多源自主导航系统基本特性研究

王 巍

(中国航天科技集团有限公司，北京 100048)

0 引 言

面向新一代国家综合定位导航授时(Positio-ning, navigation and timing, PNT)体系应用终端技术发展的重大需求,多源自主导航系统以北斗导航为基石、以惯性导航为支撑,综合利用地磁、图像、气压、无线电传感器等测量设备,通过多源信息自主感知、有机融合、智能决策、综合评估,可以确定姿态、速度和位置等时空信息,是国家综合PNT体系中面向定位导航授时服务等终端应用的关键核心技术。当前,多源自主导航已成为国家综合PNT体系下应用终端发展的重要技术方向[1-4]。

现有导航系统存在卫星导航(GNSS)信号易受干扰/压制/欺骗、导航系统分析与容错能力较差、体系化程度较低等问题,制约了多源自主导航系统技术的发展。随着各类运动体和运载体的导航任务日益复杂,对导航系统的精度、弹性、安全性和可靠性等方面提出了更高要求。为此,国内外学者对多源自主导航系统进行了深入研究。在多源信息自主感知方面,文献[5]提出了多源自主导航系统观测能力的降维表征和解析量化方法,以观测能力的表征、判定和量化为突破口,解决了运算规模大、存储开销高和难以在轨应用等瓶颈问题,突破了基于航天器可观测性理论的多源融合自主导航技术。在基于能力分析的系统资源配置设计方面,部分学者主要从提升故障检测能力的角度优化控制系统结构[6-8],较少从信息源优选、抗扰能力增强等方面对导航系统进行优化设计。

在导航信息智能决策方面,面向复杂应用场景,多源自主导航系统决策面临实时性、准确性与可信性等复合约束[15],决策效果直接影响多源自主导航系统性能,因此,多源导航系统融入运载体动力学特征,在大幅提升导航精度与抗干扰性的同时,还能为导航系统智能决策提供可信性判定依据。文献[16-19]将载体动力学模型(VDM)集成到导航系统中,可改善导航精度,特别是提升GNSS拒止条件下的惯性导航精度。这样,VDM对载体状态估计就无需依赖外部条件,具有较强的自主性和适用性,但仍存在复杂环境载荷对载体动力学特性的干扰性影响。

在导航系统综合评估方面,文献[20]研究了基于MEMS技术并集成GPS惯性测量装置的车载导航系统性能评价方法。文献[21]从导航指标及可靠性、维修性、经济性等通用性指标角度,建立捷联惯性导航系统(SINS)多级指标体系,并利用层次分析法进行了综合评估。为解决捷联惯导系统测试过程中指标繁多、评估不确定性等问题,文献[22]建立了以精度、稳定性及可靠性等通用指标为主的三级指标体系。当前导航系统性能评估方法已初步实现不同导航方式的优劣评价,但缺乏标准化、通用化的顶层指标牵引,特别是在多源自主导航系统的发展上,国内目前尚未形成完整的标准体系,因此亟需构建一套具有针对性的通用指标支持体系。

总之,在时空与运动信息获取、感知、融合、决策和评估等关键环节上,多源自主导航系统尚未完全建立标准化、规范化、智能化的方法理论体系,导致难以指导多源异构导航信息感知融合、导航信息智能决策、导航系统综合评估。在技术攻关层面,一系列关键技术的边界条件还不十分清晰,包括硬件层面是否可接入,软件层面是否可融合,系统层面是否可检测,出现故障或者场景切换等是否可重构,重构后是否可自愈,信号处理及信息解算结果是否可信,综合导航结果是否完备等等。在终端应用层面,缺乏具有智能性的一体化、通用化导航技术体系研究。现有自主导航技术一般主要应用于“特定终端、单一场景”,难以结合不同载体、不同任务、不同场景,以最小成本、最低代价实现即插即入、无缝衔接、无感切换、可信完备的自主导航技术应用。

