非线性滤波算法在水下导航定位技术中的应用分析

针对自主水下航行器(autonomous underwater vehicle, AUV)导航定位技术的发展需求，提出了水下目标的3种非线性滤波估计方法.首先，分别介绍了扩展卡尔曼滤波(extended Kalman filter, EKF)、无迹卡尔曼滤波(unscented Kalman filter, UKF)和粒子滤波(particle filter, PF)的基本原理和实现步骤.其次，针对PF算法存在粒子退化现象，提出了重采样算法，并通过数值仿真验证该算法的有效性.然后，为了解决PF算法中粒子贫化现象，提出了一种基于萤火虫算法的粒子滤波算法(FA-PF).最后，在非线性环境下通过仿真实验对EKF、UKF、FA-PF算法的滤波性能进行对比分析，重点研究非线性强度及噪声特性对估计精度的影响.研究结果表明：重采样能够在一定程度上减轻粒子退化问题.在弱非线性高斯环境下，EKF、UKF、FA-PF算法的估计精度较为接近；在强非线性高斯环境下，UKF和FA-PF算法的跟踪性能明显优于EKF;在非线性非高斯环境下，FA-PF算法跟踪精度最高.