辅助惯性导航系统的方法和算法发展
惯性导航系统算法优化与开发
惯性导航系统算法优化与开发第一章：引言随着科技的不断发展，惯性导航系统在航空、航海、导弹等领域得到了广泛的应用。
惯性导航系统的基础是惯性传感器，通过测量加速度和角速度来计算位移和方向。
在惯性导航系统的研究中，算法的优化和开发是非常重要的环节。
本文将从惯性导航系统算法的优化和开发两个方面进行探讨，进一步提高系统的精度和性能。
第二章：惯性导航系统算法优化2.1优化方向选择惯性导航系统中最常用的算法是卡尔曼滤波器。
但是，卡尔曼滤波器不适用于某些应用场景，例如高加速度和高速运动、倾斜、震动、强磁场等。
针对这些问题，我们可以选择其他算法，例如扩展卡尔曼滤波、粒子滤波、无迹卡尔曼滤波、模型预测控制等。
选择合适的算法可以更好地解决问题，提高系统的稳定性和精确性。
2.2信号处理在测量加速度和角速度时，往往会有噪声信号干扰，这会影响导航系统的精度。
因此，我们需要对信号进行处理，例如高通滤波、低通滤波、数字滤波等。
此外，为了更好地处理信号，我们还需要对采样率、预测步长、状态转移矩阵等参数进行优化。
2.3状态估计和预测在惯性导航系统中，状态估计和预测是最为关键的环节。
状态估计是指根据测量数据和系统模型，计算当前所处状态的过程；预测是指利用估计出的状态值，根据系统模型来预测下一个状态值的过程。
为了提高状态估计和预测的精确性，我们需要对系统模型进行优化，确定合适的状态变量和测量变量，并且需要注意时间延迟、非线性问题等。
第三章：惯性导航系统算法开发3.1软件开发环境惯性导航系统算法开发需要使用工程仿真软件和算法开发软件。
常用的工程仿真软件包括MATLAB、Simulink、LabVIEW等；常用的算法开发软件包括Keil、IAR、Code Composer Studio等。
3.2算法实现在惯性导航系统算法开发中，我们需要实现各种算法，包括测量模型、状态转移模型、卡尔曼滤波、无迹卡尔曼滤波、扩展卡尔曼滤波、粒子滤波等。
此外，还需要实现数据采集、预处理、处理、显示等功能，以便观察算法的运行效果。
惯性导航系统原理与运作方式研究
惯性导航系统原理与运作方式研究在现代科技的发展中，导航系统是不可或缺的一部分。
而惯性导航系统作为一种相对独立的导航方式，在军事、航空航天等领域得到广泛应用。
本文将探讨惯性导航系统的原理与运作方式，并分析其优势和局限性。
一、惯性导航系统的原理惯性导航系统主要依靠惯性传感器来测量物体的加速度和角速度，并通过积分计算出物体的位置、速度和方向信息，以实现导航目的。
其中，主要包括加速度计和陀螺仪两种传感器。
加速度计是一种能够测量物体加速度的装置。
它通常采用质量固定在外壳内的振动加速度计的测量原理。
当物体受到加速度作用时，质量将相对于壳体偏离平衡位置，从而产生相应的测量信号。
通过对加速度计的信号进行积分，可以得到物体的速度和位移信息。
陀螺仪则是测量物体旋转角速度的装置。
它依靠角动量守恒的原理，利用陀螺原理来实现测量。
当物体旋转时，陀螺仪内部的转子将受到力矩作用，从而产生一个与旋转角速度相对应的测量信号。
通过对陀螺仪的信号进行积分，可以得到物体的旋转角度信息。
以上两种传感器通过不断测量加速度和角速度，随后进行积分、滤波和误差补偿等处理，最终得到物体的位置、速度和方向信息，实现导航系统的功能。
值得注意的是，惯性导航系统是一种相对导航方式，必须借助于初始位置和初始速度等信息，以校正积分过程中的累积误差。
二、惯性导航系统的运作方式惯性导航系统的运作方式主要包括初始对准、连续测量和误差补偿等环节。
1. 初始对准：在开始导航之前，需要将惯性导航系统与地面参考系统进行对准。
这一过程通常通过陀螺稳定平台和加速度计对准装置来实现。
通过对准装置将惯性导航系统与参考系统对准，可以减小由于姿态误差和积分误差等产生的导航误差。