为构建多源自主导航系统的通用的表征、判定、量化和评估的方法理论体系,本文在现有多源自主导航系统指标体系的基础上,从载体动力学机理、任务需求和应用场景等维度出发,提出并阐述了多源自主导航系统的可检测性[4,23]、可重构性[4,24]、可信性[4,25]、完备性[4,26]等基本特性的概念及其内在逻辑关系,并结合多种信号、信息、数据和技术资源,系统性地研究多源自主导航的方法体系和理论框架,旨在为推动中国智能多源自主导航技术体系构建提供参考。

1 多源自主导航系统基本特性的概念及功用

多源自主导航系统需要对多种导航信息源(包括卫星、惯性、地磁、图像、气压、无线电等)进行匹配感知、有机融合、可信决策和综合评估,同时,考虑到不同载体/终端动力学特征的差异性(如无人机、无人车、无人艇等)较大,以及任务场景的复杂性(如作业环境陌生、不确定等)较高,现有多源导航系统感知健壮性和弹性尚不强、随机性与不确定性较大、环境适应性还较弱,难以满足多源自主导航技术的发展应用需求。因此,本文通过对多源信息自主感知的“可检测性”、多源信息有机融合的“可重构性”、导航信息智能决策的“可信性”、导航系统综合评估的“完备性”等基本特性研究,探索构建通用的感知框架和多源异构融合模型,并通过调控导航系统动力学序参数域、揭示状态空间突变演化机理、健全多源自主导航系统进化模式等方式,让多源导航信息之间兼容匹配,实现跨域、跨场景之间的无缝衔接和无感切换[4]。多源自主导航系统基本特性关系如图1所示。

图1 多源自主导航系统基本特性的关系Fig.1 Basic characteristics of multi-source autonomous navigation system

1)可检测性:基于系统内嵌的硬件设备上电自检、时空协同、原始数据采集、归一化数据输出等前提条件,多源自主导航系统的可检测性是指边界条件下描述系统故障检测、分离与辨识能力的内在属性,用于衡量多类异构导航信息源的匹配、干扰与故障检测、识别准确程度、计算效率或者辨识故障的能力。其中,可检测度是其度量指标,从检测覆盖率(局部/系统可检测)、检测准确率(准确性)、检测实时率(快速性)、检测平稳率(稳定性)等4个层面,衡量多源自主导航系统的检测能力,在多源自主导航系统信息源切换过程中,定性和定量地表征硬件可接入性和信号可融合性、故障诊断能力、攻击监测能力和干扰检测能力。

“可检测性”的功用主要体现在为多源自主导航系提供建模表征、风险识别与可检测性评估方法和指标,通过刻画多源导航传感器间的可融合度、时空匹配性等性质,判断系统在感知干扰、故障和攻击检测等方面的能力强弱,分析可检测性边界并给出可检测性的量化表达结果,从而实现多源自主导航系统可检测性的全面评估,突破“特定终端、单一场景”的孤岛化感知模式的藩篱,形成贯穿用户终端“面”的完整感知体系。

2)可重构性:基于多源自主导航系统的有限边界条件(包括资源配置和运行条件等),可重构性是指在保证运行顺畅的有限时间内,通过自主改变系统构型或控制算法等方式,恢复全部或者部分既定功能的特性和能力。可重构度是可重构性的常见评价指标,并从重构覆盖率(局部/系统可重构)、系统恢复程度(恢复性)、资源约束性(重构能耗)、重构费效程度(重构模块)等4个层面,衡量多源自主导航系统的重构能力,且可根据任务需要实时调整权重。

