[发明专利]一种基于最大互相关熵无迹粒子滤波的AUV协同导航方法

摘要

本发明提供了一种基于最大互相关熵无迹粒子滤波的AUV协同导航方法，属于非线性滤波及协同导航技术领域。本发明提供的方法中，采用最大互相关熵无迹粒子滤波(Maximum Correntropy Unscented Kalman Filter，MCUKF)算法，完成AUV协同导航过程中的状态估计问题。在AUV协同导航过程中，首先将协同导航的状态方程和量测方程重构成非线性递归模型，利用最大互相关熵准则进行处理；然后在标准粒子滤波(Particle Filter，PF)的框架中采用MCUKF产生PF中所需的重要性概率密度函数，然后按照PF的算法流程获取对AUV状态的估计，从而实现对AUV的定位，完成协同导航。本发明的AUV协同导航方法在量测噪声出现野值的AUV协同导航中，能够获得比现有的粒子滤波、改进粒子滤波以及鲁棒滤波更加优越的性能。

主权项

1.一种基于最大互相关熵无迹粒子滤波的AUV协同导航方法，其特征在于：包括以下几个步骤：步骤一：建立描述AUV协同导航系统的状态方程和量测方程；步骤二：初始化，设置所需要的参数；步骤三：将AUV协同导航的系统量测方程和状态方程重构成非线性递归方程的形式进行处理，然后进行重要性采样，根据步骤二得到的初始粒子，应用MCUFK获得下一时刻的后验状态估计和对应的后验状态估计方差，基于此生成一个高斯分布，从此高斯分布中随机抽取N个新的粒子，根据新抽取的粒子计算每个粒子对应的权值并将其归一化；步骤四：KLD重采样，对上一个步骤得到的N个粒子进行筛选，得到最终的粒子集；步骤五：状态滤波更新，应用步骤四获得的粒子，完成状态的滤波更新，得到协同定位参数的估计状态和估计误差协方差矩阵完成协同导航的任务，其中代表第k时刻重采样后的第i个粒子，代表第k时刻重采样后第i个粒子相对应的权值，代表第k时刻的状态估计值。