3. 地形匹配导航基本原理

地形匹配导航（Terrain Matching Navigation）是一类基于地理空间信息数据库的自主导航技术，其本质是将飞行器或运载器实时获取的物理场测量数据，与预先存储的数字地图进行相关匹配，从而解算出载体在空间中的精确位置。与惯性导航（INS）相比，地形匹配导航不随时间漂移，具有长期精度稳定的显著优势；与卫星导航（GNSS）相比，它不依赖外部无线电信号，具备天然的抗干扰与防欺骗能力。本章围绕地形轮廓匹配（TERCOM）、地形高程匹配（SITAN）、景象匹配（Scene Matching）三条主要技术路线，系统阐述其核心思想、算法框架、工程适用边界与典型应用场景，帮助读者建立从物理场感知到位置解算的完整认知。

3.1 地形轮廓匹配（TERCOM）——批处理相关匹配的经典范式

3.1.1 核心原理与数学模型

地形轮廓匹配（Terrain Contour Matching, TERCOM）是最早工程化的地形匹配导航技术，由美国E-Systems公司在20世纪60年代为巡航导弹研制。其核心思想是：沿飞行器预定航迹，利用雷达高度表连续测量飞行器相对地面的高度（即地形轮廓线），同时利用气压高度表测量飞行器的海拔高度，两者相减得到地形高程剖面序列；将该实测剖面序列与机载数字地形高程模型（DTED）中存储的候选区域地形剖面进行逐点相关比较，找到相关性最高的位置作为飞行器的估计位置。

设飞行器在航迹上等间隔采集N个测点，第i个测点的雷达高度测量值为\( h_{r}(i) \)，气压高度为\( h_{b}(i) \)，则实测地形高程为\( h_{m}(i) = h_{b}(i) - h_{r}(i) \)。数字地图中某候选位置\( (x,y) \)对应的地形高程序列为\( h_{map}(x,y,i) \)。TERCOM通过最小化或最大化某个代价函数来确定最佳匹配位置。常用的代价函数包括：

• 平均差（MAD）：\( J_{MAD} = \frac{1}{N}\sum_{i=1}^{N} |h_{m}(i) - h_{map}(x,y,i)| \)，取最小值对应的位置为匹配结果。
• 均方差（MSD）：\( J_{MSD} = \frac{1}{N}\sum_{i=1}^{N} [h_{m}(i) - h_{map}(x,y,i)]^2 \)，对异常值更敏感，精度略高但鲁棒性稍差。
• 归一化互相关（NCC）：\( J_{NCC} = \frac{\sum (h_{m}(i)-\bar{h}_{m})(h_{map}(i)-\bar{h}_{map})}{\sqrt{\sum (h_{m}(i)-\bar{h}_{m})^2 \sum (h_{map}(i)-\bar{h}_{map})^2}} \)，取最大值，对地形幅值缩放不敏感。

实际工程中，MAD算法因计算量适中且对野值不敏感而应用最广。TERCOM的匹配过程是典型的批处理模式：飞行器先沿航迹飞行一段距离（通常为2~5km），积累足够多的测点后，再进行一次位置修正。这种"先积累、后修正"的工作方式决定了TERCOM只能用于间断修正，无法提供连续的位置输出。

3.1.2 操作流程与关键参数

1. 航迹规划阶段：在任务规划系统中，选取地形起伏特征明显的航段作为匹配区，确保地形标准差大于雷达高度表测量噪声的3倍以上。匹配区长度通常为5~15km，宽度为2~4km。
2. 数据采集阶段：飞行器以恒定速度飞行，雷达高度表以固定频率（通常10~50Hz）采样，同时记录气压高度和INS输出的位置序列。
3. 序列生成阶段：将雷达高度与气压高度做差，得到地形高程序列；对序列进行滤波去噪（如中值滤波去除尖峰），并按INS指示的航向进行坐标变换。
4. 相关搜索阶段：在DTED中，以INS指示位置为中心，设定搜索窗口（通常为±1~3km），逐点计算代价函数，得到匹配曲面。
5. 位置解算与验证：取代价函数最小值对应的位置作为匹配结果，并计算匹配曲面的"尖锐度"（即最小值与次小值的比值），若尖锐度低于阈值则判定匹配失败，放弃本次修正。

3.1.3 案例拆解：战斧巡航导弹的TERCOM修正

美国BGM-109战斧巡航导弹是TERCOM最成功的工程应用案例。其典型作战流程为：发射后先以惯性导航+地形匹配组合方式飞行，在陆上航段每隔一定距离（约100~200km）设置一个TERCOM匹配区。每个匹配区长度为8~12km，宽度为3~4km，区内地形标准差要求大于5m。导弹以约880km/h的速度飞行，在匹配区内采集约200~400个测点（采样率20Hz），形成地形剖面序列。匹配计算在弹载计算机上完成，耗时约0.5~1秒，修正后的位置误差从INS的数百米缩小到10~30m（CEP）。

