勒測(cè)速儀速度差的測(cè)量，獲得慣性導(dǎo)航系統(tǒng)速度誤差的近似值，如下式所示：

對(duì)速度誤差δvi_k(tk-2)，δvi_k(tk-1)，δvi_k(tk)進(jìn)行曲線擬合，得到在tk-2～tk區(qū)間的速度誤差擬合曲線方程為：

δvi_k(t)＝ai_k0t+ai_k1t+ai_k2t²(19)

然后在tk-1～tk區(qū)間對(duì)δvk(t)積分得到這段時(shí)間內(nèi)的位置累積誤差：

從慣導(dǎo)系統(tǒng)開(kāi)始工作到tk時(shí)刻，總共累積的位置誤差為：

速度回溯預(yù)測(cè)補(bǔ)償：

使用tk-2～tk這個(gè)區(qū)間內(nèi)的慣導(dǎo)速度誤差預(yù)測(cè)曲線δvi_k(t)＝ai_k0+ai_k1t+ai_k2t²,對(duì)在tk～tk+1區(qū)間的慣性導(dǎo)航系統(tǒng)速度誤差進(jìn)行預(yù)測(cè),并將慣性導(dǎo)航系統(tǒng)實(shí)際速度輸出減去預(yù)測(cè)的速度誤差,得到優(yōu)化的速度輸出值：

通過(guò)對(duì)速度誤差預(yù)測(cè)曲線積分預(yù)測(cè)，區(qū)間內(nèi)任意時(shí)刻的慣導(dǎo)位置誤差：

將預(yù)測(cè)獲得的慣導(dǎo)位置誤差對(duì)慣性導(dǎo)航系統(tǒng)的位置進(jìn)行實(shí)時(shí)誤差修正補(bǔ)償：

作為慣導(dǎo)系統(tǒng)的導(dǎo)航數(shù)據(jù)中的位置輸出,輸入到控制計(jì)算機(jī)上使用,而不再反饋回到慣導(dǎo)計(jì)算程序中。

(3)顧及姿態(tài)角的三維聲線跟蹤

由于船體坐標(biāo)系的中心通常是以換能器為中心，因此以換能器理想水平狀態(tài)作為基準(zhǔn)面來(lái)分析船體姿態(tài)對(duì)波束初始入射角的影響，如圖3所示的換能器基陣坐標(biāo)系中，水平狀態(tài)的換能器基準(zhǔn)面位于oabc平面內(nèi)，o為換能器中心，oa為基準(zhǔn)面縱軸正方向，oc為基準(zhǔn)面橫軸正方向。設(shè)oa長(zhǎng)度為a，oc長(zhǎng)度為c，a、b兩點(diǎn)的坐標(biāo)分別為(a,0,0)和(0,c,0)。在某一姿態(tài)(橫搖、縱搖角分別為r和p)影響下基準(zhǔn)面變化為oa1b1c1，即基陣面由水平先繞ox軸旋轉(zhuǎn)角度α(α≠r)，再繞oy軸旋轉(zhuǎn)角度β形成。a點(diǎn)、c點(diǎn)經(jīng)過(guò)兩次旋轉(zhuǎn)后分別轉(zhuǎn)到a1和c1位置，a1、c1兩點(diǎn)在水平面oxy上的投影分別為a2和c2。在此狀態(tài)下，oa1與水平面夾角∠a1oa2即為縱搖角p，oc1與水平面夾角∠c1oc2即為橫搖角r。根據(jù)縱搖角、橫搖角和旋轉(zhuǎn)角定義，r和α符號(hào)一致，p和β符號(hào)一致。

由以上過(guò)程可知，基準(zhǔn)面oabc經(jīng)過(guò)α和β兩次旋轉(zhuǎn)得到oa1b1c1，則有：

則旋轉(zhuǎn)后a1點(diǎn)坐標(biāo)為：

旋轉(zhuǎn)后c1點(diǎn)坐標(biāo)為：

由式(26)得到旋轉(zhuǎn)后a1點(diǎn)坐標(biāo)再根據(jù)三角形正弦定理可計(jì)算出基陣面的縱搖角p(即∠a1oa2)：

式(28)中za1為a1點(diǎn)在z軸上的坐標(biāo)，根據(jù)β與p符號(hào)一致可得：

β＝p(29)