“可重构性”的功用主要体现在为多源自主导航系统提供信息融合中的多源异质异构干扰的补偿与抑制,促进态势预测中的动态风险与静态可靠性信息融合,以及信息融合机制等的可重构性度量与动态优化,在自主导航系统能力不匹配、传感器单元失效、任务场域切换条件下,实现信息融合机制/算法的智能重构优化,完成自主导航模式可匹配性分析、能力/功能退化条件下局部信息可整合性分析、载荷资源安全高效分配策略设计,解决可重构性实时评估、任务/能力一致性分析、在线智能重构规划等问题,实现信息融合算法不同态势和场域下的无缝衔接,提高自主导航系统与信息融合算法的能力匹配性、功能完整性和场景通用性。

3)可信性:基于多源自主导航系统的有限边界条件,可信性是指描述多源自主导航系统功能及结果可信的内在属性,用于衡量多种信息源经过干扰及故障检测、故障识别、故障排除、系统重构后解算结果可信的能力。多源自主导航系统在可信性方面,主要目标是提高随时随地可用的安全弹性可信能力。可信度是其度量指标,并从可信覆盖率(局部/系统可信)、稳定度、可靠度、能观度等4个层面,衡量多源自主导航系统结果的可信能力。

“可信性”的功用主要体现在为基于载体动力学特性的导航信息决策提供可信性自主判定,融合载体动力学信息的导航方式无感自主切换,以及基于多源观测信息的载体运动特性知识的动态更迭优化。在可能的干扰、故障和环境变化等变量因素影响下,多源自主导航系统决策支撑信息通常呈现出时空不完备性,容易出现载体动力学特征以及环境特性难以被充分认知、基于载体和环境特性的决策操作不易成熟等问题。因此,需要整合提升过程决策经验,确保信息认证接入的可信性与完备性,以及决策行为动态迭代优化,从而实现导航系统的智能决策等。

4)完备性:基于多源自主导航系统的有限边界条件,完备性是指描述多源自主导航系统既定功能的特性及能力是否完备的内在属性,用于评估系统在干扰及故障检测、故障识别、故障排除、系统重构、可信计算、动态迭代等环节后自主导航功能是否完备的能力。具体而言,可评估多源自主导航系统提供给用户的导航信息具备满足其要求的可检测性、可重构性和可信性等基本特性,从而为用户带来无缝衔接和无感切换的使用效果。

“完备性”的功用主要体现在3个方面。首先,完备性作为顶层指标可牵引出一套自上而下的用于评估多源自主导航系统性能的多层指标体系,并推动形成相关国家标准;其次,完备性作为顶层指标可有效综合各层指标评估结果,并建立多源自主导航系统的动态自适应评估模型,该模型能够整合定性指标与定量指标等多维信息,直观显现系统完备程度,有助于导航系统自身和用户判断当前导航结果是否可信完备;最后,完备性作为顶层指标,可根据其实时评估结果,进行多源自主导航系统的全回路动态迭代优化,即结合载体动力学、任务场景及工作环境等,将顶层的完备性指标要求按需分配给各级指标,并将其作为指标阈值,当底层可量化指标不满足要求时,有针对性地对系统进行实时改进修正。

2 多源自主导航系统基本特性分析

2.1 可检测性分析

多源自主导航系统涉及来自异构传感器的多源信息,由此产生多种模式的感知方式。由于不同载体/终端的差异性和任务场景的复杂性,往往会给现有的导航系统带来多物理场异构信息获取和匹配干扰故障检测及运动信息反演等问题。因此,需要构建通用的感知框架,让多源导航信息之间兼容匹配,实现跨域、多场无感切换;建立融合先验知识的智能感知模型,实现未知环境的自适应学习;建立内嵌数理机理的数据精准表征方法和分析范式,提升自主导航系统的可检测性等,是多源自主导航技术体系构建的重要技术方向。多源信息自主感知的“可检测性”构建如图2所示。

图2 多源信息自主感知的“可检测性”构建基本框图Fig.2 Basic block diagram of “detectability” for multi-source information autonomous perception

