基于惯性/重力匹配组合导航的向量搜索迭代匹配方法
【技术领域】
[0001] 本发明属于惯性/重力组合导航系统技术领域，具体涉及一种基于惯性/重力匹 配组合导航的向量搜索迭代匹配方法。
【背景技术】
[0002] 惯性/重力匹配组合导航系统是当代组合导航的一个重要发展方向，它采用无源 的方式有效地抑制惯性导航系统积累误差，在航海、航天和精确制导领域具有重要应用。重 力基准图库、重力传感器和重力匹配定位算法是组合系统的三大关键技术，其中重力匹配 算法是重力匹配导航的核心解算模块，其算法性能直接影响到重力匹配导航系统的精度和 鲁棒性能。
[0003] 现有重力匹配算法主要是利用图形图像匹配技术，采用最优估计、模式识别和控 制理论等信息处理方法来处理。常用的匹配算法包括批相关匹配算法、最近点迭代匹配算 法和卡尔曼滤波匹配算法，批相关匹配定位算法计算量较大且对参考轨迹的变形误差较敏 感，最近点匹配算法容易收敛到局部最优解，当初始误差较大时性能较差，卡尔曼滤波算法 所需要的各种误差统计模型不易获取，对重力场的线性化处理会造成滤波发散。
【发明内容】
[0004] 本发明的目的在于克服现有技术的不足，提供一种设计合理、鲁棒性好且易于实 现的基于惯性/重力匹配组合导航的向量搜索迭代匹配方法。
[0005] 本发明解决其技术问题是采取以下技术方案实现的：
[0006] -种基于惯性/重力匹配组合导航的向量搜索迭代匹配方法，包括以下步骤：
[0007] 步骤1、由惯导输出位置预估匹配搜索范围和当前匹配性能；
[0008] 步骤2、以相关极值函数为目标搜索确定最优匹配变换；
[0009] 步骤3、将匹配定位的结果经过不断加权迭代的过程，最终得到最优匹配位置。
[0010] 而且，所述步骤1的具体实现方法为：
[0011] 由当前参考轨迹Xr，得到：
[0014] 其中，Gr为参考轨迹对应的重力值序列，1\为惯导轨迹对应的重力值梯度序列， TM( ·)为重力数据库上重力梯度值的空间变化函数；
[0015] 将重力数据库线性化处理，并进行中心化，记G"= Gfb得到：
[0017]由最小二乘基本原理，得到变换向量δ X的估计值Cx、方差系数Hx和估计方差 Dx ：
[0021] 而且，所述步骤2的具体实现方法为：
[0022] 设重力实时测量序列为
[0024] 重力数据库图中目标重力序列为
[0026] 则有，重力相关极值函数为：
[0028] 其中，
，N为重力序列个数。
[0029] 而且，所述步骤3的具体实现方法包括对搜索范围的更新处理和匹配迭代更新处 理过程，其中：
[0030] (1)搜索范围的更新处理过程为：
[0031] 设在k时刻的最大惯导误差为E1 (k)，重力匹配k时刻的变换量为P (k)，则搜索向 量dx应满足：
[0032] P(k-l)+dx| ^ E1 (k)
[0033] dx I 2Cx (k) +3Dx (k)
[0034] 其中，2Cx(k)是为了避免搜索区域遗漏而适当扩大了范围，3Dx(k)是搜索向量的 3 σ分布区间；
[0035] 从而可以得到新的搜索范围为：
[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] 对于初始时刻，取
[0041] R⑹= E-E1(O), E1 ⑹];
[0042] (2)匹配迭代更新处理过程为：
[0043] 设第k时刻的匹配变化方差为Qx(k)，则有
[0044] Qx (k) = Refp (k) · Hx (k)
[0045] 设加权系数函数为F (k)，则：
[0047] 其中，μ为系数因子；
[0048] 于是，重力匹配k时刻的变换量P (k)表示为：
[0050] k时刻的参考轨迹取为：
[0051] Xr (k) = X1 (k) +P (k~l)
[0052] 重力匹配定位输出为：
