[发明专利]一种基于非线性信息滤波的AUV协同导航方法

说明书

本发明公开一种基于非线性信息滤波的AUV协同导航方法。该方法中，采用分布式结构的无迹信息滤波器完成协同导航过程中的定位任务。在协同定位过程中，首先建立AUV导航系统的状态方程和量测方程；然后采用无迹信息滤波获得主AUV的状态信息，在数据包传递时刻进行状态信息的扩充，并通过无迹信息滤波完成对从AUV状态的估计，在数据包接收时刻对数据包信息进行处理；最后恢复主、从AUV通过信息滤波得到的导航信息。该发明解决了水声通信中信息延迟造成的AUV定位精度低的问题，充分考虑了AUV之间信息传递带来的信息相关性问题，并利用信息边缘化方法解决了该问题，避免了导航信息发散，实现了协同导航的高精度实时定位的目标。

技术领域

本发明涉及非线性滤波及协同导航技术领域，具体涉及一种基于非线性信息滤波的AUV协同导航方法。

背景技术

在AUV协同导航技术领域，高精度导航是亟待解决的首要问题。集中式协同导航方法将各个AUV原始的量测信息输送至融合中心处理，在融合中心进行数据融合过程，结构的灵活性差，无法对导航数据进行实时操作，实用性不强，一旦融合中心故障，整个系统都会瘫痪。为了解决集中式协同导航的问题，研究人员提出了分布式协同导航结构。分布式协同导航方法将各个AUV的量测信息在各自平台上进行实时处理，并充分利用了AUV之间的距离量测信息，对于实时导航来说是更好的选择。但是，分布式导航方式也面临着几个主要的问题：和陆基导航系统相比，水下声学导航受到严重的信息延迟限制。声音在水下的传播速度大约是1500m/s，以公里数量级的长度为尺度来传播数据包便会导致秒数级的延迟。这种延迟在水下通信中是不可避免的，会对协同导航定位的性能产生很大影响；其次，各AUV之前的信息传递使其内部信息具有相关性，在数据处理过程中必须要考虑这个问题。

现对一般的非线性滤波问题的研究相当活跃，常用的有“扩展卡尔曼滤波EKF，不敏卡尔曼滤波UKF，粒子滤波PF等。一般的非线性最优滤波可归结为求条件期望的问题。对于有限多个观测值的情形，条件期望原则上可以用贝叶斯公式来计算。但即使在比较简单的场合，这样得出的结果也是相当繁杂的，无论对实际应用或理论研究都很不方便。与卡尔曼滤波类似，人们也希望能给出非线性滤波的某种递推算法或它所满足的随机微分方程。但一般它们并不存在，因此必须对所讨论的过程X与Y加以适当的限制。非线性滤波的研究工作相当活跃，它涉及随机过程论的许多近代成果，如随机过程一般理论、鞅、随机微分方程、点过程等。其中一个十分重要的问题，是研究在什么条件下，存在一个鞅M，使得在任何时刻,M和Y都包含同样的信息；这样的M称为Y的新息过程。目前对于一类所谓“条件正态过程”，已经给出了非线性最优滤波的可严格实现的递推算式。在实际应用上，对非线性滤波问题往往采用各种线性近似的方法。

目前，人们在分布式协同导航技术领域的研究处于探索阶段，在进行信息传递时，高延迟信号使得AUV无法接收到精确的协同导航信息，对导航精度有很大影响；而忽略导航信息之间的相关性，将会导致长时间导航情况下定位精度严重下降。

为了解决上述问题，本发明提供了一种基于非线性信息滤波的AUV协同导航方法，该方法考虑了AUV信息传递中产生的信息相关性，实时操作性强，可以保证AUV在信息延迟的环境中保持高定位精度。

发明内容

本发明为一种基于非线性信息滤波的AUV协同导航方法首先建立AUV协同导航系统的状态模型和量测模型；然后应用非线性信息滤波对主AUV的状态进行估计，在AUV数据包进行传递的时刻对状态向量进行扩充，加入当前时刻的状态信息，在下一时刻传递的数据包信息中，先要去除上一时刻传递的数据包信息，这样就可以最大程度上避免水声信道带宽窄带来的问题；接着对从AUV进行基于非线性信息滤波方法的状态估计，在数据包到达的时刻对数据包信息进行接收处理，提高从AUV导航定位精度；最后，对主、从AUV的信息滤波结果进行数据恢复，得到高精度的导航定位信息。

具体包括以下几个步骤：

(1)建立描述AUV协同导航系统的状态方程和量测方程；