一种受生物启发、多尺度自适应粒子滤波器，用于在GNSS信号缺失的水下环境中进行标量重力匹配导航

《Biomimetics》：A Bio-Inspired Multi-Scale Adaptive Particle Filter for Scalar Gravity Matching Navigation in GNSS-Denied Underwater Environments

　　

*

摘要

在使用全球导航卫星系统（GNSS）受限的深海环境中，传统的标量重力匹配导航方法在特征稀少、重力异常重复的区域常常会出现严重的性能下降。受海马体空间记忆机制以及底栖海洋生物的自然分级觅食行为的启发，本文提出了一种名为“物理一致的多尺度自适应粒子滤波器用于重力匹配导航”（PC-MAPF-GM）的完整链式仿生框架。该方法为粒子滤波器提供了四层生物仿生的自主调节能力：定量评估重力场的局部适用性、动态调整的时变搜索范围、三级多尺度逐步匹配以及沿轨迹的运动物理一致性约束。通过对长期船载湖泊实验的验证，发现所提出的方法将最终的重力匹配定位均方根误差（RMSE）降低到了528.2米，比传统的地形等高线匹配（TERCOM）基准低41%以上，比迭代最近等高点（ICCP）低31%。这种仿生式的完整设计链解决方案为长期自主运行的水下航行器提供了一种稳健的新实用导航范式，这些航行器可以在没有任何外部辅助定位信息的情况下正常工作。