自主水下机器人(UUV,Unmanned Underwater Vehicle)作为一个费用低、可以替代人或可以遥控的系统已经得到了广泛的应用,如在海洋开发、军事活动等领域发挥的重要作用。但随着人们对UUV能力的要求不断提高,使得UUV的使命变得越来越复杂,然而其自主性不高却限制了它在很多方面的潜在应用。由于UUV在军事和民用方面的重要性,很多国家已经制定了水下机器人发展规划,其中重点研究使其其有三大自主性,自主能量、自主导航、自主决策。鉴于对UUV自主性发展的迫切要求,所以进行UUV的自主性研究是必要的。进行UUV的自主性研究必须要UUV自身能够感知周围的环境,然后通过对环境的感知和自身的态势进行决策。UUV能够感知环境,必须需要UUV能够具有对传感器信息的处理,融合能力。　　 本文的研究工作依托中国科学院重大基础科研项目等课题,在总结国内外研究成果的基础上,借鉴其它领域的研究成果,重点研究了单(多)UUV对纯方位信息的处理(融合)能力。具体的研究内容为:　　 (1)水下机器人纯方位跟踪的基本理论　　 本部分对应用于水下机器人纯方位跟踪基本理论的各部分做了介绍。首先介绍了纯方位跟踪中的笛卡尔坐标系和修正极坐标系,并给出了两种坐标系下的数学模型;然后分绍了用于跟踪的各种经典滤波算法,重点介绍了基于UT变换的无迹卡尔曼滤波理论和粒子滤波理论;最后还给出了后面用于滤波的初始化方法。这些理论为单目标水下机器人纯方位跟踪奠定了理论基础。　　 (2)鲁棒滤波在纯方位跟踪中的应用　　 由于实际跟踪系统的模型具有很多不确定性,如初始化的不确定性、观测噪声的不确定性,状态噪声不确定性等等。这些不确定性使得在使用基于卡尔曼滤波框架的最小均方差估计滤波算法实施跟踪过程中,鲁棒性会很差。本部分根据线性H滤波算法,利用SUT变换去近似估计随机变量函数的均值与方差,推导出了鲁棒滤波算法,并分别推导出了基于笛卡尔坐标系的CC-SUT-H∞缝方位滤波算法和基于修正极坐标系MPC-SUT-H∞绝方位滤波算法。并在修正极坐标系和笛卡尔坐标系下进行了仿真验证,得到了修正极坐标系下的鲁棒滤波跟踪最优的结果。　　 (3)杂波环境下,水下机器人纯方位跟踪方法　　 实际的跟踪环境往往是多目标环境或多杂波环境,也就是说自主水下机器人所携带的传感器得到的信息可能是含有杂波的单目标信息或者是含有杂波的多目标信息,所以在水下机器人进行纯方位跟踪时要首先要利用数据关联技术将传感器的一测与目标相关联,然后再进行滤波的更新。本部分首先总结了用于多杂波多目标环境的数据关联方法,根据RB粒子滤波算法;并结合前人的研究成果,根据水下纯方位跟踪的特殊环境,推导了基于RB粒子滤波数据关联水下纯方位跟踪算法,并将该种数据关联算法与上一部分的鲁棒滤波算法和无迹卡尔曼滤波相结合,实现水下单观测载体和双观测载体在多杂波环境下的纯方位目标跟踪算法。通过仿真验证,能对目标实施有效的跟踪。　　 (4)水下机器人纯方位跟踪实验　　 根据前面的理论知识,通过对现场实验数据进行在两种坐标系下的扩展卡尔曼滤波处理,得到修正极坐标系下的滤波方法比笛卡尔坐标系优的特点。最后通过对两组相似实验数据通过给定不同的初始先验距离,进行无迹卡尔曼滤波和鲁棒滤波进行算法比较,通过这两组数据的分析，鲁棒滤波的性能要好于无迹卡尔曼滤波。