一种基于改进粒子滤波的水下地形匹配导航方法

发布时间：2021-10-24 02:25

　　粒子滤波广泛应用于水下物理场辅助导航中。针对传统粒子滤波算法中粒子退化的缺陷,提出了一种改进粒子滤波算法。该算法在滤波中对导航定位误差和地形量测误差进行实时估计,并根据估计结果对每一次粒子重采样策略进行调整,使新生粒子在定位误差区域中随机分布的同时,能向载体所处位置概率密度大的区域相对聚集。使用该算法进行水下地形匹配惯性导航的仿真中,相较于传统滤波方法能在保证定位误差快速减小的同时,避免由于粒子退化造成的滤波发散,并有效提高了最终滤波精度。通过该方法,长时间使用纯惯导系统导航所积累的定位误差在500 s内由900 m下降到50 m内。在未来水下多物理场辅助导航领域将具有广泛应用前景。 

【文章来源】：光学与光电技术. 2020,18(02)

【文章页数】：5 页

【部分图文】：

理想粒子重采样分布与粒子退化

粒子重采样是在高权重粒子周围一定范围内，随机生成粒子。重采样的范围决定了粒子滤波的性能。在传统粒子滤波（PF）算法中，重采样半径取一常值，且在整个地形匹配过程中保持不变，最终造成粒子退化。而改进后的智能重采样粒子滤波算法，在整个滤波过程中将通过对滤波效果的估计不断更新新生粒子重采样范围。以水下地形辅助导航为例，其采用的IRPF算法中重采样环节流程如图2所示。在一次滤波过程中，通过量测误差与滤波前定位误差估计滤波后定位误差，从而决定重采样半径。具体过程如下：

从图3中可以发现，传统PF算法能使匹配导航结果快速向载体真实位置收敛，但当地形适配性下降时易造成滤波发散。如图3(a）中所示，当载体实际航迹与地形等高线趋势相近时，造成各点提取的地形高度接近，加快了粒子退化，最终导致滤波发散。图3(b)RRPF算法地形匹配结果

【参考文献】：
期刊论文
[1]基于改进高斯和粒子滤波的海底地形辅助导航[J]. 程向红,范时秒.  中国惯性技术学报. 2019(02)
[2]飞行器飞行目标定位组合导航精度预测仿真[J]. 向俊霖,郭承军.  计算机仿真. 2019(03)
[3]改进的粒子滤波算法在船用组合导航中的应用[J]. 江健,李伟峰,姚健,史国友.  上海海事大学学报. 2018(02)
[4]改进粒子滤波算法及其在GPS/SINS组合导航中的应用[J]. 王林,林雪原,孙炜玮,王萌.  海军航空工程学院学报. 2016(01)

博士论文
[1]多传感器条件下的AUV海底地形匹配导航研究[D]. 陈鹏云.哈尔滨工程大学 2016

硕士论文
[1]水下SINS/TAN组合导航系统的地形适配性研究[D]. 周月华.东南大学 2018
[2]AUV水下地形匹配导航的路径规划方法[D]. 沈鹏.哈尔滨工程大学 2016



本文编号：3454391