水下地形輔助導航技術的研究與應用進展*

張靜遠，諶 劍，李 恒，饒 喆

(海軍工程大學兵器工程系，湖北武漢430033)

潛艇、遠程巡航魚雷、無人水下航行器(Unmanned Underwater Vehicle，UUV)等水下潛器的遠程高精度自主導航定位是各國軍事裝備建設關注的重點和難點問題。慣性導航系統具有較好的自主性、實時性和準確性，是水下潛器自主導航系統的必要設備。但慣性導航系統的導航誤差隨時間累積，必須定期用外部信息對其進行校準。目前多采用無線電導航信息和衛星導航信息來校準慣導，實現輔助導航。而無線電導航和衛星導航在戰時極易受電磁干擾而失去作用，存在使用上的隱患。此外，接收外部信息對于水面航行艦船來說較容易實現，但對于水下潛器，為接收外部校準信息，需浮出或接近水面，這勢必影響其隱蔽性，且浪費航程，因此，在各類平臺及水中兵器等潛器的應用中，實現完全自主的水下遠程精確導航定位是各國努力的方向。

地球磁場、重力場和地形場是良好的輔助導航信息源。其中地形場的研究較早，特別是陸地上的地形輔助導航技術經過30多年的發展，已經趨于成熟并成功運用于飛行器的導航。水下地形輔助導航的研究相對較晚，但是近年來，國外明顯加大了地形輔助導航技術在艦船、潛艇和水下航行器上應用的研究。早在1997年出爐的“2000—2035美國海軍技術”發展戰略研究中就提出了在2005年將水下航行器的導航精度提高到2000年的10倍的目標，而且明確指出要完成這一任務主要就是采用地形匹配技術，由此可以看出這一技術的重要性。

1 水下地形輔助導航概述

1.1 基本原理

水下地形輔助導航是一種具有自主性和隱蔽性的水下輔助導航定位方法。與陸地應用的地形輔助導航類似，其原理見圖1。

該方法首先對潛器任務海域的水下地形進行勘測并依據測繪標準構建該海域的水下三維基準數字地形圖數據庫。在潛器執行任務時，利用傳感器獲得潛器所在位置的海底地形信息，并與數據庫中的基準數字地形圖進行比較，經過連續測量和合適的算法進行匹配運算，最終確定潛器的準確位置信息。將該匹配位置與慣導信息進行信息融合處理，可以較好地修正由于陀螺儀和加速度計等慣性傳感器漂移及數據外推產生的定位誤差，輔助慣性導航系統完成水下自主遠程精確導航定位［1-6］。因此地形輔助導航一般不作為獨立的導航系統使用，而是作為慣性導航系統的輔助系統使用。

水下地形輔助導航方法可有效減小潛器的導航定位誤差，提高潛器的生存能力。原則上講，該方法與水下潛器的航行時間和航行距離沒有關系，可以保證潛器在長時間水下隱蔽航行之后，能夠準確地到達任務部署水域，順利完成作戰任務。因此，該方法具有十分重要的軍事應用價值。

圖1 水下地形輔助導航原理框圖Fig.1 Principle block diagram of the underwater terrain auxiliary navigation

1.2 研究的主要問題及方向

水下地形輔助導航是一項復雜的系統工程，其關鍵技術涉及海洋測繪、導航控制、計算機視覺與圖像圖形處理等領域。由于水下環境較陸地環境更加復雜，水下地形相關設備的研制和進行試驗也相對困難，因此其應用所涉及的主要問題與陸上地形輔助導航不完全相同。

從目前的研究情況看，水下地形輔助導航的主要研究方向包括:水下地形測量和基準水下數字地形圖的制作;水下地形匹配方法、匹配準則和匹配算法的研究;水下地形特征分析和數字地圖分辨率的定性定量分析;水下地形輔助導航航路規劃技術;水下潛器慣導解算算法、初始對準和誤差補償方法等。其中，基準水下數字地圖的制作和水下地形匹配方法、匹配準則和匹配算法是該應用研究的基礎，而水下地形分析、航路規劃和潛器慣導解算及誤差補償是成功實現高精度水下地形輔助導航的保證［6］。

2 地形輔助導航算法

慣性導航是實現水下自主導航的基礎。而實現水下地形輔助導航的關鍵技術之一就是地形匹配算法。慣性導航算法應用很廣，也非常成熟，在水下與在陸地和空中的應用基本相似，這里不做介紹，感興趣的讀者可參考相關文獻。對地形匹配算法的研究很廣泛，發表的文章也很多。綜合起來看，根據地形數據使用方式不同，地形匹配算法可分為地形高度匹配(Terrain Elevation Matching，TEM)技術和景象匹配區域相關器(Scene Matching Area Correlator，SMAC)技術兩大類。SMAC技術具有較高的定位精度，但它對設備和地形數據要求高，所以主要用于高精度制導武器的制導。而TEM技術的定位精度雖然不如SMAC，但它對設備和數據要求相對較低，且不易受外界環境變化的影響，所以應用較廣。由于水下地形圖像信息的實時獲取困難，因此水下地形輔助導航多采用TEM技術。

