CN110017839A - 一种提高水下导航匹配概率的方法和系统 - Google Patents
一种提高水下导航匹配概率的方法和系统 Download PDFInfo
- Publication number
- CN110017839A CN110017839A CN201910238651.7A CN201910238651A CN110017839A CN 110017839 A CN110017839 A CN 110017839A CN 201910238651 A CN201910238651 A CN 201910238651A CN 110017839 A CN110017839 A CN 110017839A
- Authority
- CN
- China
- Prior art keywords
- point
- match point
- priori
- matching
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种提高水下导航匹配概率的方法和系统,该方法包括:基于采样点序列,计算得到先验匹配点位置坐标;根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型;根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。本发明在优良适配区内,经判别修正后匹配概率由约96%提高到100%,基本可以剔除全部误匹配点;在一般适配区内,匹配概率由约64%提高到92%,可大幅度降低误匹配点的出现概率。
Description
技术领域
本发明属于航天和海洋测绘技术领域,尤其涉及一种提高水下导航匹配概率的方法和系统。
背景技术
海洋重力匹配导航技术旨在修正惯性导航随时间累积的误差,其测量时不向外辐射能量,且不需要水下潜器浮出或接近水面,是真正的无源导航技术,有利于实现水下潜器自主、连续、精确和长航时的定位。基本原理:载体在航行过程中经过重力特征较丰富区域时利用海洋重力仪/重力梯度仪采集周围重力场信息,并与预先存储在导航系统中的重力基准图进行对比,依据相关准则判断二者之间的拟合度,从而确定最佳匹配位置。
不仅重力匹配定位算法、高精度和高分辨率重力异常基准图、高精度重力测量系统以及重力适配区选择等是影响水下重力匹配导航效果的关键因素,而且误匹配也会对其产生负面影响。在实际情况中,基于粗差理论,重力匹配过程中无法避免误匹配,因此,各种算法无法做到完全匹配。因为对于水下潜器来说,载体自身无法判断匹配位置的正确性,受水下特征信息的复杂度以及重力场搜索区域内轨迹分布的相似性影响,匹配过程可能出现误匹配情况,即匹配点远离正确位置,而错误匹配点不仅无法起到校正惯导的误差累积,而且会影响水下潜器的航行和武器系统的精准打击。因此,如何降低误匹配出现概率亦是水下导航领域的重要研究热点。
目前,众多学者大都围绕如何提高重力匹配导航的定位精度和可靠性等开展研究,以期尽量直接降低误匹配出现概率。赵建虎等将基于Hausdorff距离的匹配准则引入TERCOM(Terrain Contour Matching)算法,提出通过增加旋转变化、自适应确定最佳旋转角、实现适配序列精匹配的思想和算法,有效提高了匹配导航精度和可靠性;杨勇和王可东基于ICCP(Iterative Closest Contour Point)算法研究了目标函数最小阈值选取问题,利用数据关联滤波法对误匹配进行判断,提高了算法收敛性和精度;张红梅等对ICCP算法进行了预平移简化,通过优化算法有效降低了误匹配,提高了定位精度和可靠性;蔡体菁和陈鑫巍通过运用层次分析法,基于反演重力图的多项统计特征及匹配仿真结果,构建重力匹配区域选择准则,通过优选水下重力特征丰富区域进行导航,直接提高了定位精度和可靠性;张堃薇和王可东利用TERCOM匹配相关面内若干极小值点的联合概率分布,提出了相关面内多参照点联合概率误匹配在线判断准则。通过分析高程量测噪声的统计分布,建立待匹配点的MSD概率分布密度函数,设定阈值对MSD相关面内最小值点进行判断。
不同于前人研究,本发明从误匹配的后处理着手,以先验递推多次匹配和迭代最小二乘为思路,基于统计和拟合原理提出先验递推迭代最小二乘误匹配修正法,通过迭代拟合由递推所得到的一系列先验匹配点之间的函数关系,剔除先验误匹配点,构建误匹配判别动态修正模型,旨在对新的匹配点进行是否为误匹配点的判别并修正,并通过TERCOM仿真算法验证了所提方法的合理性。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一种提高水下导航匹配概率的方法和系统,在优良适配区内,经判别修正后匹配概率由约96%提高到100%,基本可以剔除全部误匹配点;在一般适配区内,匹配概率由约64%提高到92%,可大幅度降低误匹配点的出现概率。
为了解决上述技术问题,本发明公开了一种提高水下导航匹配概率的方法,包括:
基于采样点序列,计算得到先验匹配点位置坐标;
