sigma点卡尔曼滤波提升UUV协同定位精度：一种无尺度网络中的故障应对策略

本文研究的论文深入探讨了在无尺度网络中降低相继故障规模的策略，特别是在涉及无人水下航行器（UUV）的协同定位技术方面。UUV是一种先进的水下自主航行平台，它具备自主移动和感知能力，常用于各种水下任务如侦察、遥控猎雷和作战。在实际操作中，由于成本考虑，通常只有部分UUV装备高精度的本体定位装置，其余则依赖于航位递推和外部数据来提高定位精度。 文章特别关注了非线性系统的处理问题，指出传统的扩展卡尔曼滤波（EKF）在处理这类系统时存在较大截断误差和复杂的计算需求。因此，作者提出采用sigma点卡尔曼滤波（SPKF）作为替代方案。SPKF相较于EKF，具有更好的鲁棒性，能够在保持计算效率不变的情况下提升UUV定位的准确性。 通过对比分析，文中展示了SPKF在多UUV协同定位中的优势。这种方法能够有效地融合UUV内部的航位递推估计和外部的量测信息，比如水声通讯装置提供的距离测量（Time-Of-Flight, TOF），从而显著提高定位精度，尤其对于那些GPS信号无法到达的水下环境。多UUV之间的协同工作，不仅增强了单个UUV的感知能力，还通过通信、观测和信息共享拓宽了定位信息源。 卢健等人在2011年的《计算机工程与应用》期刊上发表了这项研究成果，他们详细介绍了如何运用sigma点卡尔曼滤波技术来实现多UUV的协同定位，并进行了仿真验证，结果证明了这种方法的有效性和一致性。通过这种创新的定位策略，论文旨在为无尺度网络中的UUV系统提供一个更精确且鲁棒的定位解决方案，这对于提升整个水下无人系统性能至关重要。