最大熵粒子滤波及其在水下协同导航中的应用研究
发布时间：2020-04-22 02:32
【摘要】：自主水下航行器(Autonomous underwater vehicles,AUV)是人类探索海洋的有力助手,随着人类对海洋的探索逐渐深入,单体AUV已经无法满足要求。多AUV协同导航系统能够协同作业,与单体AUV相比有着很大优势。在协同导航中,需要利用基于状态空间模型的非线性滤波估计出AUV的位置,常用的非线性滤波有扩展卡尔曼滤波(Extended Kalman Filter,EKF)、无迹卡尔曼滤波(Unscented Kalman Filter,UKF)、容积卡尔曼滤波(Cabuture Kalman Filter,CKF)和粒子滤波(Particle Filter,PF)等。但是,由于海洋环境十分复杂,多AUV协同导航系统的量测噪声常常会出现野值,此时若使用常用的非线性滤波方法将会导致滤波精度下降,因此需要寻求更合适的滤波方法。本文以此为研究背景,以PF为基础,深入研究了系统量测噪声出现野值情况下的多AUV协同导航技术。本文首先对多AUV协同导航、多AUV协同导航滤波算法以及PF的国内外发展现状进行了介绍、总结了常用的基于AUV的导航方法,并详细阐述了多AUV协同导航的基本原理和数学模型。然后针对传统PF在量测噪声出现野值情况下滤波精度降低这一问题进行了研究。从Bayesian理论出发,详细介绍并推导了PF和三种改进的PF。介绍了最大熵准则(Maximum Correntropy Criterion,MCC)和最大熵无迹卡尔曼滤波(Maximum Correntropy Unscented Kalman Filter,MCUKF),并基于此提出了最大熵无迹粒子滤波(Maximum Correntropy Unscented Particle Filter,MCUPF)。该方法以无迹粒子滤波为基础,利用MCC对其进行改进,使其在量测噪声出现野值的情况下具有鲁棒性,能保持较高的滤波精度。最后通过仿真实验对所提出的MCUPF的有效性进行验证。紧接着,为了对提出的MCUPF计算量较大这一不足之处进行改进,本文做了进一步的研究。先对三种常见的PF重采样方法进行介绍,然后引入了一种能实时调节粒子数的KLD重采样方法。在MCUPF的基础上,引入KLD重采样方法,提出了最大熵自适应无迹粒子滤波(Maximum Correntropy Adaptive Unscented Particle Filter,MCAUPF)。最后通过仿真实验对所提出的MCAUPF的有效性进行验证。最后,为了解决在面临量测噪声出现野值时,现有的基于改进PF的协同导航方法性能会大幅下降这一问题,提出了一种基于MCAUPF的多AUV协同导航方法。然后利用实际的实验数据进行仿真,仿真结果表明,在量测噪声出现野值情况下的多AUV协同导航系统中,本文提出的滤波方法与现有的改进PF以及鲁棒滤波方法相比具有更高的估计精度,与现有的鲁棒PF相比计算量更小。
【图文】：
们利用双水听器形成的“双耳听觉”效应来获取 AUV 之间的信息就得出了跟随者的位置[19]。但是由于水下环境很复杂多变方位是很困难的，因此，研究者们提出了无需测量方位信息、式的协同导航方法[6]。该方法不仅复杂度和对量测手段的要求放基线阵，操作区域灵活。除此之外，对于多 AUV 协同导航的导航方法、长基线法、短基线法、超短基线法以及移动长基缺点，适用于不同的场合，需结合具体条件具体分析。应用中，1995 年，由麻省理工大学等研究机构共同参与的自主s Ocean Sampling Network，AOSN)(又被称作 MURI/AOSN)项统，这个项目前后历时五年，主要用于科考等方面。MURI/建一个由多个 AUV 组成的网络。随后，美国的蒙特利湾海洋目，该项目是在 MURI/AOSN 的基础上建立的。AOSNⅡ项目物理性，，该项目里的 AUV 都会配备多个不同类型的传感器，据[4]。在 2003 年和 2006 年，研究人员在蒙特利湾附近的海域系列的实验，如图 1.3 和图 1.4 所示。
