面向声学延迟下 UUV 协作导航的异步双速率卡尔曼滤波器

在 GNSS 屏蔽的 underwater 环境中，单个无人水下航行器（UUV） suffer from 无界的自航误差漂移，使得协作导航对于准确的状态估计至关重要。然而，水下声学信道固有的严重通信延迟对实时状态估计提出了严峻挑战。传统滤波器，如扩展卡尔曼滤波器（EKF）或无迹卡尔曼滤波器（UKF），通常在等待延迟数据时阻塞主控制回路，或完全丢弃延迟测量（OOSM），导致严重漂移。为此，我们提出一种增强由 novel 投影机制提升的 Asynchronous Two-Speed Kalman Filter（TSKF），称为变分历史提炼（VHD）。该提议的体系结构将估计过程解耦为两个平行线程：一个高速率线程利用经 Gaussian Process（GP）补偿的自航漂移确保高频率的实时控制，一个低速率线程专门处理异步延迟的协作信息。通过引入有限长度的状态缓冲区，算法将延迟测量（t-T）应用于其对应的历史状态，并利用 VHD 基于投影的机制，将纠正快速前进到当前时间，而无需计算密集的重新计算。仿真结果表明，在严重延迟（最高达 30 秒）下，所提出的 TSKF 保持轨迹均方根误差（RMSE）相当于计算密集的 batch-优化方法。以亚毫秒级执行时间，显著优于标准 EKF/UKF。结果表明，有效的控制、通信和计算（3C）协同设计显著增强了自主海洋自动化系统的韧性。