地形辅助导航算法研究：TERCOM与SITAN

"地形匹配算法是实现地形辅助导航的基础，包括TERCOM和SITAN等方法。地形辅助导航(TAN)结合惯导系统(INS)、无线电高度表和数字地图，可修正导航信息，提高精度。文章重点研究了地形熵匹配算法和平均绝对差(MAD)在复杂地形匹配中的应用，并探讨了它们的优缺点及结合使用的效果。" 地形匹配算法在现代导航系统中扮演着关键角色，特别是对于地形辅助导航(TAN)系统，它能够修正惯导系统(INS)的累积误差，提升导航精度。TERCOM（Terrain Contour Matching）算法是其中一种成熟的技术，具备全天候、高精度和抗干扰性强的特点，但需要预先规划飞行轨迹，执行效率较低，对速度的依赖性高，且对航向误差敏感。 SITAN（圣地亚惯性地形辅助导航系统）则利用扩展卡尔曼滤波器（EKF）和局部地形线性化技术实现递归算法，改进了TERCOM的不足，适用于更复杂的导航需求。SITAN通过实时处理数据，增强了系统的机动性和适应性。 在地形匹配算法的研究中，数字地图技术和地形数学模型的生成是基础。论文特别关注了地形熵匹配算法和平均绝对差(MAD)。地形熵算法在处理复杂地形时表现出高效性，尤其是在噪声环境中能快速定位，但稳定性不足，易发散。MAD算法则以其高匹配精度著称，能有效抑制发散现象。通过将MAD与地形熵结合，可以创建更稳定且精确的匹配算法。 为了验证这些算法的性能，论文进行了基于二维随机过程仿真的数字地图匹配实验。实验结果证明，地形熵算法在基准误差较大时仍保持较强鲁棒性，尤其在地形特征明显的区域，能快速找到匹配点，实现良好匹配效果。平均绝对差与地形熵的结合进一步提升了算法的稳定性和匹配效率。 关键词涉及的核心概念包括地形匹配、数字地图的使用、地形熵作为匹配度量标准以及平均绝对差在抑制匹配误差中的作用。这些研究成果对于提升导航系统性能，特别是在复杂或干扰环境中的导航有重大意义。