在TEM技術中，根據估計準則的不同，又可以將現有的地形匹配算法分為三種:地形相關匹配算法、基于擴展卡爾曼濾波的匹配算法和基于直接概率準則的匹配算法［4，6］。

整體上看，水下地形輔助導航算法的理論研究大多是將陸地地形輔助導航算法用于水下，討論具體應用中存在的問題及其解決辦法，較少出現原理和算法上的完全創新，因此，下面簡要說明其原理和研究現狀。對具體算法感興趣的讀者還可參考與導彈、飛機相關的地形輔助導航算法方面的文章。

2.1 地形相關匹配算法

地形相關匹配算法是地形輪廓匹配(Terrain Contour Matching，TERCOM)系統的核心算法，其基本原理是:當潛器經過設定航線上某些特定地形區域時，通過測深聲吶、壓力傳感器等測量設備獲得沿航線的海底地形高程數據，將實測數據與存儲設備中的基準數據進行相關度計算，依據最佳匹配算法確定潛器的地理位置。由于地形相關匹配算法是基于最小二乘估計理論，在估計過程中沒有考慮被估參數和觀測數據的統計特性，因此不是最優估計方法［5，7-8］。

2.2 基于擴展卡爾曼濾波的匹配算法

基于擴展卡爾曼濾波(Extended Kalman Filter，EKF)的匹配算法是構建桑迪亞慣性地形輔助導航(Sandia Inertial Terrain Aided Navigation，SITAN)系統的主要理論依據。其原理是:當潛器在設定航路上航行時，首先由慣導系統提供基準位置信息，通過存儲器內基準數字地圖指示的地形特征，獲得測量的預測值;然后將實際測量值與預測值的差值和數字地圖上對應區域的斜率值通過卡爾曼濾波器進行處理，得到慣導系統狀態誤差的估計值;最后使用估計值對慣導參數進行修正，得到更準確的潛器導航信息。該算法通過卡爾曼濾波原理把慣導數據與測量數據結合起來進行連續的迭代處理，達到對慣導系統實時修正的目的。但該算法存在地形線性化處理的問題，所以引入誤差修正［9-10］。

2.3 基于直接概率準則的匹配算法

基于直接概率準則的匹配算法首先是由Johnson和Wang在1990年提出［11］，其后Enns，Morrell和Bergman也分別對該算法進行了改進和完善［12-18］。其中基于粒子濾波(Particle Filter，PF)的匹配算法就是一種改進算法。該算法以貝葉斯估計、馬爾科夫過程和蒙特卡洛理論為基礎，將系統狀態濾波估計轉化為計算基于可得信息的當前狀態的條件概率密度分布，并將后驗概率密度分布用許多包含系統狀態和權值的粒子表示，用粒子群的分布變化近似概率的遞推過程，從而實現對系統狀態的連續估計。基于直接概率準則的匹配算法不但可以解決非線性問題，還能解決非高斯條件下的問題，是一種全局最優濾波算法。雖然目前還沒有該算法實際應用的報道，但許多仿真結果證明了這種算法優于前兩種算法［2-4，19-27］。

2.4 國內外研究現狀

近年來國外對匹配算法的研究比較傾向于基于擴展卡爾曼濾波和基于直接概率準則的匹配方法，包括Lucido和Opderbecke等在1996年國際圖像處理年會上提出的多尺度組合算法［28］、Karlsson和Gustafsson在2003年IEEE國際統計信號處理會議上提出的粒子濾波改進算法［29］、Nygren和Jansson在2004年海洋工程年會上提出的地形互相關算法［30］等。瑞典皇家科學院信號處理實驗室的Xie在其2005年的碩士論文中詳細地討論了幾種水下地形匹配算法，并通過真實海底地圖進行了仿真，得到了各種算法的特性［31］。

國內在地形匹配算法研究方面，以哈爾濱工業大學、西北工業大學、國防科技大學和海軍工程大學為主的碩士、博士研究生對常用的TERCOM，SITAN和基于直接概率準則的匹配方法進行了水下地形匹配模型的仿真，并分析了幾種主要算法的特點，提出了具體的改進方法［2-5，10，32-33］。邊少鋒、鄭彤等將常用于地磁匹配的外加電流陰極保護(Impressed Current Cathodic Protection，ICCP)匹配算法運用到海底地形匹配輔助導航中，也取得了理想的匹配效果［34］。徐遵義用Hausdorff距離作為水深實時測量曲線與海底地形圖水深曲線之間的度量函數，提高了匹配精度［35］。目前國內外在算法方面的研究進行得如火如荼，新的和各類改進的算法不斷出現［33］。

