论文部分内容阅读
惯性／重力组合导航系统对于特定的水下运载休有着重要的应用价值。随着惯性传感器自身精度的日益提高,外部重力信息就成为影响惯性／重力组合导航精度的重要误差源。因此,研究面向惯性／重力组合导航的重力数据处理技术,对于提高组合导航精度以及延长载体水下航行时间具有重要意义。本文针对海洋重力测量数据的信噪分离、重力异常数据的特征提取、重力仪随机漂移的建模及漂移补偿以及重力仪数据处理可视化软件的设计等工作开展了较为深入地研究,主要内容包括：(1)针对强噪声背景下的重力测量数据,改进了基于FastICA算法的重力测量数据信噪分离方法。利用Kalman滤波器进行数据降噪预处理,采用CEEMD算法分解降噪后的重力数据以进一步去除高频噪声分量。以CEEMD分解后的低频分量作为FastICA算法的输入信号进行ICA处理,对分离出的独立分量进行CEEMD降噪并进一步结合ICA算法逆模型处理。最后基于CEEMD信号重构获得信噪分离结果。仿真试验和上程应用表明,该改进方法能有效从含有强噪声的重力测量数据中提取出有效重力数据,处理结果充分体现了重力变化趋势和重力细节变化,不仅克服了ICA算法的应用限制,还有效避免了ICA算法不确定性问题带来的不利影响。(2)基于Mallat快速小波变换和ICA算法实现了重力异常数据的特征提取。利用快速小波变换分解重力基准数据,采用改进的LLE算法进行数据降维预处理,并基于FastICA算法训练基滤波器。根据ICA模型提取重力特征系数,构造了用以判断重力异常幅值变化的重力异常特征参数,并分析了特征参数与重力异常幅值变化的比例关系。试验结果表明,该重力特征提取方法可行、准确,特征参数可以判断重力异常幅值的变化情况。(3)针对海洋重力仪的随机漂移问题,研究了重力仪随机漂移建模及漂移补偿方法。首先研究了基于时间序列建模和Kalman滤波的随机漂移补偿方法；其次,为使模型参数更准确,采用新阈值函数,研究了基于快速小波降噪的时间序列建模和Kalman滤波的随机漂移补偿方法；最后,为了进一步降低非线性因素对重力仪漂移补偿的影响,研究了基于时间序列建模和粒子滤波的随机漂移补偿方法。对比试验表明,基于时间序列建模和粒子滤波的随机漂移补偿方法处理效果更优,算法收敛速度更快。(4)利用C#和Matlab混合编程方式实现了重力仪数据处理可视化软件的设计。软件平台能方便、快捷的对重力测量数据进行数据滤波和各种改正项的计算,获得准确的重力异常数据,并提取重力特征信息。软件应用试验表明,该软件能满足重力数据处理的要求。(5)基于多组实测重力仪测量数据,对本文的重力数据处理研究分别进行了有效性试验。试验结果表明,本文提出的重力数据处理方法能有效的消除重力测量数据中的强噪声十扰,提取重力异常特征信息以及建立准确的重力仪随机漂移模型进行随机漂移补偿。