抗通信中断的无人 underwater 车状态估计：变分历史蒸馏方法

无人水下车群的可靠运行高度依赖于持续的声学通信。然而，这种通信方法高度易受间歇性中断。当通信中断发生时，标准状态估计器如无信噪比卡尔曼滤波器(UKF)将被迫进行开环预测。如果环境包含未被建模的动态因素(如未知的海流)，这种估计误差将迅速增长，最终可能导致任务失败。为此，本文提出了一种变分历史蒸馏(VHD)方法。VHD将轨迹预测视为一种近似贝叶斯推理过程，将基于物理的标准运动模型与从UUV过去轨迹中直接提取的模式相链接。这通过合成从历史轨迹中蒸馏的“虚拟测量值”来实现。鉴于从历史趋势中 extrapolated 的可靠性会随着预测时段的延长而退化，本文引入了一种自适应置信机制。该机制允许滤波器随着通信中断时间的延长，逐渐降低对虚拟测量值的信任度。广泛的蒙特卡罗模拟在高保真环境中表明，所提出的方法在40秒通信中断期间实现了91%的预测根均方误差(RMSE)降低，将误差从约170米降低到15米。这一结果表明，VHD能够在完全通信丢失的情况下维持稳健的状态估计性能。