根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型;
根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。
在上述提高水下导航匹配概率的方法中,基于采样点序列,计算得到先验匹配点位置坐标,包括:
确定采样点序列a、采样点序列b、…采样点序列n;其中,各采样点序列具有相同长度;
在可匹配区域,基于采样点序列a进行第一次先验匹配,得到第一个先验匹配点P1(x1,y1);
对采样点序列a进行递推处理,去掉后端N个采样点,并加上N个新的采样点,形成新采样点序列b,匹配得到第二个先验匹配点P2(x2,y2);其中,N为递推采样点数;
同理,以N个采样点为单位滑动递推,得到先验匹配点P3(x3,y3)、…、Pn-1(xn-1,yn-1)和Pn(xn,yn)。
在上述提高水下导航匹配概率的方法中,确定采样点序列a、采样点序列b、…采样点序列n,包括:
确定由起始位置A到目标位置B的航行任务;
从确定的航行任务中提取得到采样点序列。
在上述提高水下导航匹配概率的方法中,根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型,包括:
根据得到的所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn),进行拟合,得到拟合直线;
设定阈值D作为限制条件,求出各先验匹配点到所述拟合直线的最大距离;
若先验匹配点到所述拟合直线的最大距离大于设定阈值D,则相应的先验匹配点为误匹配点,应剔除;当剔除一个误差最大的先验匹配点后,再次利用剩余先验匹配点求取函数拟合模型,并计算误差,对剩余先验匹配点进行判别,直到所有误差均小于设定阈值,得到误匹配判别动态修正模型。
在上述提高水下导航匹配概率的方法中,误匹配判别动态修正模型的具体构建步骤如下:
根据得到的所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn),得到拟合直线:
y=a0+a1x
依据最小二乘原理可得:
依据点到直线的距离公式,可计算所有先验匹配点Pi(xi,yi)到拟合直线y=a0+a1x的距离di:
并求出最大距离dmax=max(di),若dmax大于设定阈值D,则认为此先验匹配点为误匹配点,剔除;
对于剩余的n-1个先验匹配点,重复上述步骤,直到最大距离小于设定阈值D,则认为剔除完毕,得到了误匹配判别动态修正模型。
在上述提高水下导航匹配概率的方法中,根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计,包括:
计算新的匹配点Pn+1(xn+1,yn+1)到误匹配判别动态修正模型y=a0+a1x的距离dn+1,若dn+1小于设定阈值D,则确定新的匹配点Pn+1(xn+1,yn+1)是正确匹配点;否则,确定新的匹配点Pn+1(xn+1,yn+1)是误匹配点,并利用剩余先验匹配点间惯导误差累积关系,基于中值滤波对真实匹配点进行估计。
在上述提高水下导航匹配概率的方法中,中值滤波修正公式如下:
YI=Med{fi,...fk,...fm}···(4)
其中,YI表示对数值样本按从小到大的顺序排列后的中间值fifkfm表示剩余先验匹配点间惯导误差累积数值样本,i,k,m∈{1、2、…n}。
相应的本发明还公开了一种提高水下导航匹配概率的系统,包括:
计算模块,用于基于采样点序列,计算得到先验匹配点位置坐标;
模型构建模块,用于根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型;
优化模块,用于根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。
本发明具有以下优点:
(1)水下重力匹配导航精度高;水下重力匹配导航匹配概率高。结果表明:在优良适配区内,经判别修正后匹配概率由约96%提高到100%,基本可以剔除全部误匹配点;在一般适配区内,匹配概率由约64%提高到92%,可大幅度降低误匹配点的出现概率。该方法水下重力匹配导航精度高、水下重力匹配导航匹配概率高。
(2)本发明可有效提高水下重力匹配导航精度和匹配概率,不仅具有重要的科学价值和社会效益,同时有利于国防安全和领海完整。
附图说明
图1是本发明实施例中一种提高水下导航匹配概率的方法的步骤流程图;
图2是本发明实施例中一种基于先验递推迭代最小二乘误匹配修正法的水下重力匹配导航流程图;
图3是本发明实施例中一种海洋重力异常基准图(分辨率100×100m);其中,图3(a)对应二维示意图,图3(b)对应三维示意图;
图4是本发明实施例中一种重力匹配适配性分布图;
图5是本发明实施例中三种区域10个先验匹配点的定位精度及位置对比示意图;其中,图5(a)对应优良适配区,图5(b)对应一般适配区,图5(c)对应非适配区;