3 水下數字地圖技術

要進行水下地形輔助導航，水下平臺需要相應的水下基準數字地圖。從水下地形輔助導航應用角度看，水下數字地圖關鍵技術主要包括地圖數據格式與表征、水下地形圖測繪、地形數據分析、基準地形圖制作與可視化等。由于地理信息系統方面的研究比較成熟，大地測量技術也比較發達，這里僅簡要說明水下數字地圖所涉及的難點問題及研究情況。

3.1 水下地形圖關鍵技術

從描述水下環境的地圖數據格式上來說，數字高程模型(Digital Elevation Model，DEM)具有便于存儲、更新、傳播和計算機自動處理以及多比例尺特性，特別適合各種定量分析與三維建模［36］，因此被廣泛應用于地學、測繪、遙感、工程計算、環境規劃等領域，在軍事上特別是空中平臺的導航上也有重要的應用。從目前的研究結果看，采用數字高程模型作為表征水下地形的基本模型應用于水下地形匹配導航是十分科學的。

由于水下環境與空中環境差異巨大，水下地形測量面臨著許多難題。如受測深聲吶波束寬度、工作頻率、信息率等海洋測量手段和海洋環境的限制，海底地形測量的精度和準確度難以達到較高水平;數字地圖的分辨率是表征數字地圖表達地形精細程度的重要參數，也是直接影響地形匹配精度的重要因素。經仿真研究［37］，分辨率很高時，信噪比小，計算量大，耗時長;分辨率很低時，匹配誤差均值下限隨之線性增加，因此地圖分辨率太高或者太低都不會得到較高的匹配精度。如何確定基準地形圖的分辨率本身就是值得研究的重要問題。特別是誤差籃子、匹配網格數等參數都與分辨率和匹配精度相關，要明確的選定分辨率等參數，除了需綜合考慮上述各方面因素之外，還要根據任務的要求，再加上試驗與計算反復分析確定。即使對于同一幅數字地圖，水下平臺在不同的測量采樣間隔和航行速度下，數據的匹配性能也會發生變化。

在地圖分析技術已有效解決匹配區選擇的條件下，匹配區面積大小和相鄰匹配區間距的確定本身也是應用中的難點之一。圖幅的大小可以從絕對大小和相對大小兩種角度來理解。絕對大小是指地圖實際代表的地理區域的面積大小。一幅用于水下地形輔助導航的數字地圖的絕對大小，就是要保證水下潛器在慣導系統存在誤差的情況下，在潛器從開始匹配到結束的全過程都能夠使潛器處于地圖覆蓋的區域之中。而相對大小是指含有數量上足夠多、范圍足夠廣的網格，以保證完全覆蓋匹配算法所需要搜索的全部網格區域。由于匹配區的地圖不可能無限大，因此這里所說的保證覆蓋應理解為以一個較高的概率覆蓋，對這一覆蓋概率還有待進一步研究。同時，相鄰匹配區域的間隔大小應保證潛器在慣導系統的作用下可靠進入匹配區，而這與航路規劃又是密切聯系的。

此外，由于受到洋流等影響，水下平臺的運動和姿態的穩定性遠不如空中平臺，如何消弭因為姿態的不穩定而造成的測量誤差、保證測量精度和實際導航應用時的導航精度均值得深入探討。將潮汐周期隨經緯度變化等各種海洋水文信息與海洋地形信息整合到一起，形成有特色的海洋地理信息系統，為各類潛器提供軍事海洋環境信息保障，本身就是一個大的研究方向和工程領域。

從水下地形輔助導航應用來說，進行航路規劃過程需要水下數字地圖的可視化。雖然地形匹配只是一個數據處理的過程，對于計算機而言完全可以在后臺進行，但是不論從實驗研究還是最終應用的角度來說，將水下地形輔助導航的全過程以一種可視化的方式呈現出來，都是非常必要的。

3.2 國內外研究情況

海底地形數據庫是進行海底地形輔助導航所需的基本數據源。海底地形圖為海底地形導航提供了基礎條件，但要使之適合海底地形輔助導航的需求，還需對基本數據進行組合優化和結構的重新設計。美軍為此已經建立了包含海底地形結構的三維電子海圖的標準。

美國國家圖像測繪局(National Imagery and Mapping Agency，NIMA)已建立了一個名叫DBDB 0.5的海底地形數據庫，其分辨率達到0.5角分。為配合海軍彈道導彈(Fleet Ballistic Missile，FBM)計劃，美國海軍海洋局(Naval Ocean-graphic Office，NAVOCEANO)也開發出類似DBDB 0.5的海底地形數據庫，只是其分辨率更高，并在近期已廣泛應用于彈道導彈戰略核潛艇(Strategic Submarines Ballistic Nuclear，SSBN)。

