利用sigma点卡尔曼滤波的多UUV协同定位

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 1-6.

利用sigma点卡尔曼滤波的多UUV协同定位

卢健1，2，徐德民1，张立川1，张福斌 1

1.西北工业大学航海学院，西安 710072
2.西安工程大学电信学院，西安 710048

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Cooperative localization utilizing sigma-point Kalman filters for UUVs

LU Jian1，2，XU Demin1，ZHANG Lichuan1，ZHANG Fubin1

1.College of Marine Engineering，Northwestern Polytechnical University，Xi’an 710072，China
2.School of Electronics and Information，Xi’an Polytechnic University，Xi’an 710048，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 融合无人水下航行器（UUV）内部航位递推估计和外部量测信息的协同定位方法是一种提高只配备低精度自定位装置的UUV定位精度的有效手段。当协同系统结构固定时，滤波器的选择就决定了精度提高的幅度。针对扩展卡尔曼滤波（EKF）在处理非线性系统时具有较大的截断误差和繁琐的计算，提出了使用sigma点卡尔曼滤波（SPKF）的协同定位方法。与EKF相比，无味卡尔曼滤波（UKF）和中心差分卡尔曼滤波（CDKF）具有更好的鲁棒性，在没有增加计算复杂度的基础上进一步提高了UUV的定位精度。仿真比较了采用不同滤波算法的协同定位方法提高定位精度的效果，验证了利用sigma点卡尔曼滤波的多UUV协同定位方法的有效性和一致性。

关键词: 无人水下航行器, 协同定位, 扩展卡尔曼滤波, 无味卡尔曼滤波, 中心差分卡尔曼滤波, 仿真

Abstract: The cooperative localization method fusing internal dead reckoning estimate and external measurement information of Unmanned Underwater Vehicles（UUV） is an effective means to improve the localization accuracy of the UUVs which are only equipped with low precise proprioceptive localization equipments.When the structure of the cooperative system is fixed，the choice for the filters should decide the improvement extent of the accuracy.The cooperative localization methods using the Sigma-Point Kalman Filters（SPKF） are proposed to be dead against the biggish truncation errors and the burdensome calculations when the Extended Kalman Filter（EKF） deals with the nonlinear systems.Compared with the EKF，the Unscented Kalman Filter（UKF） and the Central Difference Kalman Filter（CDKF） have better robustness and can improve the localization accuracy of a UUV further without increasing the computational complexity.The improving effects for the localization accuracy through the cooperative localization methods adopting the different filtering algorithms are compared，and the validity and the consistency of the cooperative localization methods utilizing the SPKF for UUVs are shown by the last simulation.

Key words: unmanned underwater vehicle, cooperative localization, extended Kalman filter, unscented Kalman filter, central difference Kalman filter, simulation

卢健1，2，徐德民1，张立川1，张福斌 1. 利用sigma点卡尔曼滤波的多UUV协同定位[J]. 计算机工程与应用, 2011, 47(33): 1-6.

LU Jian1，2，XU Demin1，ZHANG Lichuan1，ZHANG Fubin1. Cooperative localization utilizing sigma-point Kalman filters for UUVs[J]. Computer Engineering and Applications, 2011, 47(33): 1-6.

[1]	黄逸磊，夏志杰，王诣铭. 强关系型社交媒体平台不实信息传播模型研究[J]. 计算机工程与应用, 2021, 57(9): 126-133.
[2]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[3]	李高源，王晋宇，张长弓，冯博迪，高宇歌，杨海涛. SAR图像仿真方法研究综述[J]. 计算机工程与应用, 2021, 57(15): 62-72.
[4]	张悟移，李建国，龚钰雯. 高层住户防抛物、坠物安全意识演化模型[J]. 计算机工程与应用, 2021, 57(1): 254-260.
[5]	康雷雷，卢维科，刘澜. 城市快速路入口匝道与交叉口协调控制策略[J]. 计算机工程与应用, 2020, 56(9): 267-271.
[6]	叶颖诗，魏福义，蔡贤资. 基于并行计算的快速Dijkstra算法研究[J]. 计算机工程与应用, 2020, 56(6): 58-65.
[7]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[8]	朱惠娟，王永利，陈琳琳. 面向三维模型轻量化的自私羊群优化算法研究[J]. 计算机工程与应用, 2020, 56(3): 42-48.
[9]	张新伟，李康，郁龚健，刘家航，李佩琦，柴志雷. 基于ZYNQ集群的神经形态计算加速研究与实现[J]. 计算机工程与应用, 2020, 56(21): 65-71.
[10]	蒋姝丽，刘渊，王晓锋. 天地一体化信息网络宽带用户行为仿真技术[J]. 计算机工程与应用, 2020, 56(10): 75-82.
[11]	戴耀南，陈绪兵. 人体背部脊椎恒温艾灸机器人设计与实现[J]. 计算机工程与应用, 2019, 55(9): 216-222.
[12]	龚心杰，李德识. 广域稳控系统通信网络性能仿真及分析[J]. 计算机工程与应用, 2019, 55(8): 66-73.
[13]	魏锋涛，卢凤仪. 融合核函数在改进径向基代理模型中的应用[J]. 计算机工程与应用, 2019, 55(7): 58-65.
[14]	吴其凡1，张劲1，刘凯1，汤炜2，田卫东2. 下颌骨拼接与导板设计的力反馈虚拟手术研究[J]. 计算机工程与应用, 2019, 55(5): 226-231.
[15]	陈可嘉，陈琳琳，陈鹏. OPM3要素对项目组合管理能力影响的SD建模与仿真[J]. 计算机工程与应用, 2019, 55(3): 258-265.