图6是本发明实施例中三种区域的误匹配修正效果示意图;其中,图6(a)对应优良适配区,图6(b)对应一般适配区,图6(c)对应非适配区。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明公开的实施方式作进一步详细描述。
本发明涉及一种水下重力匹配导航匹配概率优化的方法,特别是一种基于先验递推迭代最小二乘误匹配修正法提高水下导航匹配概率的的方法和系统:第一,以误匹配的后处理为研究切入点,以先验递推多次匹配和迭代最小二乘为思路,基于统计和拟合原理提出了新型先验递推迭代最小二乘误匹配修正法。第二,根据算法概率及误差等因素,并综合分析讨论了递推采样点数、先验匹配点数等参数,基于先验递推迭代最小二乘误匹配修正法,构建了新型误匹配判别动态修正模型。第三,相同条件下在优良适配区、一般适配区和非适配区内,分别开展了误匹配判别动态修正模型对新匹配点的判别修正模拟验证。结果表明:在优良适配区内,经判别修正后匹配概率由约96%提高到100%,基本可以剔除全部误匹配点;在一般适配区内,匹配概率由约64%提高到92%,可大幅度降低误匹配点的出现概率。该方法水下重力匹配导航精度高、水下重力匹配导航匹配概率高。因此,新型先验递推迭代最小二乘误匹配修正法是提高水下重力匹配导航精度和匹配概率的有效方法。
参照图1,示出了本发明实施例中一种提高水下导航匹配概率的方法的步骤流程图。本发明基于采样点序列先验递推多次匹配和迭代最小二乘思路,提出先验递推迭代最小二乘误匹配修正法,旨在构建误匹配判别动态修正模型,对新的匹配点进行判别并修正。
在本实施例中,该提高水下导航匹配概率的方法包括:
步骤101,基于采样点序列,计算得到先验匹配点位置坐标。
在本实施例中,如图2所示,可以先确定由起始位置A到目标位置B的航行任务;然后,从确定的航行任务中提取得到采样点序列。
优选的,确定的采样点序列具体可以包括:采样点序列a、采样点序列b、…采样点序列n;其中,各采样点序列具有相同长度。
进一步的,在可匹配区域,基于采样点序列a进行第一次先验匹配,得到第一个先验匹配点P1(x1,y1);对采样点序列a进行递推处理,去掉后端N个采样点,并加上N个新的采样点,形成新采样点序列b,匹配得到第二个先验匹配点P2(x2,y2);同理,以N个采样点为单位滑动递推,得到先验匹配点P3(x3,y3)、…、Pn-1(xn-1,yn-1)和Pn(xn,yn)。其中,N为递推采样点数。
步骤102,根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型。
最小二乘法思想是通过最小化误差的平方和,寻找能够拟合数据的最佳函数模型。在误匹配点判别时,通常使用多项式函数模型,计算所有匹配点到函数模型的误差,若误差大于限定的阈值,则认为此匹配点为误匹配点。函数拟合法的优点为速度快、计算简单等;缺点为当存在误差较大的数据时,会使拟合的函数模型误差较大,偏离真实情况,从而导致误匹配点剔除结果可信度不高。因此,为了克服误差较大匹配点对拟合函数模型的影响,本发明引入了迭代思想,利用迭代最小二乘原理优化函数模型。
在本实施例中,由于水下潜器的机动性能较低,较短时间内其航行轨迹的形状较平滑,本发明引入以N个递推采样点为单位进行先验递推匹配的思路,因而短时间内水下潜器在可匹配区域内将以近似直线航行。利用所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn)等拟合得到的曲线应为一条直线。具体的:利用所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn)进行拟合,得到拟合直线;设定阈值D作为限制条件,求出各先验匹配点到所述拟合直线的最大距离;若先验匹配点到所述拟合直线的最大距离大于设定阈值D,则相应的先验匹配点为误匹配点,应剔除;当剔除一个误差最大的先验匹配点后,再次利用剩余先验匹配点求取函数拟合模型,并计算误差,对剩余先验匹配点进行判别,直到所有误差均小于设定阈值,得到误匹配判别动态修正模型。
优选的,一种可行的误匹配判别动态修正模型的构建步骤如下:
(1)根据得到的所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn),得到拟合直线:
y=a0+a1x
依据最小二乘原理可得:
(2)依据点到直线的距离公式,可计算所有先验匹配点Pi(xi,yi)到拟合直线y=a0+a1x的距离di:
并求出最大距离dmax=max(di),若dmax大于设定阈值D,则认为此先验匹配点为误匹配点,剔除。
(3)对于剩余的n-1个先验匹配点,重复上述(1)(2)步骤,直到最大距离小于设定阈值D,则认为剔除完毕,得到了误匹配判别动态修正模型。
步骤103,根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。
