利用sigma点卡尔曼滤波的多UUV协同定位

融合无人水下航行器（UUV）内部航位递推估计和外部量测信息的协同定位方法是一种提高只配备低精度自定位装置的UUV定位精度的有效手段。当协同系统结构固定时,滤波器的选择就决定了精度提高的幅度。针对扩展卡尔曼滤波（EKF）在处理非线性系统时具有较大的截断误差和繁琐的计算,提出了使用sigma点卡尔曼滤波（SPKF）的协同定位方法。与EKF相比,无味卡尔曼滤波（UKF）和中心差分卡尔曼滤波（CDKF）具有更好的鲁棒性,在没有增加计算复杂度的基础上进一步提高了UUV的定位精度。仿真比较了采用不同滤波算法的协同定位方法提高定位精度的效果,验证了利用sigma点卡尔曼滤波的多UUV协同定位方法的有效性和一致性。     

通信延迟下的多UUV协同定位——基于航迹预测的实时更新算法

研究了主从式多无人水下航行器(UUV)协作系统的协同定位方式,并针对协同定位过程中存在的水声通信和探测时延问题,提出了基于主UUV航迹预测的无状态逆推的非等间隔实时更新(ⅡRU)定位方法,用于提高从UUV的协同定位精度.该方法采用统计建模方法对主UUV航迹进行预测,用于从UUV相对距离量测的实时更新,并基于非等间隔滤波...     

基于粒子滤波的TOA/TDOA融合算法研究

针对信号临界区域由于信号强度减弱导致的定位精度下降问题,利用一种传感器检测概率模型把收集到所有的TOA与TDOA量测信息通过似然度计算融合起来,在贝叶斯框架下建立一种非线性目标基于粒子滤波器的量测信息融合算法对目标进行定位估计,从而提高目标在临界区域的定位精度。仿真结果表明,在低信噪比下,融合两种观测手段的定位精度改善明显。     

AUV同时定位与跟踪研究

由于低精度航位推算系统带来的累积误差,自治水下航行器（AUV）在未知环境中的定位准确性会随着时间的推移变得越来越差。当环境中有非合作体运动时,AUV不但可利用自身携带的声纳传感器对其探测并利用基于模型的目标跟踪方法估计非合作体轨迹,而且可以同时利用探测到的与非合作体的相对信息来提高自身定位精度。在同时定位与制图（SLAM）方法中的FastSLAM算法框架的基础上提出了同时定位与跟踪（SLAT）算法,即设置多个估计粒子,利用每个粒子中的粒子滤波器（PF）和扩展卡尔曼滤波器（EKF）分别估计AUV和非合作体的轨迹,并能根据实际量测与粒子估计量测之间的差别赋予粒子权值,继而得到多粒子加权的最终估计。最后仿真验证了算法的有效性。     

基于EKF的UUV单信标水声导航定位方法研究

文章描述了基于扩展卡尔曼滤波算法的水声导航定位方法,该方法可以对UUV(无人水下航行器)进行导航估计,有效减少导航定位过程中的累积位置误差;导航模型中信标与UUV时间同步,且信标以一定时间间隔,广播发送水声脉冲信号,UUV利用信号的传输时间延迟,确定与信标之间的相对距离;通过解算UUV与信标的相对距离,以及自身的航行速度、航向角等参数变量,利用扩展卡尔曼滤波算法,可估计出UUV相对信标的位置,通过优化算法,可以有效降低定位过程中的累积位置误差;仿真结果表明,该导航定位算法实现简单、导航精度高,对未来小型UUV导航方法有很好的实用价值。     

基于多圆迭代和H∞ 滤波的捷联/天文定位算法研究

针对现有天文定位算法的缺点,提出一种多圆交汇迭代天文定位算法.该算法能够充分利用可观测恒星,同时能计算出定位误差协方差阵.针对提出的算法定位误差非线性的特点,提出了基于H∞滤波器的捷联/天文自适应组合导航算法,根据定位误差协方差阵实现量测自适应.仿真结果表明,天文定位算法模型准确,组合导航算法定位精度小于20m,定位误差稳定.     