2. 连续测量：一旦完成初始对准，惯性导航系统将不断测量加速度和角速度，并对其进行积分，计算出物体的位置、速度和方向信息。
在这个过程中，惯性导航系统需要进行滤波和误差补偿等处理，以减小测量误差和积分误差并提高导航精度。
惯性导航系统的发展与应用
惯性导航系统的发展与应用姓名：王彬学号：1111100228绪论：所谓惯性导航技术，是通过陀螺和加速度计测量载体的角速率和加速度信息，经积分运算得到载体的速度和位置信息。
它包括平台式惯导系统和捷联惯导系统两种。
被广泛运用与国防建设国民经济建设。
如今光纤陀螺不但具有激光陀螺的很多优点，而且还具有制造工艺简单、成本低和重量轻等特点，目前正成为发展最快的一种光学陀螺。
中国的惯性导航系统起步较晚，但也已取得了长足进步，而且在不断发展之中。
关键词：惯性导航；平台式惯导系统；捷联惯导系统；光学陀螺基本原理：惯性导航系统是不依赖于外部信息、也不向外部辐射能量的自主式导航系统。
它从结构上分为平台式惯导系统；捷联惯导系统。
它的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。
早期人们依靠地磁场、星光、太阳高度等天文、地理方法获取定位、定向信息，随着科学技术的发展，无线电导航、惯性导航和卫星导航等技术相继问世，在军事、民用等领域广泛应用。
其中，惯性导航是使用装载在运载体上的陀螺仪和加速度计来测定运载体姿态、速度、位置等信息的技术方法。
实现惯性导航的软、硬件设备称为惯性导航系统，简称惯导系统。
捷联式惯性导航系统(Strap-down Inertial Navigation System，简写SINS)是将加速度计和陀螺仪直接安装在载体上，在计算机中实时计算姿态矩阵，即计算出载体坐标系与导航坐标系之间的关系，从而把载体坐标系的加速度计信息转换为导航坐标系下的信息，然后进行导航计算。
由于其具有可靠性高、功能强、重量轻、成本低、精度高以及使用灵活等优点，使得SINS 已经成为当今惯性导航系统发展的主流。
捷联惯性测量组件(Inertial Measurement Unit，简写IMU)是惯导系统的核心组件，IMU 的输出信息的精度在很大程度上决定了系统的精度。
惯性导航系统技术的研究与发展
惯性导航系统技术的研究与发展惯性导航系统（Inertial Navigation System, INS）是一种利用惯性导航传感器测量和集成飞行器运动信息的导航技术。
它以惯性测量单元（Inertial Measurement Unit, IMU）为核心，通过测量加速度和角速度等物理量，计算出飞行器的位置、速度和姿态等导航参数。
惯性导航系统技术的研究与发展具有重要意义，不仅可以应用于航空航天领域，还可以拓展到其他领域，例如汽车、船舶等。
惯性导航系统技术的研究与发展主要包括三个方面：传感器技术、运动解算算法和误差补偿方法。
首先，传感器技术是惯性导航系统的基础。
目前常用的惯性导航传感器包括陀螺仪和加速度计。
陀螺仪用于测量飞行器的角速度，而加速度计则用来测量飞行器的加速度。
传感器的性能对系统导航精度和可靠性具有重要影响。
因此，研究人员致力于开发高精度、低成本、小尺寸的惯性导航传感器。
传感器技术的创新可以提供更准确的输入数据，从而提高惯性导航系统的性能。
其次，运动解算算法是惯性导航系统的核心。
传感器测量得到的加速度和角速度需要通过运动解算算法计算出飞行器的姿态、速度和位置等导航信息。
常用的运动解算算法包括卡尔曼滤波器、扩展卡尔曼滤波器等。
这些算法基于动力学模型和测量方程，结合先验信息和测量数据，通过迭代计算得到最优的导航解算结果。
研究人员对于运动解算算法进行改进和优化，旨在提高系统的导航精度和鲁棒性。
最后，误差补偿方法是惯性导航系统中不可或缺的一环。
