地形辅助导航技术是利用地形高度特征实现精确定位的自主、全天候低空导航技术,它和卫星导航、惯性导航一样,是当今世界重要的军事导航技术,在作战飞机、无人飞机、巡航导弹等远程精确打击武器上有着重要的应用。地形高度匹配方法是地形辅助导航的关键技术之一,目前已有一些成熟的方法在巡航导弹和作战飞机中得到了比较好的应用,但这些算法尚存在对地形要求高、地形匹配区选择耗时长、有可能发生虚定位等问题,导致地形高度匹配系统在应用中受到诸多限制,所以,研究地形适应性强的高效地形高度匹配算法是目前地形辅助导航领域的一个重要研究方向。论文以长航时无人机为应用背景,研究了地形高度匹配新方法及其环境适应性问题。 首先,论文研究了地形高度匹配的形式化模型,分析了影响地形高度匹配性能的因素和提高地形高度匹配系统性能的途径。指出地形高度匹配问题本质上是一个非线性的状态估计问题,用基于直接概率准则的非线性状态估计方法处理地形高度匹配问题,直接对非线性模型进行处理,可以从理论上解决由于非线性模型的线性化近似所引起的众多问题,因此,这种方法处理地形高度匹配问题理论上具有优势。 其次,针对目前地形高度匹配算法存在的问题,论文着重研究了三种不同的基于直接概率准则的地形高度匹配方法,它们分别适用于不同的应用场合。 针对TERCOM(Terrain Contour Matching)算法存在的虚定位问题,论文提出了一个新的分批地形高度匹配方法:基于概率数据关联滤波的地形高度匹配PDAFTEM(Probability Data Associate Filtering based TEM)算法。仿真结果表明,此算法有效地降低了虚定位发生的概率,与TERCOM算法相比,PDAFTEM算法还具有能容忍更大的地图LEP(Line Error Probability)误差的特点,在难以提供高质量地形匹配区数字高程地图的情况下,优先考虑选用PDAFTEM算法。 针对SITAN(Sandia Inertial Terrain Aided Navigation)算法对初始位置误差敏感的问题,论文建立了以惯性导航系统INS(Inertial Navigation System)定位误差为状态变量、以地形高度为观测量的,地形高度匹配的递推贝叶斯估计模型,提出了一个适用于短时间内连续地形高度匹配的方法:基于递推贝叶斯估计的地形高度匹配RBETEM(Recursive Bayes Estimation based TEM)算法。与SITAN算法相比,RBETEM算法的收敛性不受初始位置误差影响,且不要求测量噪声必须为高斯分布。