地形匹配算法研究：结合熵与平均绝对差的改进方法

"这篇硕士学位论文主要探讨了地形匹配算法在地形辅助导航系统中的应用，特别是针对地形熵匹配算法和平均绝对差（MAD）算法的结合使用，以提高匹配稳定性和精度。作者苑娜在导师吴俊伟的指导下，深入研究了数字地图技术、地形数学模型的生成以及几种常见的地形匹配算法，包括TERCOM和SITAN。" 地形匹配算法是现代导航技术中的关键部分，特别是在地形辅助导航(TAN)系统中，它能通过结合惯性导航系统(INS)和无线电高度表以及数字地图来修正INS的累积误差，提升导航精度。数字地图技术在此过程中起到至关重要的作用，因为它提供了地形特征的数据基础。 论文详细介绍了地形轮廓匹配算法(TERCOM)和卡尔曼滤波地形辅助导航方法(SITAN)的基本原理和优缺点。这两种方法都是当前较为成熟的技术，但都有其局限性。例如，TERCOM可能在处理复杂地形时遇到困难，而SITAN则依赖于精确的模型和实时数据。 文章的重点在于地形熵匹配算法，该算法在处理复杂地形时表现出色，能在噪声环境中快速准确地定位。然而，算法的稳定性问题和易发散的特性限制了其应用。为解决这个问题，论文提出了将平均绝对差(MAD)算法与地形熵相结合的策略，MAD算法以其高匹配精度，可以有效抑制匹配过程中的发散现象，从而提高整体匹配的稳定性和准确性。 为了验证这一结合算法的有效性，作者进行了二维随机过程仿真实验，使用生成的数字地图数据进行匹配仿真。仿真实验结果显示，地形熵算法在抵抗基准误差方面表现出色，尤其在地形特征明显的区域，能够迅速找到匹配点，实现良好的匹配效果。 关键词揭示了论文的核心内容，包括地形匹配、数字地图的使用、地形熵作为匹配标准，以及平均绝对差作为提高匹配精度的工具。这些关键词突显了研究的焦点和创新点，即在复杂环境下的高效和稳定的导航匹配。 这篇硕士论文为提高地形匹配算法的稳定性和精度提供了新的视角，尤其是通过结合地形熵和MAD算法来克服现有算法的局限性，对于未来地形辅助导航系统的发展具有重要的理论和实践意义。