基于平移不变小波变换的多普勒速度声纳输出信号处理

针对水下航行器组合导航系统所使用的多普勒速度声纳输出信号的特点,采用了平移不变小波变换的多分辨率分析的方法,利用Daubechies小波函数,采用了半软阈值去噪的方法,能够在低信噪比的情况下准确地估计多普勒声纳的频移,从含有噪声的多普勒输出信号中提取出原始信号.通过仿真实验表明:采用4层小波分解,算法计算量减小,有效地...     

一种有效的水下机器人并行定位标图方法

提出了一种水下机器人并行定位标图的方法.首先对声纳扫描数据进行直线特征提取.在特征的匹配过程中,引入3种几何约束:一元约束,二元约束和刚性约束来保证观测特征和模型特征的正确匹配.在并行的定位与标图中进行了机器人的位置修正和地图修正.应用该方法,机器人在较为复杂的环境下,仅使用前视声呐和多普勒速度仪,依靠不精确的地图,实现了自主的定位和导航,同时修正了地图的精度.仿真和物理试验证明了该方法的正确性.     

捷联/天文/多普勒组合导航技术在舰船导航中的应用

为了提高舰船组合导航精度与可靠性,针对其特殊应用场合,将天文导航系统提供的位置和姿态信息、多普勒速度声纳提供的舰船速度信息与捷联导航系统进行信息融合,分析了捷联惯性导航系统、天文导航系统和多普勒导航系统的原理,分别建立了组合导航系统信息融合状态方程和量测方程,并对组合导航系统进行了系统仿真实验,实验结果表明,模糊自适应Kalman滤波器收敛速度快,具有一定的容错能力,在天文辅助捷联组合导航系统中可以有效地提高水面舰船组合导航系统的精度.     

联邦卡尔曼滤波在水下航行器组合导航系统中的应用

为了提高水下航行器的导航定位精度,设计了以捷联式惯性导航系统、地形匹配、多普勒计程仪等构成的组合导航系统,建立了各子导航系统的误差模型,采用联邦滤波技术对水下组合导航进行信息融合,建立了水下组合导航系统的观测方程并进行了计算机仿真.仿真结果表明:使用联邦卡尔曼滤波技术进行信息融合提高了组合导航系统定位精度和定位可靠性,能满足水下航行器高精度和高可靠性的要求.     

声学多普勒测速技术综述

速度信息是实现水下精确自主导航的重要参量之一。本文以海洋声学多普勒测速技术为对象，介绍了其研究现状、关键技术和发展趋势。首先将声学测速技术分为声学相关测速技术和声学多普勒测速技术；在此基础上，总结了声学多普勒测速信号处理方法、技术演化历程和国内外设备发展现状；讨论了声学多普勒测速的波形设计、误差标校、性能评价、系统检测等关键技术；最后对声学多普勒测速技术未来发展进行了展望，梳理了声学环境感知、一体化融合等趋势，为相关研究提供有益的参考和借鉴。     

声纳技术在海底地形辅助导航中的应用

精确导航是潜艇和其它水下航行器长距离水下安全航行的基本保障。目前，潜艇常用的船位推测法、惯性导航系统都存在定位误差随时间积累的特性。因此，必须定期地用外部信息对其进行校准。提出采用多波束声纳实时获取海底地形再与海底地形数据库的地形数据进行相关匹配，并通过小波快速迭代求精匹配算法，得到当前潜艇位置信息，将其作为参考点对惯性导航系统误差进行修正。实验结果显示，海底地形辅助导航匹配速度快，使导航精度明显提高。     

基于水声图像的水下目标几何尺寸测量技术及仿真研究

文章以水下侧扫声纳作为探测工具,以其所成水声图像为研究对象,根据侧扫声纳的成像特点,建立了以声纳图像中目标遮挡阴影为依据,量测水下目标几何尺寸的模型及算法.对如何依据二维声纳图像定量地获得目标在三维坐标下的几何尺寸进行了有益的尝试.在此基础上,该文以一幅StarFish 450F型侧扫声纳所成水声图像局部为研究对象进行仿真实验,实验结果证明,该文提出的测量模型及算法具有一定的实用意义与价值.     

INS/DVL组合导航系统在水下载体中运用研究

根据水下载体长时间在水下盘行的特点，建立了INS／DVL组合导航的工作模式，推导了该组合模式的组合形式和卡尔曼滤波算法，并通过计算机仿真技术分析了INS／DVL组合导航系统的性能和精度，说明了在惯性导航系统基础上引入多卜勒速度计程系统可以极大提高载体在水下的导航精度。     

深海声纳式高度计系统研究与设计

该文在分析了水下声纳基本原理与结构的基础上，对深海用声纳式高度计系统的各项特性参数进行了设计，研究了水下测距系统原理与声信号处理机制，对压电换能器的特性与高度计系统参数进行了计算。该文提出了一种基于MC68HC908单片机的声纳数字信号处理系统，重点研究了声信号处理模块硬件电路的设计，阐述了单片机系统的软件设计思路与流程，并最终给出了系统的波束指向性调试结果。     