在本实施例中,可以取新的匹配点为Pn+1(xn+1,yn+1),计算新的匹配点Pn+1(xn+1,yn+1)到误匹配判别动态修正模型y=a0+a1x的距离dn+1,若dn+1小于设定阈值D,则确定新的匹配点Pn+1(xn+1,yn+1)是正确匹配点;否则,确定新的匹配点Pn+1(xn+1,yn+1)是误匹配点,并利用剩余先验匹配点间惯导误差累积关系,基于中值滤波对真实匹配点进行估计。
优选的,中值滤波修正公式如下:
YI=Med{fi,...fk,...fm}···(4)
其中,YI表示对数值样本按从小到大的顺序排列后的中间值fifkfm表示剩余先验匹配点间惯导误差累积数值样本,i,k,m∈{1、2、…n}。
在上述实施例的基础上,下面结合一个具体实例进行说明。
在本实施例中,采用加利福尼亚大学圣迭戈分校网站(http://topex.ucsd.edu/)提供的南海地区海洋重力异常数据(分辨率1′×1′)作为原始数据。如图3所示,数据经纬度取值范围为(经度133°~135°E,纬度39°~41°N)。本发明通过Matlab插值将数据转换成格网分辨率100×100m进行模拟分析。据图3可知,此区域整体重力场起伏较剧烈,中部和南部重力场变化更剧烈,而北部和西部重力场变化较平缓。由于重力场特征不仅影响重力匹配精度,而且与误匹配概率相关性较强,相同的匹配算法在不同重力特征区域进行匹配时,其匹配效果各不相同,误匹配的概率也不相同,重力特征丰富的区域能够明显提高匹配精度,降低误匹配的概率。
可描述重力场特征的参数较多,本发明选择重力异常标准差、坡度标准差、粗糙度、重力异常差异熵、分形维数等参数对重力异常基准图各区域的匹配效果进行评价。由于重力异常标准差越大、坡度标准差越大、粗糙度越大、分形维数越大、重力异常差异熵越小,则信息越丰富,越有利于匹配。但是单一特征参数包含的重力信息有限,以此为依据无法有效评价适配性,因此,李钊伟等对上述重力场主要特征参数进行了综合分析,联合主成分分析准则和加权平均原理,提出了主成分加权平均归一化法,得到可评价重力异常基准图各区域匹配效果的总体特征指标,作为判断匹配区域适配性的依据,对所选南海经纬度区域重力异常基准图的适配性进行划分(如图4所示)。
图4表示研究区域重力匹配适配性分布图。其中,白色区域为优良匹配区,匹配定位精度高,匹配效果好;灰色区域为一般匹配区,匹配效果一般;黑色区域为非匹配区,匹配效果差,不适于匹配;红色区域为叠加同区域海底地形数据得到的危险区域,分布浅滩、礁盘,考虑安全因素,航线规划应避免。因此,本发明预选取图4中三种区域(优良适配区(A区域)、一般适配区(B区域)和非适配区(C区域)),从不同角度对所提出的先验递推迭代最小二乘误匹配修正法进行可行性验证。
关于参数设置分析讨论,递推采样点数和先验匹配点数等都对定位精度和误匹配率具有重要影响。
首先,若以匹配序列采样点数100为例,理论上讲递推采样点数可取值范围为1~100,取1时,每次递推1个采样点,则采样点序列a、采样点序列b、…采样点序列n等相邻序列中99%的采样点是相同的,由此所得到的若干先验匹配点受局部重力影响较大,之间相关性较强,有可能出现整体偏差;随着递推采样点取值增大,则采样点序列a、采样点序列b、…采样点序列n等相邻序列中采样点的重叠率降低,可降低局部重力对先验匹配点影响,有利于保证每个先验匹配点的独立性。
其次,先验匹配点数作为构建误匹配判别动态修正模型的重要数据。当先验匹配点为0时,则算法退化为传统TERCOM算法,随着先验匹配点的增加,有利于提高函数模型效果,
最后,考虑到实际情况,递推采样点数和先验匹配点数并不是越大越好,主要原因如下:第一、随着递推采样点数和先验匹配点数增大,先验匹配整体耗费时间越长,若在紧急情况下,则不利于潜器快速匹配校正,第二、若先验匹配整体耗费时间延长,则需要有足够大的可匹配区域,提高了可匹配区选择的限制。
综上所述,递推采样点数和先验匹配点数的取值需要根据实际情况兼顾考虑,在本发明中以递推采样点数5和先验匹配点数10为例开展数值模拟验证。TERCOM数值模拟参数设置如下:陀螺仪常值漂移0.01°/h、加速度计常值零偏10-3m/s2(惯导均方根误差服从正态分布)、航速10m/s、初始位置误差0m、速度误差0.02m/s、航向误差0.03°、重力仪实时测量数据是真实航迹在重力异常数据库中的采样值叠加标准差为1mGal的随机噪声、匹配序列采样点数100个、采样周期20s、阈值1个格网。本发明定义定位精度(匹配位置与真实位置之差)在一个格网对角线长之内为有效匹配,则匹配概率=(有效匹配数/实验次数)×100%。
