CN101520328A - 地磁场线图匹配自主导航方法 - Google Patents

Abstract

本发明公开了一种地磁场线图匹配自主导航方法，首先按照设定频率连续测量航行器航迹上的多个地磁场特征量，并将测量数据按照固定点数的滑动窗口方式构造对应特征量的匹配线图；根据匹配相似性准则和匹配结果融合准则，采用全局最优搜索算法将多特征量的匹配线图与基准图做匹配比较，得到航行器的位置信息。该技术充分利用了地磁场多特征量的特点来计算航行器的精确位置，在长航期条件下没有导航积累误差，特别适用于海洋、平原等无典型地貌特征环境下的导航，能够满足未来巡航导弹、无人机和潜艇等航行器无源、全天时、全天候、全地域的导航要求，也可以应用于民用领域。

Description

地磁场线图匹配自主导航方法

技术领域

本发明涉及一种导航方法，特别是地磁场线图匹配自主导航方法。

背景技术

导航定位技术在现代科学技术发展中处于基础地位，渗透于各种军用和民用领域，显示出越来越重要的作用。然而目前较成熟的导航定位方法在长期导航任务、无典型地貌特征环境等条件下尚存在很大的不足，需要其它导航方式的补充。例如潜艇，若仅采用INS技术，即惯导技术，虽然可以自主导航且短时精度较高，但是存在积累误差，而在深水又难以借助其它现有技术，潜艇不得不定期浮出水面来修正，降低了其隐蔽性和安全性。再如巡航导弹，虽然可以收到无线电导航信号，但战争时期信号容易受到敌方的屏蔽和干扰，导航基站本身也容易受到攻击；此外，当跨海、沙漠和森林等飞行时，由于地形的灰度和纹理基本相同，地形匹配方法也无法实现。

地磁匹配导航的基本原理就是测量出载体当地的地磁场特征量随航迹形成的线图，并通过与预先存储的地磁图样做匹配比较，从而实现精确的导航定位。地磁图就是根据地磁场强度或方向等参量而绘制的一系列等值线。这些图样总体上遵循地球圆球模型形成的规律，但是也明显受到地壳的表面分布和局部地理特征的影响，最终形成丰富的特征图样。同时，地磁场还具有更多的强度和角度特征量，匹配的可操作性要比地形和图像更强。

文献“基于等值线约束的地磁匹配方法[J].空间科学学报，2007，27(6)：505～511.”公开了一种地磁匹配导航方法，该方法借鉴了地形轮廓匹配辅助导航方法，将匹配过程分为粗匹配阶段和精匹配阶段，利用地磁场等值线约束来辅助INS进行定位。但在实际应用中，这些方法也延续了地形匹配辅助导航方法的不足：不能脱离INS独立工作，在INS存在较大初始定位误差和航向误差情况下，由地磁匹配算法得到的定位精度大大降低；对地磁场信息利用不充分，只利用到单个地磁场幅值特征量进行匹配，从而容易陷入误匹配；在积累一系列的磁测数据之后才能进行相关匹配定位，从而导致导航的实时性较差等。

发明内容

为了克服传统地磁匹配导航方法对地磁场信息利用不充分、导航实时性不强和需要依赖INS共同工作等弱点，本发明提供一种地磁场线图匹配自主导航方法，按照设定频率连续测量航行器航迹上的多个地磁场特征量，并根据测量数据构造对应特征量的匹配线图，根据匹配相似性准则和匹配结果融合准则，采用全局最优搜索算法将多个特征量的匹配线图与对应的基准图做匹配比较，得到航行器的位置信息。

本发明解决其技术问题所采用的技术方案：一种地磁场线图匹配自主导航方法，其特点是包括下述步骤：

(1)选择多个地磁特征量作为匹配特征量；

(2)在采样时刻t，测量和计算地磁场匹配特征量；

(3)采用滑动窗口方式构造这些地磁特征量的匹配线图；

(4)采用全局最优匹配搜索算法将各个匹配线图分别与对应基准图做匹配比较，该步骤需要计算匹配线图的相似性度量值和归一化相似性度量值，并需要将不同特征量的归一化度量值融合；

