SITAN算法：基于卡尔曼滤波的高精度地形辅助导航

SITAN算法，全称Space-Integrated Terrain Assisted Navigation，是一种基于单片机的高精度PWM式12位D/A转换器的地形匹配导航算法。该算法的核心在于将惯性导航系统(INS)与无线高度表和数字地图相结合，旨在提供更精确的导航信息，通过修正INS的累积误差，提升导航性能。 4.3.1 算法原理 算法原理的关键在于地形匹配，即通过比较INS提供的位置与数字地图上的地形数据，计算出飞行器相对于地形的高度估计。地形的非线性特性导致了量测方程的复杂性，通过地形随机线性化算法，可以实时获取地形斜率，将其转化为线性化的量测方程。卡尔曼滤波器在此过程中起到核心作用，它处理来自多个雷达高度表的数据，通过递推算法更新导航误差状态，从而得到最优估计值。这种方法每飞行100米左右重复一次，持续修正INS的导航状态，为系统提供连续的导航支持。 SITAN算法的具体实现如图4.4所示，系统中的卡尔曼滤波器负责实时分析和融合不同来源的信息，确保导航的准确性。该算法的特点在于其在线性化和滤波过程中，能连续地对传感器数据进行修正，避免了传统INS的累积误差问题。 论文重点介绍了两种主流的地形匹配算法：地形轮廓匹配算法TERCOM和卡尔曼滤波地形辅助导航方法SITAN。其中，TERCOM以其成熟度和在大面积地形数据处理中的高效性受到关注，而SITAN则因其在复杂地形区域的稳定性和快速定位能力而受到重视。然而，这两种算法都有各自的局限性，如 TERCOM可能在稳定性上稍逊，而SITAN在噪声环境下可能存在发散问题。 为了研究和改进基于熵的匹配算法，作者探讨了地形熵匹配算法和平均绝对差算法(MAD)的结合。地形熵算法利用熵的概念，对地形数据有较强的适应性，尤其在处理复杂地形和大噪声环境时表现出色，能快速找到载体位置。然而，它的稳定性需要通过MAD算法进行改善，通过两者结合，可以有效抑制算法的发散现象。 论文作者苑娜在哈尔滨工程大学进行的研究，通过二维随机过程仿真生成数字地图，对基于熵的匹配算法进行了仿真验证。实验结果显示，地形熵算法在抵抗基准误差方面表现优秀，在地形特征明显的地方能快速找到匹配点，实现了良好的匹配效果。关键词包括地形匹配、数字地图、地形熵和平均绝对差，这反映了研究的重点和创新之处。