CN110333369B - 基于水面gps校正的uuv的dvl测速系统及自适应去噪方法 - Google Patents

Abstract

本发明属于船舶领域，公开了基于水面GPS校正的UUV的DVL测速系统及自适应去噪方法，包含如下步骤：步骤(1)：令UUV在水面航行，DVL测出UUV的对海底速度，GPS测出UUV的速度；步骤(2)：将DVL测出的UUV的对海底速度和GPS测出的UUV的速度输入数据比对模块，再得到DVL测速噪声成型滤波器；基于DVL测速噪声成型滤波器得到DVL测速噪声增广卡尔曼滤波器；步骤(3)：UUV水下航行时，先使DVL测出的UUV的对海底速度输入DVL测速噪声成型滤波器将有色噪声白化得到含有白噪声的速度信息，然后将含有白噪声的速度信息输入DVL测速噪声增广卡尔曼滤波器，得出精准的速度信息；步骤(4)：重复步骤(3)。本发明测速准确度高，得到的速度信息更精准，可以用于闭环控制及导航。

Description

基于水面GPS校正的UUV的DVL测速系统及自适应去噪方法

技术领域

本发明属于船舶领域，尤其涉及基于水面GPS校正的UUV的DVL测速系统及自适应去噪方法。

背景技术

无人潜航器是没有人驾驶、靠遥控或自动控制在水下航行的器具，主要指那些代替潜水员或载人小型潜艇进行深海探测、救生、排除水雷等高危险性水下作业的智能化系统。因此，无人潜航器也被称为“潜水机器人”或“水下机器人”。无人潜航器按应用领域，可分为军用与民用。在军用领域上，无人潜航器可作为一种新概念武器中无人作战平台武器。从这某层意义上说，无人潜航器的作用和无人机作用差不多。

早期的水下无人潜航器只是用于民用领域，可以代替潜水员进行沉船打捞、深水勘探以及水下电缆铺设等作业和施工。直到上个世纪90年代，无人潜航器的相关技术发展相对成熟，其在军事领域的重要价值才日渐被人们重视。美海军水文和海洋单位使用配备有大量传感器的UUV绘制海床图，为潜艇和两栖作战计划提供必要数据。无人潜航器也用于搜救、情报、监视和侦察任务。同时，美国已经开始测试一种新型深海UUV用于跟踪敌方潜艇，开发时序要求严格的打击能力也成为一种实际可能。它可通过远程操作来进攻——将会支撑起舰队行动、海上拒止、海洋封锁等任务，控制住重要的海洋航线。它可作为诱饵将敌潜艇诱骗离开舰艇编队，在其他兵器协同下进行围歼；可对水面、水下目标进行侦察或敌侦察进行反侦察，或者作为潜艇的外部声传感器平台，扩大潜艇的搜索和侦察范围或组成反潜警戒线；可深入敌布设的水雷区绘制雷区图，引导己方舰艇安全通过雷区或为己方扫/猎雷舰提供支援；可布放水雷并对己方所布水雷区。专家认为，不用惧怕恶劣的水文环境和海底极高的危险度，可以长时间、高密级地侦察搜集水中的各种情报，是未来战争当之无愧的“海底侦察兵”。

水下无人航行器UUV在水下运行时的速度信息对于它自身的航行尤为重要。水下无人航行器在水下航行时，无法使用全球卫星导航定位系统GPS信号来测速与定位。其在水下工作时大多依靠高频声学多普勒测速仪DVL去进行测速，速度信息对于水下无人航行器的航位推算、闭环控制以及导航都起着重要的作用。但在航行器内部有很多电磁干扰、传感器等产生的噪声，单独使用DVL测速，难以满足UUV对速度测量的日益迫切的高精度要求，可能导致航行器水下航位推算失准，导航精度过低等情况的发生。

申请号为201410032817.7的专利公开了基于SINS/DVL/GPS的AUV组合导航系统，包括SINS系统、GPS接收机、DVL计程仪和数据融合中心，所述SINS系统、GPS接收机、DVL计程仪和数据融合中心均安装在AUV上；当AUV位于水面时，所述优化滤波模块结合SINS系统导航信息，对应于SINS系统的伪距、伪距率，以及GPS接收机输出的可用星历数据进行滤波融合计算，得到校正信息；当AUV位于水下时，所述优化滤波模块结合SINS系统输出的导航信息，以及DVL计程仪输出的三维航速信息进行滤波融合计算，得到校正信息。本发明提高了系统导航定位精度及鲁棒性，实现了不间断的水下及水面载体高精度导航跟踪功能。但该系统结构复杂，可靠性不高，对于一些短航时水下航行器成本过高，不利于推广。