该方案的约束条件包括：匹配区必须避开大片水域、城市建成区（建筑物高度干扰雷达测距）和地形过于平坦的区域；导弹在匹配区内的飞行轨迹必须保持近似直线，否则地形剖面会发生畸变；匹配区之间的INS漂移不能超过搜索窗口半径。战斧导弹的实战经验表明，TERCOM在中等起伏地形上的匹配成功率超过95%，但在极端平坦地形（如伊拉克沙漠）上，误匹配率显著上升，因此后续型号引入了GPS辅助修正。

3.1.4 常见误区与设计要点

3.2 地形高程匹配（SITAN）——递推滤波的实时修正方案

3.2.1 核心原理与算法框架

地形高程匹配（Sandia Inertial Terrain-Aided Navigation, SITAN）由美国Sandia国家实验室于20世纪70年代末提出，其设计目标是为了克服TERCOM批处理模式的固有缺陷，实现逐点递推的实时位置修正。SITAN的核心思想是：将地形匹配问题转化为非线性状态估计问题，利用扩展卡尔曼滤波器（EKF）将地形高程测量值作为量测信息，实时修正INS的位置误差和速度误差。

SITAN的状态向量通常包括：位置误差（\( \delta x, \delta y \)）、高度误差（\( \delta h \)）、速度误差（\( \delta v_x, \delta v_y \)）以及传感器偏置等。量测方程为：

z(k) = h_true(x(k)) - h_measured(k)
      = h_map(x_INS + δx, y_INS + δy) - [h_baro(k) - h_radar(k)]

其中\( h_{map} \)为数字地图高程，\( h_{baro} \)为气压高度，\( h_{radar} \)为雷达高度。由于\( h_{map} \)是位置的非线性函数，EKF需要对其在INS指示位置处进行线性化，即计算地形斜率（梯度）：

H(k) = [∂h_map/∂x, ∂h_map/∂y, -1, 0, 0, ...]

地形斜率通过数字地图的局部差分获得。SITAN的递推过程为：每获得一个新的雷达高度测量值，就执行一次EKF的时间更新和量测更新，实时输出修正后的位置估计。这种序贯处理方式使得SITAN能够连续输出位置修正量，且计算量远小于TERCOM的批处理搜索。

3.2.2 关键工程问题与处理策略

SITAN的精度通常优于TERCOM，在中等起伏地形上可达5~20m（CEP），且能够提供连续的位置修正。但其代价是算法复杂度显著提高，对机载计算机的实时计算能力要求更高，且需要精确的传感器误差模型和地形统计特性先验知识。

3.2.3 实战场景：低空突防飞行器的地形跟随与匹配

在低空突防场景中，飞行器需要紧贴地形飞行以规避雷达探测，此时SITAN的优势得到充分发挥。以某型隐身巡航导弹为例，其飞行高度为30~100m，地形跟随系统需要实时获取精确的位置和高度信息。该导弹采用SITAN+地形跟随的组合方案：SITAN滤波器以50Hz的频率处理雷达高度表数据，实时修正INS位置误差；修正后的位置信息输入地形跟随控制器，生成升降舵指令，使导弹保持设定的离地高度。

该方案的关键参数为：雷达高度表测量噪声σ=1m，气压高度表噪声σ=3m，DTED网格间距为30m，地形高程精度为±2m。在丘陵地形（地形标准差约15m）上，SITAN的稳态位置误差为8m（CEP），高度误差为2m。在进入平坦区域（地形标准差小于3m）时，系统自动降低滤波增益，位置误差缓慢增大至50m，但通过预先规划航路避开长距离平坦区域，整体导航精度仍满足任务要求。该案例表明，SITAN的适用场景是需要连续位置修正且地形起伏适中的飞行任务，尤其适合低空突防、地形跟随飞行等场景。

3.2.4 设计复盘与注意事项

3.3 景象匹配（Scene Matching）——二维图像相关的高精度定位

3.3.1 核心原理与技术路线

景象匹配导航利用飞行器搭载的光学相机、红外成像仪或合成孔径雷达（SAR）获取地表二维图像，与预先存储的参考景象图（如卫星遥感图、航拍图或SAR参考图）进行相关匹配，从而确定飞行器的精确位置。与地形匹配相比，景象匹配利用的信息维度从一维高程剖面扩展到二维灰度/纹理分布，信息量大幅增加，因此能够获得更高的定位精度（通常为1~10m），甚至达到米级。