运用异质传感器信息融合的移动机器人自定位

采用单类、单一传感器很难获得移动机器人的准确定位.为此,运用异质传感器信息融合来提高定位精度.首先,建立机器人运动方程和CCD摄像机观测模型.然后,利用扩展卡尔曼滤波器进行状态估计,选择Q,R矩阵抑制系统的模型噪声和量测噪声,并实现移动机器人的自定位.接着,建立超声波传感器的观测模型,获得机器人的自定位信息.最后,运用BP神经网络,将两种自定位信息进行融合,实现两类传感器的优缺点互补.仿真实验表明,运用异质传感器信息融合能明显地提高移动机器人的自定位精度.     

数据融合方法在小型飞行器高度定位中的应用

高度定位是小型飞行器飞行安全的重要指标之一,为了进一步修正小型飞行器高度定位误差,提高定位精度,减少系统硬件成本,文中给出了利用联邦滤波器进行高度定位数据融合的误差修正方法,解决了由于差分GPS(DGPS)受干扰或长时间静默影响定位精度的问题;仿真和数据回放结果表明:采用卡尔曼滤波进行融合可提高定位精度,采用联邦滤波器效果更好,使用文中方法可以得到飞行器更准确的高度定位,可推广使用于多种类型的飞行器定位系统中。     

基于转换量测容积卡尔曼滤波器带多普勒量测的目标跟踪算法

针对带多普勒量测的目标跟踪问题,提出一种基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.对具有量测误差相关性的距离和多普勒量测进行解相关处理,构造出新的解相关量测方程,进而基于贝叶斯方法提出带多普勒量测的序贯处理算法的统一理论框架,实现对位置量测和多普勒量测的序贯滤波.在该理论框架下,提出基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.该算法先采用转换量测容积卡尔曼滤波器和位置量测对目标状态进行估计,再利用经典容积卡尔曼滤波器对新构造的伪多普勒量测进行量测更新以实现目标跟踪.通过对所提算法的性能分析验证该算法的一致性和收敛性.仿真结果表明,该算法与其他跟踪算法相比,具有更高的跟踪精度.     

超短基线定位精度与误差分析

超短基线定位方法是一种水声定位技术.其优点是设备体积小,便于安装、操作;其缺点是定位精度不够高.因此,超短基线定位系统在水下探测过程中的应用受到诸多限制.如何提高定位精度是该系统面临的主要问题.本文分别对超短基线定位精度与误差的产生原因进行了分析,并在此基础上对如何提高定位精度和如何减小定位误差提出了办法.最后对提高精度和减小误差的方法分别进行了计算机仿真,仿真结果证明,精度得到提高,误差被缩小.     

移动USBL测距辅助的UUV协同导航定位方法

针对无人水下航行器(UUV) 导航精度受惯性导航(INS) 影响较大的问题, 本文提出一种基于无人水面船 (USV)携带超短基线(USBL)对UUV进行移动式辅助导航定位的方法. 文中以USV上高精度INS和全球导航卫星系 统(GNSS)组合后的导航结果作为基准, 利用USBL测量得到的USV和UUV相对位置和姿态信息, 结合UUV的INS误 差方程, 建立了UUV协同导航系统的状态方程和观测方程, 并基于自适应卡尔曼滤波方法对UUV状态进行滤波估 计. 仿真和湖上实验结果表明, 文中所提方法可有效提升UUV导航精度.     

Bayesian Multidimensional Scaling for Location Awareness in Hybrid-Internet of Underwater Things

Localization of sensor nodes in the internet of underwater things(IoUT)is of considerable significance due to its various applications,such as navigation,data tagging,and detection of underwater objects.Therefore,in this paper,we propose a hybrid Bayesian multidimensional scaling(BMDS)based localization technique that can work on a fully hybrid IoUT network where the nodes can communicate using either optical,magnetic induction,and acoustic technologies.These communication technologies are already used for communication in the underwater environment;however,lacking localization solutions.Optical and magnetic induction communication achieves higher data rates for short communication.On the contrary,acoustic waves provide a low data rate for long-range underwater communication.The proposed method collectively uses optical,magnetic induction,and acoustic communication-based ranging to estimate the underwater sensor nodes’final locations.Moreover,we also analyze the proposed scheme by deriving the hybrid Cramer-Rao lower bound(H-CRLB).Simulation results provide a complete comparative analysis of the proposed method with the literature.     

