多AUV协同导航鲁棒自适应性滤波算法研究

声明

摘要

第1章 绪论

1．1 课题研究的背景和意义

1．2 AUV导航技术的研究概况

1．2．1 航位推算与惯性导航方法

1．2．2 水声导航方法

1．2．3 地球物理导航方法

1．2．3 仿生学导航方法

1．2．5 组合学导航方法

1．3 多AUV协同导航系统的研究现状

1．3．1 并行式协同导航

1．3．2 主从式协同导航

1．3．3 水下航行器协同导航系统应用实例

1．4 本论文的研究内容和安排

第2章 水下航行器协同导航基本原理与数学模型

2．1 基于多领航者的协同导航定位技术

2．1．1 多领航者协同导航定位原理

2．1．2 多领航者协同导航定位模型

2．1．3 多领航者协同导航定位滤波算法

2．2 基于单领航者的协同导航定位技术

2．2．1 基于相对距离和方位测量的协同定位原理

2．2．2 基于移动向量的协同定位原理

2．2．3 基于移动向量的协同定位滤波算法

2．2．4 基于移动向量的协同系统可观测性分析

2．3 洋流影响下的协同导航定位技术

2．3．1 洋流影响下的协同导航系统模型

2．3．2 洋流影响下的协同导航滤波算法

2．4 本章小结

第3章 广义最大似然估计下的协同导航滤波算法

3．1 最大似然估计

3．1．1 概述

3．1．2 具有相关性的残差

3．1．3 一致性与偏差

3．1．4 高斯分布下的最大似然估计

3．2 广义最大似然估计

3．2．1 概述

3．2．2 隐性似然方程的数值解

3．2．3 广义最大似然估计的鲁棒性

3．2．4 高斯混合分布下的例子

3．2．5 可调参数的选取

3．3 协同导航滤波及仿真

3．3．1 广义最大似然估计的协同导航滤波算法

3．3．2 仿真分析

3．4 本章小结

第4章 改进的协同导航鲁棒性滤波算法

4．1 异常点及鉴别方法

4．1．1 马氏距离

4．1．2 投影统计

4．1．3 异常点鉴别例子

4．2 修改后的广义最大似然估计形式

4．2．1 Mallows形式

4．2．2 Schweppe形式

4．2．3 权值函数

4．2．4 线性回归示例

4．3 协同导航非线性鲁棒性算法

4．3．1 扩展卡尔曼滤波

4．3．2 鲁棒性扩展卡尔曼滤波

4．3．3 仿真分析

4．4 本章小结

第5章 交互式多模型与协同导航鲁棒性滤波

5．1 交互式多模型下的协同导航算法

5．1．1 多模型算法原理

5．1．2 交互式多模型算法原理

5．1．3 交互式多模型算法步骤

5．1．4 交互式多模型算法仿真分析

5．2 交互式多模型下的协同导航鲁棒滤波算法

5．2．1 交互式多模型下的Huber估计滤波仿真分析

5．2．2 交互式多模型下的改进Huber估计滤波仿真分析

5．3 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