基于稀疏表示和字典学习的地磁基准图构建方法

地磁匹配导航在导航制导领域具有重要作用，地磁基准图的构建精度决定了地磁匹配导航的有效性。针对现有地磁基准图构建精度难以满足实际应用需求的问题，提出了基于稀疏表示和字典学习的高精度地磁基准图构建方法。首先，利用矩谐分析(RHA)进行稀疏字典的初始化；其次，利用K-SVD算法对稀疏字典进行训练；最后，利用低分辨率和高分辨率基准图具有相同稀疏系数的特点重建高分辨率地磁基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，对训练所需的数据集有更低的需求，同时对噪声有更好的鲁棒性。与PSO-Kriging插值法相比，在4倍放大倍数下峰值信噪比(PSNR)由26.31 dB提高至26.73 dB，结构相似度(SSIM)由0.498提高至0.524，均方根误差(RMSE)由14.96 nT减小至13.78 nT。      

基于压缩感知的高精度地磁基准图构建方法

地磁基准图的构建是实现地磁匹配导航的基石。针对实测数据量较小时利用插值法构建的地磁基准图精度不理想的问题，将压缩感知理论应用到地磁信息采集中。结合地磁基准图的结构特点设计了以离散余弦变换作为稀疏基、单位矩阵作为观测矩阵，以压缩采样匹配追踪（CoSaMP）算法作为重构算法的基于压缩感知的高精度地磁基准图构建方法，并与三次样条插值、Kriging插值及PSO-Kriging插值法进行对比。实验结果表明:所提方法具有较高的重构精度和稳定性，与性能最好的PSO-Kriging插值法相比，在6.25%采样率下重构地磁基准图，所提方法使得峰值信噪比（PSNR）由66.97 dB提高至74.67 dB，绝对误差由25.47 nT减小至10.26 nT，均方根误差由28.57 nT减小至11.33 nT。      

基于等值线约束的地磁匹配方法

地磁辅助导航是组合导航技术研究的新方向.简要介绍了地磁辅助导航的基本原理和发展现状,并重点对地磁匹配方法进行了研究.地磁匹配是利用地磁图进行定位的方法,位置输出可用于限制惯性导航系统的误差积累.提出了一种改进的基于等值线约束的相关匹配算法,能够有效消除导航系统的初始位置误差并能限制匹配过程中惯性导航系统的积累误差.仿真实验证明,该算法能有效提高相关匹配的实时性,并能把定位精度控制在地磁数据网格间距以内.该算法对航向误差具有一定的适应性.      

基于图像卷积的地图匹配算法

地图匹配定位是一种主流的车载导航定位方法，其以车辆轨迹数据和路网地图为基础，将车辆位置估计输出到路网地图上。该过程可对车辆定位结果进行修正，是车辆导航、交通诱导、交通预测等应用的基础。针对现有地图匹配算法存在的一些问题，如算法流程依赖路口匹配精度，在较大初始误差场景下寻路正确率较低，以及寻路结果错误易影响后续匹配精度等，提出了一种基于图像卷积的地图匹配方法。利用图像卷积方式对比了车辆轨迹与道路的几何特征，以实现匹配定位，从而确保了初始误差较大场景下的匹配精度，并且避免了由寻路错误所引发的相关问题。     

地磁图制备方法及其有效性评估

高精度地磁图制备是地磁匹配导航关键技术之一.在简单介绍4种网格插值方法原理的基础上(反距离加权插值法、克里金插值法、改进的谢别德插值法以及径向基函数法),应用实测地磁数据,选取测点分布较均匀区域,根据上述插值方法分别制备地磁图,并通过交叉验证统计准则对地磁图制备方法的有效性进行评估.结果表明,径向基函数插值法制备的地磁图"鸭蛋"形分布较少,地磁图等值线较圆滑,其标准偏差远小于其它方法的标准偏差,且其标准误差以及平均偏差也最小,具有较高的插值精度,能更好地反映该区域地磁场分布情况.     

磁暴期间的地磁导航精度分析

地磁导航是无源自主导航技术研究的新方向. 分析了地磁导航的基本原理, 描述了典型磁暴过程, 并针对地磁导航在磁暴环境中的适用性进行了研究. 在采用曲面样条方法对实测地磁场数据建立观测模型的基础上, 结合广义卡尔曼滤波方法讨论了磁暴不同阶段对地磁导航精度造成的影响. 分别采用理论典型磁暴数据以及实测磁暴数据进行仿真, 仿真结果表明, 在磁暴的初相、恢复相的中后时段以及中等强度以下的磁暴全过程仍然可以采用地磁来进行导航定位, 导航精度在200 m以内, 满足飞行器中程制导的精度要求.      

