文件大小：2.55M
[目的]多区间观测的水下动态航行过程产生多源异类数据，因时间异步、系统误差未知等因素导致航迹交叉或分叉，造成连续变化过程难以刻画以及局部特征点难以识别。针对这一问题，提出一种基于函数化重构的水下数据融合算法。[方法]通过选取多项式函数与样条函数进行匹配分析、建模设计及系数辨识，实现水下全航段轨迹的一致性表达，解决高动态参数序列变化不连续以及重合段数据模糊的问题。[结果]数值分析结果表明，基于多项式函数和样条函数的融合结果比数据级融合结果更加光滑、连续，合理刻画了数据重合段的状态变化，并保留了非重合段的运动特征。经与滑动平均滤波算法比对，基于函数化重构的融合处理与滑动滤波处理均能够提供准确、平滑的参数序列，但在速度与加速度的一致性表达方面，前者相对于后者更有优势。经海上实验验证，综合运用多项式函数与样条函数融合方法，在有观测数据航段获得了特征点速度精度优于5%的再分析航迹，在后续无观测数据航段获得了特征点速度精度优于15%的预测航迹。[结论]所提方法对于水下复杂动态航行的多源、多区间数据的处理与分析有一定应用价值，也适用于航行状态的短时估计。
