[论文解读] Position USBL/DVL Sensor-based Navigation Filter in the presence of Unknown Ocean Currents

M. Luísa Morgado, Pedro Batista+2 more|arXiv (Cornell University)|Aug 26, 2010

Underwater Vehicles and Communication Systems参考文献 9被引用 4

一句话总结

本文提出了一种基于直接非线性超短基线（USBL）和多普勒甚低频（DVL）传感器测量值的全局渐近稳定（GAS）位置导航滤波器，避免了平面波近似。通过状态扩展推导出线性时变（LTV）系统，实现了对信标位置和未知海洋流速的稳定估计，性能与扩展卡尔曼滤波器（EKF）相当，且保证误差收敛至零。

ABSTRACT

This paper presents a novel approach to the design of globally asymptotically stable (GAS) position filters for Autonomous Underwater Vehicles (AUVs) based directly on the nonlinear sensor readings of an Ultra-short Baseline (USBL) and a Doppler Velocity Log (DVL). Central to the proposed solution is the derivation of a linear time-varying (LTV) system that fully captures the dynamics of the nonlinear system, allowing for the use of powerful linear system analysis and filtering design tools that yield GAS filter error dynamics. Simulation results reveal that the proposed filter is able to achieve the same level of performance of more traditional solutions, such as the Extended Kalman Filter (EKF), while providing, at the same time, GAS guarantees, which are absent for the EKF.

研究动机与目标

• 解决传统AUV导航滤波器（如EKF和基于平面波的卡尔曼滤波器）缺乏全局渐近稳定性（GAS）的问题。
• 开发一种可直接使用非线性USBL测距和相对到达角（RDOA）测量值而无需近似的导航滤波器。
• 确保在未知海洋流和传感器噪声条件下，位置和流速估计误差的稳定收敛至零。
• 实现对信标位置的精确估计，以支持高精度任务（如对接），即使在近距离下亦可。
• 将先前针对单测距估计的工作扩展至多接收器USBL阵列，且无需运动激励约束。

提出的方法

• 建立基于USBL测距和RDOA测量值以及DVL速度读数的AUV导航非线性系统模型。
• 通过状态扩展推导出精确捕捉非线性动态特性的线性时变（LTV）系统。
• 利用LTV模型设计具有全局渐近稳定误差动态的卡尔曼滤波器。
• 通过将测距和RDOA测量值直接嵌入滤波器结构中，避免对它们进行线性化处理。
• 将未知海洋流作为扩展状态引入，以估计其对DVL读数的影响。
• 采用真实传感器噪声模型：DVL（0.2% + 1 mm/s）、速率陀螺仪（0.05 deg/s）、USBL（1 m测距误差，6 mm RDOA精度）

实验结果

研究问题

• RQ1 能否设计一种导航滤波器，保证在使用非线性USBL和DVL测量值时，AUV位置估计具有全局渐近稳定性（GAS）？
• RQ2 避免USBL RDOA测量的平面波近似是否能改善误差收敛性能，特别是在近距离下？
• RQ3 能否推导出一个线性时变（LTV）系统，以完整表征USBL/DVL导航问题的非线性动态特性？
• RQ4 所提出的LTV卡尔曼滤波器在稳态误差方面与EKF和基于平面波的卡尔曼滤波器相比表现如何？
• RQ5 所提出的滤波器在真实传感器噪声和未知海洋流条件下，是否仍能保持GAS误差动态？

主要发现

• 所提出的LTV卡尔曼滤波器在稳态下位置误差均方根（RMS）为：x方向0.0880 m，y方向0.0837 m，z方向0.1101 m，性能与EKF和KFPW相当。
• EKF在x轴方向误差略低（0.0611 m），但缺乏全局渐近稳定性的保证。
• 基于平面波的卡尔曼滤波器（KFPW）在x轴方向误差较高（0.1122 m），且由于近似引入的偏差，无法收敛至零误差。
• 所有滤波器的稳态性能相近，但仅所提出的LTV滤波器保证了全局渐近稳定性。
• LTV滤波器的初始收敛过程平滑且迅速，如图3和图4所示，位置和流速误差随时间逐渐收敛至零。
• 该滤波器在无需持续激励或运动约束的条件下，仍能保持稳定的误差动态，这与先前的单测距方法形成对比。