[发明专利]一种基于小波变换的重力梯度辅助导航适配区选取方法

说明书

本发明公开了一种基于小波变换的重力梯度辅助导航适配区选取方法，通过在频率域设置适配区的选取准则，根据重力梯度高频图像的幅值及纹理密集程度来确定适配区，能够充分利用重力梯度信息，所选适配区客观全面、精准度高、适配区面积大，且计算复杂度低、效率高，此外，本发明基于重力梯度的高分辨率，采用小波变换提取重力梯度的高频信息，弥补了传统数理统计特征方法计算复杂、错误率高、耗时长的缺点，同时能够获取最优的航迹方向，为后续水下潜器航迹规划提供参考。

技术领域

本发明属于组合导航技术领域，具体涉及一种基于小波变换的重力梯度辅助导航适配区选取方法。

背景技术

重力梯度匹配对于水下潜器惯性导航系统的校正至关重要，适配区的选取是重力梯度辅助导航的关键技术之一，在导航匹配前往往需要根据重力梯度基准图的特征提取有效适配区。以往水下潜器主要使用重力辅助导航，因为重力梯度比重力具有更高的分辨率，所以重力梯度具有更优越的辅助性能。重力梯度和重力异常一般具有相似的变化趋势，但重力梯度在反映细节变化方面更具优势，同时由重力异常计算重力梯度并不会降低分辨率。重力梯度趋势具有多样化的特点，通过提取多个特征点，有利于不同点之间的比较，而且定位点易于识别和匹配，定位效果更好。此外，重力梯度还具有分辨率高的特点，小波具有多尺度分析的能力，因此小波变换的多尺度特性能够实现由粗及精地观察重力梯度基准图。

现有技术中与重力适配区的选取方法相比，对重力梯度适配区的选取的研究比较有限，主要包括以下方法：引入平均重力差表示特定区域中重力梯度变化的水平，用于选择航行的海洋重力梯度适配区；基于全张量重力梯度多特征融合，对全张量重力梯度的局部标准差、局部能量、局部熵、经纬度粗糙度、经纬度方向坡度、经纬度方向相关系数等多个数理统计特征参数进行提取和统计，选取重力梯度适配区；基于主成分和层次分析法建立主成分层次过程模型，对局部区域可匹配性进行综合评价；基于支持向量机(SVM)学习的重力梯度适配区选取准则，利用重力梯度适配区选取准则作为SVM训练样本标签，建立基于SVM的适配区选取模型。然而，上述方法仍存在适配区选取特征单一、计算复杂、耗时长等问题。

发明内容

有鉴于此，本发明提供了一种基于小波变换的重力梯度辅助导航适配区选取方法，能够在频率域获取适配区，提供高匹配率的航迹方向。

本发明提供的一种基于小波变换的重力梯度辅助导航适配区选取方法，包括：

步骤1、将重力仪采集到的重力异常数据进行频率域变换后，转换为重力梯度空间域值，即全张量重力梯度六分量；

步骤2、根据分辨率及经纬度范围，所述重力梯度空间域值进行格网化，得到重力梯度基准图；

步骤3、在x方向分析所述重力梯度基准图，得到重力梯度在x方向的第一级平滑逼近结果和细节结果；

步骤4、在y方向分析所述第一级平滑逼近结果和细节结果得到第二级平滑逼近结果和细节结果；

步骤5、根据x和y两方向的细节结果，绘制重力梯度二维高频信息图；

步骤6、计算重力梯度二维高频信息图中幅值阈值和纹理密度阈值，然后从所述重力梯度二维高频信息图中选取幅值大于所述幅值阈值且纹理密集度小于所述纹理密度阈值的区域作为导航适配区。

进一步地，所述步骤1中的将重力仪采集到的重力异常数据进行频率域变换后，转换为重力梯度空间域值，包括以下步骤：

步骤1.1、将重力异常数据g(x,y)进行傅里叶变换得到傅里叶变换值G(u,v)，再采用公式(1)将G(u,v)转换为重力梯度的频率域值T_ij(u,v)：