基于改进联合概率数据关联的AUV定位算法

基于水下无线传感器网络的位置估计是解决水下自主机器人定位问题的有效方法,然而由于水下无线传感器网络中的传感器节点一般部署在开放水域中,外来的恶意节点在基于到达时间的网络信道中注入恶意噪声延迟会对定位精度产生不利影响。针对这个问题,本文提出了一种改进联合概率数据关联算法。首先,我们考虑了一种异构的网络架构,包括水面浮标节点、水下信标节点和待定位的AUV目标节点,并获取网络架构中信标节点和AUV之间的距离测量;然后,我们设计了一种基于矩阵相似度的恶意噪声识别机制,识别并丢弃受恶意噪声污染的距离测量,并且对检测为未受到恶意噪声污染的距离测量进行分组,利用最小二乘法完成对AUV的初步定位;接着,为了丰富所得到的样本测量点以提高AUV的定位精度,我们在预测点以及检测出未受到恶意噪声污染的测量点的附近生成一系列服从高斯分布的虚拟测量;最后,对这些测量点进行数据关联处理与更新,完成对AUV目标节点的精确定位。仿真结果表明,所提出的定位方法与其他工作相比,在有恶意噪声攻击的情况下仍能保持较好的定位精度。

用于AUV定位的等效声速剖面改进算法研究

以自主式水下机器人为载体,搭载多种测量设备的深海工程作业的方式,目前已经得到了广泛的应用。而基于AUV完成各类水下任务的前提是能否精确的进行定位,传统的声学定位方法因过于依赖声速剖面而导致定位精度不高且造成实际操作过程复杂化,在各种声线改进的方法中,等效声速剖面法的计算过程较为简单,且对实际声速剖面的依赖程度较低,然而最大的问题是相对面积误差的求解过于复杂。结合AUV自身特点,提出了超短基线与等效声速剖面法相结合的水下AUV定位方法,并改进了等效声速剖面法。实验结果表明,改进后的方法计算精度得到提高且相对面积误差的求解更加简单,另外也改进了原始方法误差随水深及掠射角变化而增加的问题,具有良好的工程应用价值。