详情

原文传递非理想量测下的AUV状态估计

论文题名：	非理想量测下的AUV状态估计
关键词：	自主水下航行器;协同导航;状态估计;量测野值;最大熵准则
摘要：	多自主水下航行器(Autonomousunderwatervehicle，AUV)协同导航系统中，任何一个AUV都能做到导航信息的共享，系统能以低成本获得较高的定位精度。在多AUV协同导航中，常应用到的非线性滤波方法有扩展卡尔曼滤波(ExtendedKalmanFilter，EKF)、无迹卡尔曼滤波(UnscentedKalmanFilter，UKF)等非线性滤波方法。然而，由于水下环境的复杂多样，量测噪声经常因为混入野值等情况造成量测噪声的概率密度分布不再是理想的高斯分布，传统的非线性滤波方法将会致使估计精度的大幅度下降。本文基于粒子滤波深入研究非理想量测噪声条件下，能够继续保持AUV良好的导航精度多的状态估计方法。　　首先对多AUV协同导航及其状态估计方法的国内外发展近况进行了综述，给出了本文的研究内容和结构安排。分析了常用的AUV导航方法，确定了AUV协同导航方式，建立了AUV状态估计的运动模型及量测模型，为后续研究奠定了基础。　　其次，研究了两种针对量测噪声高斯分布下的多AUV状态估计方法，EKF及UKF算法并分别给出了相应实现流程，通过Matlab进行了仿真对比分析，仿真结果表明在非线性模型下两种方法都可以很好地适用于高斯分布的情况下的状态估计，但当量测噪声为非高斯分布的情况下，EKF与UKF的滤波精度都有一定程度的下降。　　再次，针对当量测噪声出现厚尾分布或者存在野值的情况，从贝叶斯理论出发，给出了粒子滤波(ParticleFilter，PF)的两种改进方法，扩展粒子滤波(ExtendedParticleFilter，EPF)和无迹粒子滤波(UnscentedParticleFilter，UPF)算法。为进一步提高该量测条件下的估计性能，引入最大熵准则(MaximumCorrentropyCriterion，MCC)，提出了一种最大熵无迹粒子滤(MaximumCorrentropyUnscentedParticleFilter，MCUPF)。此方法以无迹粒子滤波为基础，通过最大熵MCC准则对该方法进行改进，仿真实验表明MCUPF算法在量测噪声存在厚尾分布或者出现野值的状况下系统也可以拥有良好的鲁棒性，可以维持较高的滤波精度。　　最后，引入了人工鱼群算法(ArtificialFishSchoolAlgorithm，AFSA)优化了PF的重采样过程，一定程度上改善了前文提出的MCUPF方法重采样后导致的粒子多样性匮乏的问题。首先分析了粒子滤波常用的五种重采样方法，并通过Matlab仿真实验对UPF、MCUPF和AFSA优化后的MCUPF三种算法的状态估计精度和误差进行了对比，验证了优化后的MCUPF的滤波方法的有效性。
作者：	张聪
专业：	控制科学与工程
导师：	周卫东
授予学位：	硕士
授予学位单位：	哈尔滨工程大学
学位年度：	2021