(5)输出航行器在采样时刻t的定位信息；

(6)在下一采样时刻t＝t+1，重复执行步骤2～5，从而实现连续定位。

首选地磁场矢量强度作为匹配特征量，只有当地磁矢量强度起伏较小时，才添加地磁场角度特征量共同作为匹配特征量；在取观测点为原点，取地理北向、地理东向和垂直向下分别为x、y和z轴的正向的直角坐标系下定义各个地磁特征量，由式(1)计算地磁场其余特征量的值

$H=\sqrt{X^2+Y^2}$

tan D＝Y/X

sin D＝Y/H

                               (1)

tan I＝Z/H

sin I＝Z/F

$F=\sqrt{H^2+Z^2}=\sqrt{X^2+Y^2+Z^2}$

式中，F是地磁场总强度、Y是东向分量、X是北向分量、Z是垂直分量、H是水平分量、D是磁偏角、I是磁倾角；

采用固定点数的滑动窗口方式构造匹配线图，即对每个特征量，假设每次匹配点数为N点，在新测量值u_i到来后，将u_i加到该特征量的测量线图序列中，并将u_i-N从该序列中剔除，留下u_i-N+1到u_i间共N个测量值作为新匹配线图；在每个采样时刻t_i完成磁测任务之后，即刻对新匹配线图与基准图进行匹配，输出匹配位置序列的该采样时刻所对应的导航位置。

特征量的匹配相似性准则为MAD准则、MSD准则、NPROD准则或者Hausdroff距离准则，在实际应用中，根据导航要求来选择一种准则进行相似性匹配；设u和v为做匹配的两个序列，序列的点数为N，D(u，v)或H(u，v)为相似性度量值，则各准则的定义为

a.MAD准则 $D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}|u_i-v_i|---\left(2\right)$

b.MSD准则 $D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(u_i-v_i)}^2---\left(3\right)$

c.NPROD准则 $D(u,v)=\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{u}_i{v}_i/\left(\sqrt{\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{u_i}^2}\sqrt{\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{v_i}^2}\right)---\left(4\right)$

d.Hausdroff距离准则H(u，v)＝max(h(u，v)，h(v，u))       (5)

5、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：归一化方法为

$f_i^{\′}=\frac{f_i-f_{\min }}{f_{\max }-f_{\min }}---\left(6\right)$

式中，f和

分别为归一化前后的相似性度量值，f_max和f_min分别为归一化前的最大和最小相似性度量值。

融合算法为加权最大/最小值原则和归一化和原则，在实际应用中，根据导航要求来合理选择一种融合准则；各融合算法的定义为

a.加权最大/最小值原则

b.归一化和原则

$F_I=f_{I,1}^{\′}+f_{I,2}^{\′}+...+f_{I,N}^{\′}---\left(8\right)$

式中，N为匹配特征量的数目，F_I最终的融合相似性度量，

为匹配位置在特征j的归一化相似性度量值。

全局最优匹配搜索算法采用遗传算法、模拟退火算法及其混合算法等群体智能算法。

本发明的有益效果是：由于仅依靠地球磁场特征进行自主导航，不受天时和天气的限制，也不会在平原和海面等无典型地貌特征的条件下失效，可为军用和民用航行器提供长航期、无源、全天时、全天候和全地域的精确定位服务，特别适合应用于巡航导弹、无人机、潜艇和民航等等高或近似等高运动的特殊场合。利用地磁场的多个特征量共同匹配，也即多线图匹配，实现对地磁场信息的充分利用，从而有效地减少误匹配；采取在每个采样时刻完成磁测任务之后即刻匹配的方式，因此导航实时性较好；可以脱离INS独立使用。

