地磁异常辅助惯性导航的RAE-PEKF算法研究

"这篇文档详细探讨了一种基于量测残差估计残差协方差的RAE-PEKF（Residual Augmented EKF - Particle EKF）匹配算法，旨在改善水下潜器的导航精度。文章指出，惯性导航系统（INS）虽然具有多种优势，但系统误差会随时间累积，需要辅助导航技术来校正。地磁异常数据被提出作为一种有效的辅助信息，因为它可以弥补INS的不足，且具有隐蔽性好、不受干扰、误差不随时间累积等优点。文献中提到了历史发展，如E-Systems的MAGCOM系统和基于地磁图的组合导航技术。 文章进一步介绍了各种地磁导航技术，包括利用最小二乘滤波和EKF进行低轨航天器定轨的研究，以及混合EKF和伪线性卡尔曼滤波算法在地磁导航上的应用。粒子滤波技术也被提出，用于解决EKF算法在初始误差较大时的不收敛问题，同时提高了运算效率。此外，还提到了在复杂磁场环境中的室内地磁导航实验，以及EKF算法在地磁扰动期间提高导航精度的实例。 针对上述问题，文档提出的RAE-PEKF匹配算法是一种结合了量测残差和残差协方差估计的优化方法，旨在更准确地融合地磁数据和惯性导航信息，以降低累积误差并提高长期自主导航的精度。这种算法有望在水下潜器的导航系统中发挥重要作用，实现更高精度的定位和更低的误差增长率。" 在RAE-PEKF算法中，关键在于如何利用残差信息来估计系统的不确定性，进而优化滤波过程。残差是观测值与预测值之间的差异，通过分析残差的统计特性，可以更好地理解系统状态的变化和潜在的误差源。而残差协方差的估计则可以帮助调整滤波器的权重分配，使得算法能够更好地跟踪和校正系统的动态误差，特别是在存在大初始误差或非线性动态的情况下。 这篇文档深入探讨了地磁导航与惯性导航的组合策略，特别是通过RAE-PEKF算法提升导航性能。这一领域的研究对于水下潜器的长航时、高精度自主导航具有重要意义，同时也为其他领域如航天器导航提供了有价值的参考。