國內在水下地形輔助導航應用的水下數字地圖的制作方面的研究整體情況未見詳細報道。但有部分單位對水下數字地圖及其測量技術進行了初步研究，結合匹配算法和測量儀器特性，對地形圖的分辨率要求及地形精度對導航精度的影響等具體關鍵問題進行了分析研究。在數字地圖制作方面，分別提出了“基于Delaunay三角形的三維數字地圖生成算法”［38］、“基于電子海圖的海底地形生成方法”［39］、“基于多波束和ArcGIS的海底地形數據庫建立”［40］等方法。海軍工程大學還對因特網上公開的部分海域水下地形數據進行了整理，研制了水下地形測量系統，對部分內陸湖泊湖底地形進行了較完整的測量，制作了可以進行原理演示試驗和仿真應用的湖底數字地形圖［33，41］。

在水下地形可視化研究方面，目前國內外正在研究以現有的電子海圖為基礎，將地形匹配與之對接，使其能在電子海圖上顯示匹配導航的全過程。

4 水下地形輔助導航試驗

4.1 試驗系統構成和試驗平臺

參見圖1，水下地形匹配輔助導航系統的基本構成包括:慣性導航系統、深度傳感器與測深設備、速度傳感器與速度估計、基準水下數字地形圖和地形匹配模塊。在水下地形輔助導航系統中，一般采用慣性導航系統以提供主要的導航信息;水下潛器距海平面的深度由自身攜帶的深度傳感器測量，潛器到海底的深度可以采用聲吶測深裝置;匹配模塊主要是采用計算機系統來完成，它內部存儲了預定區域的基準水下數字地形圖，該基準數字地形圖需要事先利用水面艦船或潛器進行測繪并分析得到。

由于直接進行水下潛器的水下地形輔助導航試驗非常困難，因此，研究初期，大多是利用水面艦船進行水下地形輔助導航試驗。即建立一個由水面艦船搭載的試驗平臺，完成水下地形的探測及數字地圖形成和水下地形輔助導航的原理驗證兩項功能。該試驗平臺包含的主要設備有:慣性導航系統、測深聲吶、航速測量裝置、導航處理計算機及相關水下地形匹配輔助導航系統軟件。此外還需配備全球定位系統(Global Positioning System，GPS)或北斗等定位設備，用于指示標準航路和準確位置信息［33，41］。

在試驗平臺構建方面，所能查找到的資料中并沒有翔實的系統實物實例和具體的軟件程序介紹。多數資料都只是對相關的系統流程框圖和試驗方法進行了簡要介紹和討論。

4.2 國外海上試驗與在水下潛器上的應用

由于海底地形和地形輔助導航系統與武器裝備和作戰使用密切相關，各國對這方面的技術細節是保密的，所以國外武器是否裝有水下地形輔助導航系統還不得而知。但從各種技術文獻和報道中能夠得知各國都很注重這方面技術的研究和試驗，有些國家已經完成了該項技術在自主式水下潛器(Autonomous Underwater Vehicle，AUV)上的測試試驗，部分國家的AUV產品介紹中已經注明了水下地形輔助導航模塊作為選項。下面僅簡要列出國外在該領域的試驗研究案例。

(1)瑞典皇家科學院電器工程分院的Nygren提出了一種基于最大似然估計的地形匹配算法，該算法適用于配備多波束聲吶的航行器，其本質是TERCOM算法在多波束測量條件下的擴展。為充分了解算法的特性，Nygren引入了克拉美羅界、地形相關性等概念，討論了水下地形、波束數目、波束模式和匹配步長對匹配結果的影響，設計并研制了一套水下地形匹配實驗系統，并進行了兩次海上實驗，證明了該算法的實時性和可行性［30］。此后，Nygren在此研究基礎上，為瑞典裝備防務部(Swedish Defense Materiel Administration，SDMA)的兩型自航潛器AUV62F和Sapphires設計了能在平坦地形區域進行匹配的地形輔助導航系統［42］。

(2)瑞典林克平大學電子工程系的Karlsson在其2005年的碩士論文中詳細地討論了用于水下地形輔助導航的匹配算法和試驗平臺的搭建方法，通過湖上試驗，得到了湖底的區域水下地形圖，并利用模型仿真驗證了基于粒子濾波的水下地形匹配算法在輔助導航上應用的可行性［43］。

(3)瑞典薩博水下航行器系統公司生產的AUV62系列魚雷型水下潛器也具有水下地形匹配輔助導航功能［44］。2003年，瑞典海軍通過潛艇發射該型潛器，并對AUV62的系統進行了測試。為了長時間航行，采用了鋰電池代替鉛酸電池，泵噴推進系統，航速在3節到11節之間。為了達到導航試驗的目的，該潛器配備了齊全的導航設備，其慣性導航測量裝置包括激光陀螺Kearfott T16-B、加速度計、多普勒測速儀，還裝備了GPS接收機和水下相機，并將多波束測深聲吶EM7200安裝于潛器前段。該聲吶主要用于進行探礦和地形輔助導航，各傳感器間通過局域網總線結構實現信息的互通。測深儀和慣導系統的數據通過總線傳送到PC-104計算機中進行相關運算。其地形匹配算法采用一種非線性地形相關度匹配算法，它的性能優于通常使用的線性匹配算法。盡管該算法不能顯式地給出估計誤差與克拉美羅界的差距，但通過實驗證明，這種方法在大多數情況下都能相當逼近克拉美羅界。

