.png){kind=icon}
返回
Gravity Matching Navigation Algorithm Based on Spatial-Frequency Multidimensional Feature Fusion
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2025.3593611.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
重力匹配算法在重力辅助水下导航中发挥着关键作用。目前，大多数匹配算法基于数值重力测量序列与参考图之间的相关性计算构建，但该单一空间域特征相关性模式在实际测试的恶劣海洋环境中性能可能受限。本文提出了一种基于空间-频率多维特征融合（SFM）的新型重力匹配算法。该算法提取了三种新的频率特征以呈现重力测量序列的完整频率域特性：空间-频率趋势一致性（SCD）、空间-频率联合相关性比较（SCC）和空间方向相似性（SDS）。随后，这些特征与空间域数值特征融合，构建用于重力匹配导航的多维特征相关性评估指标。为验证SFM算法的性能，在八个呈现不同重力分布的海洋区域进行了仿真实验。结果表明，在不同条件下，SFM算法相比其他算法保持了更优的定位精度和稳定性。此外，采用来自南中国海的海测重力数据进行了验证实验。结果显示，SFM算法沿每条测线始终达到优于2.0海里的定位精度，而其他算法在测量误差增大的段落中出现了匹配错误。得益于频率特征提取和SFM，所提出的SFM算法在仿真和实测数据实验中均展现出鲁棒性和高精度优势，即使在挑战性条件下也是如此。
Keyword:
Frequency features extraction
gravity matching aided navigation
marine measured data verification
simulation experiment
spatial-frequency multidimensional feature fusion (SFM)
期刊
IF:
5.9
论文数:
2.0W
被引数:
5.8W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
查看更多内容