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.     

基于USV拖曳声纳的声信标定位方法研究

为实现声信标定位系统的精确化、智能化发展,文中提出了一种基于无人水面艇(unmanned ship vehicle, USV)拖曳探测声呐的声信标定位方法.利用USV配备的多核DSP芯片,对声纳采集平台接收的数据进行处理并实现声信标的定位.介绍了声信标定位系统的整体框架以及USV系统的工作模块,并且运用自回归(autoregressive model, AR)模型预白化算法和匹配滤波对接收信号进行降噪处理,然后利用离格点稀疏贝叶斯推断(off grid sparse bayesian inference, OGSBI)算法实现了声信标的波达方向(direction of arrival, DOA)估计.最后通过仿真实验进行验证,结果表明,定位方法能够实现对声信标的DOA精确估计,进一步实现了无人声信标定位系统.