Kalman filtering approach to multi-rate information fusion in the presence of irregular sampling rate and variable measurement delay

State estimation for a system with irregular rate and delayed measurements is studied using fusion Kalman filter. Lab data in process plants is usually more accurate compared to other measurements. However, it is often slow rate and subject to variable delay and irregularity in sampling time. Fast rate state estimation can be conducted using fast rate measurement, while the slow rate lab data can be used to improve the accuracy of estimation whenever it is available. For this purpose, two Kalman filters are used to estimate the states based on each type of measurement. The estimates are fused in the next step by considering the correlation between them. An iterative algorithm to obtain the cross-covariance matrix between the estimation errors of the two Kalman filters is presented and employed in the fusion process. The improvement on the accuracy of estimation and comparison with other optimal fusion state estimation techniques are discussed through a simulation example, a pilot-scale experiment and an industrial case study.     

水声传感器网络节点自适应加权定位算法

对水声传感器网络节点定位进行研究,针对水声传感器网络节点间测距精度不高的问题,提出一种水声传感器网络节点自适应加权定位算法。考虑到水声传感器网络节点间的测距误差随着节点间距离的增大而增大,算法改进了锚节点选择机制,并且对不同锚节点在定位测度中的权重进行加权,改进定位测度,提高了测距信息的利用效率。仿真实验表明该算法提高了节点定位精度。     

基于SVM的水下机器人舰位推算导航误差模型

本文为了提高UUV水下航行过程中舰位推算的导航精度,建立了基于支持向量机的导航误差模型.文章选取UUV的航向、相对大地的前向速度及左向速度、纵倾和横倾、导航推算时刻距离初始时刻的时间等六个与UUV导航误差密切相关的参数作为模型的输入,以舰位推算出的经度误差和纬度误差为模型输出,结果是验证该模型的有效性.结论是使导航的相对误差能够从48.69‰下降到1.49‰,得出误差模型可以较好地修正舰位推算中的经纬度误差.     

UUV水声探测功能与电磁非触发引信融合测试系统设计

针对UUV(Unmanned Underwater Vehicle,无人潜航器)的水声探测功能与电磁非触发引信,传统的分立式测试方法分别采用两套独立的硬件电路,结构复杂、操作烦琐.设计了一种针对UUV的水声探测功能与电磁非触发引信的融合测试系统,底层基于嵌入式测试单元,结合主控软件中的产品数据库和目标仿真器,通过共用部分硬件电路的方式实现测试功能的融合,能够在保证测试性能与可靠性的基础上有效降低系统复杂度,同时提高测试效率.此外,通过基于LSTM(Long Short-Term Memory,长短期记忆)网络的RUL(Remaining Useful Life,剩余寿命)估计技术,能够对嵌入式测试单元的健康状况进行实时评估,提升系统可维护性.     

声呐位置误差情况下的运动目标多基地定位方法

在多基地声呐定位系统中,声呐的位置信息往往含有随机误差,这些误差会严重影响目标的定位精度。针对这一问题,提出了一种基于时间和多普勒频率的运动目标定位方法。首先,将基于时间和多普勒频率定位机制的非线性量测方程组转化为关于目标位置、速度及中间变量的伪线性方程组,利用加权最小二乘估计法对运动目标的位置、速度进行初始求解;然后,利用位置、速度及中间变量之间的相关性对位置和速度的估计偏差进行求解;最后,对位置和速度的初始解进行误差修正。分析了所提算法在量测误差较小情况下的统计有效性,并通过蒙特卡洛模拟进行了数值验证。