《Journal of Marine Science and Engineering》：A Data-Driven Matching Error Compensation Framework for Underwater Gravity Aided Inertial Navigation
编辑推荐：
连续性和可靠性对于水下重力辅助惯性导航至关重要，而重力场适配性的变化、传感器噪声以及环境扰动会降低重力匹配和导航性能。为解决这一问题，研究人员提出了一种用于重力辅助惯性导航的数据驱动匹配误差补偿框架。在该框架内，Hampel滤波器基于局部时间一致性识别不可靠的
连续性和可靠性对于水下重力辅助惯性导航至关重要，而重力场适配性的变化、传感器噪声以及环境扰动会降低重力匹配和导航性能。为解决这一问题，研究人员提出了一种用于重力辅助惯性导航的数据驱动匹配误差补偿框架。在该框架内，Hampel滤波器基于局部时间一致性识别不可靠的重力匹配输出，CNN–BiLSTM–Attention模型为被标记的更新预测补偿位置增量。该模型通过局部特征提取、时序建模和基于注意力的加权，将惯性导航系统（INS）位置增量与实测重力异常序列映射为可靠的重力匹配增量，并采用离线训练与在线部署方式。在离线阶段，利用参考轨迹筛选可靠训练样本；在海上实验中，同步全球导航卫星系统（GNSS）位置仅作为样本筛选的参考。实验覆盖了五个模拟重力场区域、五种重力匹配算法，以及使用两种海洋重力仪获取的三条实测轨迹。在海上实验中，所提方法在L6、L7和L8上分别取得了1.60、1.06和1.06海里的异常段平均位置误差（APE-O）值。在误差区间相对较长的L6上改善最为明显，而传统基于残差的完好性监测（RBIM）方法在更为规则且局部的L8误差区间上取得了可比的性能。在所评估的数据集上，所提框架对性能退化的重力匹配更新提供了有效补偿，并提高了位置校正的连续性。
长时间可靠定位是水下潜航器的核心需求。惯性导航系统（INS）虽能提供连续自主导航，但误差会随运行时间累积。重力辅助惯性导航（GAIN）通过将船载重力测量和INS指示位置与参考重力图进行相关匹配，可在不依赖外部信号的情况下抑制漂移。然而，重力场适配性变化、传感器噪声和环境扰动等因素可能使重力匹配位置更新出现粗差或中断。若将不可靠的匹配结果直接反馈至INS，会引入错误的位置校正；若简单剔除，则会增大有效更新间隔，降低导航连续性。现有研究多侧重于异常观测的剔除或鲁棒加权，较少关注重力匹配位置增量本身的异常检测与补偿。为此，研究人员提出了数据驱动的匹配误差补偿框架。
该框架由Hampel滤波器和CNN–BiLSTM–Attention模型组成，部署于重力匹配与INS融合之间。Hampel滤波器基于局部时间一致性标记潜在不可靠的匹配增量；CNN–BiLSTM–Attention模型利用INS位置增量与实测重力异常序列预测补偿增量。模型离线训练、在线部署，在五个模拟重力场区域、五种重力匹配算法及三条实测轨迹上进行了验证。论文发表在《Journal of Marine Science and Engineering》。
研究人员采用的主要技术方法包括：基于Hampel滤波的鲁棒异常检测，利用滑动窗口内匹配位置增量的局部中位数与中位数绝对偏差判断局部时间一致性；构建CNN–BiLSTM–Attention预测器，通过一维卷积提取局部联合特征，经双向长短期记忆网络建模时序依赖，并利用注意力机制加权关键时间步，最后由全连接层输出补偿位置增量；训练样本筛选阶段，以参考轨迹（模拟实验为真值轨迹，海上实验为同步GNSS轨迹）和2海里误差准则生成标签，仅将GNSS位置作为离线样本筛选参考，不参与在线补偿；实验数据包括五条模拟轨迹（L1–L5，每条300海里）和南海三条实测轨迹（L6–L8），实测数据分别由KSS-31和自研JMG海洋重力仪获取。
3.2.1 不同重力匹配算法下的性能（L1区域）
在L1轨迹上，对均方偏差（MSD）、平均绝对偏差（MAD）、归一化互相关（NCC）、Hadamard变换差分（HTD）和综合特征匹配（CFM）五种算法分别训练独立模型。结果显示，HTD和CFM的异常段平均位置误差（APE-O）最低，均为1.10±0.03海里；CFM的异常段匹配成功率（MSR-O）最高，为95.07±2.09%；MAD输出最具挑战性，APE-O为1.72±0.04海里，MSR-O为65.00±1.77%。五种算法下整段平均位置误差（APE-T）在1.37至1.62海里之间，推理时间为15.40至17.86毫秒。这表明模型对不同匹配算法的输出均具有补偿能力，但效果受误差模式影响。
3.2.2 不同重力场区域下的性能（MSD匹配）
利用L1–L5五条轨迹，对应重力异常差异度（AGD）从0.93至3.49 mGal/海里。L4的APE-O最低（1.19±0.04海里），L5和L1次之；L3最差，APE-O为2.37±0.08海里，MSR-O为53.37±2.20%。这说明补偿性能不仅取决于整体重力场变异性，还与局部误差结构和时间分布有关。
3.2.3 可变测量条件下的鲁棒性
在三种高斯重力噪声和三种INS陀螺偏置组合的九种条件下，模型均降低了MSD匹配的主要误差段，APE-O介于0.75至1.56海里，MSR-O为74.60%至98.91%，APE-T为0.89至1.69海里，预测时间12.59至18.85毫秒/样本，表明对测量条件变化具有鲁棒性。
3.3 动态实测重力实验
基于南海L6–L8三条轨迹，与RBIM、最小二乘（LS）、扩展卡尔曼滤波（E
