1. 研究目的与意义（文献综述）

如今，科技飞速发展，对于能源和矿产资源的消耗日益加剧，长此以往，陆地资源终有一日会消耗殆尽。众所周知，地球表面有71%被海洋覆盖，海洋中的资源远比陆地资源储量丰富得多，若能对其进行开采利用，必然可以缓解资源危机，而且对海洋的探索可以增加人类对世界的认知，伴随而来的科研不可估量。但是，海洋恶劣的环境，导致勘探困难，作业环境极度危险等问题，使得洋资源的利用发展缓慢。为了安全高效地开采利用海洋资源，水下机器人的开发也逐渐成为了人们的焦点，近年来热度不断上升，得到了越来越多的实际应用。

水下机器人在执行任务作业时，任务成功与否很大程度上取决于目标对象的追踪情况。然而，水下机器人在深水领域工作时要面对复杂的环境，水下噪声会对机器人传感器造成巨大的干扰，因此水下机器人对目标的辨识十分困难，应对复杂的环境情况，传统的目标跟踪算法往往存在着一定的局限性，所以，对于更高效准确的水下机器人目标跟踪算法的研究是有必要的。

2. 研究的基本内容与方案

2.1 研究内容、目标：

1.建立目标运动模型：根据水下目标的运动轨迹特点建立模型。

2.matlab编程：编制基于鲁棒ukf（robust unscentedkalman filter）的水下机器人目标跟踪算法。

3. 研究计划与安排

第 1-3 周，广泛收集国内外相关文献，明确研究内容，确定研究方案，完成英文翻译，撰写开题报告；

第 4-6 周， matlab 编程学习，建立跟踪目标模型；

第 7-8 周，完成跟踪算法编写，运用算法对目标进行跟踪模拟试验；

4. 参考文献（12篇以上）

[1]r e kalman. a new approach to linearfiltering and prediction problems [j]. asme journal of basic engineeringtransactions, 1960, 82: 35-45
[2]郭蕴华,严新平,石德乾,等.视线坐标系下的解耦无偏转换测量kalman滤波算法.系统工程与电子技术, 2007,29(11): 1811-1814
[3]张铁栋, 万磊, 王博, 等. 基于改进粒子滤波算法的水下目标跟踪 [j].上海交通大学学报, 2012,46(6): 943-948
[4]jian xu, mingze xu. the bearing only target tracking of uuv based oncubature kalman filter with noise estimator [c]. proceedings of the 36thchinese control conference, 2017, dalian, china: 5288-5293
[5]wang ying, wang hongjian. methods of target motion estimation for auv targettracking [c]. proceedings of 2016 ieee international conference on mechatronicsand automation, harbin, china: 2139-2144
[6]m poostpasand, r javidan. an adaptive target tracking method for 3dunderwater wireless sensor networks [j]. wireless networks, 2017,23(5):1-14
[7]尹建君, 张建秋, 林青. unscented卡尔曼滤波-卡尔曼滤波算法 [j]. 系统工程与电子技术, 2008, 30(4): 617-620
[8]王小旭, 梁彦, 潘泉. 带有色量测噪声的非线性系统unscented卡尔曼滤波器 [j]. 自动化学报, 2012 , 38 (6) :986-998
[9]ronghui zhan，jianwei wan. iteratedunscented kalman filter for passive target tracking [j]. ieee transactions onaerospace and electronic systems, 2007, 43(3): 1155-1163
[10] afshin rahimi，krishna dev kumar，hekmat alighanbari. enhanced adaptive unscented kalman filter forreaction wheels [j]. ieee transactions on aerospace and electronic systems,2015, 51(2): 1568-1575

[11] chang l , hu b , chang g , et al.huber-based novel robust unscented kalman filter[j]. iet science, measurementamp; technology, 2012, 6(6):502.

[12]孙枫, 唐李军. cubature卡尔曼滤波与unscented卡尔曼滤波估计精度比较 [j]. 控制与决策, 2013, 28(2): 303-308