由于传感器本身存在误差和漂移，以及环境条件的变化，惯性导航系统的导航参数会随着时间累积误差而发生偏移。
为了解决这个问题，研究人员提出了各种误差补偿方法。
常见的方法包括零偏校准、温漂补偿、初始对准等。
这些方法能够减小传感器误差对系统导航性能的影响，延长系统的导航有效性。
总的来说，惯性导航系统技术的研究与发展对于提高导航精度、降低成本、提升可靠性具有重要意义。
随着人们对于导航需求的不断提高和技术的不断进步，惯性导航系统将会得到更广泛的应用。
惯性导航航天中的定位技术
惯性导航航天中的定位技术航天是人类探索宇宙的一项伟大事业，而定位技术在其中起到了至关重要的作用。
惯性导航技术作为一种独立于地球坐标系的导航系统，能够为航天器提供高精度的定位和导航信息。
本文将从惯性导航系统的原理、应用和发展趋势三个方面探讨在航天中的定位技术。
一、惯性导航系统的原理惯性导航系统是一种通过测量航天器的加速度和角速度来计算位置和速度的导航系统。
它基于惯性力学的原理，利用物体的惯性和运动学关系来推算位置和速度。
该系统主要由三轴加速度计和三轴陀螺仪组成，通过测量加速度计和陀螺仪输出的信号，计算导航器在空间中的姿态和运动状态。
这些数据可用于推算航天器相对于出发点的位置和速度。
二、惯性导航系统的应用1. 航天探测任务：在航天探测任务中，惯性导航系统可以提供高精度、实时的定位和导航信息。
通过记录航天器的加速度和角速度变化，可以计算出航天器相对于地球的位置和速度。
这对于正确计算飞行轨迹、执行任务的精确性和安全性至关重要。
2. 空间站和卫星导航：对于空间站和卫星导航，惯性导航系统能够提供稳定的、连续的定位信息。
在无法接收地面导航信号的情况下，该系统可以独立运行，并保持较高的精度。
这对于卫星导航系统的持续性和可靠性至关重要。
3. 载人航天：在载人航天任务中，惯性导航系统是航天员航天器的重要定位工具。
它可以监测航天器的运动状态，并提供实时的位置和速度信息。
对于航天员的生命安全和任务执行的准确性来说，惯性导航系统起到了至关重要的作用。
三、惯性导航系统的发展趋势1. 惯性导航系统的小型化：随着微电子技术和纳米技术的发展，惯性导航系统正朝着小型化和集成化的方向发展。
未来的导航器将更加紧凑，更轻便，从而可以更好地适应空间环境的要求。
2. 惯性导航系统的高精度：随着科学技术的进步，惯性导航系统的精度也会不断提高。
更精确的传感器和算法将使航天器的定位和导航更加精确和可靠。
3. 惯性导航系统与其他导航技术的结合：未来的导航系统将更多地采用多传感器融合的方式，将惯性导航系统与其他导航技术（如星务合作、卫星导航系统）结合起来，从而进一步提高定位和导航的精度。
惯性导航技术的新进展及其发展趋势
惯性导航技术的新进展及其发展趋势惯性导航技术是一种利用惯性传感器（如加速度计和陀螺仪）来测量和跟踪设备位置、方向和速度的技术。
它被广泛应用于航空航天、汽车导航、无人机、船舶、军事设备等众多领域。
随着科技的不断发展和创新，惯性导航技术也在不断取得新的进展，同时也呈现出了一些新的发展趋势。
一、新进展1. 惯性导航芯片的发展目前，惯性导航技术的发展主要受制于惯性导航芯片的性能和精度。
近年来，随着微电子技术和纳米技术的发展，惯性导航芯片的性能得到了极大的提升，其精度和稳定性也得到了显著的改善。
新一代的惯性导航芯片不仅体积更小、功耗更低，而且精度更高，能够更好地适应各种环境和应用场景。
2. 多模态融合技术的应用随着传感器技术的进步，多模态融合技术在惯性导航领域的应用也日益广泛。
通过将惯性传感器与其他类型的传感器（如GPS、视觉传感器、激光雷达等）进行融合，可以有效弥补惯性传感器存在的漂移和累积误差问题，提高导航系统的精度和稳定性。
3. 数据处理算法的优化随着人工智能和大数据技术的不断发展，各种先进的数据处理算法也被应用到了惯性导航技术中。
