4. 地形轮廓匹配(TERCOM)原理：相关峰搜索、MAD、MSD、NCC算法
各位同学，今天我们来聊聊TERCOM的核心——地形匹配算法。说白了，就是让飞行器通过“看”脚下的地形，来确认自己到底在哪儿。
我刚开始接触这个领域时，总觉得这玩意儿挺玄乎的。后来亲手调过几版算法，踩过坑，才真正理解其中的门道。嗯，咱们一个一个来拆解。
4.1 相关峰搜索：找到最像的那块地
TERCOM的原理其实很朴素。飞行器飞过一片区域，实时测出一串地形高度数据。然后拿这串数据，跟预先存好的数字地图去比对。比对一圈下来，找到最匹配的那个位置——这就是“相关峰”。
为什么会叫“峰”？因为匹配度高的地方，在数学上会形成一个明显的峰值。你想想看，如果匹配度低，数值就平平的；一旦对上，数值就会“噌”地一下窜上去。这就是我们要找的峰。
我个人习惯把相关峰搜索分成三步：
- 获取实测剖面：飞行器沿航迹测出一段地形高度序列。
- 滑动比对：把这个序列放到数字地图上，一格一格地滑动，每滑一次就算一次匹配度。
- 找最大值：在所有匹配度里挑出最大的那个，对应的位置就是估计位置。
核心要点：相关峰搜索的本质是一个“模板匹配”问题。实测剖面就是模板，数字地图就是搜索空间。模板在搜索空间里滑动，找到最佳匹配点。
这里有个坑，我曾经踩过。如果实测剖面太短，或者地形太平坦，相关峰就会变得很“钝”，甚至出现多个假峰。嗯，这时候算法就容易跑偏。所以，实测剖面的长度和地形的起伏程度，直接决定了匹配的可靠性。
4.2 平均绝对差(MAD)算法：简单粗暴但有效
MAD算法，全称是Mean Absolute Difference。说白了，就是算两个序列对应点的高度差，取绝对值，然后求平均。
公式长这样：
MAD = (1/N) * Σ |h_实测(i) - h_地图(i)|其中N是采样点数，h_实测是飞行器测到的高度，h_地图是数字地图上对应位置的高度。
MAD值越小，说明匹配度越高。当MAD接近0时，基本就对上号了。
我为什么说它“简单粗暴”？因为计算量小，实现起来也快。在早期的TERCOM系统里，MAD是主力算法。我记得在某个项目中，硬件资源有限，MAD几乎是唯一的选择。
个人经验：MAD对异常值不太敏感。如果实测数据里有一两个噪声点，MAD的结果不会崩得太厉害。这一点在实际工程中很实用。
但MAD也有短板。它对地形起伏的“形状”不敏感。举个例子，两个地形剖面，一个陡峭一个平缓，但平均绝对差可能差不多。这时候MAD就分不清了。
4.3 均方根差(MSD)算法：放大差异，更敏感
MSD，全称是Mean Squared Difference。跟MAD很像，但把绝对值换成了平方。
公式：
MSD = (1/N) * Σ [h_实测(i) - h_地图(i)]²平方的作用是什么？放大差异。如果某个点的高度差很大，平方之后会被进一步放大。这样一来，MSD对地形细节更敏感。
我个人的体会是：如果地形起伏比较明显，MSD的效果往往比MAD好。因为它能更好地捕捉到地形的“轮廓特征”。
注意：MSD对异常值非常敏感。如果实测数据里有一个大的噪声点，MSD的结果可能会被严重拉偏。我曾经在一个项目中，因为传感器偶尔跳变，导致MSD匹配结果完全跑飞。后来加了滤波才稳住。
所以，用MSD之前，一定要做好数据预处理。滤波、去野值，这些步骤不能省。
4.4 归一化互相关(NCC)算法：抗干扰能力强
NCC，全称是Normalized Cross-Correlation。这个算法稍微复杂一点，但抗干扰能力最强。
公式：
NCC = Σ [ (h_实测(i) - μ_实测) * (h_地图(i) - μ_地图) ] / (N * σ_实测 * σ_地图)其中μ是均值，σ是标准差。
NCC的值范围在-1到1之间。1表示完全正相关，-1表示完全负相关，0表示不相关。我们当然希望NCC越接近1越好。
为什么NCC抗干扰能力强？因为它做了“归一化”。说白了，它不看绝对高度，只看地形的“形状”。如果实测剖面和地图剖面的起伏趋势一致，哪怕整体高度有偏差，NCC也能给出高匹配度。
你想想看，飞行器在不同高度飞行，测到的绝对高度肯定不一样。但地形的起伏形状是不变的。NCC正好抓住了这个不变性。
对比总结：
| 算法 | 计算量 | 抗噪声 | 对地形要求 | 适用场景 |
|---|---|---|---|---|
| MAD | 小 | 中等 | 一般 | 资源受限、地形平坦 |
| MSD | 小 | 差 | 起伏明显 | 地形特征丰富 |
| NCC | 大 | 强 | 无特殊要求 | 高精度、复杂环境 |
4.5 三种算法的选择建议
在实际工程中，选哪个算法，得看具体情况。我一般这样判断：
- 硬件资源紧张：选MAD。计算量小，够用就行。
- 地形起伏明显，数据干净：选MSD。精度更高。
- 环境复杂，噪声多，或者高度变化大：选NCC。虽然计算量大，但稳。
我曾经在一个项目中，三种算法都试过。最后发现，MAD和MSD在某些地形下会“打架”，结果不一致。而NCC始终稳定。从那以后，我对NCC就多了一份信任。
当然，现在很多系统会做“多算法融合”。比如先用MAD快速粗匹配，再用NCC精匹配。这样既保证了速度，又保证了精度。嗯，这个思路值得借鉴。
避坑指南：我曾经在调试时发现，MAD和MSD的结果在平坦区域几乎一样，但在陡峭区域差异很大。后来才意识到，这是因为平方项放大了陡峭区域的差异。所以，如果你发现MSD结果异常，先检查一下地形数据里有没有“尖峰”。
4.6 知识体系图
下面这张图，帮你理清TERCOM匹配算法的核心逻辑：
从图上可以看得很清楚：实测剖面和数字地图经过滑动窗口比对后，分三条路走——MAD、MSD、NCC。最终汇聚到相关峰搜索，输出位置估计。这就是TERCOM匹配的完整链路。
公众号:蓝海资料掘金营，微信deep3321