[发明专利]一种基于因子图的AUV多源信息融合方法和设备

说明书

本发明提供了一种基于因子图的AUV多源信息融合方法和设备，以实现惯性基自主式水下航行器(Autonomous Underwater Vehicle,AUV)组合导航系统的导航与定位。该方法利用因子图理论将AUV组合导航系统的信息融合问题转化为求解多元随机变量的联合概率分布的最大后验概率问题，并用因子图模型表示。根据因子图消息传递算法即和积算法在AUV多源信息组合导航系统的因子图模型中的传递与更新以实现导航状态的最优估计。本发明有效解决了AUV组合导航系统中不同导航信息源更新频率异步及短时失效的问题，适用于水下复杂多变的环境与任务需求。

技术领域

本发明涉及组合导航、信息融合领域，特别是一种基于因子图的AUV多源信息融合方法和设备。

背景技术

自主式水下航行器(Autonomous Underwater Vehicle,AUV)在海洋资源勘探、海洋环境保护和利用、海洋军事和救援等方面具有重要意义。而AUV导航系统能为其提供姿态、速度、位置等实时的导航信息，精确可靠的导航信息是AUV能够成功完成任务的重要保证。由于纯惯性导航系统存在误差随时间累积的不足，目前最常采用融合多种水下导航传感器提供的辅助信息来校正捷联惯性导航系统(Strapdown Inertial NavigationSystem,SINS)的累积误差，即AUV多源信息组合导航系统。但是由于传感器测量机理、海水介质、水下工作环境的复杂性等原因，在多源信息融合过程中往往存在区域性与阶段性、更新频率异步、时间延迟、易被干扰的不可完全依赖性等问题。例如，AUV在不同航行阶段，可用辅助信息源不同；同一阶段的不同区域，可用辅助信息源及其利用方式均可能发生变化；大多数水下导航传感器(例如多普勒测速仪DVL,磁罗盘MCP,地形匹配定位系统TAN,深度计DM等)更新频率较惯性测量单元IMU频率低很多且异步；一些导航传感器(DVL)易发生短时失效或间歇性失效的情况；一些导航传感器(MCP)精度不高且易受到环境干扰；还有一些导航传感器(TAN)只能提供局部区域内导航。

随着水下导航传感器的不断丰富，如何有效融合多种传感器的辅助信息来提高AUV组合导航系统精度成为关键。目前大多采用的是分布式结构的联邦卡尔曼滤波及其各类改进方法对多源信息进行融合。但由于上述问题的存在，该类方法在融合时间点上通常会由于信息源采样时间异步带来导航精度的损失，而且信息源故障和变化引起的系统重构等难题也会对系统的算法复杂度、实时性和灵活性造成影响，这在高动态环境下显得尤为不利。

发明内容

发明目的：针对现有技术的缺陷，本发明提供一种基于因子图的AUV多源信息融合方法和设备，以解决AUV组合导航系统中不同导航信息源更新频率异步及短时失效等问题，适用于其水下复杂多变的环境与任务需求。

技术方案：根据本发明的第一方面，提供一种基于因子图的AUV多源信息融合方法，包括：

S1、将AUV组合导航系统的导航状态误差抽象为变量节点，将来自不同异步异构导航传感器的量测信息抽象为因子节点，构建AUV多源信息组合导航系统因子图模型；

S2、建立AUV多源信息组合导航系统的线性离散状态空间模型，并以此为基础对因子图模型进行详细分解；

S3、利用和积算法在AUV多源信息组合导航系统因子图模型中的传递与更新，来实现对所有导航状态的最优估计。

其中，所述AUV组合导航系统的异步异构导航传感器包括：多普勒测速仪DVL、磁罗盘MCP、地形辅助定位系统TAN、深度计DM、惯性测量单元IMU。

作为优选，所述方法在步骤S1后还包括：将两个相邻量测信息之间的多个IMU因子节点等效为一个IMU因子节点，对因子图模型进行优化。

根据本发明的第二方面，提供一种计算机设备，所述设备包括：

一个或多个处理器；

存储器；以及