基于AUV的航迹追踪自适应UKF算法

摘要：

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高.然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度.因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差.该预测方法依据标准UKF算法的原理,通过构造相应的约束 、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响.最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想.

关键词：自治水下机器人、AUKF算法、航迹预测精度提升、自适应采样间隔、改善降噪性能

所属期刊栏目：42

分类号：TP242.6(自动化技术及设备)

资助基金：创新型人才国际合作培养项目[2016]7670

在线出版日期：2019-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：98-109