水下AUV定位系统设计及算法研究

摘要

由于水下AUV的应用领域越来越广泛，而水下定位系统是保证水下AUV正常工作的关键之一，因此水下AUV定位系统的设计及定位算法的研究尤为重要。
　　本文主要完成了水下AUV定位系统总体硬件部分的设计及相关算法的研究，其中相关算法包括时延估计算法以及目标定位算法，具体如下:
　　(1)在常用的短基线阵的基础上提出了改进的短基线阵，设计了一种以三个水听器、一个换能器、一个水压计为主要组成部分的水下定位系统硬件结构，并在实际中完成了系统搭建。这种系统设计除可以获得精确定位之外，还有操作简便容易、系统安装简单的优点。
　　(2)分析了噪声、采样率、多径效应对时延估计结果的影响，通过具体的推导总结出提升时延估计精度的方法，并提出了一种新的时延估计及峰值检测算法。将该算法与对水下声速及声线进行修正的方法结合，即可准确地得到测距信息。实验结果验证了该方法的有效性与可行性。
　　(3)分别研究并比较了人工智能算法和卡尔曼滤波算法对水下目标进行定位解算的性能。其中人工智能算法包括遗传算法(GA)、自适应遗传算法(AGA)以及人工蜂群算法(ABC)三种算法，卡尔曼滤波算法包括扩展卡尔曼(EKF)及无迹卡尔曼滤波算法(UKF)。本文对五种算法的基本理论及运行流程进行了阐述，并从理论上分析了其各自的优缺点及算法误差原因。经过实验验证，人工蜂群算法的定位精度为几种算法中最高，但无法满足实时性;卡尔曼滤波算法定位精度虽不优于人工蜂群算法但能有效的对水下目标进行实时跟踪定位。故为进一步提高定位精度并保证定位的实时性，本文提出了一种卡尔曼滤波与人工智能算法相结合的混合算法，将两种卡尔曼滤波算法与自适应遗传算法和人工蜂群算法分别结合进行定位解算，实验结果表明，混合算法的定位解算精度高、性能良好，适合用于对目标进行跟踪定位。
　　(4)通过Matlab仿真实验分析了深度测量误差、水声距离测量误差、短基线阵元布局结构对定位结果的影响，并提出了最佳的短基线阵布局结构。

目录

声明

摘要

第一章 绪论

1．1 研究工作的背景与意义

1．2 水声定位技术的发展概况及现状

1．3 本论文结构安排

第二章 系统硬件设计及基线阵构成

2．1 水下目标定位原理

2．1．1 水下定位原理与基线阵选择

2．1．2 定位方法

2．2 定位系统硬件总体设计

2．3 本章小结

第三章 时延估计

3．1 基本时延估计模型

3．2 影响时延估计的因素

3．2．1 信噪比的影响

3．2．2 采样率的影响

3．2．3 多径现象的影响

3．3 基本时延估计模型的CRLB

3．4 多径时延估计模型

3．5 多径时延估计模型的CRLB

3．6 时延估计及检测方法

3．6．1 互相关法

3．6．2 广义互相关法

3．6．3 相关函数的峰值检测

3．7 水下声线与声速修正

3．8 时延估计实验结果分析

3．9 本章小结

第四章 水声定位算法

4．1 水声定位系统模型

4．1．1 水声定位工作原理

4．1．2 系统模型建立

4．1．3 最小二乘定位算法

4．2 人工智能算法

4．2．1 遗传算法

4．2．2 自适应遗传算法

4．2．3 人工蜂群算法

4．2．4 实验结果分析

4．3 卡尔曼滤波算法

4．3．1 扩展卡尔曼滤波

4．3．2 无迹卡尔曼滤波

4．3．3 实验结果分析

4．4 人工蜂群算法与卡尔曼滤波算法对比

4．5 人工智能算法与卡尔曼滤波算法相结合的定位算法

4．5．1 混合算法概述

4．5．2 混合算法运行流程

4．5．3 实验结果分析

4．6 本章小结

第五章 误差仿真分析

5．1 测深误差与测距误差的影响

5．1．1 仿真实验条件及过程

5．1．2 仿真结果分析

5．1．3 综合分析

5．2 短基线阵元布局结构的影响

5．2．1 仿真实验条件及过程

5．2．2 仿真结果分析

5．2．3 综合分析

第六章 总结与展望

6．1 全文总结

6．2 后续工作展望

致谢

参考文献

作者简介