基于先验递推迭代最小二乘误匹配修正法,本发明构建了误匹配判别动态修正模型。如图5所示,本发明在相同条件下在优良适配区、一般适配区和非适配区分别进行了10次先验递推匹配(各自得到10个先验匹配点)。图5(a)、(b)和(c)中的右图表示最终误匹配判别动态修正模型。根据算法概率及误差等因素,设定先验匹配点到拟合直线的最大距离阈值为1个格网,若大于阈值,则相应的先验匹配点为误匹配点,应剔除;再次利用剩余先验匹配点求取函数拟合模型,计算匹配点误差,对剩余先验匹配点进行判别,直到所有误差小于设定阈值1。在优良适配区内,先验匹配点(P1~P10)拟合模型为y=0.3649x-302.06,各点到模型的最大距离均小于阈值1,所以先验匹配点(P1~P10)中没有误匹配点,则误匹配判别动态修正模型为y=0.3649x-302.06。在一般适配区内,先验匹配点(P1~P10)拟合模型为y=0.2493x+1004.5,所有先验匹配点中P8(658,1167)到模型的距离最大,为1.562个格网点,大于阈值1,则认为P8为误匹配点;剩余先验匹配点(P1~P7,P9,P10)的拟合模型为y=0.2552x+1001,先验匹配点P6(639,1163)到模型的距离最大,为1.057个格网点,大于阈值1,P6亦为误匹配点;剩余先验匹配点(P1~P5,P7,P9,P10)的拟合模型为y=0.2564x+1000.4,各点到模型的最大距离均小于阈值1,所以剔除完毕,剩余先验匹配点(P1~P5,P7,P9,P10)中再无误匹配点,误匹配判别动态修正模型为y=0.2564x+1000.4。同理,在非适配区内,依次剔除了先验匹配点P1(1385,1725)、P2(1396,1727)、P8(1448,1742)等3个误匹配点,最终误匹配判别动态修正模型为y=0.3582x+1224.8。
图5(a)、(b)和(c)中的左图表示10个先验匹配点精度。在优良适配区内,重力匹配效果显著,平均定位精度达58.18m,定位标准差为18.56m,匹配概率接近100%(10个先验匹配点均正确),先验误匹配点为0个;在一般适配区内,重力匹配效果一般,平均定位精度约为96.62m,定位标准差为65.75m,匹配概率约80%(10个先验匹配点中8个正确),先验误匹配点为2个;在非适配区内,重力匹配效果差,平均定位精度仅为255.65m,定位标准差为142.52m,匹配概率约20%(10个先验匹配点中2个正确),而先验误匹配点为3个,并非8个,这是由于在非适配区内,10个先验匹配点中只有2个正确点,先验匹配点的可靠性太低。先验匹配点拟合的误匹配判别动态修正模型可靠性及精度均不高,不适于误匹配点的剔除和修正,因此,误匹配判别动态修正模型亦无法作用于非适配区。
误匹配判别动态修正模型验证及应用
基于误匹配判别动态修正模型对新匹配点的修正效果进行验证。“2误匹配判别动态修正模型构建”部分描述了误匹配判别动态修正模型的构建过程,且每个新匹配点判别修正前都需重新构建误匹配判别动态修正模型。如图6所示,相同条件下分别在优良适配区、一般适配区和非适配区三种区域进行了50次对新匹配点的判别修正模拟验证。
如图6所示,在优良适配区内,重力匹配效果良好,误匹配判别修正效果也良好,定位精度由68.39m提高到61.60m,匹配稳定性高,经判别修正后误匹配点数由2个降低到0个(匹配概率由约96%提高到100%,基本可全部剔除误匹配点);在一般适配区内,重力匹配效果一般,而误匹配判别修正效果较显著,定位精度由127.13m提高到97.15m,经判别修正后误匹配点数由18个降低到为4个(匹配概率由约64%提高到92%),大幅度降低了误匹配出现概率(提高了匹配概率);在非匹配区内,重力匹配效果差,匹配概率无明显提升,这是由于构建误匹配判别动态修正模型的先验匹配点可靠性太低,导致所构建的模型可靠性及精度均不高,误匹配修正效果差。
本发明具有以下特点:
(1)提出新型先验递推迭代最小二乘误匹配修正法。因为对于水下潜器来说,载体自身无法判断匹配位置的正确性,基于粗差理论,且受水下特征信息的复杂度以及重力场搜索区域内轨迹分布的相似性影响,匹配过程中有可能出现误匹配情况。因而,本发明基于采样点序列先验递推多次匹配和迭代最小二乘思路,提出先验递推迭代最小二乘误匹配修正法,旨在构建新型误匹配判别动态修正模型,对新的匹配点进行判别并修正。
(2)构建新型误匹配判别动态修正模型。基于先验递推迭代最小二乘误匹配修正法,本发明根据算法概率及误差等因素,设定先验匹配点到拟合直线的最大距离阈值为1个格网,若大于阈值,则相应的先验匹配点为误匹配点,应剔除。迭代利用剩余先验匹配点求取函数拟合模型,计算匹配点误差,对剩余先验匹配点进行判别,直到所有的误差小于设定阈值1,则认为误匹配判别动态修正模型优化完毕。
(3)验证新型误匹配判别动态修正模型对新匹配点的修正效果。本发明在相同条件下在优良适配区、一般适配区和非适配区分别进行了50次对新匹配点的判别修正模拟验证。结果表明:①优良适配区的误匹配判别修正效果较好,定位精度由68.39m提高到61.60m,匹配稳定性高,经判别修正后误匹配点数由2个降低到0个;②一般适配区的误匹配判别修正效果也较显著,定位精度由127.13m提高到97.15m,匹配稳定性较高,经判别修正后误匹配点数由18个降低到4个,误匹配点出现概率被大幅度降低。因此,先验递推迭代最小二乘误匹配修正法有利于降低误匹配点的出现概率,进而有利于提高水下潜器导航的可靠性。