基于深度学习的惯性导航数据处理算法能够更加准确地识别和修正传感器数据中的噪声和误差，从而提高了导航系统的性能和稳定性。
二、发展趋势1. 更高精度、更高稳定性随着航空航天、自动驾驶、无人机等领域对导航精度和稳定性的要求越来越高，惯性导航技术也将朝着更高精度、更高稳定性的方向发展。
未来的惯性导航系统将会更加精准地测量和跟踪位置、方向和速度，以满足各种复杂环境下的导航需求。
2. 多传感器融合多传感器融合技术是未来惯性导航技术发展的重要趋势之一。
通过融合惯性传感器和其他类型的传感器，可以有效地提高导航系统的精度和可靠性，实现全天候、全地形的导航和定位。
3. 智能化、自适应未来的惯性导航系统将更加智能化和自适应，能够根据实际环境和应用场景自动调整参数和算法，提高系统的适应性和鲁棒性。
惯性导航系统发展综述报告
惯性导航系统发展综述报告学号：姓名：摘要：本文介绍了惯性导航系统的主要组成、基本原理、分类以及优缺点。
列举了惯性导航系统在当前的主要应用领域及发展趋势。
关键词：惯性导航系统、陀螺仪、加速度计、GPS、组合导航一.引言美国《防务新闻》网站报道称，美军正在研制新型导航定位设备，以替代现在广泛使用的GPS卫星定位导航系统。
GPS之所以被美军诟病，主要是由于该系统过于依赖脆弱的天基卫星系统。
卫星在战时极易被干扰、破坏，或受到网络攻击，自身安全性难以得到有效保证。
为有效解决GPS安全性问题和美军对精确定位、导航、授时服务的需求之间难以调和的矛盾，美军开始积极寻求GPS 的替代品。
据称，基于现代原子物理学最新成就的微型惯性导航技术是未来代替GPS的一个重要的技术解决方案。
惯性导航系统是人类最早研发明的导航系统之一。
早在1942年德国在V-2火箭上就率先应用了惯性导航技术。
从2009年，美国国防部先进研究项目局就深入进行新一代微型惯性导航技术的研发与测试工作。
据悉，这种新一代导航系统主要通过集成在微型芯片上的三个原子陀螺仪、加速器和原子钟精确测量载体平台相对惯性空间的角速率和加速度信息，利用牛顿运动定律自动计算出载体平台的瞬时速度、位置信息并为载体提供精确的授时服务。
美军也对该系统的未来发展充满信心。
安德瑞·席克尔认为，就像30年前人们没有预想到GPS会发展到目前如此程度一样，在未来20年新一代微型惯性导航系统的发展程度也是无可限量的。
从此报道中可以看出研究惯性导航技术的重要作用。
二．惯性导航系统的概念惯性导航（inertial navigation）是依据牛顿惯性原理，利用惯性元件（加速度计）来测量运载体本身的加速度，经过积分和运算得到速度和位置，从而达到对运载体导航定位的目的。
组成惯性导航系统的设备都安装在运载体内，工作时不依赖外界信息，也不向外界辐射能量，不易受到干扰，是一种自主式导航系统。
惯性导航系统通常由惯性测量装置、计算机、控制显示器等组成。
惯性导航技术的新进展及其发展趋势
惯性导航技术的新进展及其发展趋势
惯性导航技术是一种利用惯性测量装置组合（IMU）进行导航的技术，它不依赖于外部信号源，而是通过测量加速度和角速度来推算位置、方向和速度。
这种技术是在没有GPS 信号或者GPS信号受限的环境下进行导航的重要手段，比如在城市谷隘、高楼大厦密集区域、地下车库、山区等环境下，惯性导航技术都能够发挥其独特优势。
近年来，随着MEMS 技术的快速发展，惯性导航技术也取得了一些新的进展，并且有一些发展趋势也值得关注。
关于惯性导航技术的新进展。
随着微机电系统（MEMS）技术的不断进步，惯性传感器的精度和稳定性得到了显著提高。
MEMS陀螺仪和加速度计的体积和功耗逐渐减小，精度和稳定性逐渐提高，这为惯性导航技术的发展提供了有力支持。
随着人工智能和深度学习技术的日益成熟，利用惯性传感器数据进行状态估计和航迹重建的算法也取得了一些突破。