景象匹配的核心技术路线可分为三类：

• 基于灰度相关的匹配：直接对实时图和参考图的灰度矩阵进行归一化互相关（NCC）或序贯相似检测（SSDA）计算。该方法对图像灰度一致性要求高，对光照变化、季节变化敏感，适用于可见光图像且成像条件稳定的场景。
• 基于特征的匹配：从实时图和参考图中提取特征点（如SIFT、SURF、ORB特征）、边缘、角点或区域轮廓，通过特征描述子的相似性进行匹配。该方法对灰度变化、旋转和尺度变化具有较好的鲁棒性，但特征提取和匹配的计算量较大。
• 基于频域的匹配：利用傅里叶变换的相位相关法，通过计算实时图与参考图的互功率谱的逆变换来估计平移量。该方法对光照变化不敏感，计算效率高，但对旋转和尺度变化需要额外的搜索处理。

3.3.2 匹配流程与精度影响因素

1. 参考图制备：从卫星遥感影像、航拍照片或SAR图像中裁剪出匹配区参考图，进行几何校正、辐射校正和重采样，统一到与实时图相同的分辨率和坐标系。
2. 实时图获取：飞行器飞临匹配区上空时，由机载传感器拍摄实时图像。光学相机需考虑光照和天气条件，红外成像需考虑昼夜温差，SAR则不受云雨影响但存在斑点噪声。
3. 预处理：对实时图进行去噪、增强、几何畸变校正（如透视校正），使其与参考图的成像条件尽可能一致。
4. 匹配搜索：以INS指示位置为中心，在参考图中设定搜索区域，采用选定的匹配算法计算相似度曲面，找到峰值位置。
5. 精度验证：计算匹配峰值的尖锐度（峰值与次峰之比）和匹配概率，低于阈值时拒绝匹配结果。

景象匹配的精度主要受以下因素影响：图像分辨率（像素对应的地面尺寸）、匹配算法的亚像素插值能力、实时图与参考图之间的时间差（导致地表变化）、以及飞行器姿态误差引起的图像几何畸变。现代景象匹配系统通常采用金字塔分层匹配策略，先在低分辨率层进行粗匹配，再在高分辨率层进行精匹配，兼顾计算效率和匹配精度。

3.3.3 案例拆解：SAR景象匹配在远程精确打击中的应用

某型远程空地导弹采用SAR景象匹配作为末端制导修正手段。该导弹飞行末段速度约300m/s，高度约500m，SAR雷达分辨率为1m×1m。任务规划阶段，利用卫星SAR图像制备了目标区域3km×3km的参考图，网格间距为1m。导弹飞临匹配区前，INS累计漂移约200m，需要景象匹配将位置误差修正到10m以内。

实际飞行中，SAR实时图尺寸为1.5km×1.5km，与参考图进行归一化互相关匹配。由于SAR图像存在固有的斑点噪声，预处理阶段采用了Lee滤波抑制噪声，并进行了辐射均衡。匹配搜索采用三步搜索策略：第一步在低分辨率（降采样4倍）图像上粗匹配，搜索范围±300m，步长8m；第二步在原始分辨率图像上精匹配，搜索范围±20m，步长1m；第三步进行亚像素插值，获得0.1m精度的匹配位置。整个匹配过程耗时约0.8秒，匹配成功率为97%，位置修正精度达到3m（CEP）。

该案例的约束条件包括：匹配区必须选择地表特征丰富的区域（如城区、农田边界、河流交叉口），避免大面积均匀地表（如沙漠、雪原）；SAR实时图与参考图的成像几何必须一致（入射角差异小于5°）；飞行器在成像期间的姿态变化不能过大（横滚角小于3°），否则图像畸变会导致匹配失败。

3.3.4 常见误区与工程建议

3.4 三大技术路线的综合对比与选型决策

在实际工程中，三种技术路线并非互斥，而是经常组合使用。典型的组合方案为：远程飞行段采用TERCOM进行粗修正（将位置误差从数公里缩小到数十米），中段采用SITAN进行连续精修正（维持位置误差在20m以内），末端采用景象匹配进行最终修正（将误差缩小到米级）。这种分层组合策略充分发挥了各技术路线的优势，同时规避了各自的短板。

3.5 总结与设计复盘

地形匹配导航的三大技术路线代表了从一维到二维、从批处理到递推滤波、从低精度到高精度的技术演进方向。TERCOM以简单的相关搜索实现了可靠的间断修正，奠定了地形匹配导航的工程基础；SITAN通过状态估计理论实现了连续实时修正，提升了系统的动态性能；景象匹配则利用二维图像信息将定位精度提升到米级，满足了精确制导的严苛需求。三者的共同基础是高质量的数字地图数据库和精确的传感器测量，共同挑战是地形/地表特征的唯一性、传感器噪声的抑制以及算法在极端场景下的鲁棒性。

设计一套完整的地形匹配导航系统时，应遵循以下原则：第一，匹配区选择优先，在任务规划阶段利用DTED和遥感影像数据，自动筛选出地形标准差、特征丰富度满足要求的匹配区；第二，多源融合互补，将地形匹配与INS