基于慣性/重力匹配組合導航的向量搜索迭代匹配方法
【技術領域】
[0001] 本發(fā)明屬于慣性/重力組合導航系統(tǒng)技術領域，具體涉及一種基于慣性/重力匹 配組合導航的向量搜索迭代匹配方法。
【背景技術】
[0002] 慣性/重力匹配組合導航系統(tǒng)是當代組合導航的一個重要發(fā)展方向，它采用無源 的方式有效地抑制慣性導航系統(tǒng)積累誤差，在航海、航天和精確制導領域具有重要應用。重 力基準圖庫、重力傳感器和重力匹配定位算法是組合系統(tǒng)的三大關鍵技術，其中重力匹配 算法是重力匹配導航的核心解算模塊，其算法性能直接影響到重力匹配導航系統(tǒng)的精度和 魯棒性能。
[0003] 現(xiàn)有重力匹配算法主要是利用圖形圖像匹配技術，采用最優(yōu)估計、模式識別和控 制理論等信息處理方法來處理。常用的匹配算法包括批相關匹配算法、最近點迭代匹配算 法和卡爾曼濾波匹配算法，批相關匹配定位算法計算量較大且對參考軌跡的變形誤差較敏 感，最近點匹配算法容易收斂到局部最優(yōu)解，當初始誤差較大時性能較差，卡爾曼濾波算法 所需要的各種誤差統(tǒng)計模型不易獲取，對重力場的線性化處理會造成濾波發(fā)散。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術的不足，提供一種設計合理、魯棒性好且易于實 現(xiàn)的基于慣性/重力匹配組合導航的向量搜索迭代匹配方法。
[0005] 本發(fā)明解決其技術問題是采取以下技術方案實現(xiàn)的：
[0006] -種基于慣性/重力匹配組合導航的向量搜索迭代匹配方法，包括以下步驟：
[0007] 步驟1、由慣導輸出位置預估匹配搜索范圍和當前匹配性能；
[0008] 步驟2、以相關極值函數(shù)為目標搜索確定最優(yōu)匹配變換；
[0009] 步驟3、將匹配定位的結果經(jīng)過不斷加權迭代的過程，最終得到最優(yōu)匹配位置。
[0010] 而且，所述步驟1的具體實現(xiàn)方法為：
[0011] 由當前參考軌跡Xr，得到：
[0014] 其中，Gr為參考軌跡對應的重力值序列，1\為慣導軌跡對應的重力值梯度序列， TM( ·)為重力數(shù)據(jù)庫上重力梯度值的空間變化函數(shù)；
[0015] 將重力數(shù)據(jù)庫線性化處理，并進行中心化，記G"= Gfb得到：
[0017]由最小二乘基本原理，得到變換向量δ X的估計值Cx、方差系數(shù)Hx和估計方差 Dx ：
[0021] 而且，所述步驟2的具體實現(xiàn)方法為：
[0022] 設重力實時測量序列為
[0024] 重力數(shù)據(jù)庫圖中目標重力序列為
[0026] 則有，重力相關極值函數(shù)為：
[0028] 其中，
，N為重力序列個數(shù)。
[0029] 而且，所述步驟3的具體實現(xiàn)方法包括對搜索范圍的更新處理和匹配迭代更新處 理過程，其中：
[0030] (1)搜索范圍的更新處理過程為：
[0031] 設在k時刻的最大慣導誤差為E1 (k)，重力匹配k時刻的變換量為P (k)，則搜索向 量dx應滿足：
[0032] P(k-l)+dx| ^ E1 (k)
[0033] dx I 2Cx (k) +3Dx (k)
[0034] 其中，2Cx(k)是為了避免搜索區(qū)域遺漏而適當擴大了范圍，3Dx(k)是搜索向量的 3 σ分布區(qū)間；
[0035] 從而可以得到新的搜索范圍為：
[0036] dx e R (k) = [max {-2Cx (k) -3Dx (k), -E1 (k) -P (k~l)},
[0037] min {2Cx (k) +3Dx (k)，E1 (k) -P (k_l)]
[0038] dx e R (k) = [max {_2Cx (k) _3Dx (k)，-E1 (k) -P (k_l)}，
[0039] min {2Cx (k) +3Dx (k)，E1 (k) -P (k_l)]
[0040] 對于初始時刻，取
[0041] R⑹= E-E1(O), E1 ⑹];
[0042] (2)匹配迭代更新處理過程為：
[0043] 設第k時刻的匹配變化方差為Qx(k)，則有
[0044] Qx (k) = Refp (k) · Hx (k)
[0045] 設加權系數(shù)函數(shù)為F (k)，則：
[0047] 其中，μ為系數(shù)因子；
[0048] 于是，重力匹配k時刻的變換量P (k)表示為：
[0050] k時刻的參考軌跡取為：
[0051] Xr (k) = X1 (k) +P (k~l)
