AUV多源观测数据融合方法及应用技术研究

论文摘要

自主水下航行器（AUV）在海洋环境调查与勘探领域极具重要性,特别是在常规海洋考察船无法进入的海域,AUV的重要性更加凸显。AUV融合了传感器技术、人工智能、自动控制、模式识别、信息融合以及系统工程等多学科的研究成果,目前学科的发展速度很快。本文重点研究AUV多源观测数据的融合方法以及融合数据在AUV系统中的实时应用技术,研究内容和结果如下：1.介绍了AUV多源观测数据融合技术在海洋环境测量中的重要意义；阐述了AUV系统在海洋测量技术方面的发展现状；最后分析了AUV多源观测数据融合理论的研究背景及意义。2.根据AUV感知系统信息的来源,分别从AUV系统内部与外部两方面进行感知系统描述；通过细化感知模型,建立准确的环境信息模型。3.研究了小波变换去噪方法在AUV海试观测数据中的应用。小波变换去噪方法在对信号去噪时,可以保留信号的高频细节成分。通过对AUV海试观测数据进行去噪处理,证明小波变换方法能够达到AUV海试观测数据的处理要求。4.研究了AUV多源海试观测数据融合方法。AUV单源传感器测量的海洋环境信息是孤立的,本文建立了一套多源异步数据融合方法。通过对海流剖面信息与导航信息的融合处理,验证该融合方法的合理性。5.提出了一种在DVL数据失效的情况下,海流信息辅助AUV导航的方法。在DVL声纳数据有效期间,建立一个“AUV速度-海流信息”关系库；一旦DVL声纳数据失效,则根据建立好的关系库以及实测的海流信息,估算当前的AUV速度。通过仿真验证,该方法计算得到的AUV速度准确度较高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 AUV国内外发展现状
• 1.3 AUV多源观测数据融合理论的研究背景及意义
• 1.4 本文研究工作及内容安排
• 第2章 AUV感知系统介绍
• 2.1 引言
• 2.2 AUV感知系统基本结构
• 2.2.1 AUV内部感知传感器系统
• 2.2.2 AUV外部感知传感器系统
• 2.3 AUV感知系统模型
• 2.3.1 感知系统坐标模型
• 2.3.2 AUV运动模型
• 2.3.3 声纳感知系统模型
• 2.3.4 环境感知系统模型
• 2.3.5 观测噪声与系统噪声模型
• 2.4 本章小结
• 第3章 基于AUV多源海试观测数据的去噪方法研究
• 3.1 引言
• 3.2 傅里叶变换及低通滤波去噪方法
• 3.2.1 傅里叶变换原理
• 3.2.2 短时傅里叶变换
• 3.3 小波变换及小波去噪方法
• 3.3.1 小波变换原理
• 3.3.2 mallat算法与小波分解
• 3.4 小波去噪方法在AUV多源海试观测数据中的应用
• 3.4.1 基于小波变换的海试数据特征提取
• 3.4.2 基于小波变换的海试数据质量评估
• 3.5 本章小结
• 第4章 AUV多源海试观测数据融合方法研究
• 4.1 引言
• 4.2 AUV舰位推算原理
• 4.2.1 地球子午线曲率半径和纬度圈曲率半径计算
• 4.2.2 AUV北东坐标系的速度计算
• 4.2.3 AUV载体航行中经纬度计算
• 4.3 数据融合的原理及过程
• 4.3.1 数据融合的基本原理和体系结构
• 4.3.2 AUV多源海试观测数据融合过程
• 4.4 AUV多源海试数据融合配准方案
• 4.4.1 海试实验数据的选取
• 4.4.2 海试观测数据特征点选取
• 4.5 AUV多源海试观测数据融合
• 4.5.1 AUV舰位推算融合过程
• 4.5.2 ADCP数据融合过程
• 4.5.3 融合数据小波去噪处理
• 4.6 本章小结
• 第5章 AUV多源融合数据应用技术研究
• 5.1 引言
• 5.2 海流剖面数据实时滤波技术
• 5.2.1 Kalman实时滤波处理技术
• 5.2.2 海流剖面Kalman滤波模型
• 5.2.3 Kalman滤波器参数确定
• 5.3 海流剖面数据辅助导航技术研究
• 5.3.1 海流剖面数据辅助导航的可行性
• 5.3.2 海流剖面辅助导航执行流程
• 5.3.3 海流剖面辅助导航模拟分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