基于同时发射声纳环移动机器人导航系统

开发了一种能在未知环境下实现快速障碍检测与障碍回避的基于同时发射声纳环移动机器人导航系统。为了消除由于同时发射造成的串话干扰,提出了一种基于神经网络模式识别的过滤方法;并制作了由24个声纳传感器组成的声纳环安装到实际的移动机器人上,实现了扫描频率最大可达到66 Hz的全景检测。系统中应用了动态窗口法来完成快速障碍回避的运动规划。实际的导航实验表明,系统可用于室内未知环境中的移动机器人快速导航。     

无人水下航行器SINS/DVL组合导航方法研究

给出了应用于无人水下航行器远程航行的基于SINS/DVL的组合导航方法。利用Kalman滤波算法融合DVL测量的绝对速度估计SINS的导航参数误差,并进行校正。仿真结果说明这种方法能够有效提高导航系统精度,从仿真曲线还得到了闭合航路能够大幅度消除导航误差的结论。     

水下无人航行器结构环境SFEKF同步构图定位方法

针对传统同步构图定位(SLAM)传感器具有数据量大、处理速度慢、实时性差的不足和基于扩展卡尔曼滤波的同步构图定位(EKF-SLAM)具有对水下无人航行器(UUV)位置估计精度低、甚至发散的缺陷,把带次优渐消因子的扩展卡尔曼滤波器应用到了导航系统中,提出了基于多元测距声呐(MRS)的UUV结构环境SFEKF-SLAM(suboptimal fadingextended Kalman filter-SLAM)方法.首先建立基于霍夫变换的水下MRS特征提取模型,设计了基于SFEKF-SLAM的UUV导航系统,利用该系统可以对UUV的状态进行预测,结合MRS信息可以对UUV周围结构环境进行状态更新.海试结果验证了基于霍夫变换的水下MRS模型能够有效提取环境特征,基于SFEKF-SLAM的UUV导航系统相对于常用的基于EKF-SLAM的UUV导航系统具有更高的定位精度,能够构建更加精确的港口堤岸地图.     

极大似然估计的信息融合方法及其在水下航行器制导中的应用

对基于极大似然估计的数据融合技术进行了理论分析,证明了用多传感器融合估计后的数据较单传感器测量数据方差减小;并把该技术应用于水下航行器制导技术,对其进行了理论分析,提出了一种新的航行器制导技术,最后对该技术应用于航行器制导和目标跟踪技术进行了仿真计算,结果证明了该方法的有效性。     

Bayes数据融合方法及其在水下目标检测中的数学仿真验证

对基于Bayes判决法的模式分类方法进行了理论分析,将多变量Bayes模式分类方法应用于决策信息融合过程,证明了用多传感器测得的多维信息进行决策融合性能优于用单传感器测得的一维信息。将基于Bayes判决法的数据融合方法用于水下目标检测,能大大提高系统的目标检测能力,理论分析和数学仿真均证明了该方法的有效性。     

基于高阶谱的LOFAR谱图特征在被动声纳信号自动识别中的应用

水下目标的特征提取一直是水声信号处理的难题。由于实际的声纳目标的发声机理和反射声波的机理十分复杂,成份多样,造成水声信号具有较强的非平稳性和非高斯性。为了提高对水下目标识别的正确识别率,突破以往研究中关于信号平衡性的假设和高斯性的假设,本文在简要介绍了ＬＯＦＡＲ谱图和高阶谱（ＨＯＳ）估计方法之后,提出了一种基于高阶谱的ＬＦＡＲ谱图和高阶谱（ＨＯＳ）估计之后,提出了一种基于高阶谱的ＬＯＦＡＲ谱图特征     

基于声学图像处理的水下机器人局部路径规划

针对当前水下机器人多以前视声呐作为环境感知设备的特点,设计了一种基于声学图像处理的水下机器人局部路径规划算法.给出了基于声学图像处理的局部路径规划基本步骤.以前视图像声呐得到的声学图像为基础,进行环境分析.以串口接收声呐图像底层回波强度数据,利用迭代式阈值选择算法,进行图像分割.采用数学形态学方法去除噪声,膨化障碍物,建立环境数学模型.以距离值传递法搜索最佳路径.此算法以海上实验数据验证,得到了良好的规划结果.搜索到的路径距离短,搜索速度快,满足实验要求.实验表明,以前视声呐作为避碰传感器,进行局部路径规划是切实可行的.     

Multi-Scale Fusion Algorithm for AUVs Integrated Navigation Systems

To deal with the low location accuracy issue of existing underwater navigation technologies in autonomous underwater vehicles(AUVs),a distributed fusion algorithm which combines the model's analysis method with a multi-scale transformation method is proposed for integrated navigation system based on AUV.First,integrated navigation system theory and system error sources are introduced in details.Secondly,a navigation systems observation equation on the original scale is decomposed into different scales by the discrete wavelet transform method,and noise reduction is performed by setting the wavelet de-noising threshold.At last,the dynamic equation and observation equations are fused on different scales by the wavelet transformation and Kalman filter.The results show that the proposed algorithm has smaller navigation error and higher navigation accuracy.