New particle filters for underwater terrain-aided navigation using multi-sensor fusion - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

New particle filters for underwater terrain-aided navigation using multi-sensor fusion

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

Résumé

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).
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).
Fichier principal
Vignette du fichier
PALMIER_CAMILLE_2021.pdf (4.18 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03521530 , version 1 (11-01-2022)

Identifiants

  • HAL Id : tel-03521530 , version 1

Citer

Camille Palmier. New particle filters for underwater terrain-aided navigation using multi-sensor fusion. Optimization and Control [math.OC]. Université de Bordeaux, 2021. English. ⟨NNT : 2021BORD0301⟩. ⟨tel-03521530⟩
351 Consultations
225 Téléchargements

Partager

Gmail Facebook X LinkedIn More