基于扩展Kalman滤波的单领航者自主水下航行器协同导航判别式训练方法研究

单领航者自主水下航行器(AUV)协同导航算法中,系统模型是非线性的,扩展Kalman滤波(EKF)是针对非线性系统的很有影响力的滤波算法,但是,EKF算法的性能严格依赖于一系列模型参数,而这些参数往往需要花费很大的代价来捕获,并且常需要人工调整。该文应用一种能自动学习Kalman滤波噪声协方差参数的方法,通过仿真分析,证明了该学习算法可以完全自主并且高效、准确地输出Kalman滤波噪声参数,进一步提高了单领航者AUV协同导航系统的导航精度。