3. 地磁特征提取：从原始数据到导航地图
地磁导航的核心，说白了就是让机器像信鸽一样认路。但信鸽天生会，我们得靠算法。而算法的第一步，就是特征提取。你拿到的原始地磁数据，就像一堆没加工的矿石——得提炼出金子来。
我个人习惯把地磁特征提取分成五个层次：总场强度、矢量、梯度、特征图、多尺度分析。这五个层次，一个比一个精细，一个比一个抗干扰。咱们一个一个来聊。
3.1 地磁总场强度：最朴素的导航特征
地磁总场强度，就是地球磁场在某一点的标量大小。单位是纳特（nT），范围大概在 25000nT 到 65000nT 之间。为什么说它朴素？因为它只有一个数值，没有方向信息。
计算公式很简单：
F = sqrt(Bx² + By² + Bz²)其中 Bx、By、Bz 是地磁场在三个轴上的分量。
核心优势：总场强度不受传感器姿态影响。你拿着磁力仪转来转去，只要位置不变，读数就不变。这在工程上太重要了——你想想看，无人机在空中翻滚，姿态变化剧烈，但总场强度依然稳定。
我在项目中遇到过一个问题：某次在山区做地磁匹配实验，总场强度数据突然跳变。排查了半天，发现是附近有高压输电线。嗯，这里要注意——总场强度虽然稳定，但容易受人工磁场干扰。
实战技巧：采集总场强度数据时，建议同时记录时间戳和GPS坐标。后期做时间同步和空间插值会方便很多。
3.2 地磁矢量：三个分量的故事
总场强度只是一个标量，但地磁场本质上是矢量。三个分量 Bx、By、Bz 各自携带了不同的信息。为什么要用矢量？因为有些地方总场强度变化很小，但矢量分量变化很大——说白了，矢量能提供更丰富的导航信息。
地磁矢量的三个分量：
| 分量 | 含义 | 典型范围 |
|---|---|---|
| Bx | 北向分量 | -20000 ~ 20000 nT |
| By | 东向分量 | -10000 ~ 10000 nT |
| Bz | 垂直分量 | -50000 ~ 50000 nT |
我曾经做过一个实验：在同一个区域，总场强度变化只有 50nT，但 Bx 分量变化达到了 300nT。这意味着什么？如果你只用总场强度做匹配，可能找不到位置；但用矢量，定位精度能提高一个数量级。
注意：地磁矢量数据需要精确的姿态信息才能使用。如果你的传感器没有经过严格的标定，矢量数据反而会引入误差。我建议先做传感器标定，再做矢量特征提取。
3.3 地磁梯度：抗干扰的利器
地磁梯度，就是地磁场在空间上的变化率。为什么说它是利器？因为梯度对时间变化不敏感——地磁场每天都有微小的日变化，但梯度基本不变。你想想看，这对导航来说有多重要。
梯度张量公式：
G = [∂Bx/∂x ∂Bx/∂y ∂Bx/∂z]
[∂By/∂x ∂By/∂y ∂By/∂z]
[∂Bz/∂x ∂Bz/∂y ∂Bz/∂z]这是一个 3×3 的张量，共 9 个元素。但由于地磁场是无源场，实际上只有 5 个独立分量。工程上我们通常只计算水平梯度：
G_h = sqrt((∂F/∂x)² + (∂F/∂y)²)我在项目中遇到过：某次在沿海地区做实验，地磁总场强度受潮汐影响波动很大。但梯度数据非常稳定，匹配成功率从 60% 提升到了 95%。从那以后，我只要做地磁导航，必算梯度。
计算技巧：梯度计算需要空间上相邻的测量点。如果采样间距太大，梯度会失真。我建议采样间距不超过 1 米，这样才能捕捉到地磁场的细节变化。
3.4 地磁特征图构建：把数据变成地图
有了特征数据，下一步就是构建特征图。说白了，就是把离散的测量点，插值成一张连续的二维地图。这张地图就是导航的参考基准。
常用的插值方法：
- 克里金插值：精度高，但计算量大。适合离线建图。
- 反距离加权：简单快速，适合在线建图。
- 样条插值：平滑性好，适合梯度特征图。
我个人习惯用克里金插值。为什么？因为它能给出插值的不确定性估计。你想想看，导航时知道哪里数据可靠、哪里不可靠，这对路径规划太重要了。
特征图构建流程：
1. 数据采集：沿网格路径采集地磁数据
2. 数据预处理：去噪、去野值、时间同步
3. 特征提取：计算总场、矢量、梯度
4. 空间插值：生成连续的特征图
5. 质量评估：计算插值误差和置信度关键点：特征图的分辨率要和导航精度匹配。如果你需要 1 米的定位精度，特征图的分辨率至少是 0.5 米。我曾经见过有人用 10 米分辨率的图去做 1 米精度的导航——结果可想而知。
3.5 多尺度特征分析：从粗到细的导航策略
多尺度分析，说白了就是先看大方向，再看细节。这和人找路是一样的——先确定在哪个城市，再找具体街道。
多尺度分解方法：
- 小波变换：最常用的方法。可以分解出不同频率的成分。
- 高斯金字塔：简单高效，适合实时系统。
- 经验模态分解：自适应性强，适合非线性数据。
我曾经在项目中用过多尺度匹配：先在低分辨率图上做粗匹配，缩小搜索范围；再在高分辨率图上做精匹配，得到最终位置。这样做的计算量，比直接在高分辨率图上做全局搜索，降低了 80% 以上。
实用建议：多尺度分析时，注意不同尺度之间的信息一致性。低分辨率图不能丢失关键特征，否则粗匹配会出错。我通常保留 3-4 个尺度，每个尺度分辨率降低一半。
3.6 本章知识体系总览
为了让你更直观地理解这五个特征提取层次的关系，我画了一张流程图：
这张图展示了从原始数据到最终应用的完整链路。你可以看到，五个特征提取方法是并列的，但最终都服务于地磁匹配导航。我个人建议，在实际项目中至少使用总场强度和梯度两个特征——一个稳定，一个抗干扰，互补性很强。
最后提醒：特征提取不是越多越好。特征太多会增加计算量，而且可能引入冗余信息。我一般选择 2-3 个互补的特征，比如总场强度 + 水平梯度 + 垂直分量。这样既保证了信息量，又控制了计算复杂度。
公众号:蓝海资料掘金营，微信deep3321