为获取载体所需的导航信息,首先需要了解多源自主导航系统中各种传感器的感知机理,根据不同的感知机理,获得运动信息之间的特征流型和拓扑表征关系,分析运动信息和环境信息之间的影响机制,进而搭建多源运动信息多模式导航模型。其次,在分析干扰、故障、攻击溯源的基础上,建立外源干扰、内生故障与用户终端之间的深耦合交互模型,明确载体状态与风险因素之间的耦合关系。第三,在载体不确定性分析与量化表征的基础上,将风险因素通过不同的作用通道纳入导航模型中,建立载体风险交互系统模型。最后,结合多种任务场景,利用内生故障影响与导航信号间的强相关性,在检测能力降级量化基础上设计具有诱导控制信号,在不改变外源干扰对自主导航系统影响的情况下,有效增强内生故障信号的特征信息。基于深耦合模型和确定时间观测器理论实现外源干扰与内生故障间的解耦分离,对风险因素进行定位、隔离和估计,形成具备较强鲁棒性和较高准确度的异常情况快速精细诊断和预测方案,提升风险因素影响下的故障分辨率。采用因果模型、输入输出模型、非线性模型以及抽象层次法、多信号流图方法、统计特征相似度度量方法,对多源自主导航系统开展匹配检测、干扰检测、攻击检测。

多源自主导航系统可检测性的度量指标为可检测度Dt(Detectability),从覆盖率、准确率、实时率、可用率等4个层面,衡量多源自主导航系统的检测能力,具体如下:

(1)

2.2 可重构性分析

为实现复杂环境下多源信息有机融合的自主导航服务,需要信息融合方法具备自主抗扰容错与重构优化能力。传统的基于最小二乘和卡尔曼滤波的自主导航信息融合方法受限于单一高斯型随机噪声等预定条件,在含有多源干扰阻碍与不确定性因素的复杂任务场景下,难以实现高动态、跨场域条件下的无缝融合与动态重构。为克服卡尔曼滤波的高斯局限性,需要基于任务场景、运动环境以及载体动力学特征,利用动态故障检测与静态可靠性分析结果,对多源自主导航系统信息融合算法可重构性进行定量刻画,提高自主导航系统环境的自适应和功能自重构能力。多源信息有机融合的“可重构性”构建如图3所示。

图3 多源信息有机融合的“可重构性”构建基本框图Fig.3 Basic block diagram of “reconfigurability ” for multi-source information organic fusion

多源自主导航系统由多种导航传感器模块构成,首先需要将多源导航信息转换为相同的形式、参照、描述,归一化处理后对多传感器的数据进行融合,实现多传感器时空配准与时敏决策。其次,针对传统卡尔曼滤波仅能处理单一高斯噪声的局限性,考虑实际组合导航系统所含有的多物理来源(内部、外部、建模)、多数学模型类型(动态型、随机型、范数型)、多通道(加性、乘性、隐性)干扰及不确定性,实现基于干扰学习与预测的抗干扰信息融合。第三,针对自主导航系统多源传感器失效和故障引起可靠性下降、系统性风险增加等问题,针对性提出基于动静混合可靠性度量的风险态势预测方法。具体地,基于信息熵与统计信息集合的不确定性度量,提出传感器单元失效与故障情形下自主导航系统的静态可靠性量化方法;基于实时可靠性度量与态势/干扰模式预测结果,提出自主导航系统风险态势预测方法,提高自主导航系统在复杂恶劣环境下的快速风险响应能力。最后,结合任务环境特征、载体运动特点和传感器出厂参数,分析传感单元出现故障或失效的先验概率,从而建立起多源自主导航系统的静态可靠性模型。在此基础上,结合故障信号、干扰信号与不确定性的量化表征,提出基于干扰实时补偿或抑制的抗干扰故障检测方案,设计具有通用形式的正则最小二乘故障估计方法如下:

导航系统的观测方程

y=Hx+v

(2)

式中:x为待估计状态向量;y为测量信息向量,v为未知向量,则估计x需要解决如下优化问题:

(3)

