[论文解读] A DVL Aided Loosely Coupled Inertial Navigation Strategy for AUVs with Attitude Error Modeling and Variance Propagation

Jin Huang, Zichen Liu+3 more|arXiv (Cornell University)|Jan 27, 2026

Inertial Sensor and Navigation被引用 0

一句话总结

本文提出了一种态度误差感知的 DVL 速度变换和基于协方差的方差传播，以提升 AUV 的 SINS/DVL 宽松耦合导航在仿真与野外测试中的长期精度。

ABSTRACT

In underwater navigation systems, strap-down inertial navigation system/Doppler velocity log (SINS/DVL)-based loosely coupled architectures are widely adopted. Conventional approaches project DVL velocities from the body coordinate system to the navigation coordinate system using SINS-derived attitude; however, accumulated attitude estimation errors introduce biases into velocity projection and degrade navigation performance during long-term operation. To address this issue, two complementary improvements are introduced. First, a vehicle attitude error-aware DVL velocity transformation model is formulated by incorporating attitude error terms into the observation equation to reduce projection-induced velocity bias. Second, a covariance matrix-based variance propagation method is developed to transform DVL measurement uncertainty across coordinate systems, introducing an expectation-based attitude error compensation term to achieve statistically consistent noise modeling. Simulation and field experiment results demonstrate that both improvements individually enhance navigation accuracy and confirm that accumulated attitude errors affect both projected velocity measurements and their associated uncertainty. When jointly applied, long-term error divergence is effectively suppressed. Field experimental results show that the proposed approach achieves a 78.3% improvement in 3D position RMSE and a 71.8% reduction in the maximum component-wise position error compared with the baseline IMU+DVL method, providing a robust solution for improving long-term SINS/DVL navigation performance.

研究动机与目标

• 在 Attitude Estimation 漂移影响速度投影时，说明需要鲁棒的长期水下导航的动机。
• 为 SINS/DVL 宽松耦合系统提出一种态度误差感知的 DVL 速度变换模型。
• 开发基于协方差矩阵的方差传播方法，在帧间实现统计一致的噪声映射。
• 通过仿真和实际野外实验验证所提方法。
• 在基线 IMU+DVL 方案上展示改进的长期导航精度与鲁棒性。

提出的方法

• 建立一个车辆姿态误差感知的 DVL 速度变换模型，以减少投影引起的速度偏差。
• 推导一个显式包含姿态误差项的 DVL 速度投影观测方程。
• 开发一个协方差传播方法，利用协方差矩阵作为中介，在坐标系间变换 DVL 测量不确定性。
• 引入一个基于期望的姿态误差补偿项，以实现一致的噪声建模。
• 提供两种方法：基于姿态误差的导航（AE）和基于协方差的方差传播（CP），以及 AE+CP 的组合方法。
• 通过仿真和野外实验对比基线 IMU+DVL 验证方法。

实验结果

研究问题

• RQ1 车辆姿态误差如何影响 SINS/DVL 宽松耦合导航中的 DVL 速度投影？
• RQ2 态度误差感知的速度变换是否能降低投影偏差并改善长期导航精度？
• RQ3 在姿态误差存在时，如何在坐标系间一致地传播 DVL 测量不确定性？
• RQ4 AE 与 CP 方法在单独与组合下，是否在长期运行下改善位置、速度和姿态估计？

主要发现

Method	Pos RMSE (m)	Pos Max (m)	Vel RMSE (m/s)	Vel Max (m/s)	Att RMSE (deg)	Att Max (deg)
IMU+DVL	28.35	49.44	0.039	0.11	0.67	1.70
IMU+DVL (AE)	8.14	16.85	0.032	0.075	0.50	0.79
IMU+DVL (CP)	9.27	14.83	0.017	0.070	0.23	0.31
IMU+DVL (AE+CP)	7.86	12.46	0.017	0.072	0.26	0.30

• 基线的 IMU+DVL 显示显著的位置信误差与波动。
• 仅有态度误差（AE）将位置 RMSE 从 28.35 m 降至 8.14 m，最大误差从 49.44 m 降至 16.85 m。
• 协方差传播（CP）将位置 RMSE 降至 9.27 m，最大值降至 14.83 m。
• AE+CP 提供最佳结果，位置 RMSE 为 7.86 m，最大值为 12.46 m，并且在速度与姿态指标上也有所提升。
• 速度误差的 RMSE 从 0.039 m/s（IMU+DVL）下降到 CP 与 AE+CP 的 0.017 m/s，态度 RMSE 在 AE+CP 下降至 0.26°。
• 野外实验验证了仿真结果，AE+CP 配置的最低 RMSE 与最大位置误差表现最优。