基于AUV航迹追踪的优化UKF算法

标准的无损卡尔曼滤波算法(UKF)是一种高效的线性化航迹追踪算法,但UKF控制策略中的AUV系统采样时间间隔一般都被设置为常数,这可能会影响导航预测结果的误差精度。文章在简要阐述标准UKF算法原理的基础上,通过两种判断与反馈机制,调整UKF算法每一步的采样时间间隔t,从而实现对系统采样时间间隔的自适应变化。由此提出了基于马氏距离的优化无损卡尔曼滤波算法(MUKF)与基于灰色关联度的优化无损卡尔曼滤波算法(GUKF),以实现对AUV航行轨迹的精确预测与控制。对比两种优化后的UKF算法的仿真实验结果,进一步验证了之前所提出的假设。基于AUV航迹追踪技术的两种优化UKF算法与标准的UKF算法相比,具有更高的航迹预测误差精度和鲁棒性。