在上述实施例的基础上,本发明公开了一种提高水下导航匹配概率的系统,包括:计算模块,用于基于采样点序列,计算得到先验匹配点位置坐标;模型构建模块,用于根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型;优化模块,用于根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。
对于系统实施例而言,由于其与方法实施例相对应,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
本说明中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
以上所述,仅为本发明最佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (8)
1.一种提高水下导航匹配概率的方法,其特征在于,包括:
基于采样点序列,计算得到先验匹配点位置坐标;
根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型;
根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。
2.根据权利要求1所述的提高水下导航匹配概率的方法,其特征在于,基于采样点序列,计算得到先验匹配点位置坐标,包括:
确定采样点序列a、采样点序列b、…采样点序列n;其中,各采样点序列具有相同长度;
在可匹配区域,基于采样点序列a进行第一次先验匹配,得到第一个先验匹配点P1(x1,y1);
对采样点序列a进行递推处理,去掉后端N个采样点,并加上N个新的采样点,形成新采样点序列b,匹配得到第二个先验匹配点P2(x2,y2);其中,N为递推采样点数;
同理,以N个采样点为单位滑动递推,得到先验匹配点P3(x3,y3)、…、Pn-1(xn-1,yn-1)和Pn(xn,yn)。
3.根据权利要求2所述的提高水下导航匹配概率的方法,其特征在于,确定采样点序列a、采样点序列b、…采样点序列n,包括:
确定由起始位置A到目标位置B的航行任务;
从确定的航行任务中提取得到采样点序列。
4.根据权利要求2所述的提高水下导航匹配概率的方法,其特征在于,根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型,包括:
根据得到的所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn),进行拟合,得到拟合直线;
设定阈值D作为限制条件,求出各先验匹配点到所述拟合直线的最大距离;
若先验匹配点到所述拟合直线的最大距离大于设定阈值D,则相应的先验匹配点为误匹配点,应剔除;当剔除一个误差最大的先验匹配点后,再次利用剩余先验匹配点求取函数拟合模型,并计算误差,对剩余先验匹配点进行判别,直到所有误差均小于设定阈值,得到误匹配判别动态修正模型。
5.根据权利要求4所述的提高水下导航匹配概率的方法,其特征在于,误匹配判别动态修正模型的具体构建步骤如下:
根据得到的所有先验匹配点P1(x1,y1)、P2(x2,y2)、…Pn(xn,yn),得到拟合直线:
y=a0+a1x
依据最小二乘原理可得:
依据点到直线的距离公式,可计算所有先验匹配点Pi(xi,yi)到拟合直线y=a0+a1x的距离di:
并求出最大距离dmax=max(di),若dmax大于设定阈值D,则认为此先验匹配点为误匹配点,剔除;
对于剩余的n-1个先验匹配点,重复上述步骤,直到最大距离小于设定阈值D,则认为剔除完毕,得到了误匹配判别动态修正模型。
6.根据权利要求5所述的提高水下导航匹配概率的方法,其特征在于,根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计,包括:
计算新的匹配点Pn+1(xn+1,yn+1)到误匹配判别动态修正模型y=a0+a1x的距离dn+1,若dn+1小于设定阈值D,则确定新的匹配点Pn+1(xn+1,yn+1)是正确匹配点;否则,确定新的匹配点Pn+1(xn+1,yn+1)是误匹配点,并利用剩余先验匹配点间惯导误差累积关系,基于中值滤波对真实匹配点进行估计。
7.根据权利要求6所述的提高水下导航匹配概率的方法,其特征在于,中值滤波修正公式如下:
YI=Med{fi,...fk,...fm}…(4)
其中,YI表示对数值样本按从小到大的顺序排列后的中间值fifkfm表示剩余先验匹配点间惯导误差累积数值样本,i,k,m∈{1、2、…n}。
8.一种提高水下导航匹配概率的系统,其特征在于,包括:
计算模块,用于基于采样点序列,计算得到先验匹配点位置坐标;
模型构建模块,用于根据计算得到的先验匹配点位置坐标,采用最小二乘法构建误匹配判别动态修正模型;
