一种基于高斯过程回归学习的水下地形匹配定位方法技术

本发明专利技术提供了一种基于高斯过程回归学习的水下地形匹配定位方法。当水下航行器进入水下参考地图区域时，利用高斯过程回归学习方法分别对多波束测深声呐实时测量地形和搜索区域内待匹配地形进行插值重构，获取实时重构地形和待匹配重构地形及其对应的不确定度，基于极大似然估计方法将实时重构地形与待匹配重构地形进行匹配，估计水下航行器的位置，以此对惯性导航系统输出位置进行修正。相对于传统的线性插值方法等确定性插值重构地形方法，基于高斯过程回归学习的插值重构方法不仅考虑了地形的空间相关性，而且给出了插值重构地形的不确定度，能够有效地提高水下地形匹配定位的精度和鲁棒性。本发明专利技术能够提高水下地形匹配定位的定位精度和鲁棒性。

An underwater terrain matching and location method based on Gaussian process regression learning

【技术实现步骤摘要】
一种基于高斯过程回归学习的水下地形匹配定位方法
本专利技术涉及的是一种水下航行器自主定位导航方法，具体地说是一种水下地形匹配定位方法。
技术介绍
自主水下航行器(AUV)作为海洋探测的主要工具，在海底地形地貌精细探测、海底水文参数测定以及水下精细目标感知与识别等诸多方面发挥极其重要的作用。高精度的水下自主定位导航为AUV提供必要精准的位姿信息，是AUV顺利完成水下各种任务的重要保障。然而，由于海洋复杂恶劣环境，AUV的精确自主定位导航存在诸多困难。目前，AUV的定位导航系统主要以惯性导航系统(INS)/多普勒测速仪(DVL)组合导航为主、辅助以全球定位系统(GPS)和声学定位导航系统(长基线、短基线和超短基线)。然而，AUV无法在水下接收GPS信号，需要定期的浮到水面。这种上浮修正方式对于航行器隐蔽性极其不利，而且在有冰层的海面下无法使用。声学定位导航系统需要额外的声呐基阵布放或母船支持，大大降低了AUV的机动性，而且其作用区域也有一定的限制，易受人为或自然的干扰。针对长时间、高精度、安全自主的定位导航的需求，AUV水下定位导航技术发展本文档来自技高网...

【技术保护点】
1.一种基于高斯过程回归学习的水下地形匹配定位方法，其特征是：/n(1)构建包含水下地图噪声、地图插值噪声、多波束测深声呐测量噪声以及压力传感器测量深度噪声的水下地形匹配定位量测模型；/n(2)选择地形搜索区域并网格化，并依据地形变化程度，选取波束模式，根据姿态传感器测量的横摇和纵摇值，将测量的斜距和波束角转换为载体坐标系下的水深值、横向距和纵向距并记录；/n(3)利用高斯过程回归对多波束测深声呐实测地形进行学习，插值重构实测地形z

【技术特征摘要】
1.一种基于高斯过程回归学习的水下地形匹配定位方法，其特征是：
(1)构建包含水下地图噪声、地图插值噪声、多波束测深声呐测量噪声以及压力传感器测量深度噪声的水下地形匹配定位量测模型；
(2)选择地形搜索区域并网格化，并依据地形变化程度，选取波束模式，根据姿态传感器测量的横摇和纵摇值，将测量的斜距和波束角转换为载体坐标系下的水深值、横向距和纵向距并记录；
(3)利用高斯过程回归对多波束测深声呐实测地形进行学习，插值重构实测地形zk，并获取量测噪声的插值不确定度即协方差ek；同时，根据水下参考数字地图，结合多波束测深声呐测量载体坐标系下的水深值、横向距和纵向距对搜索区域网格位置进行待匹配地形学习，插值重构待匹配地形h(xk)，并获取相应不确定度εk；
(4)结合插值重构地形的不确定度，基于极大似然估计法对插值重构实时地形和待匹配地形进行匹配，遍历计算搜索区域每个网格对应的似然函数值，选取似然函数值最大的位置作为估计位置。


2.根据权利要求1所述的基于高斯过程回归学习的水下地形匹配定位方法，其特征是所述的水下地形匹配定位量测模型表示为：



其中，zk为多波束测深声呐测量深度与压力传感器测量航行器距水面深度之和；xk为k时刻水下航行器北向和东向位置；h(·)为地图水深插值函数；ek为量测噪声，包括多波束测深声呐测量水深噪声和压力传感器测量航行器深度噪声；εk为地图插值重构噪声，包含了地图噪声，由高斯过程回归学习插值重构给出。


3.根据权利要求2所述的基于高斯过程回归学习的水下地形匹配定位方法，其特征是：所述的选择地形搜索区域是根据惯性导航系统漂移误差特性确定的，搜索区域选取规则为：



其中，S表示搜索区域，和为惯性导航在k时刻指示在地图上北向和东向位置；和为...

【专利技术属性】
技术研发人员：周天，彭东东，徐超，杜伟东，张万远，沈嘉俊，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23