发明内容

本发明的目的在于公开精度高、可靠性高的基于水面GPS校正的UUV的DVL测速系统及自适应去噪方法。

本发明的目的是这样实现的：

基于水面GPS校正的UUV的DVL测速系统，包括DVL、GPS、数据比对模块、DVL测速噪声成型滤波器、DVL测速噪声增广卡尔曼滤波器、控制器和执行机构；

GPS安装在UUV顶部，DVL安装在UUV底部，DVL的对海底速度输出端与数据比对模块的第一速度输入端连接，DVL的对海底速度输出端还和DVL测速噪声成型滤波器的输入端连接，GPS的速度输出端与数据比对模块的第二速度输入端连接，数据比对模块的输出端与DVL测速噪声成型滤波器的输入端连接，DVL测速噪声成型滤波器的输出端与DVL测速噪声增广卡尔曼滤波器的输入端连接，DVL测速噪声增广卡尔曼滤波器的输出端与控制器的输入端连接，控制器的输出端与执行机构连接。

基于水面GPS校正的UUV的DVL测速自适应去噪方法，包含如下步骤：

步骤(1)：令UUV在水面航行，DVL测出UUV的对海底速度，GPS测出UUV的速度；

步骤(2)：将DVL测出的UUV的对海底速度和GPS测出的UUV的速度输入数据比对模块，得到DVL有色噪声功率谱密度函数，然后通过DVL有色噪声功率谱密度函数得到有色噪声传递函数，再将有色噪声传递函数离散化得到DVL测速噪声成型滤波器；基于DVL测速噪声成型滤波器得到DVL测速噪声增广卡尔曼滤波器；

步骤(3)：UUV水下航行时，先使DVL测出的UUV的对海底速度输入DVL测速噪声成型滤波器将有色噪声白化得到含有白噪声的速度信息，然后将含有白噪声的速度信息输入DVL测速噪声增广卡尔曼滤波器，得出精准的速度信息。

本发明还包括：

步骤(3)具体包括：

步骤3.1：DVL在k时刻的预测速度的增广状态方程x(k)由k-1时刻的速度进行推算：

步骤3.2：DVL在k时刻观测速度值为z(k)＝H(k)x(k)；

步骤3.3：由上一时刻的误差协方差矩阵来预测新的误差协方差矩阵：

其中：Q为系统噪声方差矩阵；Γ₂为增广后的系统噪声驱动阵

步骤3.4：更新的卡尔曼增益K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T]^-1；

步骤3.5：最优滤波速度值

其中：

为k时刻的最优速度值，即为所需的较为精确速度值；

步骤3.6：更新误差协方程矩阵P(k)＝[I-K(k)H₂]P(k|k-1)，为下一步k+1时刻预测新的误差协方差做准备，H为增广后的量测矩阵；

步骤3.7：令k＝k+1，返回步骤3.1进行新一轮迭代计算。

本发明的有益效果为：

本发明只需运用自身携带的GPS系统与DVL测速信息进行比对，运用由其得出DVL测速噪声成型滤波器及增广卡尔曼滤波器，就可以滤除UUV自身内部电磁干扰及传感器等产生的噪声，使DVL测速准确度得到有效提高，得到更精准的速度信息，以用于闭环控制及导航等。本发明操作简便，装置结构性简单，造价低，可靠性高，很好地节约了成本、提高了效率。

附图说明

图1是基于水面GPS校正的UUV的DVL测速系统示意图；

图2是基于水面GPS校正的UUV的DVL测速系统原理结构框图；

图3是基于水面GPS校正的UUV的DVL测速自适应去噪方法流程图。

具体实施方式

下面结合附图来进一步描述本发明：

如图1，一种基于水面GPS校正的UUV的DVL测速系统，包括高频声学多普勒测速仪DVL、全球定位系统GPS、数据比对模块、成型滤波器和增广卡尔曼滤波器；

其中GPS系统安装在UUV顶部，且在水面航行时其天线伸出，可测出UUV的真实速度。DVL系统安装在UUV底部，且随时能够测出UUV对海底实时速度。DVL的对海底速度输出端与数据比对模块的速度输入端一和DVL测速噪声成型滤波器的输入端连接，GPS的速度输出端与数据比对模块的速度输入端二连接，数据比对模块的输出端与DVL测速噪声成型滤波器的输入端连接，DVL测速噪声成型滤波器的输出端与DVL测速噪声增广卡尔曼滤波器的输入端连接，DVL测速噪声增广卡尔曼滤波器的输出端接入UUV控制器。