(4)美國斯坦福大學宇航實驗室也針對水下地形輔助導航進行了較多研究，其中既包括粒子濾波、質點濾波水下地形匹配算法，也包括水下數字地圖精度、測深傳感器性能和慣導系統精度等對匹配精度的影響。通常，水下地形匹配模塊都是直接使用慣導輸出的導航信息進行匹配運算，被稱作松散結構。而K.Deborah Meduna針對工程應用背景，提出將慣性元件輸出參數直接傳給匹配模塊進行濾波運算的緊固結構，并選取兩部性能差異較大的AUV進行了相關海試。其中，地圖構建自主水下航行器(Mapping Autonomous Underwater Vehicle，MAUV)配備了高性能慣導設備和多波束聲吶，導航精度較高，而深海成像自主水下航行器(Benthic Imaging Autonomous Underwater Vehicle，BIAUV)則僅配備了低性能慣導設備和多普勒聲吶，加之設備老化，其導航精度很低。海試結果證明，緊固結構水下地形輔助導航系統能夠很好地克服測量設備精度對匹配結果的影響，在1m分辨率的數字地圖上，其導航精度能達到5～10m［45］。

(5)英國南安普頓大學的Morice和Veres等利用Autosub 6000 AUV進行了水下地形輔助導航實驗。該潛器采用慣性導航系統(Inertial Navigation System，INS)和多普勒測速聲吶(Doppler Velocity Log，DVL)作為主導航方式，利用EM2000多波束聲吶作為測深設備，并以粒子濾波方式進行匹配運算。為提高粒子濾波各時刻重采樣的充分性，采用了KLD(Kulback-Leibler Divergence)重采樣準則。在摩洛哥阿加迪爾海峽的實驗中，AUV保持在水下120m處航行，在有橫滾估計的情況下，其東向、北向和深度的估計誤差分別在20m，40m和1.5m以內［46］。

(6)2002年5月到6月，北約組織六家單位進行多次海試，其中挪威康士伯公司研制的HUGIN潛器就裝備有挪威防御研究中心研制的地形輔助導航設備，該機構網站還給出了該潛器性能及導航系統結構框圖的介紹［2］。挪威研制的HUGIN1000型UUV，主要用于執行水下測繪和水下環境快速鑒定，同時承擔了深水獵雷和隱蔽偵察水雷任務。該航行器配備有多波束回聲測儀和雙頻側掃聲吶、HG9848A慣性測量裝置、多普勒計程儀、磁羅經和壓力傳感器等導航傳感器，導航定位精度較高。而HUGIN3000型UUV裝備的是基于卡爾曼濾波的慣性導航系統，該系統能夠精確地計算載體的位置、速度和航向信息，其基本數據采集來源于慣性測量裝置的加速度計和陀螺儀。

(7)挪威防御研究中心采購了HUGIN 1000 HUS等多部自航潛器，并利用它們進行了多年的水下地形匹配算法研究。其中，既有傳統的TERCOM算法，也有基于貝葉斯準則的質點濾波匹配算法和粒子濾波匹配算法。為進一步研究水下地形輔助導航技術，挪威防御研究中心研制了TerrP系統，并分別于2009年和2010年進行了兩次海上實驗。其中，第一次實驗地點選在挪威海岸的熊島附近，那里水下地形相對平坦，但多留有冰川移動的痕跡。實驗中采用EM 2000多波束聲吶，經過7h近50km的潛航，潛器定位精度達到4m。第二次實驗地點選在挪威奧斯陸，實驗中采用HG9900慣性測量元件、RDI WHN 300多普勒聲吶和分辨率為10m的水下數字地圖。經過5h20min的水下航行，潛器定位精度達到10m［47］。

(8)澳大利亞的悉尼大學機器人研究中心自行研制的“Oberon”水下機器人裝載了多種傳感器，包括彩色照相機、深度傳感器、兩個低頻的地形掃描聲吶和陀螺等。聲吶作為主要的環境探測傳感器，獲取環境信息進行UUV自身定位和全局地圖創建。該UUV的試驗表明，他們對同步定位與地圖創建(Simultaneous Localization And Mapping，SLAM)技術的研究取得了很好的效果，成為SLAM研究領域參考的優秀代表。

(9)美國《美日防務》2006年1月6日報道，洛克希德·馬丁公司與美國軍方簽訂了1060萬美元的修訂合同，把傳感器陣列集成到海軍的“先期發展無人潛器”中，使其具有三維障礙探測與識別、甚高頻(Very High Frequency，VHF)通信和三維海底探測能力。此外，美國的LOST2也具備一定的地形輔助導航能力。