類似地，由式(27)得到旋轉(zhuǎn)后c1點(diǎn)坐標(biāo)再根據(jù)三角形正弦定理可計(jì)算出基陣面的橫搖角r(即∠c1oc2)：

式(30)中zc1為c1點(diǎn)在z軸上的坐標(biāo)，r和α符號(hào)一致，并將β＝p帶入式(30)得：

sinr＝sinαcosp(31)

則有：

α＝arcsin(sinr/cosp)(32)

由式(29)和式(32)可知，在旋轉(zhuǎn)變換中，繞oy軸旋轉(zhuǎn)角β等于縱搖角p，而繞ox軸旋轉(zhuǎn)角α并不等于橫搖角r。因此，在目前較為精細(xì)的聲線跟蹤計(jì)算中，即使顧及姿態(tài)影響，定義初始入射角為θ0+r顯然是不正確的。

為了得到姿態(tài)(r、p)影響下真實(shí)的波束入射角，下面推導(dǎo)實(shí)際波束初始入射角θ′0的計(jì)算模型。

由以上推導(dǎo)可知，實(shí)際聲線可由理想狀態(tài)下的聲線經(jīng)α、β旋轉(zhuǎn)變換r后得到。設(shè)理想狀態(tài)下，第i個(gè)波束分配初始入射角為θi，在不失精度的情況下，假設(shè)經(jīng)歷第一個(gè)水層以常聲速傳播，傳播距離為ri，則波束在第一水層下界的落點(diǎn)pi坐標(biāo)為(0，risinθi,ricosθi)，而在姿態(tài)影響下的實(shí)際坐標(biāo)(xi,yi,zi)為：

式(33)可借助圖4解釋。假設(shè)換能器基陣水平時(shí)，第i號(hào)波束的波束角度為θi，斜距為r，則點(diǎn)a坐標(biāo)為(0，risinθi,ricosθi)，換能器基陣在橫搖r和縱搖p的影響下，a點(diǎn)旋轉(zhuǎn)到了b點(diǎn)，第i號(hào)波束的實(shí)際入射角度為θ′i(即∠bod)，定義經(jīng)旋轉(zhuǎn)后第i號(hào)波束的水平角度即為波束橫距bd與oy軸的夾角，其表達(dá)式為：

由式(34)可獲得姿態(tài)影響下的波束實(shí)際初始入射角，之后根據(jù)改進(jìn)的精確聲線跟蹤方法進(jìn)行三維聲線精確跟蹤(參見(jiàn)圖5)。

(4)水下數(shù)字地形模型建立

水下三維數(shù)字地形建模流程如圖6所示，獲得實(shí)測(cè)條帶所有采樣點(diǎn)的坐標(biāo)后，首先對(duì)波束腳印指向點(diǎn)建立低分辨率的delaunay三角網(wǎng)；再獲取波束腳印內(nèi)采樣點(diǎn)的地形分形維特征，并運(yùn)用lod(細(xì)節(jié)層次)技術(shù)獲取高分辨率地形；最后根據(jù)波束腳印內(nèi)的回波采樣點(diǎn)對(duì)三維地形模型中插值出來(lái)的水深點(diǎn)進(jìn)行水深約束，獲得精度更高的高分辨率水下三維數(shù)字地形模型。

(5)水下地形匹配輔助導(dǎo)航算法

目前導(dǎo)航領(lǐng)域的非線性濾波方法除了點(diǎn)群濾波和粒子濾波，還包括高斯和濾波算法(gausssumfilter，gsf)。高斯和濾波通過(guò)使用高斯混合模型(gaussmultiplemodel，gmm)來(lái)表示狀態(tài)向量的概率密度分布函數(shù)。將d維高斯概率密度函數(shù)記為：

其中σ表示狀態(tài)向量的協(xié)方差矩陣。

在pdf表示為高斯分布的和之后，兩個(gè)不同的pdf信息可以很容易的通過(guò)合并高斯分布來(lái)進(jìn)行融合：

n(u¹,σ¹)·n(u²,σ²)＝αn(u³,σ³)(37)

其中：

因此，后驗(yàn)分布p(xn|y0:n)可以表示為高斯分布之和:k＝r·s。

其中k＝r·s。

本課題研究擬采用自適應(yīng)高斯和濾波(adaptivegausssumfilter，agsf)將基于實(shí)測(cè)多波束數(shù)據(jù)建立的三維數(shù)字地形模型與背景場(chǎng)多波束數(shù)據(jù)模型進(jìn)行匹配，基于自適應(yīng)因子的agsf的濾波更新策略為：