式中:W,Σ为权重矩阵。通过计算可得:

（3）框架或刚架结构的类型：当框架或刚架用于计算时，如果需要进行抗震设计，结构类型参数可以定义为：灯罩工厂根据“低延性，高度灵活”的性能设计，2倍的抗震力。在当前钢结构设计规范的弹性设计阶段，塑料耗能区外的板的宽厚比可以通过板的厚度与厚度比减小，从而节省钢消费。

(4)

当Σ-1→0则有正则最小二乘解:

(5)

基于类似的思路,当导航系统发生故障时,根据测量信息y(0), …,y(k), …,y(N),可通过最小化

s.t.x(k+1)=A(k)x(k)+E(k)f(k)

y(k)=C(k)x(k)+F(k)f(k)

(6)

式(6)中:W1(k)=(F(k)FT(k))-1,W2(k)∈Rn×n为对称权重矩阵, rank(W2(k))=n。

2.3 可信性分析

多源自主导航系统中信息流动频繁、信息形式多样、信息来源冗杂、载体特征各异、运行场景复杂,因此,在实际应用中,多源自主导航系统决策面临实时性、准确性与可信性等复合约束。面向复杂的应用场景,尤其在危险、极端、特殊、恶劣等环境下,为保证多源自主导航系统综合性能,基于载体的导航信息源的接入、切换、调度等构成多源自主导航系统决策操作的基本内容,其效果直接影响多源自主导航系统性能。然而,多源自主导航系统决策行为复杂,在载体动力学、环境影响作用下,传统的决策方法难以实现应用需求。本文面向多源自主导航系统决策需求,从载体动力学特征学习、预测、更新着手,重点量化接入多导航信号源的可信度,可确保信号通路与导航性能的无缝衔接、无感切换。导航信息智能决策的“可信性”构建如图4所示。

首先,面向无人机、无人车和无人艇等典型载体,多源导航过程中经常面临干扰、故障等不利因素,随着场景切换,环境与载体动力学特性也可能会发生突变。因此,结合域随机化思想,运用深度学习等人工智能技术,通过动力学模型动态更新迭代,构建具有高度环境自适应能力的智能动力学通用框架,可以实现载体运动特性智能预估,为导航信息源的接入以及决策可信性判定提供潜在依据。其次,考虑复杂场景与任务下导航信息源的切换与调度操作等约束条件,一是需要建立不同载体导航信息智能决策的可信性模型,分析导航系统失效概率;二是需要基于机器学习算法构建导航信息决策可信性的量化准则与指标体系,实现复杂工况、场景转换下的不同载体导航信息的可信判定;三是需要基于导航决策集、嵌入的基准决策逻辑,梳理载体、环境、任务等多方面决策影响因素,形成决策知识,动态扩充决策行为案例集,确定案例集核心数据库边界。最后,基于决策行为核心数据库与边界,分析评估可信评价与无感切换行为,并指导可信评价与切换优化迭代;同时,面向泛化性,实现决策行为库与边界的动态迁移,最终形成核心数据库小回路动态迭代优化以及可信决策行为大回路的动态迭代优化。

考虑到上述载体系统动力学模型结构复杂,求解时间长、以及动力学特性分析成本高等问题,本文采用内嵌物理知识的深度神经网络(PINN)对动力学模型进行快速解算。具体路径为建立用于模型解算的轻量级深度神经网络,选取合适的初始化条件设置初始参数;根据高精度动力学模型中用于描述物理系统的偏微分方程组,构建由初始条件、边界条件、以及采样区域中选定点处偏微分方程的残差项组成的损失函数项,即:

Lall(θ,λ)=Lx0(θ,λ)+Lxb(θ,λ)+

LF(θ,λ)+Lx(θ,λ)

(7)