这些算法能够通过处理传感器测量数据来估计车辆或者移动设备的位置、速度和方向，进而实现导航和定位功能。
关于惯性导航技术的发展趋势。
可以预见，随着MEMS技术的不断进步，惯性导航技术的传感器将变得更加小型化、低成本和高性能。
这将大大扩展惯性导航技术在汽车、航空航天、无人机、移动设备等领域的应用范围。
随着5G和物联网技术的快速发展，惯性导航技术也将逐渐与其他传感器（比如摄像头、激光雷达等）和通信设备进行融合，进一步提高导航和定位的精度和稳定性。
由于环境地图的不断丰富和更新，惯性导航技术将能够通过地图匹配和路标识别等技术与地图数据进行融合，进一步提高导航和定位的精度和鲁棒性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2008年8月第36卷第4期现代防御技术M ODERN DEFENCE TECHNOLOGYAug.2008Vo.l36No.4导航、制导与控制辅助惯性导航系统的方法和算法发展*武虎子,南英,付莹珍(南昌航空大学航空与机械工程学院,江西南昌330063)摘要:综述了辅助惯导的一些主要算法和方法,主要有:重力辅助的匹配方法、基于衰减记忆的匹配算法、基于贝叶斯算法、基于神经网络算法、基于迭代最近点算法、无线电高度与数字地图辅助方法、粒子滤波算法、声呐技术辅助方法、概率数据关联算法、成像激光雷达辅助方法。
分别对各类辅助算法和方法的基本原理、主要优缺点进行了简要介绍,展望了辅助算法和方法的发展趋势。
关键词:惯性导航系统;辅助算法;辅助方法;发展趋势中图分类号:V448122+4;U66611文献标识码:A文章编号:10092086X(2008)20420062206The Developm en t of A i ded A l gor ithm and M ethods i n Iner ti a lN avi ga ti on Syste mWU H u2z,i NAN Y i n g,F U Y ing2z hen(Nanchang Un i versity of Aeronautics,School of Aero nauti c and M echanical Engi neeri ng,Ji angxi Nanchang330063,Ch i na)A bstra ct:So me main a l g orithms and methods i n a i d ed2inertial navi g ati o n are summ ar iz ed.They canbe c lassified as f ollo ws:gravity a i d ed matchingm ethod,match i n g algorithm based on FadingMe mory,a l2 gorithm based on Bayes Rule,a l g orit h m based on A rtificial Neura lN et w ork,algorith m based on iterative closest poin,t a i d ed method of w ire less he i g ht and d i g italmap,partic le filter algorithm,aided m et h od of sonar technology,probab ilistic data association filter algorith m,a i d ed method of i m agi n g laser radar.The main pri n ciple and ma i n advantages and disadvan tages