4.3 國內試驗研究進展

國內極少見到開展水下地形輔助導航試驗的報道。海軍工程大學近年來較系統地研究了水下地形匹配導航的實現方法和關鍵技術，進行了基于慣性導航平臺的地形輔助導航定位算法設計，研究了平臺運動補償等提高導航定位精度的具體方法和技術。在此基礎上，研制了船載水下地形匹配輔助導航原理試驗系統，在木蘭湖進行了湖底地形測量，進行了數字地圖的制作，并隨后在湖上進行了初步的水下地形匹配導航定位原理驗證試驗，通過由GPS信息給出的實際軌跡、由慣導信息推算的航路軌跡以及經地形匹配修正后的慣導信息推算軌跡這三條軌跡的比較，證明了水下地形輔助導航的可行性和其較好的精度，取得了階段性的成果［33，41］。

5 應用展望與下一步研究方向

5.1 應用展望

在空間領域，美軍的無人作戰飛機已經具備了全球范圍的作戰能力，對定點打擊恐怖勢力發揮了重要作用，對一些“敵對”力量形成了極大的戰略威懾和軍事壓力。而利用空間飛行器，實施1小時全球范圍內打擊的空天無人作戰武器也經歷了多次試驗。可見，無人作戰平臺乃至作戰機器人將在未來戰場上發揮越來越重要的作用。

在水下，除了平臺應用外，各種的AUV、UUV發展迅速，武器級UUV必將成為未來水下無人作戰單元的首選。而要實現完全自主的水下作戰，長時間水下自主精確導航定位是必須解決的難點問題。特別是對于區域封鎖作戰，幾艘自主攻擊型UUV將有效阻止大型水面艦艇編隊。而地形輔助導航技術，因其特別適合長時間水下自主精確導航，必將在有此類需求的各種水下潛器中得到越來越廣泛的應用。

5.2 需要開展的基礎研究工作

從地形輔助導航的理論研究和工程應用兩不同角度，可以將所需要的基礎研究工作歸納為如下幾個主要方面:

(1)深海地形測量中的聲學問題。水下地形輔助導航過程中需要實時用聲吶測量海底地形數據，潛器到海底這段距離的聲速是多少、聲線是如何彎曲、不同地域不同時間的海洋聲傳播的規律和模型直接影響到測量精度。在淺海域進行地形測量，由于距離海底近，聲程短，誤差較小可以忽略。但在深海域就不能忽略這種測量誤差了，因此研究清楚深海高精度聲學測深問題，對于海底地形測繪和導航應用均十分必要。

(2)地形輔助導航算法。地形輔助導航算法是實現水下地形輔助導航的核心之一。匹配算法說到底是估計理論的問題。在匹配算法的演化進程中伴隨著估計理論的發展，現在已發展到基于概率準則的非線性估計。如果在非線性估計理論方面有了發展，相信也會推動匹配算法的發展。

(3)海洋環境信息的融合與海洋環境數據庫的建立。從軍事角度看，海洋環境就是戰場環境。戰場環境的建立離不開各種信息的融合。海洋的各種地質地貌、地磁、重力場、洋流、潮汐、溫度、鹽度、聲速梯度等地質水文信息條件都會對處在海洋環境中的航行器產生影響。例如由于受到洋流等影響造成水下平臺存在運動和姿態的穩定性問題，因此，對于水下平臺的精確控制、運動補償和由于姿態的不穩定而造成的測量誤差，都有賴于海洋環境信息的保障。而通過長期的實地測量和數據整理，融合各種信息，形成關注海域乃至全球海域標準的融合地形、地磁、重力場等信息的海洋地理信息系統，提供準確實時的地理數據保障，意義重大，需要在國家安全層面加以規劃和組織。

6 結論

眾所周知，地形輔助導航技術在導彈、飛機等空中飛行武器裝備上已廣泛應用。本文從地形輔助導航算法、水下數字地圖技術、水下地形輔助導航系統構成及試驗等不同方面，介紹了水下地形輔助導航所涉及的主要問題及研究進展，結果表明，目前國外在水下地形匹配技術上投入了大量人力物力進行研究，西方一些國家已經研制出具備水下地形匹配功能的試驗系統并進行了多次水下試驗，安裝有該系統的小型水下潛器也獲得了技術上的突破，已經有水下地形輔助導航模塊在商用AUV上作為選項采購。因此，利用地形匹配技術作為輔助導航手段來提高水下運動體的導航精度是完全可行的，它有望成為根本上解決水下遠程高精度自主導航定位的有效手段。另外，在進一步深入水下地形輔助導航理論與應用研究的基礎上，大力開展配套的海洋環境數據庫等基礎條件建設工作，對把我國建設成為海洋強國具有十分重要的意義。

References)

［1］李臨.海底地形匹配輔助導航技術現狀及發展［J］.艦船電子工程，2008，28(2):17-19.LI Lin.Present and development of ocean floor terrain matching technology for supplementary navigation［J］.Ship Electronic Engineering，2008，28(2):17-19.(in Chinese)