自適應(yīng)因子α調(diào)整策略為：

其中，

自適應(yīng)因子β調(diào)整策略為：

其中，

基于agsf的水下地形匹配輔助導(dǎo)航過(guò)程如圖7所示，首先根據(jù)慣性導(dǎo)航初步給出的位置，搜索出該區(qū)域的地形背景場(chǎng)數(shù)據(jù)，與實(shí)測(cè)數(shù)據(jù)進(jìn)行匹配，根據(jù)匹配結(jié)果給出自適應(yīng)因子，然后將匹配誤差與慣性導(dǎo)航誤差進(jìn)行自適應(yīng)高斯和濾波，最后將獲取的最優(yōu)位置估計(jì)修正慣性導(dǎo)航輸出值。

由此可見(jiàn)，本發(fā)明中解決了下列技術(shù)問(wèn)題：

(1)提出閉環(huán)運(yùn)用卡爾曼濾波最優(yōu)估計(jì)進(jìn)行誤差補(bǔ)償，開(kāi)環(huán)運(yùn)用速度回溯補(bǔ)償進(jìn)行誤差補(bǔ)償；

(2)提出顧及水下潛航器姿態(tài)角的精確三維聲線跟蹤模型，并給出波束腳印內(nèi)采樣點(diǎn)的提取方法，獲取高精度高分辨率的多波束采樣點(diǎn)；

(3)提出基于水深約束和分形維理論delauney三角網(wǎng)建立水下數(shù)字地形模型方法，建立高分辨率高精度的水下數(shù)字地形模型；

(4)提出基于灰色決策理論的水下地形適配區(qū)評(píng)價(jià)方法，建立可靠性較高的適導(dǎo)性指標(biāo)矩陣，提供最優(yōu)地形匹配方案；

(5)在實(shí)現(xiàn)水下高精度微地形匹配基礎(chǔ)上，提出基于自適應(yīng)高斯和濾波的水下地形匹配輔助導(dǎo)航方法，將地形匹配結(jié)果和慣導(dǎo)系統(tǒng)輸出的位置估值進(jìn)行濾波，獲取位置的最優(yōu)誤差估計(jì)值，以期修正最初慣導(dǎo)系統(tǒng)輸出的定位參數(shù)，提高地形匹配輔助導(dǎo)航的精度和效率。

另外，本發(fā)明的技術(shù)特點(diǎn)如下：

(1)提出顧及水下潛航器姿態(tài)角的精確三維聲線跟蹤模型，并給出波束腳印內(nèi)采樣點(diǎn)的提取方法，同時(shí)基于水深約束和分形維理論delauney三角網(wǎng)建立高分辨率高精度的水下數(shù)字地形模型；

(2)在慣性導(dǎo)航自身系統(tǒng)中，提出閉環(huán)運(yùn)用卡爾曼濾波最優(yōu)估計(jì)進(jìn)行誤差補(bǔ)償，開(kāi)環(huán)運(yùn)用速度回溯補(bǔ)償進(jìn)行誤差補(bǔ)償方法，同時(shí)提出基于自適應(yīng)高斯和濾波的水下地形匹配輔助導(dǎo)航方法，在實(shí)現(xiàn)水下高精度微地形匹配的基礎(chǔ)上，并將匹配結(jié)果和最初慣性導(dǎo)航系統(tǒng)的輸出值進(jìn)行濾波，獲取最優(yōu)估計(jì)值以期修正慣性導(dǎo)航系統(tǒng)運(yùn)動(dòng)狀態(tài)參數(shù)，極大地提高地形匹配輔助導(dǎo)航的精度和效率。

參考文獻(xiàn)：

anonsen,k.b.,hallingstad,o.,2006.terrainaidedunderwaternavigationusingpointmassandparticlefilters,proceedingsoftheieee/ionpositionlocationandnavigationsymposium.

anonsen,k.b.,hallingstad,o.,hagen,o.k.,2007.bayesianterrain-basedunderwaternavigationusinganimprovedstate-spacemodel,symposiumonunderwatertechnologyandworkshoponscientificuseofsubmarinecablesandrelatedtechnologies,pp.499-505.

bergman,n.,ljung,l.,1997.point-massfilterandcramer-raoboundforterrain-aidednavigation,decisionandcontrol,1997.,proceedingsofthe36thieeeconferenceon,ieee,pp.565-570.