of a ll k i n ds of a l g orit h ms and methods are i n tro2 duced si m p l y and separately.The develop men t trend of the m is prospected.K ey words:i n ertial navi g ati o n syste m(I N S);a i d ed a l g orithm;a i d ed m et h ods;deve lopment trend0引言随着导航技术的逐渐成熟,飞行器对自主导航精度的要求也越来越高,因而辅助惯性导航方法与算法也快速兴起。
所谓辅助惯性导航系统(i n erti a l navi g ation syste m,I N S)的方法与算法,就是一种能提高惯导导航精度的方式和途径(如导航精度参数CEP,S EP,R,R MS等达到规定的范围内)。
采用这些方法与算法可以重调和校正单一的惯导系统(如位置和方位的重新调整、陀螺漂移的校正)。
在过去的几十年里,辅助惯性导航技术已经有了很大的发展。
其辅助算法都可以通过建立数学模*收稿日期:2007-12-01;修回日期:2008-02-12作者简介:武虎子(1981-),男,陕西富平人。
硕士生,研究方向为飞行控制与导航。
通信地址:330063南昌市丰和南大道696号南昌航空大学航空与机械工程学院型或图形模型进行问题的阐述或原理说明。
本文综述了一些较有影响的研究方法和算法,对其进行简要的介绍。
1辅助惯导系统的方法与算法研究辅助惯导系统的方法与算法大体应遵循以下步骤:¹建立数学模型或图形,即将现实世界的问题进行抽象后建立相关的模型;º验证该算法的可行性,通过计算机仿真来模拟主要参数是否达到技术要求。
1.1辅助惯导系统的方法与算法辅助惯导系统的方法与算法主要有重力辅助的匹配方法、基于衰减记忆的匹配算法、基于贝叶斯算法、基于神经网络算法、基于迭代最近点算法、无线电高度与数字地图辅助方法、粒子滤波算法、声呐技术辅助方法、概率数据关联算法、成像激光雷达辅助方法等。
1.1.1重力辅助的匹配方法(match i n g method i n gravity aided I N S)重力辅助的匹配方法[1]是一种利用地球重力场特征获取载体位置信息,是从重力测量和重力仪异常和垂线偏差的测量和补充的基础上发展起来的。
这种算法首先采用相关搜索减少不定性区域,然后再以扩展卡尔曼滤波(EKF)器对参数进行精确估计。
以重力异常差作为观测量为例,其观测方程应为y=G(x r,y r)-G M(x ins,y ins),(1)式中:G(x r,y r)为载体的实际位置(x r,y r)处测得的重力异常;G M(x ins,y ins)为根据惯导指示位置(x in s, y ins)从重力特征图读出的重力异常。
由于y与导航位置误差之间是非线性关系,需要进行线性化处理,才能经EKF解算,估计出导航系统的位置误差,并对惯导系统进行校正。
导航原理图如图1所示。
该种方法在获取重力信息时对外无能量辐射,具有良好的隐蔽性,可在水下对惯导进行校正,获得很高的精度。
不足之处在于重力敏感装置还很落后,很难得到高精度的重力数据库。
图1重力辅助惯性导航系统的匹配方法示意图F ig11Th e sketch of m a tch ing m ethodi n gr avity a ided INS1.1.2基于衰减记忆的匹配算法(terra i n a i d ed navigation using f ading me mor y)衰减记忆的匹配算法[2-3]就是采用衰减记忆的方法对不同时刻的量测值赋以不同的权值,使用一种新的相关算子计算相关值,其实质是一种加权的相关值。
