留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自适应渐消Sage-husa扩展卡尔曼滤波的协同定位算法

周萌萌 张冰 赵强 左思雨 潘梦婷

周萌萌, 张冰, 赵强, 左思雨, 潘梦婷. 基于自适应渐消Sage-husa扩展卡尔曼滤波的协同定位算法[J]. 中国舰船研究. doi: 10.19693/j.issn.1673-3185.02410
引用本文: 周萌萌, 张冰, 赵强, 左思雨, 潘梦婷. 基于自适应渐消Sage-husa扩展卡尔曼滤波的协同定位算法[J]. 中国舰船研究. doi: 10.19693/j.issn.1673-3185.02410
Co-location algorithm based on adaptive fading Sage-husa extended Kalman filter[J]. Chinese Journal of Ship Research. doi: 10.19693/j.issn.1673-3185.02410
Citation: Co-location algorithm based on adaptive fading Sage-husa extended Kalman filter[J]. Chinese Journal of Ship Research. doi: 10.19693/j.issn.1673-3185.02410

基于自适应渐消Sage-husa扩展卡尔曼滤波的协同定位算法

doi: 10.19693/j.issn.1673-3185.02410

Co-location algorithm based on adaptive fading Sage-husa extended Kalman filter

  • 摘要: 【目的】针对多自主水下航行器(AUV)在航行过程中的定位精度等问题,提出一种基于自适应渐消Sage-husa扩展卡尔曼滤波的多AUV协同定位算法。该算法对滤波算法中的自适应滤波器进行改进,通过渐消记忆指数加权得到新息协方差估计值,并且引入渐消因子对预测误差协方差阵进行调整。【方法】建立多AUV协同导航模型,得到基本的协同导航滤波过程;通过对速度、位置信息的融合,实现对跟随AUV的位置状态准确估计;最后再用此算法和EKF、EM-EKF算法对AUV协同导航模型进行仿真对比。【结果】结果表明在噪声协方差不匹配时本文算法均方根误差分别减少17.82%,24.48%,平均定位误差分别减少17.87%,22.54%;当噪声协方差时变时本文算法均方根误差分别减少42.11%,51.23%,平均定位误差分别减少34.87%,46.90%。【结论】该算法有效改善了可靠性、精确性和自适应性。
  • 加载中
计量
  • 文章访问数:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-06-10
  • 网络出版日期:  2021-08-18

目录

    /

    返回文章
    返回