优化模块,用于根据构建的误匹配判别动态修正模型对新的匹配点进行判别,并对真实匹配点进行估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910238651.7A CN110017839A (zh) | 2019-03-27 | 2019-03-27 | 一种提高水下导航匹配概率的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910238651.7A CN110017839A (zh) | 2019-03-27 | 2019-03-27 | 一种提高水下导航匹配概率的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110017839A true CN110017839A (zh) | 2019-07-16 |
Family
ID=67190038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910238651.7A Pending CN110017839A (zh) | 2019-03-27 | 2019-03-27 | 一种提高水下导航匹配概率的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110017839A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111561922A (zh) * | 2020-04-26 | 2020-08-21 | 中国人民解放军61540部队 | 一种基于重力灯塔特征描述与分类的潜艇导航方法及系统 |
CN114199238A (zh) * | 2021-12-17 | 2022-03-18 | 中国空间技术研究院 | 基于软间隔局部半圆搜索提高水下导航效率和可靠性方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130022233A1 (en) * | 2011-07-22 | 2013-01-24 | Honeywell International Inc. | Identifying true feature matches for vision based navigation |
CN104574387A (zh) * | 2014-12-29 | 2015-04-29 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
CN106767836A (zh) * | 2017-02-17 | 2017-05-31 | 哈尔滨工程大学 | 一种auv地形匹配导航滤波方法 |
CN108229500A (zh) * | 2017-12-12 | 2018-06-29 | 西安工程大学 | 一种基于函数拟合的sift误匹配点剔除法 |
-
2019
- 2019-03-27 CN CN201910238651.7A patent/CN110017839A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130022233A1 (en) * | 2011-07-22 | 2013-01-24 | Honeywell International Inc. | Identifying true feature matches for vision based navigation |
CN104574387A (zh) * | 2014-12-29 | 2015-04-29 | 张家港江苏科技大学产业技术研究院 | 水下视觉slam系统中的图像处理方法 |
CN106767836A (zh) * | 2017-02-17 | 2017-05-31 | 哈尔滨工程大学 | 一种auv地形匹配导航滤波方法 |
CN108229500A (zh) * | 2017-12-12 | 2018-06-29 | 西安工程大学 | 一种基于函数拟合的sift误匹配点剔除法 |
Non-Patent Citations (6)
Title |
---|
单小军等: "图像匹配中误匹配点检测技术综述", 《计算机应用研究》 * |
崔晨风等: "重力匹配辅助导航误匹配消除方法研究", 《测绘通报》 * |
张文钢等: "《高等数学及其应用 下》", 31 July 2018, 华中科技大学出版社 * |
施桂国等: "一种多地球物理特征匹配自主导航方法", 《西北工业大学学报》 * |
朱秀昌等: "《数字图像处理与图像通信 第3版》", 30 June 2014, 北京邮电大学出版社 * |
郭永忠等: "《数学》", 30 April 2015, 重庆大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111561922A (zh) * | 2020-04-26 | 2020-08-21 | 中国人民解放军61540部队 | 一种基于重力灯塔特征描述与分类的潜艇导航方法及系统 |
