课题推荐

推荐课题：

复杂水下环境下基于自适应鲁棒误差状态卡尔曼滤波的AUV SINS/DVL组合导航定位研究

英文：

Adaptive Robust Error-State Kalman Filtering for AUV SINS/DVL Integrated Navigation in Complex Underwater Environments

该课题属于水下无人系统（AUV）、惯性导航、组合导航和多传感器融合领域的经典研究方向。

整体研究路线非常清晰：

1. 建立AUV纯惯性导航系统；
2. 分析纯INS长期运行时的位置漂移问题；
3. 引入DVL速度辅助信息构建SINS/DVL组合导航系统；
4. 针对DVL异常、噪声变化和短时失锁设计改进滤波算法。

该方向具有以下特点：

• 理论成熟，有大量论文基础；
• MATLAB容易实现；
• 不需要复杂硬件；
• 创新点容易扩展；
• 适合作为本科毕设、硕士课题以及工程算法验证项目。

研究背景

自主水下航行器（Autonomous Underwater Vehicle，AUV）广泛应用于海洋测绘、水下探测、目标搜索和军事侦察等任务。

由于水下环境无法接收GNSS卫星信号，AUV通常依靠惯性导航系统（INS）实现自主定位。

惯性导航系统利用陀螺仪和加速度计测量角速度和比力，通过积分计算速度和位置。

然而：

• 陀螺零偏会导致姿态误差不断增加；
• 加速度计偏置会造成速度误差积累；
• 位置误差经过二次积分快速发散。

因此，单独依靠惯性导航时：

短时间内具有较高精度，但长时间运行会产生明显漂移。

DVL（Doppler Velocity Log，多普勒测速仪）利用声学多普勒效应测量AUV相对于海底或水体的运动速度。

由于速度信息不会经过积分累积，因此DVL能够有效约束惯性导航误差。

因此：

SINS/DVL组合导航是目前AUV最经典、最工程化的导航方案之一。

推荐技术路线

整体框架如下：

IMU | ↓ ┌────────────────┐ │ SINS机械编排 │ └────────────────┘ | ↓ 惯性导航状态预测 | | ↓ ┌────────────────┐ DVL --->│ 自适应鲁棒ESKF │ └────────────────┘ | ↓ 误差估计反馈 | ↓ AUV位置/速度/姿态

其中：

• INS负责高频预测；
• DVL负责速度约束；
• ESKF负责误差估计和状态修正。

基础模型

惯性测量模型

陀螺仪输出：

ω~ibb=ωibb+bg+ng \widetilde{\omega}_{ib}^{b}= \omega_{ib}^{b} + b_g + n_gωibb​=ωibb​+bg​+ng​
其中：

• ωibb\omega_{ib}^{b}ωibb​：真实角速度；
• bgb_gbg​：陀螺零偏；
• ngn_gng​：陀螺噪声。

加速度计输出：

f~b=fb+ba+na \widetilde{f}^{b}= f^{b} + b_a + n_af​b=fb+ba​+na​

其中：

• fbf^bfb：真实比力；
• bab_aba​：加速度计零偏；
• nan_ana​：加速度噪声。

惯性导航方程

速度更新：

v˙n=Cbnfb+gn \dot{v}^{n}= C_b^n f^b + g^nv˙n=Cbn​fb+gn

位置更新：

p˙n=vn \dot{p}^{n}= v^np˙​n=vn

由于：

a→v→p a \rightarrow v \rightarrow pa→v→p

存在两次积分过程，因此IMU误差会不断放大。

INS/DVL组合导航模型

DVL输出速度：

v~DVLd=vDVLd+nDVL \widetilde{v}_{DVL}^{d}= v_{DVL}^{d} + n_{DVL}vDVLd​=vDVLd​+nDVL​

转换到导航坐标系：

v~DVLn=CbnCdbv~DVLd\widetilde{v}_{DVL}^{n}= C_b^nC_d^b \widetilde{v}_{DVL}^{d}vDVLn​=Cbn​Cdb​vDVLd​
组合导航采用速度差作为观测量：

zk=vINS,kn,vDVL,kn z_k= v_{INS,k}^{n}, v_{DVL,k}^{n}zk​=vINS,kn​,vDVL,kn​

然后利用卡尔曼滤波估计：

• 姿态误差；
• 速度误差；
• 位置误差；
• IMU零偏。
  

ESKF误差状态模型

经典15维误差状态：

δx=[δθTδvTδpTbgTbaT]T \delta x= [ \delta\theta^T \delta v^T \delta p^T b_g^T b_a^T ]^Tδx=[δθTδvTδpTbgT​baT​]T

推荐创新点设计

创新点1：DVL质量检测

问题：

DVL并不是一直可靠。

例如：

• 海底反射弱；
• 气泡干扰；
• 海底距离过远；
• 声学环境变化。

利用新息统计判断DVL质量。

优点：

实现简单，而且具有统计意义。

创新点2：DVL测量噪声自适应

实际DVL：正常环境：噪声小；复杂环境：噪声大。

当DVL质量下降：自动增大R。

效果：降低错误DVL数据对导航结果的影响。

创新点3：鲁棒滤波抑制异常值

创新点4：DVL失锁恢复机制

设置DVL状态：

正常 ↓ 退化 ↓ 失锁 ↓ 恢复

失锁期间不更新.恢复阶段逐渐恢复DVL权重：

避免DVL重新出现时造成滤波突变。

创新点5：DVL比例因数在线估计（推荐）

MATLAB仿真设计

运动轨迹

建议：

0-200s 直线航行 200-400s 转弯 400-600s 加速 600-800s S型机动 800-1000s 深度变化

传感器参数

示例：

9. 实验对比

建议比较：

算法	作用
Pure INS	展示漂移
INS/DVL EKF	基础方法
INS/DVL ESKF	标准误差状态
Adaptive ESKF	噪声自适应
Robust Adaptive ESKF	最终算法
典型运动剖面：

代码定制、讲解等，可联系我