一种水下重力匹配方法、系统、介质、设备及终端技术方案

本发明专利技术属于水下导航技术领域，公开了一种水下重力匹配方法、系统、介质、设备及终端，利用粒子滤波替代卡尔曼滤波；基于粒子滤波进行改进，分析重力场空间特征与匹配区适配性对粒子滤波的影响，利用重力场空间特征对粒子进行权值优化组合，构建得到基于重力场空间特征的改进粒子滤波模型，用于提供水下航行器的初步位置估计；基于改进的粒子滤波模型，分析水下航行器的运动特性和惯性导航轨迹采样点见的空间相关性，通过空间仿射变换对改进粒子滤波估计轨迹进行空间约束，进而优化粒子滤波匹配结果。本发明专利技术利用重力场空间特征对粒子进行权值优化组合，提高了粒子滤波对重力场空间适配性的适应性；利用仿射变换实现二次匹配，提高了定位精度。了定位精度。了定位精度。

【技术实现步骤摘要】
一种水下重力匹配方法、系统、介质、设备及终端


[0001]本专利技术属于水下导航
，尤其涉及一种水下重力匹配方法、系统、介质、设备及终端。

技术介绍

[0002]目前，惯性导航系统(INS)是现在采用最为广泛的水下导航方法，具有导航实时性好、可全天候工作、抗干扰性强等优点，并且短时间内导航精度和稳定性高。但INS由于是积分解算，所以定位误差会时间增长而积累，导致不能满足水下航行器长航时的需求，长时间使用需要对INS进行及时修正，为解决水下复杂环境中的INS误差修正问题，水下重力匹配辅助惯性导航方法被提出。水下重力匹配技术是通过重力传感器实时测量水下航行器所处位置的重力异常值，与水下重力场背景图进行比较，得到水下航行器的位置信息，用来对惯性导航系统的输出位置进行修正。
[0003]由图3可知，水下重力匹配辅助惯性导航的基本原理如下：一般水下重力匹配辅助导航系统只在适配性强的区域进行重力匹配，当水下航行器行至适配区，惯性导航系统输出水下航行器位置信息，重力传感器实时采集水下重力场信息，匹配算法根据惯性导航位置在重力场背景图中搜索待匹配的重力场，将实时测量重力场信息与重力场数据库信息进行匹配，输出重力匹配位置信息，最后经过综合校正和信息融合反馈给惯性导航系统，达到重力匹配结果辅助修正惯性导航系统位置误差的效果，以此满足水下航行器“长期、全天候、高精度”的导航要求。
[0004]粒子滤波算法以递推贝叶斯估计为理论基础，基本思想是：根据状态空间产生一组随机样本集，即粒子集，然后根据观测量调整粒子的位置和权值，通过调整后的粒子信息更新最初粒子集，最后用新的粒子集及粒子权值来近似表示系统状态的后验概率密度，用样本均值代替积分运算，进而获得系统状态的最小方差估计。粒子滤波算法特别适用于状态空间模型表示的非高斯背景、非线性随机系统。与卡尔曼滤波相比，粒子滤波用粒子集来表示概率，通过从后验概率中抽取的随机状态粒子来表达其分布，具有非参数特点，摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件，能表达比高斯模型更广泛的分布。粒子滤波算法理论框架主要包括贝叶斯估计、重要性采样，重采样等内容，粒子滤波适合用于解决水下重力匹配问题。
[0005]水下航行器的运动特性主要跟惯性导航误差相关，水下航行器在运行一段时间后，惯性导航误差会随时间积累。惯性导航误差主要由加速度计的偏移和陀螺仪的漂移引起，惯性导航输出的误差主要包括速度误差、航向误差和位置误差。由于惯性导航误差的影响，水下航行器在航行中会形成两条轨迹，一条是惯性导航输出的轨迹，一条是水下航行器的真实位置轨迹。水下航行器的运动轨迹可以看作是一系列点、直线、折线、弧线等几何对象的集合，因此，惯性导航轨迹和真实轨迹之间存在着一定的空间几何关系，可以通过空间仿射变换方式找到真实轨迹与惯性导航轨迹之间的空间相关性。
