[发明专利]一种基于序贯融合算法的多AUV协同定位方法

说明书

本发明公开了一种基于序贯融合算法的多AUV协同定位方法，包括：(1)建立多AUV协同定位系统模型，连续状态方程和离散观测方程；(2)量测信息采用错时采样、错时通信的方式；(3)采用卡尔曼滤波算法，给出单个量测信息的局部分段连续滤波器；(4)采用序贯融合方法，逐步处理采样周期内观测数据，给出当前时刻AUV的位姿信息精确估计值。本发明有益效果：量测丢失过程被描述为对角阵型随机变量，其中分量为Bernoulli随机过程，更具有普适性；采用具有串行结构的序贯融合算法设计分段连续序贯融合滤波器，给出具有高精度和实时性的多AUV协同定位方法，使其包含采样时刻和采样区间的精确估计值。本发明不仅可降低计算负担，还可以提高定位的实时性。

技术领域

本发明涉及网络控制技术领域，主要针对复杂水下环境影响下的水声通信系统，给出一 种带有丢失量测的水声通信系统的多AUV协同定位方法。

背景技术

随着海洋探索和资源开发力度不断增大，单水下自主作业机器人(Autonomousunderwater vehicle，AUV)越来越难满足人类对水下机器人作业系统日益复杂和多样的需求，从而使得 多AUV协同作业系统受到了国内外学者越来越多的重视和深入研究，并逐渐成为水下机器 人领域的一种主流趋势和发展方向。水下高精度的导航定位是完成水下协同作业任务的关键 一环，对于水下作业机器人的自主性任务实施，相互间高效协同作业起着决定性作用。鉴于 多AUV协同定位具有各AUV独自定位所不具有的诸多优点，近年来多AUV协同定位已逐 渐成为研究的热点。

可是，由于复杂的水下环境和水声通信网络所特有的窄带性、多径性、衰落性，水声信 号在水声通信信道内传输时会发生衰减甚至被干扰，进而导致AUV的量测定位信息延迟或 丢失等现象，这为多AUV协同导航定位的研究带来了很大困难。为了实现具有高精度、实 时性的水下定位，需要在模型中充分考虑这些随机因素的影响。然而，在现有的定位算法中， 往往选择性忽略某些随机因素的影响。因此，设计能够提高多AUV导航定位精度的协同定 位算法具有重要的理论意义和实用价值。

众所周知，协同定位问题可归结为状态估计问题，因此滤波算法成为了影响协同定位精 度和实时性的一个关键因素。现阶段滤波算法的研究已取得了丰富的成果。其中，序贯融合 滤波算法采用当前时刻传感器观测数据以序贯的处理方式逐步更新状态估值，最终得到当前 状态实时最优估计值。发明人发现，由于是将对观测值的集中扩维分散为按各局部观测的顺 序处理，从而将求解高维矩阵转化为求解低维矩阵，因此序贯融合滤波算法达到了减少计算 负担的目的。并且它由序贯的计算若干个局部卡尔曼滤波器组成，因此也可保障估计精度的 全局最优性。然而当前基于序贯融合算法设计水声通信系统多AUV协同定位算法的研究还 相对匮乏。

发明内容

为了解决上述问题，本发明提出了一种基于序贯融合算法的多AUV协同定位方法，旨 在通过设计序贯融合滤波器，针对水声通信网络中存在丢失量测的情况，给出具有较高定位 精度和实时性的多AUV协同定位方法。

为了实现上述目的，本发明采用下述技术方案。该方案具体步骤如下所示。

步骤1：获取水声通信网络系统传感器参数，量测信息采用错时采样、错时通信的方式传 输，建立主从式多AUV状态空间模型：