UKF在AUV协同导航中的优势：降低误差与简化计算

本文主要探讨了一种在2011年发表的《西北工业大学学报》上的创新技术——基于无迹卡尔曼滤波（UKF）的自主水下航行器（AUV）移动声学网络协同导航方法。传统的扩展卡尔曼滤波（EKF）在处理AUV移动声学网络协同导航时，面临着在非线性观测方程强烈条件下线性化误差较大和计算复杂度高的挑战。为解决这些问题，作者刘明雍、沈超、张立川和龚雪晴提出了采用UKF作为替代方案。 UKF算法的优势在于它能够在高非线性环境下提供更准确的估计，因为它无需像EKF那样依赖于局部线性化，从而减少了因线性化误差导致的导航定位误差。论文构建了一个结合移动长基线原理和UKF的协同导航滤波算法，旨在提高AUV的导航精度和效率。通过与EKF协同导航算法的仿真对比，结果显示基于UKF的方法在减少误差方面表现显著，其导航精度明显优于传统方法，因此被证实是AUV协同导航中一个更为简便且有效的导航滤波技术。 该研究背景是随着小型化、低成本AUV的广泛应用，对单一AUV的导航系统要求降低，转向了利用群体导航信息进行个体辅助定位的趋势。协同导航作为解决海洋中间层水下导航难题的关键途径，受到了国际学术界的广泛关注。论文提及了先前的研究工作，如M.B. Larsen的虚拟长基线技术、剑桥大学Vaganay团队的水面信标GPS辅助导航以及波尔图大学Anibal Matos和Nuno Cruz关于移动信标在协同定位中的应用。 尽管EKF是当前常用的协同导航算法，但其局限性促使研究人员寻求新的解决方案，如UKF，这表明了在AUV导航技术领域的持续进步和发展。本文的贡献不仅在于提出了一种创新的导航策略，还通过实验证明了UKF在AUV协同导航中的实际效能，为后续的水下无人系统导航技术提供了有价值的参考。