通過自主水下航行器(Autonomous underwater vehicles,AUV),人類可以更加方便安全地對海洋資源進行開發(fā)以及對水下生態(tài)環(huán)境進行研究。為了保證AUV在軍用和民用領(lǐng)域活動的順利開展,人們對AUV導航定位精度的要求在逐漸提高。組合導航一直以來都是AUV進行導航定位的主要方式。由于水下環(huán)境復雜多變,水下組合導航系統(tǒng)可能會出現(xiàn)噪聲估計不夠精確且存在野值的復雜情況,此時導航系統(tǒng)的精度會受到影響。本文以此為研究背景,充分考慮水下的復雜條件,推導出了一種新的魯棒自適應濾波算法,并設計出基于該算法的水下組合導航方法。首先,本文對水下組合導航系統(tǒng)進行介紹。包括常用的導航坐標系及坐標變換、捷聯(lián)慣導系統(tǒng)和多普勒計程儀的基本原理和相應的誤差方程。然后介紹了慣導/多普勒組合系統(tǒng)的濾波方式。接著,對組合導航所使用的濾波算法進行了研究。介紹了經(jīng)典的卡爾曼濾波。針對由于野值而導致噪聲出現(xiàn)非高斯分布的情況,對魯棒濾波進行了研究。介紹了基于Huber的卡爾曼濾波及基于最大熵的卡爾曼濾波(Maximum Correntropy Kalman Filter,MCKF)。通過對過程噪聲和量測噪聲出現(xiàn)野...

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 研究現(xiàn)狀及發(fā)展概述
        1.2.1 水下組合導航研究現(xiàn)狀
        1.2.2 魯棒濾波研究現(xiàn)狀
        1.2.3 自適應濾波研究現(xiàn)狀
    1.3 課題問題的提出
    1.4 本文的研究內(nèi)容和結(jié)構(gòu)安排
第2章 水下組合導航系統(tǒng)
    2.1 導航坐標系及坐標變換
        2.1.1 常用坐標系介紹
        2.1.2 坐標變換
    2.2 捷聯(lián)慣導系統(tǒng)
        2.2.1 捷聯(lián)慣導系統(tǒng)基本原理
        2.2.2 捷聯(lián)慣導系統(tǒng)算法
        2.2.3 捷聯(lián)慣導系統(tǒng)誤差方程
    2.3 多普勒計程儀
        2.3.1 多普勒計程儀測速原理
        2.3.2 多普勒計程儀誤差分析及誤差方程
    2.4 慣導/多普勒組合導航系統(tǒng)濾波方式
        2.4.1 組合導航系統(tǒng)直接法濾波
        2.4.2 組合導航系統(tǒng)間接法濾波
    2.5 本章小結(jié)
第3章 魯棒卡爾曼濾波
    3.1 經(jīng)典的卡爾曼濾波
    3.2 基于Huber的卡爾曼濾波
        3.2.1 M估計
        3.2.2 基于Huber的卡爾曼濾波
    3.3 基于最大熵的卡爾曼濾波
        3.3.1 最大熵準則
        3.3.2 基于最大熵的卡爾曼濾波
    3.4 仿真實驗
        3.4.1 仿真條件設置
        3.4.2 仿真實驗及結(jié)果分析
    3.5 本章小結(jié)
第4章 自適應卡爾曼濾波
    4.1 自適應卡爾曼濾波簡介
    4.2 基于Sage-Husa的自適應卡爾曼濾波
    4.3 基于變分貝葉斯的自適應卡爾曼濾波
    4.4 仿真實驗
        4.4.1 仿真條件設置
        4.4.2 仿真實驗及結(jié)果分析
    4.5 本章小結(jié)
第5章 基于最大熵的變分貝葉斯自適應卡爾曼濾波在水下組合導航的應用
    5.1 基于最大熵的變分貝葉斯自適應卡爾曼濾波
        5.1.1 基于最大熵的先驗估計
        5.1.2 基于變分貝葉斯的后驗更新
        5.1.3 基于最大熵的變分貝葉斯自適應卡爾曼濾波
    5.2 水下組合導航系統(tǒng)模型
        5.2.1 水下組合導航系統(tǒng)濾波誤差模型
        5.2.2 水下組合導航系統(tǒng)狀態(tài)方程
        5.2.3 水下組合導航系統(tǒng)量測方程
    5.3 仿真與分析
        5.3.1 仿真條件設置
        5.3.2 水下復雜環(huán)境仿真實驗及結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的論文和取得的科研成果
致謝



本文編號：3822528