Nouveaux filtres particulaires pour la navigation sous-marine par fusion multi-capteurs
PALMIER, Camille
Institut de Mathématiques de Bordeaux [IMB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Institut de Mathématiques de Bordeaux [IMB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
PALMIER, Camille
Institut de Mathématiques de Bordeaux [IMB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
< Leer menos
Institut de Mathématiques de Bordeaux [IMB]
Méthodes avancées d’apprentissage statistique et de contrôle [ASTRAL]
Idioma
en
Thèses de doctorat
Escuela doctoral
École doctorale de mathématiques et informatique (Talence, Gironde ; 1991-....)Resumen
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 ...Leer más >
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).< Leer menos
Resumen en inglés
The goal of this thesis is to develop and study robust particle filters for underwater terrain aided navigation. The studied filters allow the control of the Monte Carlo approximation errors that are created by the evaluation ...Leer más >
The goal of this thesis is to develop and study robust particle filters for underwater terrain aided navigation. The studied filters allow the control of the Monte Carlo approximation errors that are created by the evaluation of the integrals and to the resampling step.The first strategy consists in maintaining the consistency between the likelihood and the prior density by adapting the support of the likelihood. In that way, the particles’ weights degeneracy is slowed down, which reduces the resampling frequency and thus the cases of divergence. This approach is called Adaptive Approximate Bayesian Computation (A2BC) and is integrated within the Regularised Particle Filter (RPF) and the Rao-Blackwellised Particle Filter (RBPF).The second strategy is based on the choice of the importance density whose support overlaps the conditional density. The proposed filter is called the Interacting Weighted Ensemble Kalman Filter (IWEnKF), and is based on the Weighted Ensemble Kalman Filter (WEnKF). The Interacting Weighted Ensemble Kalman Filter analytically computes the support of the importance density to ensure an optimal overlap with the conditional density, therefore reducing Monte Carlo fluctuations.The proposed filters (Adaptive Approximate Bayesian Computation-Particle Filters and Interacting Weighted Ensemble Kalman Filter) were applied to an underwater terrain-aided navigation case. The underwater vehicle was equipped with a multi-beam telemeter, an atomic gravimeter, and numerical maps associated with the sensors (multi-beam telemeter and atomic gravimeter) stored in an on-board computing system. The results show an improvement of the accuracy and of the robustness to non-linearities for the Adaptive Approximate Bayesian Computation-Particle Filters and the Interacting Weighted Ensemble Kalman Filter compared to conventional particle filters (Regularised Particle Filter, Rao-Blackwellised Particle Filter, and Weighted Ensemble Kalman Filter).< Leer menos
Palabras clave
Navigation sous-Marine
Filtres particulaires
Fusion multi-Capteur
Corrélation de terrain
Palabras clave en inglés
Underwater navigation
Particle filters
Multi-Sensor fusion
Terrain-Aided navigation
Orígen
Importado de HalCentros de investigación