式中:θ与λ分别为深度神经网络与动力学模型的内部参数;Lx0表示初始条件残差;Lxb表示边界条件残差;LF为偏微分方程残差;Lx是数据残差。

结合上述损失函数,利用无约束优化方法中的梯度下降迭代法,对深度神经网络等方法进行训练,经过训练达到需求精度的深度神经网络等方法,可用于对物理系统的动力学模型进行快速解算。

2.4 完备性分析

面向典型任务场景、运动环境和运动载体,导航系统综合评估的“完备性”主要涉及完备性理论的指标体系构建和建模表征、指标间归一化处理和组合权重动态分配、指标综合的完备性度量与全回路动态迭代优化等3个部分。通过完备性分析,自主导航结果可以在故障检测、故障识别、故障排除、系统重构、可信决策等环节后实现综合实时度量,从而辅助优化多源自主导航系统检测、重构、可信决策并判断当前导航系统是否完备可用。导航系统综合评估的“完备性”构建如图5所示。

图5 导航系统综合评估的“完备性”构建基本框图Fig.5 Basic block diagram of “completeness” for navigation system comprehensive evaluation

单一指标难以实现对多源自主导航系统的全面评估,因此,需要构建一套全面、准确的指标体系对多源自主导航系统完备性加以评估。而指标体系的建立需遵循科学性、完整性、一致性原则,以及简捷性、可测性、可比性等原则,运用多种方法建模表征和计算评估系统底层的可量化单项指标,并结合导航系统中定性指标与定量指标等多维度关联特征,采用信息熵与贝叶斯网络等方法分析多源信息定性指标与定量指标的内在关联。从上述指标体系的要求出发,完备性指标体系是由若干个反映多源自主导航系统结果完备性特征的、相对独立又相互联系的统计指标组成的有机整体。值得注意的是,对于多源自主导航系统来说,其底层可量化指标间很可能具有不可公度性,为在同一维度上评估整体性能带来了挑战。因此,归一化方法是多源自主导航系统完备性评估中必不可少的操作。此外,综合评估作为多源自主导航系统完备性度量的主体部分,评估方法的选择将直接影响完备性度量结果的合理性,通常可根据指标和指标体系的特点选择现有的评估方法或重新建立新的评估方法,其与归一化方法、权重分配方法三者共同决定评估结果合理性和精确性。由于多源自主导航系统面向不同任务、场景和载体,传统神经网络主要依靠主观经验对激励函数参数进行设置的方法难以满足完备性度量的动态性需求,这就要求神经网络的连接权值能够根据任务、场景、载体的变化进行自适应调整。因此,有必要研究智能完备性度量方法,将模糊评价结果和自适应神经网络两者有机结合,从而实现取长补短的效果,提高完备性度量结果的准确性和置信度。

考虑二级指标层(完备覆盖率、可检测度、可重构度、可信度、其它指标参数)到一级指标层(完备性)的综合评估,可由下式进行综合:

(8)

式中:ki为与完备性相关的完备覆盖率参数;Dti为第i个完备模式的可检测度;Ri为第i个完备模式的可重构度;Dpi为第i个完备模式的可信度;ωi,1,ωi,2,ωi,3分别为对应的指标权重系数;Zbi=[Zbi,4,Zbi,5,…]T为第i个完备模式的其它指标度量值,包括但不限于面向不同任务、场景和载体的归一化的姿态、速度、位置等性能指标;ωi=[ωi,4,ωi,5,…]为对应的指标权重系数;Nf为完备模式的总数。

