地形辅助导航的匹配算法研究：地形熵与平均绝对差的结合

"地形辅助导航系统的匹配算法研究" 在现代导航技术中，地形辅助导航（TAN）扮演着至关重要的角色，它通过结合惯性导航系统（INS）和无线电高度表以及数字地图来提高导航精度，减少由于惯导系统累积误差导致的定位不准确问题。本文主要探讨了实现这一目标所需的地形匹配算法。 首先，数字地图技术是地形匹配的前提。作者详细阐述了如何生成和处理数字地图，包括构建地形的数学模型，这对于后续的匹配过程至关重要。数字地图能够提供丰富的地理信息，为匹配算法提供基础数据。 接着，论文介绍了两种常见的地形匹配算法：地形轮廓匹配算法（TERCOM）和卡尔曼滤波地形辅助导航方法（SITAN）。TERCOM依赖于地形轮廓的相似性进行匹配，而SITAN则利用卡尔曼滤波器对匹配过程进行优化，两者各有优缺点，广泛应用于实际导航系统中。 地形匹配的核心在于相似度量算法，论文重点研究了地形熵匹配算法和平均绝对差（MAD）算法。地形熵算法在处理复杂地形时表现出色，能快速有效地在大量数据中找到匹配点，尤其在噪声环境中表现稳定。然而，该算法的稳定性相对较差，容易发散。相比之下，MAD算法具有更高的匹配精度，能有效抑制匹配过程中的发散现象。通过将地形熵和MAD相结合，可以构建更稳健的匹配策略。 为了验证提出的匹配算法的有效性，论文进行了仿真研究，使用二维随机过程生成的数字地图作为数据源，对比了地形熵算法和MAD结合算法的匹配性能。结果显示，地形熵算法在抵抗基准误差方面表现出色，尤其是在地形特征明显的区域，能快速准确地找到匹配点，从而实现良好的匹配效果。 关键词：地形匹配，数字地图，地形熵，平均绝对差 这篇硕士学位论文详细探讨了地形匹配算法，特别是地形熵和MAD算法在提高导航精度中的应用，为现代导航系统的设计提供了理论支持和实用方法。通过对这些算法的深入理解和优化，可以提升TAN系统的整体性能，使其在复杂环境下的导航任务中更具可靠性。