Nouveaux filtres particulaires pour la navigation sous-marine par fusion multi-capteurs

Abstract

Les travaux présentés dans ce mémoire de thèse portent sur le développement et l’étude de filtres particulaires robustes pour la navigation sous-marine par corrélation de terrain. En effet, les filtres développés permettent de contrôler l’erreur de l’approximation Monte Carlo due aux approximations d’intégrales et à l’étape de ré-échantillonnage.Une première stratégie consiste à maintenir la cohérence entre la vraisemblance et la densité prédite en approchant la vraisemblance par un noyau adaptatif. Ainsi, les poids des particules dégénèrent plus lentement ce qui permet de réduire les cas de divergence du filtre. Cette méthode est appelé Adaptive Approximate Bayesian Computational (A2BC) et a été intégrée aux filtres Regularised Particle Filter (RPF)et Rao-Blackwellised Particle Filter (RBPF).Une seconde stratégie est fondée sur le choix d’une densité d’importance dont le support recouvre celui de la densité conditionnelle. Cette stratégie a été intégrée à un filtre particulaire qui se nomme l’Interacting Weighted Ensemble Kalman Filter (IWEnKF) et qui a pour base le Weighted Ensemble Kalman Filter (WEnKF). L’IWEnKF calcule analytiquement le support de la densité d’importance afin d’assurer unrecouvrement optimal avec la densité conditionnelle, ce qui permet de réduire les fluctuations Monte Carlo.Ces nouveaux filtres ont été appliqués au recalage de navigation inertielle d’un véhicule sous-marin par corrélation de terrain. Le véhicule sous-marin est équipé d’un sondeur multi-faisceaux, d’un gravimètre et de cartes numériques embarquées associées aux capteurs stockées dans le calculateur de bord. Les résultats obtenus montrent une nette amélioration en termes de précision et de robustesses pour les filtres A2BC etl’IWEnKF par rapport aux filtres particulaires classiques (RPF, RBPF et WEnKF).