×

一种基于二次插值的变分贝叶斯算法,用于水下导航中测量信息的丢失。 (英语) Zbl 1459.93184号

概述:水下导航应用的序贯估计的主要挑战是内部/外部测量噪声和缺失测量情况。针对水下导航中测量信息缺失或不足的问题,提出了一种基于二次插值的变分贝叶斯滤波器(QIVBF)。当环境发生变化或测量信息丢失时,为了提高序列估计的精度和稳定性,采用二次插值来提高观测向量。基于变分贝叶斯方法推导了状态向量、预测误差协方差矩阵和测量噪声矩阵。仿真结果表明,在自主水下机器人测量信息丢失的情况下,该QIVBF算法与传统算法相比具有优越性。

MSC公司:

93E11号机组 随机控制理论中的滤波
93E10型 随机控制理论中的估计与检测
94甲12 信号理论(表征、重建、滤波等)
2015年1月62日 贝叶斯推断
94甲17 信息的度量,熵
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 埃里克森,C.C。;Osse,T.J。;Light,R.D.,《海上滑翔机:用于海洋研究的远程自主水下航行器》,IEEE海洋工程杂志,26,4,424-436(2001)·doi:10.1109/48.972073
[2] Walker,C.R。;斯特林菲尔德,J.Q。;Wolbrecht,E.T.,《使用配备多个磁强计的AUV测量移动水面船只的磁特征》,海洋工程,64,64,80-87(2013)·doi:10.1016/j.oceaneng.2013.02.011
[3] Qing,Y。;郝,S。;龚友,T.,浅水环境中自主水下机器人的最优干扰抑制控制,工程数学问题,2017(2017)·doi:10.1155/2017/8506381
[4] Hsu,S.P。;Liu,T.S.,改进水下机器人深度响应的控制回路修改,工程数学问题,2014(2014)·数字对象标识代码:10.1155/2014/324813
[5] 王,D。;徐立新。;Hou,L.,水下SINS/DVL系统的改进自适应卡尔曼滤波器,工程数学问题,2020(2020)·doi:10.115/2020/5456961
[6] 黄,H。;陈,X。;Zhang,J.,用于水下滑翔机姿态估计的重量自调整Adams隐式滤波算法,IEEE Access,4,1,5695-5709(2016)·doi:10.1109/access.2016.2606408
[7] 黄海清。;Chen,X.Y。;周,Z.K。;刘,H。;Lv,C.P.,水下滑翔机使用EKF/RK4算法的INS/DR组合导航系统研究,海洋科学与技术杂志,25,1,84-95(2017)
[8] 金武,T。;Xu,X。;Hou,L.,基于旋转阵列和重用元件的超短基线定位模型及其误差分析,传感器,19,20,4373(2019)
[9] 基于SINS/USBL集成系统的声收发器阵列安装误差分析与校准研究
[10] Jenkins,S.A。;D’Spain,G.,《自动水下滑翔机》(2016),荷兰多德雷赫特:施普林格海洋工程手册,荷兰多德雷赫特
[11] Yu,X。;Jiang,J.,针对部分执行器故障的混合容错飞行控制系统设计,IEEE控制系统技术汇刊,20,4,871-886(2012)·doi:10.1109/tcst.2011.2159606
[12] Joerger,M。;Pervan,B.,基于卡尔曼滤波器的传感器故障完整性监测,制导、控制和动力学杂志,36,2,349-361(2013)·数字对象标识代码:10.2514/1.59480
[13] 黄,H。;Tang,J。;张,B。;陈,J。;张杰。;Song,X.,水下导航中非高斯噪声和测量信息损失的新型非线性算法,IEEE Access,8,8,118472-118484(2020)·doi:10.1109/access.2020.3004871
[14] 曹,H。;薛,R。;蔡琴,双质量MEMS陀螺仪传感闭环系统的设计与实验,IEEE Access,8,8,48074-48087(2020)·doi:10.1109/access.2020.2977223
[15] 黄,H。;周,J。;Zhang,J.,融合准牛顿和立方卡尔曼滤波的磁传感器辅助惯性导航系统姿态估计,IEEE Access,6,6,28755-28767(2018)·doi:10.1109/access.2018.2833290
[16] 黄,H。;陈,X。;张,B。;Wang,J.,应用于水下滑翔机的多模型EKF融合adams显式公式进行惯性系统高精度导航信息估计,ISA Transactions,66,66,414-424(2017)·doi:10.1016/j.isatra.2016.10.020
[17] 姚,Y。;Xu,X。;李毅。;Zhang,T.,基于IMM的水下机器人INS/DVL混合集成解决方案,IEEE车辆技术汇刊,68,6,5459-5470(2019)·doi:10.1109/tvt.2019.2910397
[18] 北萨胡。;巴布,P。;库马尔,A。;Bahl,R.,多惯性传感器优化布置以提高传感精度的新算法,IEEE信号处理汇刊,68,68,142-154(2020)·兹伯利07590744 ·doi:10.1109/tsp.2019.2957639
[19] Yang,L。;Z.福宾。;Demin,X.,基于Liveness-based RRT算法的自动水下航行器运动规划,《先进运输杂志》,2017(2017)·doi:10.1155/2017/7816263
[20] 黄海清。;石瑞德。;Zhou,J.,水下滑翔机惯性导航系统的综合平方体积卡尔曼滤波器和期望最大化的姿态确定方法,科学仪器评论,90(2019)·doi:10.1063/1.5110041