［2］劉承香.水下潛器的地形匹配輔助定位技術研究［D］.哈爾濱:哈爾濱工程大學，2003.LIU Chengxiang.A study on terrain matching assistant positioning technology for underwater vehicle［D］.Harbin:Harbin Engineering University，2003.(in Chinese)

［3］辛廷慧.水下地形輔助導航方法研究［D］.西安:西北工業大學，2004.XIN Tinghui.Underwater terrain assistant navigation method research［D］.Xi'an:Northwestern Polytechnical University，2004.(in Chinese)

［4］馮慶堂.地形匹配新方法及其環境適應性研究［D］.長沙:國防科學技術大學，2004.FENG Qingtang.Research on new methods and environmental adaptability of terrain matching［D］.Changsha:National University of Defense Technology，2004.(in Chinese)

［5］李小鵬.潛艇海底地形輔助導航技術研究［D］.哈爾濱:哈爾濱工程大學，2001.LI Xiaopeng.A study on ocean floor terrain matching assistant navigation technology for submarine［D］.Harbin:Harbin Engineering University，2001.(in Chinese)

［6］張靜遠，顧宏燦，張洪剛，等.武器探測與精確制導原理［Z］.武漢:海軍工程大學，2013.ZHANG Jingyuan，GU Hongcan，ZHANG Honggang，et al.Principles of weapon detection and precision guidance［Z］.Wuhan:Naval University of Engineering，2013.(in Chinese)

［7］Baird C A，Abramson M R.A comparison of several digital map-aided navigation techniques［C］//Position Location and Navigation Symposium，1984:286-293.

［8］Priestley N.Terrain referenced navigation［C］//Position Location and Navigation Symposium，1990:482-489.

［9］Andreas R D，Hostetler L D，Beckmann R C.Continous Kalman updating of an inertial navigation system using terrain measurement［C］//NAECON'78，1978:1263-1270.

［10］王濤.桑迪亞慣性地形輔助導航算法及應用研究［D］.西安:西北工業大學，2006.WANG Tao.Study on arithmetic and application of Sandia inertia terrain-aided navigation［D］.Xi'an:Northwestern Polytechnical University，2006.(in Chinese)

［11］Johnson N，Wang T，Howell G.Terrain aided navigation using maximum a posteriori estimation［C］//Position Location and Navigation Symposium，1990:464-469.

［12］Enns R，Morrell D.Terrain-aided navigation using the Viterbi algorithm［J］.Journal of December，Control and Dynamics，1995，18(6):1444-1449.

［13］Bergman N.Bayesian inference in terrain navigation［M］.Sweden:Link?ping Studies in Science and Technology，1997.

［14］Bergman N.Recursive Bayesian estimation navigation and tracking applications［M］.Sweden:Department of Electrical Engineering Link?ping University，1999:26-128.

［15］Bergman N，Ljung L.Point-mass filter and Cramer-Rao bound for terrain-aided navigation［C］//Proceedings of the 36th IEEE Conference on Decision and Control，1997.

［16］Bergman N.Deterministic and stochastic Bayesian methods in terrain navigation［C］//Proceedings of the 37th IEEE Conference on Decision and Control，1998.

［17］Bergman N，Ljung L，Gustafsson F.Terrain navigation using Bayesian statistics［J］.IEEE Control Systems，1999，19(3):33-40.

［18］Bergman N.Terrain navigation using sequential Monte Carlo methods［D］.Cambridge:Cambridge University Press，1999.

［19］Ridgeway G，Madigan D.A sequential Monte Carlo method for Bayesian analysis of massive data sets［J］.Journal of Knowledge Discovery and Data Mining，2002(7):301-319.

［20］Arulampalam M S，Maskell S，Gordon N，et al.A tutorial on particle filters for online nonlinear/non-gaussian bayesian tracking［J］.IEEE Transactions on Signal Processing，2002，50(2):174-188.

［21］Gordon N J，Salmond D J，Smith A F M.Novel approach to non-linear and non-Gaussian Bayesian state estimation［C］//Proceedings of IEE Radar and Signal Processing，1993，140(2):107-113.

［22］Karlsson R，Bergman N.Auxiliary particle filters for tracking a maneuvering target［C］//Proceedings of the 39th IEEE Conference on Decision and Control，2000，4:2891-3895.

［23］Karlsson T.Terrain aided underwater navigation using bayesian statistics［D］.Sweden:Link?pings University，2002.

［24］Cheng C，Ansari R.Kernel particle filter for visual tracking［J］.IEEE Signal Processing Letters，2005，12(3):242-245.

［25］Beadle E R，Djuric P M.A fast-weighted Bayesian bootstrap filter for nonlinear model state estimation［J］.IEEE Transactions on Aerospace and Electronic Systems，1997，33(1):338-343.

［26］Bolic M，Djuric P M，Hong S J.New resampling algorithms for particle filters［C］//Proceedings of IEEE International Conference on Acoustics，Speech and Signal Processing，2003(2):589-592.

