局域重力场球冠谐建模与联邦滤波相结合的重力匹配导航算法

P228; 本文提出一种基于联邦Kalman滤波器(federated Kalman filter,FKF)和局部重力场球冠谐分析(spherical cap harmonic analysis,SCHA)建模的水下重力匹配导航方法.首先基于适定边值问题构建FKF子系统滤波器的重力梯度复数组合观测量;然后采用改进球谐分析技术(adjusted spherical harmonic analysis,ASHA)优化局部重力场球冠谐建模方法,快速建立以匹配点为中心的局部海洋重力场与空间位置之间较为准确的移动窗口球冠谐模型,并依据该模型组建子滤波器量测方程;最后利用预测残差向量设计自适应信息分配因子...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 52; no. 11; pp. 1844 - 1857
Main Authors 黄炎, 李姗姗, 李新星, 宋星光, 范雕, 万宏发
Format Journal Article
LanguageChinese
Published 军事科学院国防科技创新研究院,北京 100071 20.11.2023
信息工程大学地理空间信息学院,河南郑州 450001%信息工程大学地理空间信息学院,河南郑州 450001%北京航天飞行控制中心,北京 100094
Subjects
FKF
复数组合
匹配导航
ASHA
complex combination
gravity gradient
match navigation
SCHA
重力梯度
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2023.20220609

Cover

More Information
Summary:P228; 本文提出一种基于联邦Kalman滤波器(federated Kalman filter,FKF)和局部重力场球冠谐分析(spherical cap harmonic analysis,SCHA)建模的水下重力匹配导航方法.首先基于适定边值问题构建FKF子系统滤波器的重力梯度复数组合观测量;然后采用改进球谐分析技术(adjusted spherical harmonic analysis,ASHA)优化局部重力场球冠谐建模方法,快速建立以匹配点为中心的局部海洋重力场与空间位置之间较为准确的移动窗口球冠谐模型,并依据该模型组建子滤波器量测方程;最后利用预测残差向量设计自适应信息分配因子将各子滤波器状态估值及协方差进行融合得到惯导位置误差最优估计量.试验结果表明:采用SCHA建模的重力FKF匹配算法24 h航行导航定位误差保持在1.1 n mile以内,导航定位精度提高85％以上;10d长时间航行导航定位精度提高了 88.7％.本文算法能够在一定程度上克服惯性导航系统由于时间推移误差积累的缺陷,提高系统导航定位精度,增加匹配算法的稳健性.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2023.20220609