其中DVL测速噪声成型滤波器得出的方法为：将DVL所测速度与GPS所测速度通入数据比对模块得到DVL有色噪声功率谱密度函数，通过此有色噪声功率谱密度函数得到有色噪声传递函数，将此噪声传递函数离散化得到DVL测速噪声成型滤波器。

DVL测速噪声增广卡尔曼滤波器是基于DVL测速噪声成型滤波器，通过对卡尔曼滤波器运用增广状态向量的方法而得到。

一种基于水面GPS校正的UUV的DVL测速系统自适应去噪方法，包括以下步骤：

步骤一：令UUV在水面航行，UUV的DVL和GPS同时测出UUV的速度信息；

步骤二：将步骤一获得的DVL速度信息和GPS速度信息通入数据比对模块，得到DVL测速噪声成型滤波器，由此成型滤波器得到DVL测速噪声增广卡尔曼滤波器；

步骤三：UUV水下航行时，先使DVL测得速度信息通入DVL测速噪声成型滤波器将有色噪声白化，将得到的含有白噪声的速度信息输入DVL测速噪声增广卡尔曼滤波器，得出较为精准的速度信息。

如图2，为本发明的原理结构框图，本发明首先运用水下无人航行器的GPS系统，在水面航行时，测出UUV的真实速度信息，与DVL获取的速度信息通过数据比对模块进行比对，得到有色噪声的功率谱密度函数，由其得出DVL测速噪声成型滤波器，通过采用增广状态向量的方法由DVL测速噪声成型滤波器得到DVL测速噪声增广卡尔曼滤波器。在水下航行时，将DVL得到的速度信息，依次通入DVL测速噪声成型滤波器以及DVL测速噪声增广卡尔曼滤波器，达到对DVL所测速度信息去噪的目的。为系统反馈更加准确的速度信息。

参照图3，为本发明的具体步骤流程图，本发明的具体流程包括以下步骤：

步骤一：由于GPS在水下无法应用，故令UUV在水面沿着不同方向，进行变速航行一段时间，这时GPS和DVL会同时测出UUV的速度信息。

根据UUV的DVL所测得的速度信息，对其建立状态方程和观测方程，方程如下：

y(k)＝Φ₁(k|k-1)y(k-1)+Γ₁(k-1)w(k-1)；

z(k)＝H₁(k)y(k)+v(k)；

其中给参数含义如下：

y(k)为k时刻UUV的预测速度值，

V_E为东西方向速度，V_N为南北方向速度；

Φ₁为状态转移阵；

w(t)为系统过程噪声，为已知，且为高斯白噪声；

Γ₁为系统噪声驱动阵；

z(k)为k时刻UUV的速度观测值；

H₁为量测阵；

v(t)为系统测量噪声，为有色噪声，主要来自设备内部的电磁干扰等。

步骤二：由于UUV内部存在电磁噪声、以及传感器等产生的噪声，且主要观测噪声为有色噪声，故当UUV在水面航行时，GPS所测出的速度数据精度远高于DVL所测得到的。GPS测出的较为精准的速度信息，与DVL所测信息进行比对，得到噪声信号，通过对其进行傅里叶变换，运用巴塞伐尔定理，再取统计平均可得到噪声的功率谱密度函数，由功率谱密度函数可得到其传递函数，再将其传递函数离散化可得出DVL测速噪声成型滤波器，可对观测噪声进行白化处理，得出的DVL测速噪声成型滤波器如下：

v(k)＝Φ_vv(k-1)+ξ(k-1)；

ξ(t)为零均值的高斯白噪声随机过程；

由于引入了DVL测速噪声成型滤波器，需要对原状态方程和观测方程进行增广扩展。其增广的状态方程为：

观测方程为：z(k)＝H(k)x(k)；

其中H(k)＝[H₁(k) I]，I为单位阵。

Φ₂为状态增广后的状态转移矩阵；

步骤三：在UUV潜入水中后，GPS系统已基本失效。只能用DVL进行测速，故用已经得出的DVL测速噪声成型滤波器对其观测噪声进行白化，再通过DVL测速噪声增广卡尔曼滤波器进行去噪运算，得出最优滤波速度值，具体滤波计算步骤如下：