CN111561922B (zh) * | 2020-04-26 | 2021-08-31 | 中国人民解放军61540部队 | 一种基于重力灯塔特征描述与分类的潜艇导航方法及系统 |
CN114199238A (zh) * | 2021-12-17 | 2022-03-18 | 中国空间技术研究院 | 基于软间隔局部半圆搜索提高水下导航效率和可靠性方法 |
CN114199238B (zh) * | 2021-12-17 | 2024-05-03 | 中国空间技术研究院 | 基于软间隔局部半圆搜索提高水下导航效率和可靠性方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A novel terrain-aided navigation algorithm combined with the TERCOM algorithm and particle filter | |
CN108896040B (zh) | 天空海一体化水下潜器惯性/重力组合导航方法和系统 | |
CN104390646B (zh) | 水下潜器地形辅助惯性导航系统的位置匹配方法 | |
CN108061889A (zh) | Ais与雷达角度系统偏差的关联方法 | |
CN104236546B (zh) | 一种卫星星光折射导航误差确定与补偿方法 | |
CN109141426B (zh) | 一种水下重力匹配导航适配区的方法 | |
Han et al. | An improved TERCOM-based algorithm for gravity-aided navigation | |
CN103743402B (zh) | 一种基于地形信息量的水下智能自适应地形匹配方法 | |
CN110608738A (zh) | 一种无人船全局气象航线动态规划方法和系统 | |
CN110487276B (zh) | 一种基于相关分析的采样矢量匹配定位方法 | |
US11835344B2 (en) | Contour line matching method based on sliding window data backtracking | |
CN110017839A (zh) | 一种提高水下导航匹配概率的方法和系统 | |
CN113743577B (zh) | 用于中尺度涡识别的精细化网格数据分区构建方法及系统 | |
CN103954280A (zh) | 一种快速和高鲁棒性自主恒星识别方法 | |
CN103927289A (zh) | 一种依据天基卫星测角资料确定低轨目标卫星初始轨道的方法 | |
CN113532438B (zh) | 一种大初始定位误差下的改进iccp地形匹配方法 | |
Liu et al. | Gravity aided positioning based on real-time ICCP with optimized matching sequence length | |
Wang et al. | A filtered-marine map-based matching method for gravity-aided navigation of underwater vehicles | |
Deng et al. | Underwater map-matching aided inertial navigation system based on multi-geophysical information | |
CN102706348B (zh) | 一种基于三角形的重力图快速匹配方法 | |
Zhao et al. | Improving matching efficiency and out-of-domain positioning reliability of underwater gravity matching navigation based on a novel domain-center adaptive-transfer matching method | |
Nie et al. | A continuous wavelet transform based method for ground elevation estimation over mountainous vegetated areas using satellite laser altimetry | |
CN113900069A (zh) | 一种基于干涉成像高度计的垂线偏差计算方法及其系统 | |
CN113686336B (zh) | 基于格网拓扑结构迭代最佳环域点提高水下导航精度方法 | |
CN111523223A (zh) | 超长重现期极值风速的推算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |
|
RJ01 | Rejection of invention patent application after publication |