3 多源自主导航系统基本特性之间的逻辑关系

多源自主导航系统的可检测性是在时空信息获取与传感层面,探索工程应用中力热电磁光等多物理场条件下运载体时空信息感知机理,研究多源时空信息获取与反演方法,通过刻画系统时空信息匹配检测、干扰分离与辨识能力的内在属性,具备多物理场异构时空信息源的匹配、干扰与故障检测、识别准确程度、计算效率或者辨识故障的能力,即“可检测能力”。多源自主导航系统的可重构性是在多源时空信息融合层面,针对不同载体的多源自主导航系统资源配置和运行约束等有限边界条件,提出具有强化学习能力的智能信息融合和干扰滤波方法,突破系统信息流的自主重构和拓扑生成技术,针对干扰拒止等环境,在保证运行顺畅的有限时间内实现系统自愈或可接受的降级性能的能力,即“可重构能力”。多源自主导航系统的可信性是在导航信息智能决策层面,针对不同传感机制和组合模式,研究基于多源自主导航系统动力学等多约束条件下的能力边界量化方法,通过描述多源自主导航系统结果可信度的内在属性,提出具有环境适应性和交互能力的时空信息系统设计方法,使其在干扰和故障影响下具备干扰检测、故障识别、故障排除、系统重构的能力,从而保证系统解算结果的可信,即“可信能力”。多源自主导航系统的完备性是在导航系统综合评估层面,通过构建多源自主导航系统在构型、物质和能量约束下时空信息感知的评估方法,刻画针对不同环境和任务的多源自主导航系统时空信息感知的完备属性。在典型干扰拒止等环境下,具备评估系统在故障检测、系统重构、可信计算、动态迭代等环节后自主导航结果是否完备的能力,即“完备能力”。多源自主导航系统基本特性逻辑关系如图6所示。

图6 多源自主导航系统基本特性的逻辑关系Fig.6 Logical relations among the basic characteristics of multi-source autonomous navigation system

本文尝试系统性地描述和解释多源自主导航系统硬件层面是否可接入、软件层面是否可融合、系统层面是否可检测、出现故障或者场景切换等是否可重构、重构后是否可恢复、信号处理及信息解算结果是否可信、最终PNT综合是否完备等。同时,当多源自主导航系统“不可检测”时,通过因果溯源、演化学习、极小集优化等方式,建立后验知识感知矩阵,排除未知环境不利因素,强化系统自适应学习能力;当多源自主导航系统“不可重构”时,通过指标迭代、状态降维、动态适配等方式,重新整合信息融合中多源异质异构补偿抑制要素,优化系统动态重构机制;当多源自主导航系统“不可信”时,通过动态切换、知识推理、场景迁移等方式,重新量化信号源可信度,确保信号通路与导航性能的无缝衔接、无感切换;当多源自主导航系统“不完备”时,结合任务、载体、场景等,聚焦多源导航系统宏观结构特征与全局性演化特征等多维度关联特征,构建局部性特征与全局性动态相互结合的体系框架,满足用户多种需求。

4 结论与展望

面向多种载体、应用场景、导航信息源等,多源自主导航系统面临着复杂且关键的系统级信息处理决策任务,包括多约束条件下不同传感机制和组合模式的可信边界量化与决策,系统在感知、融合、决策、动态迭代后导航的完备程度评估等问题。本文提出并研究了多源自主导航系统的可检测性、可重构性、可信性、完备性等基本特性及其内在逻辑关系,初步阐述了多源自主导航系统的技术方法体系,为多源自主导航系统技术体系构建提供参考。

未来研究中,在充分考虑限制因素、资源配置、运行条件等边界约束条件后,多源自主导航系统的既定功能可以从可检测性、可重构性、可信性、完备性等4个方面加以表征和衡量,从而定性和定量结合地实现系统“硬故障”与“软故障”异常判断、重构切换与动态迭代,确保系统容错性能和PNT服务的可信完备输出。随着多源自主导航系统功能密度和“算力”处理能力的不断增强,整个导航系统的数据流、信息流和能量流将显著增加,可检测可重构等冗余信息、容错能力将进一步提高,因此,多源自主导航系统需要加强与人工智能等技术的深度融合,从复杂性与多尺度视角探索智能多源自主导航系统技术,推动构建弹性、动态、稳健与可信的智能多源自主导航模型与方法体系,有力支撑国家综合PNT体系可持续发展和先进自主导航技术规模化应用。