熵-ICCP融合的地磁增强惯性导航多级匹配算法研究

本文主要探讨了基于熵算法和ICCP算法的多级地磁辅助惯性导航系统的研究。惯性导航技术在许多领域中被广泛应用，如航空航天、自动驾驶和导航设备等，但它的一大挑战是定位误差会随着时间的推移而逐渐累积。为了克服这一问题，研究者引入了地磁信息作为校正手段，利用地磁导航来减小惯性导航系统的误差。 熵算法作为一种数据处理方法，其核心在于通过计算信息的不确定性来识别和剔除离散点和野值点，这在处理地磁信号中的噪声和异常数据时表现出色。熵算法的优势在于它具有较强的抗基准误差能力，即对基准信号的不稳定性有良好的补偿作用，从而提高导航系统的稳定性和可靠性。 ICCP（Iterative Closest Point）算法则是一种经典的匹配算法，它在寻找最佳匹配点方面表现出较高的精度和稳定性。在惯性导航中，ICCP可以帮助有效地融合地磁数据，提供更精确的位置估计。 作者宋磊结合这两种算法的优点，提出了一个创新的多级匹配策略。该新算法首先通过熵算法进行初步的数据清洗和异常检测，然后采用改进的ICCP算法进行精细匹配，实现了粗略估计与精确校准的结合。这种多级匹配策略有助于减少误差累积，抑制惯性导航定位误差的增长，从而提升整个导航系统的长期性能。 通过仿真实验，研究结果证实了这种融合算法的有效性。它不仅在很大程度上修正了惯性导航的误差，而且成功地抑制了定位误差的发散，显著提高了导航系统的整体精度。这对于延长惯性导航系统的使用寿命，特别是在需要长时间稳定运行的场合，具有重要意义。 本文的贡献在于提出了一种高效的地磁辅助惯性导航算法，通过结合熵算法的稳健性和ICCP算法的高精度，实现了多级匹配，为提高惯性导航系统的精度和可靠性提供了新的解决方案。这不仅为实际应用提供了理论支持，也为未来的导航技术研发开辟了新的方向。