下面结合附图和实施例对本发明作详细说明。

附图说明

图1是本发明地磁场线图匹配自主导航方法采用的地磁场各特征量的定义示意图。

图2是本发明地磁场线图匹配自主导航方法的流程图。

具体实施方式

参照图1～2。本发明采用多个地磁特征量作为匹配特征量。匹配特征量的选择方法为：首选地磁矢量强度作为匹配特征量，只有当地磁矢量强度起伏较小时，才添加地磁角度特征量共同作为匹配特征量。地磁场总强度F、东向分量Y、北向分量X、垂直分量Z、水平分量H、磁偏角D、磁倾角I的定义如图1，图中所用的直角坐标系取观测点为原点，取地理北向、地理东向和垂直向下分别为x、y和z轴的正向。地磁场的各个特征量之间的数学关系为

$H=\sqrt{X^2+Y^2}$

tan D＝Y/X

sin D＝Y/H

                             (9)

tan I＝Z/H

sin I＝Z/F

$F=\sqrt{H^2+Z^2}=\sqrt{X^2+Y^2+Z^2}$

只要测得了地磁场东向、北向和垂直分量强度，就可由式(9)计算地磁场其余特征量的值。

在采样时刻t，测量和计算地磁场匹配特征量。

采用固定点数的滑动窗口方式构造匹配线图，即对每个特征量，假设每次匹配点数为N点，在新测量值u_i到来后，将u_i加到该特征量的测量线图序列中，并将u_i-N从该序列中剔除，留下u_i-N+1到u_i间共N个测量值作为新匹配线图。在每个采样时刻完成磁测任务之后，即刻对新匹配线图与基准图进行匹配，输出匹配位置序列中该采样时刻对应的导航位置。该方式不需要像传统的地磁匹配导航需要等到积累了一段测量序列后才能进行相关匹配，因此可以实现连续定位，从而提高了匹配的实时性。

全局最优匹配搜索算法可采用遗传算法、模拟退火算法及其混合算法等群体智能算法来搜索匹配位置，这些搜索算法能够较好地收敛于全局最优解。遗传算法、模拟退火算法及其混合算法等群体智能算法为行业内人士所共知的方法，在此不再赘述。

特征量的匹配相似性准则选择为：MAD准则、MSD准则、NPROD准则和Hausdroff距离准则。设u和v为做匹配的两个序列，序列的点数为N，D(u，v)或H(u，v)为相似性度量值，则各准则的定义如下：

a.MAD准则 $D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}|u_i-v_i|---\left(10\right)$

b.MSD准则 $D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(u_i-v_i)}^2---\left(11\right)$

c.NPROD准则 $D(u,v)=\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{u}_i{v}_i/\left(\sqrt{\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{u_i}^2}\sqrt{\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{v_i}^2}\right)---\left(12\right)$

d.Hausdroff距离准则  H(u，v)＝max(h(u，v)，h(v，u))      (13)

在实际应用中，根据导航要求来合理选择一种准则进行相似性匹配。

归一化的目的是统一不同特征量的相似性度量值的数量级，归一化公式如下：

$f_i^{\′}=\frac{f_i-f_{\min }}{f_{\max }-f_{\min }}---\left(14\right)$

其中，f和

分别为归一化前后的相似性度量值，f_max和f_min分别为归一化前的最大和最小相似性度量值。

可采用的融合算法为加权最大/最小值原则或者归一化和原则。各融合算法的定义如下：

a.加权最大/最小值原则

b.归一化和原则

$F_I=f_{I,1}^{\′}+f_{I,2}^{\′}+...+f_{I,N}^{\′}---\left(16\right)$

式中，N为匹配特征量的数目，F_I为最终的融合相似性度量，

为匹配位置在特征j的归一化相似性度量值；因为每种特征的测量精度有差异，因此引进权值w∈[0，1]，w越大，则对应特征的信噪比越高，该特征的可信度越大。在实际应用中，根据导航要求来合理选择一种融合准则。