[0053] Xp (k) = X1 (k) +P (k)。
[0054] 本发明的优点和积极效果是：
[0055] 1、本发明作为重力匹配系统各组成部件联接的枢纽，能够完成从重力实时测量信 息到载体位置的解算过程，其以惯导误差范围作为匹配区域，可以求得全局最优解，且能抑 制发散，对初始位置误差要求低。
[0056] 2、本发明在重力匹配定位计算过程中未对重力数据库进行线性化处理，可有效避 免重力数据数据库线性化处理带来的误差和发散问题。
[0057] 3、本发明的极值相关函数采用中心均方差的形式，以重力值的变化趋势作为匹配 相关量，可有效克服重力仪常值误差。
[0058] 4、本发明增加重力匹配定位误差预判环节，形成重力匹配搜索区域合理的限定， 并设计了算法迭代更新流程，提高了算法的效率和性能。
[0059] 5、本发明精度高，对重力测量随机误差和惯导系统变性误差具有较强的鲁棒性。
【附图说明】
[0060] 图1为向量搜索迭代算法解算流程图；
[0061] 图2为向量搜索迭代匹配算法原理；
[0062] 图3a为重力数据库三维图；
[0063] 图3b为重力数据库等值线图；
[0064] 图4a为重力匹配定位轨迹图；
[0065] 图4b为重力匹配定位轨迹的误差曲线图。
【具体实施方式】
[0066] 以下结合附图对本发明实施例做进一步详述：
[0067] 一种基于惯性/重力匹配组合导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] 本发明的向量搜索迭代匹配算法解算流程如图1所示，系统输入为惯导位置信 息、重力实时测量值和惯导系统精度特性，输出为匹配定位信息。如图2所示，本发明包括 以下步骤：
[0086] 步骤1、由惯导输出位置预估匹配搜索范围和当前匹配性能。
[0087] 在进行向量搜索匹配定位解算时，需要对重力匹配的搜索区域进行限定，在重力 匹配定位校正时也需要对匹配精度预估。为此，在向量匹配定位解算前，需要对匹配过程进 行预测。
[0088] 由当前参考轨迹X.，可以得到：
[0091] 其中，Gr为参考轨迹对应的重力值序列，1\为惯导轨迹对应的重力值梯度序列， TM( ·)为重力数据库上重力梯度值的空间变化函数，其值也可通过重力数据库线性化处理 方法得到。
[0092] 将重力数据库线性化处理，并进行中心化，记G"= G 得到：
[0093] trr^i；)-m=Gir--ar
[0094] 由最小二乘基本原理，可以得到变换向量δ X的估计值Cx、方差系数Hx和估计方 差Dx :
[0098] 有了对变换向量的估计值、估计方差和方差系数，便可以对搜索匹配过程进行迭 代更新。
[0099] 步骤2、以相关极值函数为目标搜索确定最优匹配变换。
[0100] 相关极值函数是相关分析的一种性能指标，用以检验两个特征函数的相关程度。 这里采用较精确的均方差函数作为重力特征相似的判断标准。当从重力数据库图中得到的 重力特征序列与重力仪实测重力序列最相似时，即当均方差函数取极小值时，此时的重力 图示位置便为最佳匹配位置。在实际应用过程中，为了消除重力测量常值误差带来的影响， 可以采用重力序列的变化趋势作为基本的特征序列进行判断。
[0101] 设重力实时测量序列为
[0108] 重力极值相关函数反应了两个重力序列的相关程度，在进行重力匹配定位时需要 反复计算重力数据库图参考序列和重力实时测量目标序列的相关性，并由此确定最有匹配 位置。
[0109] 步骤3、将匹配定位的结果经过不断加权迭代的过程，最终得到最优匹配位置。
[0110] 在本步骤中，包括对搜索范围的更新处理和匹配迭代更新处理过程
[0111] (1)搜索范围的更新处理过程
[0112] 在初始匹配定位计算时，可以以惯导系统的初始误差范围为搜索区域进行。随着 匹配过程的继续，