重力辅助惯性导航技术利用海洋重力场空间分布特性,对以惯性导航为主体的水下导航进行修正,实现高精度导航,拥有高自主性、高隐蔽性、无源性、抗干扰性等特点。重力匹配惯性导航系统分为三部分,即惯性导航系统的位置、航距、航向信息的输出子系统;海洋重力场异常图及航行过程中重力数据的实时采集子系统;重力异常图与惯性数据的融合匹配子系统。其中,匹配算法是一项关键技术亟需重点研究。目前匹配算法的实际应用仍以基于相关分析的相关极值算法、迭代最近等值线算法,桑迪亚算法为主,这些算法在特定条件下同时具备了匹配的高精度性和时效性,但是重力异常背景场的适应性存在不足,对背景场的特征性具有较高要求,无法实现大范围的重力匹配惯性导航。本文结合目前已有传统算法,分析其算法原理,优缺点,对不同算法在多种海洋重力场背景中的适应性进行对比,提出了新的结合两种特征算法相互补的方法,提高TERCOM算法精度,研究了概率神经网络算法在实现重力惯性组合导航系统中存在的误匹配影响因素,从理论上探讨了借助惯导短期内高精度特点,增加约束条件,实现对概率神经网络算法提升的可行性。本文引入由鸟群捕食行为演变而来的粒子群优化算法,通过群体中个体之间的协作和信息共享来寻找最优解的思路,提出一种基于粒子群优化的潜艇重力辅助惯性匹配导航新算法。主要研究成果包括:1.研究了TERCOM与ICCP融合的重力匹配导航算法。分析两种算法对惯导数据和重力数据的适用特点,提出了一种新的基于两者相结合的匹配导航算法,该算法在已有改进算法的基础上,对惯性导航提供的采样间隔航距以及ICCP匹配航距和改进TERCOM匹配航距进行联合对比分析,设置限差,搜索出TERCOM匹配误差较大点,并用ICCP对应匹配点进行替换,反复搜索替换,最终生成由两者算法结合的新匹配轨迹。2.分析概率神经网络算法特点,通过计算待匹配轨迹与实测重力轨迹之间的相似概率,选取最大同类概率进行重力匹配导航。在此基础上,利用惯性轨迹在短时间内能够提供高精度航向以及航距的特点,对概率神经网络的待匹配轨迹进行约束,提出了一种新的基于相关约束条件的重力匹配导航算法。该算法在已有算法的基础上,增加基于惯导系统提供的轨迹方位与航距信息,有效排除大量待匹配干扰轨迹,提高匹配效率,并提高了匹配精度。3.鉴于目前重力匹配惯性导航存在匹配定位精度高的需求,本文引入由鸟群捕食行为演变而来的粒子群优化算法,通过群体中个体之间的协作和信息共享来寻找最优解的思路,提出一种基于粒子群优化的潜艇重力辅助惯性匹配导航新算法。研究改进了粒子群优化算法,使之适用于重力匹配导航,进行了算法实现和仿真分析,有效提高了重力匹配导航精度,并分析了该算法受匹配重力场背景图的分辨率影响程度较小,受背景场重力值精度以及观测重力仪的影响程度较大。4.重力匹配惯性导航的实现,对算法和匹配环境均提出较高要求。如何有效分析两者之间的关系,对于匹配导航具有重要的意义。利用TERCOM均方差算法,概率神经网络算法以及ICCP最近等值线迭代法,在不同重力背景场环境下进行重力辅助惯性匹配导航,通过在重力场轨迹移动局部窗口计算方法,分析多种重力场特征评判公式,选择局部重力场标准差和经纬度方向相关系数作为匹配区域评判数量指标,对三种算法在不同环境下的匹配能力进行仿真对比研究。