［27］Yang N，Tian W F，Jin Z H.Particle filter for sensor fusion in a land vehicle navigation system［J］.Measurement Science and Technology，2005，16(3):677-681.

［28］Lucido L，Opderbecke J，Rigaud V，et al.Terrain referenced underwater positioning using sonar bathymetric profiles and multiscale analysis［C］//Proceedings of OCEANS，MTS/IEEE，1996(1):417-421.

［29］Karlsson R，Gustafsson F.Particle filter for underwater terrain navigation［C］.2003 IEEE Statistical Signal Processing，2003:526-529.

［30］Nygren I，Jansson M.Terrain navigation for underwater vehicles using the correlator method［J］.IEEE Journal of Oceanic Engineering，2004，29(3):906-915.

［31］Xie Y R.Terrain aided navigation［D］.Stockholm:Royal Institute of Technology，2005.

［32］諶劍.基于粒子濾波的水下地形匹配算法研究［D］.武漢:海軍工程大學，2008.SHEN Jian.The research on the underwater terrain matching method based on particle filter［D］.Wuhan:Naval University of Engineering，2008.(in Chinese)

［33］諶劍.基于非線性濾波的水下地形匹配算法研究［D］.武漢:海軍工程大學，2012.SHEN Jian.The research on the underwater terrain matching method based on nonlinear filter［D］.Wuhan:Naval University of Engineering，2012.(in Chinese)

［34］鄭彤，邊少鋒，王志剛.基于ICCP匹配算法的海底地形匹配輔助導航［J］.海洋測繪，2008，28(2):21-23.ZHEN Tong，BIAN Shaofeng，WANG Zhigang.The terrain matching assistant navigation based on ICCP algorithm［J］.Hydrographic Surveying and Charting，2008，28(2):21-23.(in Chinese)

［35］徐遵義，晏磊，寧書年，等.基于Hausdorff距離的海底地形匹配算法仿真研究［J］.計算機工程，2007，33(9):7-9.XU Zunyi，YAN Lei，NING Shunian，et al.Research on seabed terrain match algorithm simulation based on Hausdorff distance［J］.Computer Engineering，2007，33(9):7-9.(in Chinese)

［36］李志林，朱慶.數字高程模型［M］.武漢:武漢測繪科技大大學出版社，2000:2-155.LI Zhilin，ZHU Qing.Digital elevation model［M］.Wuhan:Wuhan Technologic University of Surveying and Mapping Press，2000:2-155.(in Chinese)

［37］羅軒.水下地形匹配輔助導航數字地圖技術研究［D］.武漢:海軍工程大學，2009.LUO Xuan.Study on digital map technology of underwater terrain matching aided navigation［D］.Wuhan:Naval University of Engineering，2009.(in Chinese)

［38］劉承香，趙玉新，劉繁明.基于Delaunay三角形的三維數字地圖生成算法［J］.計算機仿真，2003，20(5):22-24.LIU Chengxiang，ZHAO Yuxin，LIU Fanming.Generating algorithm of three-dimension digital map based on Delaunay triangle［J］.Computer Simulation，2003，20(5):22-24.(in Chinese)

［39］諶劍，嚴平，張靜遠.基于數字圖像處理的海底三維地形重建方法［J］.計算機仿真，2009，26(10):90-93.SHEN Jian，YAN Ping，ZHANG Jingyuan.A method for reconstructing 3D seabed digital map based upon image processing［J］.Computer Simulation，2009，26(10):90-93.(in Chinese)

［40］馬建林，來向華，郭德方.基于多波束和ArcGIS的海底地形數據庫建立［J］.海洋學研究，2005，23(3):8-13.MA Jianlin，LAI Xianghua，GUO Defang.The construction of seafloor terrain database based on multi-beam and ArcGIS［J］.Journal of Marine Sciences，2005，23(3):8-13.(in Chinese)

［41］李恒.基于水下地形匹配的捷聯系統誤差估計方法研究［D］.武漢:海軍工程大學，2011.LI Heng.The research on error estimation methods of strapdown inertial navigation system based on underwater terrain matching［D］.Wuhan:Naval University of Engineering，2011.(in Chinese)

［42］Nygren I.Terrain navigation for underwater vehicles［D］.Sweden:Royal Institute of Technology(KTH)，2005.

［43］Karlsson T.Terrain aided underwater navigation using Bayesian statistics［D］.Sweden:Link?Ping University，2002.

［44］HUGIN AUV Programs.FFI’s HUGIN AUV webpages［EB/OL］.2011-02-01.http://www.ffi.no/hugin/.

［45］Meduna D K.Terrain relative navigation for sensor-limited systems with application to underwater vehicles［D］.America Stanford:Stanford University，2011.

［46］McPhail S.Autosub6000:a deep diving long range AUV［J］.Journal of Bionic Engineering，2009，6(1):55-62.

［47］Anonsen K B，Hagen O K.An analysis of real-time terrain aided navigation results from a HUGIN AUV［C］.MTS/IEEE OCEANS'10 Conference，2010.