重现性地磁活动的数值预报

重现性地磁扰动作为地磁活动的重要部分，其特性在磁情预报中起着不可缺少的重要作用，本文利用地磁扰动在一定条件下具有２７天重现的特性和现代时序分析法中的自适应滤波方法，对北京地磁台Ｋ指数的预报方法进行了研究，并分别在太阳黑子活动低年和高年的两个时间段，进行了预报实验。低年时段预报结果精度为０．６６；在高年时段，预报精度为０．７９，进一步分析还表明，理论计算方法应当与多方面的物理分析相结合，预报精度为０     

磁异常干扰下基于约束策略的仿生导航方法

地磁场异常将会在导航空间中形成极值区域,扰乱磁趋性运动行为,容易造成基于搜索的地磁仿生导航方法陷入局域极小,使得载体迷失航向难以逃离异常区域,最终导致导航失败。针对这一问题,提出了一种基于行为约束策略的导航搜索方法,通过约束搜索行为强制载体扩大探索范围,进而摆脱异常区域干扰,促使载体进入正常地磁场环境。利用磁趋性统计特征与多目标函数的收敛状态构建行为约束的触发及终止条件,将磁趋性历史数据中较好的样本作为约束行为,实施导航搜索行为约束。伴随载体的移动,实现对进化种群的时序更新,最终引导载体到达目标位置,完成导航任务。仿真结果表明,该方法能够有效克服磁场异常环境对地磁仿生导航的干扰,完成导航任务,并能够有效提高远程自主导航的成功率。      

一种小行星探测陆标导航方法

针对小行星探测下降着陆段精确相对导航问题，提出了一种基于Stereophotoclinometry (SPC)陆标的相对导航方法.该方法先采用SPC光照模型渲染陆标的预测图像，再利用双线性插值从观测图像中生成陆标的提取图像.通过组合相关匹配实现预测图像与提取图像的高精度匹配，得到陆标中心点对应观测图像位置，即可利用N点透视(PNP)算法进行相机位姿估计.仿真结果表明，该方法在初始相机位姿偏差较大时也能达到亚像素的图像位置确定精度，并且具有较好的实时性.     

一种基于自动特征学习的陨石坑区域检测算法

基于陨石坑的视觉导航技术成为一种新颖的高精度空间探测自主导航方式，如何从导航图像中精确地提取陨石坑区域是实现基于陨石坑视觉导航的首要条件。针对这一问题，根据陨石坑导航图像特点，提出了一种基于自动特征学习的陨石坑区域检测算法。首先，基于最大稳定极值区域检测算法提取陨石坑候选区域；其次，利用卷积神经网络（CNN）自动学习提取候选区域的特征；最后，通过支持向量机（SVM）实现候选区域的精确分类，得到真实的陨石坑区域。大量的仿真实验表明:与传统的基于人工特征的陨石坑区域检测算法相比，提出的基于自动特征学习的陨石坑区域检测算法具有更高的检测精度和更好的鲁棒性，在通用火星表面陨石坑数据集上，所提算法的F₁度量指标较于传统算法高出8%，可以广泛地应用于基于陨石坑的视觉导航算法中的陨石坑区域提取，为基于陨石坑视觉导航算法提供精确的导航路标输入。      

基于代价函数的组合导航系统地图匹配算法

研究了地图匹配技术在GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统中的应用,建立了GPS/DR/地图匹配组合导航系统模型,给出了一种基于代价函数和概率统计准则的地图匹配算法,通过合理地定义代价函数有效消除了存在于匹配路段挑选过程中的模糊性问题.对实际跑车数据的仿真处理结果表明,应用该算法可以为组合导航系统的定位精度带来明显的改善.     

基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节，传统识别算法多依赖人工巡检，成本高昂且效率低下。基于卷积神经网络，提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔，构建多个分辨率下具有丰富语义信息的图像特征，提升对遮挡物尺度和密度的敏感性。通过特征自选择，筛选出语义最具代表性的特征图，以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别，从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析，并对识别性能进行了评估，通过与现有物体识别算法相比，所提算法的准确率和召回率分别提升了9.21%和15.79%。      

基于D-S证据理论的GPS/MM组合系统车辆定位算法

根据分段、特征提取等地图匹配关键技术探讨了地图匹配的一般原理,提出了基于D-S证据推理理论的GPS(Global Positioning System)/MM(Map Matching)组合算法,提高了GPS单点定位精度.仿真结果和跑车实验验证结果表明上述方法是行之有效的.地图匹配算法不增加系统的硬件成本,对目前广泛应用的车载GPS导航定位系统是一个有效的解决方案.      

基于CNN的多尺寸航拍图像定位方法的研究与实现

图像定位常用于无人机视觉导航,传统的无人机视觉导航广泛采用景象匹配导航方式,随着计算机技术的不断发展,深度学习技术为视觉导航的实现提供了新途径。以无人机的垂直侦查为背景,将飞行区域的航拍图像划分成大小相同的若干网格,每个网格代表一类区域,用网格图像制作数据集训练卷积神经网络（CNN）。基于AlexNet设计了一种融合显著性特征的全卷积网络模型,有效实现了一个基于CNN的多尺寸输入的滑动窗口分类器,并提出了一种邻域显著性参照定位策略来筛选分类结果,从而实现多尺寸航拍图像的定位。      

Single crater-aided inertial navigation for autonomous asteroid landing

In this paper, a novel crater-aided inertial navigation approach for autonomous asteroid landing mission is developed. It overcomes the major deficiencies of existing approaches in the literature, which mainly focuses on the case where craters are abundant in the camera field of view. As a result, traditional crater based methods require at least three craters to achieve crater matching, which limits their application in final landing phase where craters are scarce in the camera’s field of view. In contrast, the proposed algorithm enables single crater based crater matching based on a novel 2D-3D crater re-projection model. The re-projection model adopts inertial measurements as a reference, and re-projects the 3D crater model onto descent images to achieve the matching to its counterpart. An asteroid landing simulation toolbox is developed to validate the performance of the proposed approach. Through comparison with the state-of-the-art local image feature and crater based navigation algorithms, the proposed approach is validated to achieve a competitive performance in terms of feature matching and pose estimation accuracy with a much lighter computational cost.