二维高斯样条法改进水下重力定位：精度优于传统算法

本文主要探讨了一种创新的水下重力被动定位方法，即基于二维高斯样条函数的定位技术。当前，惯性导航系统（Inertial Navigation System, INS）在水下环境中广泛应用，然而其精度受到地理信息不完整或噪声干扰的影响，特别是惯导误差的校正常常依赖于复杂的匹配算法。作者针对这一问题，提出了一个新的解决方案。 首先，文章介绍了如何通过二维高斯样条函数构建连续的局部重力场模型。高斯样条函数是一种有效的数学工具，能够近似连续函数并保持光滑性，这对于处理水下重力场数据尤其适用。这种模型可以捕捉到重力场的局部特性，有助于更精确地估计地理位置。 接下来，作者将实测的重力数据转换为该连续模型下的解析表达，这样实测重力就成为了包含目标位置信息的关键量测值。这一步避免了常规匹配算法的使用，因为这些算法可能存在计算复杂度高、易受噪声影响等问题。通过采用扩展卡尔曼滤波算法，可以实现对目标位置的最优估计，提高了定位精度。 仿真结果显示，基于二维高斯样条函数的定位方法具有显著的优势。在分辨率达到2'×2'的某区域重力异常数据背景下，局部重力场模型的平均误差控制在0.19 mGal以下，这对应于非常高的定位精度。而水下经度和纬度的平均定位误差分别小于0.59海里和0.74海里，这意味着在水下导航中，该方法能提供极其准确的位置信息。 总结来说，本文提出的基于二维高斯样条函数的水下重力被动定位技术，不仅简化了定位过程，降低了对匹配算法的依赖，而且通过优化的滤波算法显著提高了定位精度，对于提升水下导航系统的性能具有重要意义。这项工作对于海洋科学、军事导航以及水下机器人等领域都具有广泛的应用前景。