论文部分内容阅读
无人水下航行器(unmanned underwater vehicle,以下简称UUV)在完全未知的环境中依靠自身携带的传感器来感知周围环境信息，同时实现自身的定位是其真正实现自主导航的关键技术之一。传统的导航定位算法随着时间的增加，会产生误差累积以及计算复杂性增大等问题。本课题研究的导航定位算法能够在保证导航定位精度的同时，降低计算复杂度，因此具有重要的理论研究意义和实际应用价值。本文主要针对以下方面开展研究：首先，介绍了航位推算法，给出了航位推算法的基本原理，结合UUV自身携带的传感器在线测得的速度与姿态信息，针对小范围内的UUV运动轨迹进行了航位推算导航定位方法的仿真验证，通过与GPS实测数据对比验证了UUV航位推算算法有效性。其次，针对航位推算方法随时间增长累积导航误差的缺点，引入了基于扩展卡尔曼滤波（Extend Kalman Filter，以下简称EKF）的UUV导航定位算法，给出了EKF的工作原理，讨论了环境感知技术中特征提取与地图表示的基本方法，结合UUV的简化运动模型，运用EKF实现了UUV导航定位计算，并给出了定位误差分析。再次，针对EKF导航定位时的计算复杂性问题，研究了基于压缩型扩展卡尔曼滤波（Compressed Extend Kalman Filter，以下简称CEKF）的UUV导航定位方法，提出了CEKF的改进方法，给出了详细的计算步骤，设计了局部地图的划分依据及其切换准则以及在观测路标时的数据关联技术。利用海试数据完成基于CEKF的UUV导航定位方法的仿真试验，验证了CEKF导航定位算法的有效性。最后，海试试验数据验证中，分别使用航位推算、EKF导航定位以及CEKF导航定位方法与GPS实测数据进行了对比，给出了三种方法的误差分析曲线。试验结果表明：基于CEKF有适中的计算复杂度，其定位精度优于航位推算和基于EKF的UUV导航定位方法。