摘要
???本研究针对自主水下航行器(AUV)与移动式对接站(MDS)在低带宽、高延迟、具有较大抖动的声学通信链路下的实时状态估计问题进行了研究,旨在将延迟或顺序错乱的测量数据(OOSM)转化为一致且具有信息量的约束条件,同时不影响系统的在线运行。我们提出了一种集成方案,该方案基于延迟补偿扩展卡尔曼滤波器(DC-EKF):通过环形缓冲区实现数据向后更新和向前回放,确保OOSM能够在其对应的物理时间戳处被准确处理;通过结合“有效信息增益”和归一化估计误差平方(NEES)滤波来确定数据驱动的延迟阈值;此外,根据创新统计量、延迟以及信噪比(SNR)等参数动态调整融合权重,以适应不同情况下的测量噪声。仿真结果表明,所确定的延迟阈值约为6.4秒(最终为6.35秒),测量误差得到了有效抑制,整体位置均方根误差(RMSE)为5.751米;在整个数据流中,共有1067个站点测量数据被接受,30个被拒绝,并且融合权重随时间从以惯性测量单元(IMU)为主逐渐转变为以站点测量数据为主(比例约为0.16/0.84)。在此基础上,进一步引入了基于协同的扩展卡尔曼滤波器(Co-Aug-EKF)作为轻量级上层模块,实现统一框架下的协同估计,显著提高了估计结果的可靠性以及对接的准确性。研究结果表明,该框架能够将延迟的声学测量数据可靠地转化为可用于闭环控制的可用信息,大大增强了估计器的稳定性和对接的可靠性,同时具备易于部署和扩展的优点。