[0052] 重力匹配定位輸出為：
[0053] Xp (k) = X1 (k) +P (k)。
[0054] 本發(fā)明的優(yōu)點和積極效果是：
[0055] 1、本發(fā)明作為重力匹配系統(tǒng)各組成部件聯(lián)接的樞紐，能夠完成從重力實時測量信 息到載體位置的解算過程，其以慣導誤差范圍作為匹配區(qū)域，可以求得全局最優(yōu)解，且能抑 制發(fā)散，對初始位置誤差要求低。
[0056] 2、本發(fā)明在重力匹配定位計算過程中未對重力數(shù)據(jù)庫進行線性化處理，可有效避 免重力數(shù)據(jù)數(shù)據(jù)庫線性化處理帶來的誤差和發(fā)散問題。
[0057] 3、本發(fā)明的極值相關函數(shù)采用中心均方差的形式，以重力值的變化趨勢作為匹配 相關量，可有效克服重力儀常值誤差。
[0058] 4、本發(fā)明增加重力匹配定位誤差預判環(huán)節(jié)，形成重力匹配搜索區(qū)域合理的限定， 并設計了算法迭代更新流程，提高了算法的效率和性能。
[0059] 5、本發(fā)明精度高，對重力測量隨機誤差和慣導系統(tǒng)變性誤差具有較強的魯棒性。
【附圖說明】
[0060] 圖1為向量搜索迭代算法解算流程圖；
[0061] 圖2為向量搜索迭代匹配算法原理；
[0062] 圖3a為重力數(shù)據(jù)庫三維圖；
[0063] 圖3b為重力數(shù)據(jù)庫等值線圖；
[0064] 圖4a為重力匹配定位軌跡圖；
[0065] 圖4b為重力匹配定位軌跡的誤差曲線圖。
【具體實施方式】
[0066] 以下結合附圖對本發(fā)明實施例做進一步詳述：
[0067] 一種基于慣性/重力匹配組合導航的向量搜索迭代匹配方法，其解算方程如下：
[0068] Xr (k) = X1 (k)+P (k_l)
[0069] Gi(k) = GM(Xr(k)) = {Gl(klG;(k),,0； (k)\
[0085] 本發(fā)明的向量搜索迭代匹配算法解算流程如圖1所示，系統(tǒng)輸入為慣導位置信 息、重力實時測量值和慣導系統(tǒng)精度特性，輸出為匹配定位信息。如圖2所示，本發(fā)明包括 以下步驟：
[0086] 步驟1、由慣導輸出位置預估匹配搜索范圍和當前匹配性能。
[0087] 在進行向量搜索匹配定位解算時，需要對重力匹配的搜索區(qū)域進行限定，在重力 匹配定位校正時也需要對匹配精度預估。為此，在向量匹配定位解算前，需要對匹配過程進 行預測。
[0088] 由當前參考軌跡X.，可以得到：
[0091] 其中，Gr為參考軌跡對應的重力值序列，1\為慣導軌跡對應的重力值梯度序列， TM( ·)為重力數(shù)據(jù)庫上重力梯度值的空間變化函數(shù)，其值也可通過重力數(shù)據(jù)庫線性化處理 方法得到。
[0092] 將重力數(shù)據(jù)庫線性化處理，并進行中心化，記G"= G 得到：
[0093] trr^i；)-m=Gir--ar
[0094] 由最小二乘基本原理，可以得到變換向量δ X的估計值Cx、方差系數(shù)Hx和估計方 差Dx :
[0098] 有了對變換向量的估計值、估計方差和方差系數(shù)，便可以對搜索匹配過程進行迭 代更新。
[0099] 步驟2、以相關極值函數(shù)為目標搜索確定最優(yōu)匹配變換。
[0100] 相關極值函數(shù)是相關分析的一種性能指標，用以檢驗兩個特征函數(shù)的相關程度。 這里采用較精確的均方差函數(shù)作為重力特征相似的判斷標準。當從重力數(shù)據(jù)庫圖中得到的 重力特征序列與重力儀實測重力序列最相似時，即當均方差函數(shù)取極小值時，此時的重力 圖示位置便為最佳匹配位置。在實際應用過程中，為了消除重力測量常值誤差帶來的影響， 可以采用重力序列的變化趨勢作為基本的特征序列進行判斷。
[0101] 設重力實時測量序列為
[0108] 重力極值相關函數(shù)反應了兩個重力序列的相關程度，在進行重力匹配定位時需要 反復計算重力數(shù)據(jù)庫圖參考序列和重力實時測量目標序列的相關性，并由此確定最有匹配 位置。
[0109] 步驟3、將匹配定位的結果經(jīng)過不斷加權迭代的過程，最終得到最優(yōu)匹配位置。
[0110] 在本步驟中，包括對搜索范圍的更新處理和匹配迭代更新處理過程
[0111] (1)搜索范圍的更新處理過程
[0112] 在初始匹配定位計算時，可以以慣導系統(tǒng)的初始誤差范圍為搜索區(qū)域進行。隨著 匹配過程的繼續(xù)，