步骤3.1：DVL在k时刻的预测速度的增广状态方程x(k)由k-1时刻的速度进行推算

步骤3.2：DVL在k时刻观测速度值为z(k)＝H(k)x(k)；

步骤3.3：由上一时刻的误差协方差矩阵来预测新的误差协方差矩阵

步骤3.4：更新的卡尔曼增益K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T]^-1；

步骤3.5：最优滤波速度值

步骤3.6：更新误差协方程矩阵P(k)＝[I-K(k)H₂]P(k|k-1)，为下一步k+1时刻预测新的误差协方差做准备；

步骤3.7：令k＝k+1，返回步骤3.1进行新一轮迭代计算。

其中参数定义如下：

为k时刻的最优速度值，即为所需的较为精确速度值；

Q为系统噪声方差矩阵；

Γ₂为增广后的系统噪声驱动阵；

H为增广后的量测矩阵。

综上，本发明的主要用途是解决单独DVL测速得出的信息由于UUV内部电磁干扰、传感器等产生的噪声等而导致其失准的问题。首先令UUV在水面航行，接收GPS信号，可以得到GPS测速的信息和DVL测速的信息，利用数据比对模块对其测速信息进行比对，得出有色噪声的DVL测速噪声成型滤波器，基于得出的成型滤波器对卡尔曼滤波器进行增广扩展，得到DVL测速噪声增广卡尔曼滤波器。当UUV在水下航行时，将DVL测得的速度信息运用DVL测速噪声成型滤波器将有色噪声白化，再运用DVL测速噪声增广卡尔曼滤波器对DVL所测速度信息进行去噪处理。

Claims (2)

1.基于水面GPS校正的UUV的DVL测速系统，其特征在于：包括DVL、GPS、数据比对模块、DVL测速噪声成型滤波器、DVL测速噪声增广卡尔曼滤波器、控制器和执行机构；GPS安装在UUV顶部，DVL安装在UUV底部，DVL的对海底速度输出端与数据比对模块的第一速度输入端连接，DVL的对海底速度输出端还和DVL测速噪声成型滤波器的输入端连接，GPS的速度输出端与数据比对模块的第二速度输入端连接，数据比对模块的输出端与DVL测速噪声成型滤波器的输入端连接，DVL测速噪声成型滤波器的输出端与DVL测速噪声增广卡尔曼滤波器的输入端连接，DVL测速噪声增广卡尔曼滤波器的输出端与控制器的输入端连接，控制器的输出端与执行机构连接。

2.基于水面GPS校正的UUV的DVL测速系统的自适应去噪方法，其特征在于：包含如下步骤：

步骤(1)：令UUV在水面航行，DVL测出UUV的对海底速度，GPS测出UUV的速度；

步骤(2)：将DVL测出的UUV的对海底速度和GPS测出的UUV的速度输入数据比对模块，得到DVL有色噪声功率谱密度函数，然后通过DVL有色噪声功率谱密度函数得到有色噪声传递函数，再将有色噪声传递函数离散化得到DVL测速噪声成型滤波器；基于DVL测速噪声成型滤波器得到DVL测速噪声增广卡尔曼滤波器；

步骤(3)：UUV水下航行时，先使DVL测出的UUV的对海底速度输入DVL测速噪声成型滤波器将有色噪声白化得到含有白噪声的速度信息，然后将含有白噪声的速度信息输入DVL测速噪声增广卡尔曼滤波器，得出精准的速度信息；

步骤3.1：DVL在k时刻的预测速度的增广状态方程x(k)由k-1时刻的状态方程x(k-1)进行推算：

其中：y(k)为k时刻UUV的预测速度值，v(k)为DVL测速噪声成型滤波器，Φ₂(k|k-1)为状态增广后的状态转移矩阵，Γ₂(k|k-1)为增广后的系统噪声驱动阵；w(k-1)为系统过程噪声；

步骤3.2：DVL在k时刻观测速度值z(k)＝H(k)x(k)；其中，增广后的量测阵H(k)＝[H₁(k)I]，I为单位阵，H₁为量测阵；

步骤3.3：由上一时刻的误差协方差矩阵来预测新的误差协方差矩阵：

其中：Q为系统噪声方差矩阵；Γ₂为增广后的系统噪声驱动阵

步骤3.4：更新的卡尔曼增益K(k)＝P(k|k-1)H^T[HP(k|k-1)H^T]^-1；

其中H与H(k)一样，为增广后的量测阵；

步骤3.5：最优滤波速度值

其中z(k)为k时刻观测速度值；

其中：

为k时刻的最优速度值，即为所需的较为精确速度值；

为k-1时刻的最优速度值，Φ₂为状态增广后的状态转移矩阵；

步骤3.6：更新误差协方程矩阵P(k)＝[I-K(k)H]P(k|k-1)，为下一步k+1时刻预测新的误差协方差做准备，H为增广后的量测矩阵；

步骤3.7：令k＝k+1，返回步骤3.1进行新一轮迭代计算。

Images