地形高度匹配的过程就是寻找最佳相关值的过程,也就是寻找使B_S D m C,n C(k)取得最小值时对应的(m C,n C)的过程:(m C,n C)=ar g m inm,nB_S D m,n(k).(2)式中:m,n为像元的位置坐标。
首先介绍一下基于衰减记忆的地形高度匹配相关算子。
定义变量e m,n(k)如下:e m,n(k)=h R-T(k)-h D-M(x k+m,y k+n),(3)h R-T(k)=h p(k)-h r(k),(4)式中:h R-T(k)为k时刻根据测量值计算的实时地形高度值;h D-M(x k+m,y k+n)为k时刻基本导航系统指示的位置信息(x k,y k)平移(m,n)个单位像元后,数字地图中相应位置的地形高度值;h p(k)为k 时刻气压高度表测量的绝对高度值;h r(k)为k时刻雷达高度表测量的相对高度值。
定义相关算子B_SD m,n(k)(0<B[1):B_SD m,n(k)=B0e2m,n(k)+,+B i e2m,n(k-i)+,+B k-1e2m,n(1)=Eki=1B k-1e2m,n(i).(5)式(5)可以写成如下递归形式:B_S D m,n(k)=B*B_S D m,n(k-1)+e2m,n(k),(6) m,n I I,I的大小由搜索区域大小决定。
算法流程如下:#63#武虎子,南英,付莹珍:辅助惯性导航系统的方法和算法发展现代防御技术2008年第36卷第4期(1)初始化:k=0,B_S D m,n(k)=0;(2)采样:采样惯导输出的位置坐标(x k in s, y k ins),雷达高度h r(k)和气压高度h p(k);(3)根据式(3),(4),对所有的(m,n),计算e m,n(k);(4)计算相关值:根据式(6),对所有的(m, n),计算B_S D m,n(k),找出B m i n_SD m,n(k);(5)定位:如果k\1/(1-A),根据B_S D m C,n C(k)求得(m C,n C),再根据数字标高地图确定TAN位置;(6)k=k+1,转(2)。
总之,通过仿真表明这种新方法的正确匹配率、均方根误差和圆概率误差均决定于TERCO M算法。
同时,该算法在提高定位精度的同时减少了计算量和存储空间,从而提高计算速度,并连续输出定位结果。
1.1.3基于贝叶斯方法的匹配算法(match i n g algo2 rithm based on Bayes rule)基于贝叶斯方法的匹配算法[4]就是根据当前时刻t为止所有观测量X t={x0,x1,,,x t},采用贝叶斯概率法估计出飞行器惯导系统当前时刻的定位误差e c,也可以说求解一个条件概率函数p(e c|X t),该种算法是一种应用后验估计方法的一种近似的实现方法。
它把惯导误差作为一种状态变量来进行处理,同时可以求出惯导误差落在每一个小区域S(n)中的概率p(S(n)),最后根据贝叶斯方法得出的e c(n C),计算出当前误差。
此算法不需要进行地形线性化处理,因此可以保证收敛;而且它可以在多种分布形式的噪声条件下工作。
虽然它可以连续输出定位结果,但是计算量很大。
1.1.4基于神经网络算法(algorithm based on arti2 fic i a l neural net w or k)基于神经网络算法[5-6]主要是利用误差反向传播(back propagation,BP)神经网络对学习样本L S i=n (ls1,ls2,,,ls n)的训练得到期望的输出样本DS i=n (ds1,ds2,,,ds n)。
学习样本就是通过飞行器上的雷达扫描正下方一定区域内的地形数据(区域的大小由扫描范围决定),然后通过BP网对这些数据进行模式识别,最后可以得出一组与数字基准地图相匹配的相关峰值点,这些点数据就是飞行器的估计位置数据,也是期望得到的输出样本。