31、海洋机器人协同导航与最优传感器布置

海洋机器人协同导航与最优传感器布置

1. 协同导航方法

在海洋机器人的协同导航研究中，对线性卡尔曼滤波器（LKF）和无迹卡尔曼滤波器（UKF）进行了性能对比。通过图形比较发现，UKF取得了显著的改进效果：
- 位置估计的平均误差和标准差平均降低了40%。
- 速度估计误差的均值和标准差分别降低了35%和30%。

为了更清晰地了解位置估计情况，展示了车辆1在车辆0的固定坐标系中的真实相对位置轨迹，以及由线性卡尔曼滤波器（左）和无迹卡尔曼滤波器（右）计算的估计轨迹。从轨迹过程可以推测，UKF的估计质量更好，这与之前表格中的结果一致。

对于其他滤波器，UKF也表现出比LKF更好的性能，具体数据如下表所示：
| 滤波器编号 | 位置估计平均误差降低比例 | 位置估计标准差降低比例 | 速度估计平均误差降低比例 | 速度估计标准差降低比例 |
| — | — | — | — | — |
| 3 | 60% | 60% | 65% | 55% |
| 4 | 45% | 50% | 30% | 不变 |

在协同导航中，采用了两种原理：
- 基于声学的对多个参考物体的距离测量。
- 基于声学的对单个物体的距离和方位测量。

这两种方法在不同场景中都有效，但前者需要大量水面舰艇，而后者则需要额外的测量设备。

2. 最优传感器布置概念

最优传感器布置（OSP）旨在解决如何放置测量设备（ROs）以获得最佳信息，从而实现最优位置估计的问题。当目标静止时，需要考虑如何放置ROs；当目标移动时，ROs也需要相应移动，此时需要确定ROs的最佳轨迹，