[21] 姚,Y。;Xu,X。;Yang,D。;Xu,X.,IMM-UKF辅助的水下航行器SINS/USBL校准解决方案,IEEE车载技术汇刊,69,43740-747(2020)·doi:10.1109/tvt.2020.2972526
[22] Xu,X。;孙,Y。;桂,J。;姚,Y。;Zhang,T.,基于DVL辅助的捷联惯导系统快速鲁棒动态对准方法,IEEE车辆技术汇刊,69,4,3816-3827(2020)·doi:10.1109/tvt.2020.2974524
[23] 黄,Y。;Zhang,Y。;徐,B。;吴,Z。;Chambers,J.,《用于合作定位的新离群-ROB学生基于t的高斯近似滤波器》,IEEE/ASME机电学报,22,5,2380-2386(2017)·doi:10.1109/tmech.2017.2744651
[24] 曹,H。;Zhang,Y。;Han,Z.,双质量MEMS陀螺仪带宽扩展的零极点温度补偿电路设计与实验,IEEE/ASME机电学报,24,2,677-688(2019)·doi:10.1109/tmech.2019.2898098
[25] 左,Z。;Yang,B.,BDS/INS深度集成导航仿真平台研究,工程数学问题,18(2019)
[26] 曹海良。;张义杰。;沈,C。;刘,Y。;王晓伟,基于RBF-NN-GA-KF方法的MEMS振动陀螺仪温度能量影响补偿,冲击与振动,2018(2018)·doi:10.1155/2018/2830686
[27] 胡,G。;高,B。;Zhong,Y.,带过程噪声协方差估计的车载ins/gps集成系统无中心卡尔曼滤波器,信息融合,37(2020)
[28] 李毅。;Hou,L。;Yang,Y。;Tong,J.,Huber’s M-estimation based cubature kalman filter for an INS/DVL integrated system,工程数学问题,2020(2020)·Zbl 1459.93180号 ·doi:10.1155/2020/1060672
[29] 王,M。;Liu,J.-C.,贝叶斯半参数双自回归建模,工程数学问题,2019,1(2019)·Zbl 1435.62340号 ·doi:10.1155/2019/4267532
[30] 福克斯·C·W。;Roberts,S.J.,《变异贝叶斯推理教程》,《人工智能评论》,第38、2、1-11页(2012年)·doi:10.1007/s10462-011-9236-8
[31] Li,X.R。;Shalom,Y.B.,变结构多模型估计,IEEE自动控制汇刊,41,4,478-493(1996)·Zbl 0853.93096号
[32] 萨卡,S。;Hartikainen,J.,通过变分贝叶斯的非线性噪声自适应卡尔曼滤波,IEEE信号处理机器学习国际研讨会论文集
[33] 高,X。;陈,J。;陶,D。;Li,X.,通过变分贝叶斯近似实现无测量噪声协方差的多传感器集中融合,IEEE航空航天与电子系统汇刊,47,1,718-272(2011)·doi:10.1109/taes.2011.5705702
[34] 董,P。;Jing,H.Z。;Shen,K.,基于Wishart分布的变分贝叶斯自适应容积信息滤波器,IEEE自动控制学报,62,11,6051-6057(2017)·Zbl 1458.62073号 ·doi:10.1109/tac.2017.2704442
[35] 胡,G。;Wang,Y.W。;GuGao,C.B.,《INS/GNSS集成的一种新的直接滤波方法》,航天科技,77,755-764(2018)·doi:10.1016/j.ast.2018.03.040
[36] Gan,X.L.,GNSS/INS组合导航的状态空间测量更新,工程中的数学问题,2020(2020)·兹比尔1459.94035 ·doi:10.1155/2020/3675824
[37] Sun,G。;朗曼,R。;Chen,Z.,吊顶结构的观测器卡尔曼滤波识别,工程数学问题,2017(2017)·Zbl 1426.93341号 ·数字对象标识代码:10.1155/2017/1601534
[38] 薛,G。;Gao,Y.S。;Zhong,Y.,紧密耦合INS/GPS组合导航的衍生UKF,ISA Transactions,56,135-144(2015)·doi:10.1016/j.isatra.2014.10.006
[39] 胡,G。;Ni,L。;Gao,B.,INS/GNSS集成高超音速飞行器导航的基于模型预测的无迹卡尔曼滤波器,IEEE Access,99(2019)
[40] 瓦卡德,H.M。;Alofi,A.M。;Nayfeh,A.H.,基于多层MEMS谐振器的动态分析,工程数学问题,2017(2017)·Zbl 1426.74134号 ·doi:10.1155/2017/1262650
[41] Łuczak,S。;格雷普,R。;Bodnicki,M.,《倾斜测量用MEMS加速度计的选择》,《传感器杂志》,2017年(2017年)·doi:10.1155/2017/9796146
[42] 邹乐;宋,L。;Wang,X.,带参数牛顿型多项式插值的新方法,工程中的数学问题,172024-123X(2020)
[43] He,R。;张,L.,基于拉格朗日插值法的路面状况区间识别算法,工程数学问题,2020,1(2020)·doi:10.1155/2020/4251027
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。