基于厚尾非高斯噪声建模的水下AUV导航滤波新方法研究

Due to the influence of mechanical vibration and ocean environment, the curve of probability density function (pdf) of the output noise from the "self-operation" autonomous underwater vehicle (AUV) will be heave-tailed non-Gaussian, and the statistical parameters of the pdf will change, which degrades the performance of the current filtering algorithms in integrated navigation system of AUV. Navigation technology is a bottleneck for the development from "information-detection" AUV to "self-operation AUV". To solve this problem, we will perform research on new filtering algorithm of AUV based on heavy-tailed non-Gaussian noise model. New non-Gaussian filtering framework will be setup based on t-distribution. Hierarchical Gaussian model is used based on which variational Bayesian approach is utilized to estimate the posterior pdf of the state, the predicted pdf of the state and the pdf of the measurement noise, to solve the problem of degradation of the filtering algorithms due to the change of statistics of navigation sensor outputs caused by application environment. We also try to solve the nonlinear measurement problem and the colored heavy-tailed measurement noise problem based on the t-distribution framework to further improve the filtering performance of the navigation system of AUV. Research of the project will increase the navigation accuracy of "self-operation" AUV and enrich the basic theory of non-Gaussian filtering.

受机械作业振动、复杂海洋环境等的影响，“自主作业型”水下机器人导航传感器输出的噪声多呈现厚尾非高斯特性，且噪声统计特性存在不确定性，从而导致水下机器人组合导航系统设计中，现有滤波算法精度下降甚至滤波发散，严重影响组合导航系统性能,是水下机器人从“信息探测型”发展至“自主作业型”需要解决的瓶颈技术之一。为了解决上述问题，本课题拟开展基于厚尾非高斯噪声建模的水下机器人导航滤波新方法研究，构建以t分布为基础的新型非高斯滤波框架，通过分层高斯模型并利用变分贝叶斯对状态后验、状态一步预测以及量测噪声统计特性参数进行联合估计，解决恶劣应用环境下导航传感器统计特性变化带来的滤波性能下降问题。同时在t分布滤波框架下，针对水下声学传感器量测非线性和量测有色问题开展研究，进一步提高组合导航系统滤波精度。本项目的研究成果将提高水下自主作业型AUV组合导航系统精度，并丰富非高斯滤波基础理论。

复杂水下环境导致水下自主导航传感器输出产生野值噪声，进而导致以经典卡尔曼滤波为代表的导航信息融合算法精度下降甚至发散。水下自主导航信息融合面临的本质科学问题是时变、非高斯噪声环境下的状态估计理论难题，长期以来被认为在有限量测数据条件下无法解决。本项目针对上述理论难题开展了系统的研究，构建了以t分布为基础的新型非高斯滤波框架，通过分层高斯模型并利用变分贝叶斯对状态后验、状态一步预测以及量测噪声统计特性参数进行联合估计，解决恶劣应用环境下导航传感器统计特性变化带来的滤波性能下降问题。同时在t分布滤波框架下，针对水下声学传感器量测非线性和量测有色问题开展研究，为复杂噪声环境下状态估计问题提供了新的理论方法，提高了水下自主导航精度。本项目主要科学意义和应用前景如下：.1、突破了传统卡尔曼滤波算法的高斯假设，提出了一类带厚尾非高斯噪声的状态估计理论框架，给出了兼顾精度和鲁棒性的基于学生t分布噪声建模的滤波方法，提高了水下复杂干扰环境下的水下导航精度。.2、提出基于估计状态一步预测方差的高精度水下导航自适应滤波方法，为长期以来被认为不可解决的系统噪声和量测噪声方差同时未知条件下的状态估计理论难题提供了全新的方案，提高了长航时组合导航系统精度。.依托本项目发表学术研究论文46篇，其中SCI检索期刊论文34篇，IEEE顶级汇刊论文17篇，代表性论文荣获IEEE Barry Carlton荣誉提名奖。研究成果获得中国自动化学会自然科学一等奖1项。本项目提出的方法可用于水下自主导航及状态估计相关应用领域，具有重要的应用前景。

内容获取失败，请点击重试