改进的水下重力异常匹配算法提升潜器导航精度

本文主要探讨了水下重力辅助惯性导航技术中的一种关键算法——最近等值线迭代匹配的改进方法。原始的ICCP算法虽然在某些情况下能有效实现导航轨迹的精确匹配，但其局限性在于它假设真实航迹必须接近惯性导航轨迹。针对这一问题，研究者提出了一种创新策略。 新算法的核心是结合费波纳奇数列的调优特性，对ICCP进行了优化。费波纳奇数列是一种数学上的递推序列，其性质在优化算法中有着广泛应用，通过引入这种序列，可以在迭代过程中更有效地搜索和匹配最佳位置，从而提高匹配精度。作者首先通过相关极值匹配技术对惯导数据进行预处理，将惯性导航轨迹调整到与真实航迹更接近的状态。这样做的目的是减小初始匹配时的偏差，为后续的精确匹配创造更好的条件。 然后，使用改进后的最近等值线迭代匹配算法进行更深层次的匹配，利用重力数据库和实时测得的重力特征数据，对比并找出最符合真实航迹的重力分布点。这种方法不仅提升了导航精度，还减少了由于初始位置偏差带来的累积误差。 通过在不同仿真条件下的实验计算分析，研究结果证实了这个改进算法的有效性，它能够有效地修正惯导导航过程中的误差，使得水下潜器在复杂环境中实现长期、自主、高精度的导航。因此，这种结合费波纳奇数列优化和预处理策略的重力辅助惯性导航匹配算法对于提升水下导航系统的性能具有重要意义，为水下无人潜航器和深海探测等领域提供了技术支持。 本文的研究成果不仅推动了惯性导航技术的发展，也为其他领域如无人机导航或自动驾驶汽车的定位技术提供了新的思路。此外，对于那些依赖高精度定位的军事、科研和商业应用来说，这篇文章的理论贡献和技术突破具有很高的实用价值。