水下多AUV协同定位方法PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 多AUV协同导航的重要意义 1

1.2 多AUV协同导航问题的界定及特殊性讨论 2

1.3 AUV的发展现状 5

1.4 多AUV协作技术发展现状 9

1.5 传统水下定位技术及发展概况 11

1.5.1 INS/DR方法 11

1.5.2 其他有界误差定位方法 12

1.6 多AUV协同定位技术发展现状 14

1.6.1 水下协同定位技术 14

1.6.2 协同定位滤波算法 19

1.6.3 技术特点与难点分析 21

参考文献 22

基础篇 30

第2章 多AUV协同定位数学建模 30

2.1 导航系统相关概念 30

2.1.1 常用坐标系 30

2.1.2 AUV运动自由度及参数定义 31

2.1.3 坐标转换矩阵 31

2.2 多AUV协同定位系统特征分析及传感器描述 33

2.2.1 协同定位方式分类 33

2.2.2 传感器描述 34

2.3 多AUV协同定位系统相关理论方法 37

2.3.1 最优估计理论 37

2.3.2 Fisher信息矩阵和克拉美-罗下界 39

2.3.3 蒙特卡洛方法 40

2.4 多AUV空间运动学模型 41

2.4.1 单AUV空间运动学模型 41

2.4.2 单AUV二维平面运动学模型 41

2.4.3 多AUV空间运动学模型 43

2.5 多AUV声学网络建模 44

2.5.1 多AUV声学量测模型 44

2.5.2 多AUV声学测距技术 44

2.5.3 多AUV协同定位通信方案 45

2.6 多AUV协同定位原理及建模 47

2.6.1 协同定位原理 47

2.6.2 协同定位系统建模 51

参考文献 56

第3章 非线性滤波在多AUV协同定位中的应用 57

3.1 单领航多AUV协同定位建模基础理论 57

3.1.1 多AUV运动建模 57

3.1.2 多AUV协同定位量测建模 58

3.2 卡尔曼滤波理论简介 59

3.3 基于EKF的协同定位滤波算法 61

3.3.1 EKF算法介绍 61

3.3.2 EKF算法特点的讨论 62

3.4 基于SSUKF的协同定位滤波算法 63

3.4.1 UT变换 63

3.4.2 UKF滤波算法 64

3.4.3 SSUKF滤波算法 65

3.4.4 SSUKF算法特点的讨论 66

3.5 基于CKF的协同定位滤波算法 67

3.5.1 高斯滤波基本形式 67

3.5.2 容积准则 68

3.5.3 CKF滤波算法 70

3.5.4 CKF算法特点的讨论 71

3.6 仿真验证 71

3.6.1 滤波参数计算 71

3.6.2 仿真验证 73

参考文献 76

协同编队构型篇 78

第4章 多AUV协同定位可观测性分析与队形设计 78

4.1 多AUV协同定位可观测性分析 79

4.1.1 基于线性化模型的可观测性分析 79

4.1.2 基于非线性李导数的可观测性分析 83

4.2 考虑环境条件约束的队形设计 92

4.2.1 考虑尾流影响的多AUV队形设计 92

4.2.2 考虑尾流影响及安全距离的队形设计 94

4.2.3 考虑综合因素影响的多AUV队形设计 95

参考文献 98

第5章 多AUV编队最优拓扑结构设计 100

5.1 单跟随AUV情况的编队最优拓扑结构 100

5.1.1 最优评价函数构建 100

5.1.2 领航AUV最优编队拓扑结构设计 103

5.1.3 仿真验证 106

5.2 多跟随AUV情况的编队最优拓扑结构 110

5.2.1 考虑距离相关噪声的最优评价函数构建 110

5.2.2 领航AUV最优编队拓扑结构设计 112

5.2.3 领航AUV位置步进递推方法 115

5.2.4 仿真验证 116

5.3 位置不确定的多跟随AUV的编队最优拓扑结构 122

5.3.1 领航AUV最优编队拓扑结构设计 122

5.3.2 蒙特卡洛方法的应用 124

5.3.3 仿真验证 125

参考文献 127

水下复杂声学环境的协同定位性能优化篇 130

第6章 协同网络中水声通信特性与测距误差分析 130

6.1 近海面气泡层的影响分析 130

6.2 多普勒原理 131

6.3 多普勒效应误差影响分析 133

6.4 声线弯曲误差影响分析 136

6.4.1 平均声速法 137

6.4.2 多项式近似法 138

6.4.3 迭代逼近法 138

6.5 时钟漂移误差影响分析 139

6.6 时间延迟及相对运动误差影响分析 143

参考文献 145

第7章 基于鲁棒性迭代滤波的多AUV协同定位方法 146

7.1 Huber鲁棒性估计算法 147

7.1.1 极大似然估计 147

7.1.2 广义极大似然估计 148

7.1.3 考虑杠杆点影响的广义极大似然估计 151

7.2 基于Huber估计的鲁棒性滤波算法 155

7.2.1 Huber-Based EKF滤波算法 155

7.2.2 Huber-Based DDF滤波算法 158

7.3 基于鲁棒性迭代滤波的多AUV协同定位方法 159

7.4 仿真验证 162

7.4.1 异常量测噪声条件 162

7.4.2 重尾特性噪声条件 167

参考文献 169

第8章 基于噪声自适应估计的多AUV协同定位方法 171

8.1 Myers-Tapley噪声自适应估计方法 172

8.2 改进的自适应滤波算法 173

8.2.1 残差加权统计方法 173

8.2.2 衰减记忆统计方法 174

8.3 仿真验证 174

8.3.1 高斯噪声条件 175

8.3.2 非高斯噪声条件 177

参考文献 179

第9章 多AUV协同定位中延时补偿方法 180

9.1 基于状态补偿的协同定位延时补偿方法 180

9.1.1 多AUV协同定位通信延时模型 180

9.1.2 基于状态补偿的DEKF设计 182

9.2 基于量测更新的协同定位延时补偿方法 185

9.2.1 基于时间延迟的系统状态方程重构 185

9.2.2 基于时间延迟的系统量测方程重构 186

9.2.3 基于量测更新的DEKF设计 188

9.3 仿真验证 191

参考文献 193

第10章 多AUV协同定位中的量测数据丢失处理方法 194

10.1 基于EKF的量测数据丢失处理方法 194

10.1.1 系统模型描述 194

10.1.2 量测数据丢失条件下的EKF算法 195

10.2 基于扩展最小方差滤波的量测数据丢失处理方法 196

10.2.1 系统模型描述与模型转化 197

10.2.2 线性最小方差滤波 198

10.2.3 扩展最小方差滤波 202

10.2.4 仿真验证 203

10.3 基于时域滚动估计的量测数据丢失处理方法 212

10.3.1 时域滚动估计方法 212

10.3.2 仿真验证 216

参考文献 225

查看更多关于的内容