下面以采用遗传算法作为全局最优匹配搜索算法为例子，说明本发明。

1.遗传操作算法的设计

①编码方式：采用实值“初始位置+初始速度+测点加速度”的编码形式。例如个体

其中1000和999代表航行器在x-y坐标系上的初始位置，101.4和98.1代表x-y轴上的初始速度，8.5和9.4代表到达第一个测量点的x-y上的加速度，余下基因为到达其他测量点的加速度。

②初始种群产生：由运动约束和上次的匹配结果产生匹配航迹。在首次匹配时，由加速度约束、初速度误差约束和初位置误差约束随机产生初始种群，往后匹配的初始种群中的初位置和初速度由上一次匹配的定位结果加上满足误差约束的随机量产生，加速度由加速度约束产生，加速度约束根据航行器的运动先验知识来确定。

③适应度计算：先由个体的初始位置、初始速度和测点加速度按式(9)推算出每个测点的位置(p_x，p_y)，然后选择MSD准则按式(10)计算个体的每个特征量的相似性度量值，按式(14)归一化相似性度量，最后选择加权最小值原则按式(15)融合各个特征量的归一化相似性度量，作为最终适应度值。

$\left\{\begin{array}{c}{v}_i=v_{i-1}+a_{i}t\\ p_i=p_{i-1}+v_{i-1}t+\frac{a_i{t}^2}{2}\end{array}\right.---\left(17\right)$

式中，v、a和t分别为航行器的速度序列、加速度序列和采样时间间隔。

$D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(u_i-v_i)}^2---\left(18\right)$

式中，v为某特征量的测量序列—匹配线图，u为将遗传个体转换成对应的位置序列P后在该特征量基准图中的基准地磁数据，若P不在网格交叉点上，则由双线性插值法计算该点处的地磁基准数据。

④选择算子采用轮盘赌选择法和精英保护策略，重组算子采用线性重组法，变异算子采用均匀变异。

⑤停机准则：采用阈值和迭代次数限制。若个体的MSD值小于阈值，或者迭代已达到最大迭代次数，则终止迭代，取最佳适应度对应的个体为匹配解。

2.基于遗传算法的匹配方法的实现步骤

基于上述的遗传操作设计，匹配方法的具体实现步骤如下：

(1)取北向、东向和垂直方向地磁强度作为匹配特征量；基准图已将实际地理位置网格化，采用矩阵形式记录网格交叉点位置的地磁数据，网格规格为100×100m，并存储于航行器的计算机中；航行器贴近海平面以150m/s的平均速度飞行。

(2)设定遗产参数为：种群数150个，重组率0.95，变异率0.10，最大迭代次数70次。航行器的运动约束为：加速度范围-35～35m/s²，初位置误差范围-100～100m，，初速度误差范围-20～20m/s。

(3)在每次匹配时，每个匹配线图的匹配点数取为10个点。当航行器开始工作后，三轴磁强计按照1Hz的采样频率连续采集航迹上的10个测点的北向、东向和垂直方向地磁强度，同一特征量的数据按照采集的先后顺序排成一个序列，3个序列就构成了3个匹配线图，首次匹配就利用这3个匹配线图；此后，从获得第11个测点的数据开始，就由固定10个点数的滑动窗口方式构造每个匹配特征量的匹配线图。

(4)在采样时刻t完成磁测之后，即刻应用遗传算法对匹配线图进行匹配搜索，完成一次匹配的遗传操作的子步骤为：

①按照上述的编码方式和初始种群产生办法产生100个初始个体，并按照MSD准则和加权最小值原则计算各个体的适应度值；

②对种群做选择、交叉和变异操作；

③重新按照MSD准则和加权最小值原则计算计算新个体的适应度值；

④判断满足停机准则否，若满足，则输出种群中适应度最好的个体作为最优解，按式(17)将最优个体转换为对应的位置序列，；若不满足，则迭代执行步骤②～④。

(5)输出位置序列中该采样时刻所对应的位置。

(6)在下一采样时刻t＝t+1，测量地磁场矢量，当磁测任务完成之后，即刻按照上述步骤3～5对磁测数据进行匹配，从而实现连续定位。

Claims (7)