bergman,n.,ljung,l.,gustafsson,f.,1999.terrainnavigationusingbayesianstatistics.controlsystems,ieee19,33-40.

enns,r.,morrell,d.,1995.terrain-aidednavigationusingtheviterbialgorithm.journalofguidance,control,anddynamics18,1444-1449.

golden,j.p.,1980.terraincontourmatching(tercom):acruisemissileguidanceaid,24thannualtechnicalsymposium,internationalsocietyforopticsandphotonics,pp.10-18.

hollowell,j.,1990.heli/sitan:aterrainreferencednavigationalgorithmforhelicopters,positionlocationandnavigationsymposium,1990.record.the1990's-adecadeofexcellenceinthenavigationsciences.ieeeplans'90.,ieee,ieee,pp.616-625.

kamgar-parsi,b.,kamgar-parsi,b.,1999.vehiclelocalizationongravitymaps,aerosense'99,internationalsocietyforopticsandphotonics,pp.182-191.

karlsson,r.,gusfafsson,f.,karlsson,t.,2003.particlefilteringandcramer-raolowerboundforunderwaternavigation,acoustics,speech,andsignalprocessing,2003.proceedings.(icassp'03).2003ieeeinternationalconferenceon,ieee,pp.vi-65-68vol.66.

meduna,d.,rock,s.m.,mcewen,r.,2009.auvterrainrelativenavigationusingcoarsemaps,unmanneduntetheredsubmersibletechnologyconference.

meduna,d.k.,2011.terrainrelativenavigationforsensor-limitedsystemswithapplicationtounderwatervehicles.stanforduniversity.

nygren,i.,2008.robustandefficientterrainnavigationofunderwatervehicles,position,locationandnavigationsymposium,2008ieee/ion,ieee,pp.923-932.

zhang,f.,geng,j.,cheng,p.,2012.designofunderwaterpassivenavigationsimulationsystembasedoninformationfusion.

柏菁,劉建業(yè),熊智,2003.地形輔助/慣性/gps組合導(dǎo)航系統(tǒng)的可視化仿真研究.中國(guó)慣性技術(shù)學(xué)報(bào)11,23-28.

陳國(guó)雄,2016.基于分形與小波理論的成礦復(fù)雜信息提取與識(shí)別方法研究,中國(guó)地質(zhì)大學(xué).

丁國(guó)強(qiáng),2010.慣性導(dǎo)航系統(tǒng)傳遞對(duì)準(zhǔn)技術(shù)關(guān)鍵問(wèn)題研究,哈爾濱工程大學(xué).

馮慶堂,2004.地形匹配新方法及其環(huán)境適應(yīng)性研究,國(guó)防科學(xué)技術(shù)大學(xué).

馮慶堂,沈林成,常文森,葉媛媛,2005.基于hmm的地形高度匹配算法.自動(dòng)化學(xué)報(bào)31,960-964.

何林幫,趙建虎,張紅梅,王曉,嚴(yán)俊,2015.顧及姿態(tài)角的多波束聲線精確跟蹤方法.哈爾濱工程大學(xué)學(xué)報(bào),46-50.

胡金星,潘懋,馬照亭,吳煥萍,2003.高效構(gòu)建delaunay三角網(wǎng)數(shù)字地形模型算法研究.北京大學(xué)學(xué)報(bào)自然科學(xué)版39,736-741.

李濤,2012.delaunay三角網(wǎng)構(gòu)建及可視化方法與實(shí)現(xiàn),東華理工大學(xué).

劉承香,2003.水下潛航器的地形匹配輔助定位技術(shù)研究,哈爾濱工程大學(xué).

祁芳,2003.卡爾曼濾波算法在gps非差相位精密單點(diǎn)定位中的應(yīng)用研究,武漢大學(xué).

王磊,程向紅,李雙喜,2017.高斯和高階無(wú)跡卡爾曼濾波算法.電子學(xué)報(bào)45,424-430.

王勝平,2011.海洋地磁匹配導(dǎo)航關(guān)鍵技術(shù)研究,武漢大學(xué).

王霞,2011.灰色決策理論若干問(wèn)題探討,華北水利水電學(xué)院.

趙鋒偉,李吉成,沈振康,2002.景象匹配技術(shù)研究.系統(tǒng)工程與電子技術(shù)24,110-113.