[0006]在线性空间中，用矩阵乘向量的方法，可以表示各式各样的线性变换，但平移不能
用线性变换的方式表示，为了用数学的方式来描述这种变换，就需要用到空间仿射变换，空间仿射变换是指在空间几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间，仿射变换可以由平移、缩放、翻转、旋转、错切等基本变换复合而成。通过上述惯性导航系统误差特性分析，根据水下航行器的运动特点，可在惯性导航轨迹和水下航行真实轨迹之间建立基于空间仿射变换的空间相关关系：
[0007]A
INS
＝f
v
(f
θ
(A
r
+(δ
x
,δ
y
)))
ꢀꢀ
(1)
[0008]式中，A
INS
为惯性导航轨迹，A
r
为实际轨迹，f
v
(
·
)为关于速度误差δ
v
的函数是缩放因子，f
θ
(
·
)为关于航向误差δθ的函数是旋转因子。f
A
(
·
)为关于经度误差δ
x
和纬度误差δ
y
的函数是平移因子。
[0009]重力匹配算法是水下重力匹配辅助惯性导航系统中的最关键步骤。典型的水下重力匹配算法包括ICCP算法、TERCOM算法和SITAN算法。其中ICCP算法和TERCOM算法为基于相关分析原理的序列匹配算法，即利用测得一组重力场数据，用批量处理算法进行后处理，通过对比实时测量重力场数据和重力背景图数据，寻找其相关性最大的点为最优匹配点。但序列匹配算法实时性较差，需要获得足够的重力异常数据才能进行匹配运算。SITAN算法为基于递推滤波的单点匹配算法，在整个航行期间只要测得重力场数据即可对其进行递归滤波操作，实时滤波处理可实现连续重力匹配，但SITAN算法中利用扩展卡尔曼滤波，将非线性观测模型的线性化过程容易引起较大的观测模型误差。并且传统重力匹配算法的可靠性易受环境影响，导致误匹配，导航精度下降。针对传统重力匹配算法存在的问题，亟需设计一种新的水下重力匹配方法。
[0010]通过上述分析，现有技术存在的问题及缺陷为：
[0011](1)现有的水下重力匹配算法中，序列匹配算法实时性较差，需要获得足够的重力异常数据才能进行匹配运算。
[0012](2)现有的SITAN算法中利用扩展卡尔曼滤波，将非线性观测模型的线性化过程容易引起较大的观测模型误差。
[0013](3)传统重力匹配算法可靠性易受环境影响，导致误匹配，导航精度下降。
[0014](4)重力匹配定位算法可以分为两类：基于递推估计最优滤波原理的单点匹配算法和基于相关性分析原理的序列匹配算法。序列匹配算法，需要获得足够的重力异常数据才能进行重力匹配运算，并且重力场采样点的数目直接影响搜索速度和匹配精度，实时性较差。因此，本方法主要改进基于递推估计最优滤波原理的单点匹配算法。
[0015](5)SITAN算法为典型的单点匹配算法，在水下航行器的整个航行期间只要测得重力场数据即可对其进行递归滤波操作，实时滤波处理可实现连续重力匹配，但SITAN算法中利用的是扩展卡尔曼滤波，其非线性观测模型的线性化过程容易引起较大的观测模型误差，容易引起滤波器发散，甚至导致重力匹配失败。
[0016](6)传统重力匹配算法忽略了对重力场空间特征的研究与利用，可靠性易受重力场环境影响。