1、一种地磁场线图匹配自主导航方法，其特征在于包括下述步骤：

(1)选择多个地磁特征量作为匹配特征量；

(2)在采样时刻t，测量和计算地磁场匹配特征量；

(3)采用滑动窗口方式构造地磁匹配特征量的匹配线图；

(4)采用全局最优匹配搜索算法将各个匹配线图分别与对应基准图做匹配比较，该步骤需要计算匹配线图的相似性度量值和归一化相似性度量值，并需要将不同特征量的归一化度量值融合；

(5)输出航行器在采样时刻t的定位信息；

(6)在下一采样时刻t＝t+1，重复执行步骤2～5，从而实现连续定位。

2、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：首选地磁场矢量强度作为匹配特征量，只有当地磁矢量强度起伏较小时，才添加地磁场角度特征量共同作为匹配特征量；在取观测点为原点，取地理北向、地理东向和垂直向下分别为x、y和z轴的正向的直角坐标系下定义各个地磁特征量，由式(1)计算地磁场其余特征量的值

$H=\sqrt{X^2+Y^2}$

tan D＝Y/X

sin D＝Y/H                           (1)

tan I＝Z/H

sin I＝Z/F

$F=\sqrt{H^2+Z^2}=\sqrt{X^2+Y^2+Z^2}$

式中，F是地磁场总强度、Y是东向分量、X是北向分量、Z是垂直分量、H是水平分量、D是磁偏角、I是磁倾角；

3、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：采用固定点数的滑动窗口方式构造匹配线图，即对每个特征量，假设每次匹配点数为N点，在新测量值u_i到来后，将u_i加到该特征量的测量线图序列中，并将u_i-N从该序列中剔除，留下u_i-N+1到u_i间共N个测量值作为新匹配线图；在每个采样时刻t_i完成磁测任务之后，即刻对新匹配线图与基准图进行匹配，输出匹配位置序列的该采样时刻所对应的导航位置。

4、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：特征量的匹配相似性准则为MAD准则、MSD准则、NPROD准则或者Hausdroff距离准则，在实际应用中，根据导航要求来选择一种准则进行相似性匹配；设u和v为做匹配的两个序列，序列的点数为N，D(u，v)或H(u，v)为相似性度量值，则各准则的定义为

a.MAD准则 $D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}|u_i-v_i|---\left(2\right)$

b.MSD准则 $D(u,v)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(u_i-v_i)}^2---\left(3\right)$

c.NPROD准则 $D(u,v)=\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{u}_i{v}_i/\left(\sqrt{\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{u_i}^2}\sqrt{\underset{i=1}{\overset{i=N}{\mathrm{\Σ}}}{v_i}^2}\right)---\left(4\right)$

d.Hausdroff距离准则        H(u，v)＝max(h(u，v)，h(v，u))(5)

5、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：归一化方法为

$f_i^{\′}=\frac{f_i-f_{\min }}{f_{\max }-f_{\min }}---\left(6\right)$

式中，f和 $f_i^{\′}\∈\left[\mathrm{0,1}\right]$ 分别为归一化前后的相似性度量值，f_max和f_min分别为归一化前的最大和最小相似性度量值。

6、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：融合算法为加权最大/最小值原则和归一化和原则，在实际应用中，根据导航要求来合理选择一种融合准则；各融合算法的定义为

a.加权最大/最小值原则

b.归一化和原则

$F_I=f_{I,1}^{\′}+f_{I,2}^{\′}+...+f_{I,N}^{\′}---\left(8\right)$

式中，N为匹配特征量的数目，F_I为最终的融合相似性度量，

为匹配位置在特征j的归一化相似性度量值。

7、根据权利要求1所述的地磁场线图匹配自主导航方法，其特征是：全局最优匹配搜索算法采用遗传算法、模拟退火算法及其混合算法等群体智能算法。

Images