图 1.4 2006 年蒙特利湾 AOSNⅡ试验示意图西海湾大陆架观测系统(New Jersey Shelf Observing System)是由等构成的观测系统。在无人守候并且长时间工作的情况下，该系这充分证明了 AUV 在对海洋进行调查研究的工作中起到了至关006 年组织了德国、意大利、法国等多个国家联合开展了 GREX主要目的是解决多 AUV 的协同导航、编队控制以及通信等问题外公布的讯息显示该项目主要被用于海图测绘。在三年里，该项功完成了海图测绘的任务，并成功验证了多 AUV 的协同导航和来实现[6]。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN713;U674.941
本文编号：2636031
【图文】：
们利用双水听器形成的“双耳听觉”效应来获取 AUV 之间的信息就得出了跟随者的位置[19]。但是由于水下环境很复杂多变方位是很困难的，因此，研究者们提出了无需测量方位信息、式的协同导航方法[6]。该方法不仅复杂度和对量测手段的要求放基线阵，操作区域灵活。除此之外，对于多 AUV 协同导航的导航方法、长基线法、短基线法、超短基线法以及移动长基缺点，适用于不同的场合，需结合具体条件具体分析。应用中，1995 年，由麻省理工大学等研究机构共同参与的自主s Ocean Sampling Network，AOSN)(又被称作 MURI/AOSN)项统，这个项目前后历时五年，主要用于科考等方面。MURI/建一个由多个 AUV 组成的网络。随后，美国的蒙特利湾海洋目，该项目是在 MURI/AOSN 的基础上建立的。AOSNⅡ项目物理性，，该项目里的 AUV 都会配备多个不同类型的传感器，据[4]。在 2003 年和 2006 年，研究人员在蒙特利湾附近的海域系列的实验，如图 1.3 和图 1.4 所示。
图 1.4 2006 年蒙特利湾 AOSNⅡ试验示意图西海湾大陆架观测系统(New Jersey Shelf Observing System)是由等构成的观测系统。在无人守候并且长时间工作的情况下，该系这充分证明了 AUV 在对海洋进行调查研究的工作中起到了至关006 年组织了德国、意大利、法国等多个国家联合开展了 GREX主要目的是解决多 AUV 的协同导航、编队控制以及通信等问题外公布的讯息显示该项目主要被用于海图测绘。在三年里，该项功完成了海图测绘的任务，并成功验证了多 AUV 的协同导航和来实现[6]。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN713;U674.941
【相似文献】
相关期刊论文 前9条
1 蒋丹,徐功仁;利用最大熵准则的新谱分析技术[J];华东化工学院学报;1988年S1期
2 王宇;李洪双;;最大熵准则识别材料疲劳寿命分布[J];航空工程进展;2015年03期
3 姚小群;姚锡凡;王卫平;陈统坚;;基于最大熵准则的加工过程神经网络建模[J];机械制造;2005年12期
4 吴新瞻;模式识别中的分类熵准则[J];科学通报;1983年23期
5 魏民祥,闫桂荣,郭万林;基于信息熵原理的结构振动传感器的布局[J];仪器仪表学报;2004年06期
6 李荣;混合指数分布模型的Bayes分析[J];国防科技大学学报;1999年02期
7 赵宏伟;陈霄;刘萍萍;耿庆田;;视觉显著目标的自适应分割[J];光学精密工程;2013年02期
8 邸椺;潘泉;贺霖;赵永强;;基于多检测器最大熵融合的多通道光谱图像异常检测[J];光子学报;2007年07期
9 张士峰;;计算验前分布的最大熵方法[J];战术导弹技术;1999年02期
相关博士学位论文 前1条
1 鲁帆;基于协整理论的复杂动态工程系统状态监测方法应用研究[D];南京航空航天大学;2010年
相关硕士学位论文 前2条
1 范颖;最大熵粒子滤波及其在水下协同导航中的应用研究[D];哈尔滨工程大学;2019年
2 王宇;贝叶斯参数更新在可靠性分析中的应用[D];南京航空航天大学;2014年
本文编号：2636031
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2636031.html