技术实现思路

[0017]针对现有技术存在的问题，本专利技术提供了一种水下重力匹配方法、系统、介质、设备及终端，尤其涉及一种基于空间特征的水下重力匹配方法、系统、介质、设备及终端。
[0018]本专利技术是这样实现的，一种水下重力匹配方法，所述水下重力匹配方法包括：利用粒子滤波替代卡尔曼滤波；基于粒子滤波进行改进，分析重力场空间特征与匹配区适配性对粒子滤波的影响，利用重力场空间特征对粒子进行权值优化组合，构建得到基于重力场空间特征的改进粒子滤波模型，用于提供水下航行器的初步位置估计；基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水下重力匹配方法，其特征在于，所述水下重力匹配方法包括：利用粒子滤波替代卡尔曼滤波；基于粒子滤波进行改进，分析重力场空间特征与匹配区适配性对粒子滤波的影响，利用重力场空间特征对粒子进行权值优化组合，构建得到基于重力场空间特征的改进粒子滤波模型，用于提供水下航行器的初步位置估计；基于改进粒子滤波模型，分析水下航行器的运动特性和惯性导航轨迹采样点见的空间相关性，通过空间仿射变换对改进粒子滤波估计轨迹进行空间约束，进而优化粒子滤波匹配结果。2.如权利要求1所述的水下重力匹配方法，其特征在于，所述基于重力场空间特征的改进粒子滤波模型的构建包括：(1)系统模型水下重力匹配辅助惯性导航系统是通过比较重力异常实时测量值和存储的重力异常数据估计水下航行器的位置，根据惯性导航系统提供的信息，系统状态模型表达为：ΔX
k,k+1
＝ΔX
k
‑
1,k
+ΔU
k
+e
k
；式中，ΔX
k,k+1
代表水下航行器在k时刻与k+1时刻的位置之差，ΔU
k
表示惯性导航系统k时刻对应的偏移增量，e
k
代表惯性导航系统的误差；重力异常观测数据由重力传感器实时测量，系统观测方程表示为：y
k
＝h
k
(x
k
)+v
k
；式中，y
k
是k时刻重力异常观测值，只和当前坐标x
k
相关，h
k
(x
k
)是由重力场背景图推导的系统观测方程，v
k
代表观测误差；(2)贝叶斯估计贝叶斯估计对非线性系统状态进行归集，利用已有的重力异常观测值Y
k
估计惯性导航输出位置x
k
，贝叶斯估计中的后验概率密度为：基于系统模型方程，分母是归一化的常量且与x
k
无关，p(x
k
|Y
k
)的积分为零；通过系统观测方程，测量误差v
k
概率密度函数为：p(y
k
|x
k
)＝∫δ(y
k
‑
h(x
k
)
‑
v
k
)p(v
k
)dv
k
；式中，δ(
·
)是狄拉克函数，p(y
k
|x
k
)为先验概率密度函数；由于观测值y
k
仅仅和当前的状态x
k
相关，故：p(x
k
|x
k
‑1,Y
k
‑1)＝p(x
k
|x
k
‑1)；由全概率公式可知：p(x
k
,x
k
‑1|Y
k
‑1)＝p(x
k
|x
k
‑1,Y
k
‑1)p(x
k
‑1|Y
k
‑1)；通过化简和积分的方式得到：p(x
k
|Y
k
‑1)＝∫p(x
k
|x
k
‑1)p(x
k
‑1|Y
k
‑1)dx
k
‑1；式中，假设p(x
k
‑1|Y
k
‑1)已知，p(x
k
|x
k
‑1)是状态马尔科夫过程；(3)重要性采样粒子滤波算法中，每个采样时刻的匹配结果就是该采样时刻的样本位置的平均值，在状态空间中找出一群传播的随机粒子近似p(x
k
|Y
k
)，用样本的平均值近似期望值E[x
k
|Y
k
]；选取N个随机独立同分布的样本设基于后验概率密度分布为：
式中，x
k
是离散变量；当是通过p(x
k
|Y
k
)采样的粒子，则样本期望值为：在粒子滤波过程中，利用q(x
k
|Y
k
)生成采样的粒子，再加权取平均近似于后验概率密度函数p(x
k
|Y
k
)，则后验概率密度函数为：式中，是每个粒子对应的权值；当进行单点粒子滤波时，重要性概率密度函数选择状态变量对应的转移概率密度函数p(x
k
|x
k
‑1)，则粒子的权值为：粒子滤波通过重要性概率密度函数在每个采样周期中产生采样粒子，通过重力异常值观测量求得相对应的权值，从而得出惯性导航的位置估计。3.如权利要求1所述的水下重力匹配方法，其特征在于，所述权值优化组合重采样包括：1)重力场空间特征计算选用重力场空间差异熵特征，对滤波范围区域E
k
的重力场空间特征进行计算，熵用于表示任何一种能量在空间中分布的均匀程度；重力场熵特征用于衡量重力场的适配性，熵越小，表明重力场变化越明显，适配性越强，越有利于重力匹配；而重力场差异熵更能体现重力场空间特征的差异性及适配性的强弱；选用重力场空间差异熵特征，重力场空间差异熵表示为：式中，g
(i)
为重力背景图中的重力异常值；2)权值优化组合对粒子滤波进行权值优化组合，通过计算粒子群的平均归一化权值和优化组合比例系...

【专利技术属性】
技术研发人员：王诚龙，王博，朱兵，刘莹，马欣鑫，田歌，
申请(专利权)人：中国卫星导航系统管理办公室，
类型：发明
国别省市：