Multi-sensor data fusion for underwater positioning

Abstract

El problema de la navegación de un vehículo submarino puede formalizarse mediante tres preguntas: posición, destino y trayectoria, es decir, "¿en qué lugar del océano está?", "¿a dónde va?" y "¿cómo puede llegar hasta allí?". Esta tesis doctoral se centra en encontrar la respuesta a la primera de esas tres preguntas, lo que también se conoce como posicionamiento o localización de los vehículos autónomos submarinos, una cuestión cada vez más importante para la economía azul. La existencia y disponibilidad de los sistemas GNSS (Global Navigation Satellite System puede dar la impresión de que el problema de la navegación submarina está casi resuelto. Sin embargo, las señales GNSS son inaccesibles en escenarios submarinos debido a la casi imposible propagación de las ondas electromagnéticas de frecuencias usadas por esos sistemas. Por otro lado, los sensores para vehículos submarinos disponibles en el mercado y que podrían usarse para su posicionamiento tienen sus propias deficiencias. La fusión de datos de múltiples sensores ofrece una alternativa eficiente y eficaz para lograr este objetivo. Sin embargo, el desarrollo de nuevos métodos de fusión de datos multisensor y su aplicación en escenarios subacuáticos están aún por explorar, ya que los enfoques más recientes se han aplicado principalmente a entornos terrestres y aéreos. En esta tesis se han realizado dos contribuciones. La primera trata de llenar el vacío arriba mencionado mediante el desarrollo de una novedosa arquitectura de fusión multisensor que combina redes neuronales y filtros ESKF, para la aplicación de navegación submarina. La segunda contribución de la presente tesis doctoral se refiere a la mejora del filtro de Kalman adaptativo, ya que en el entorno submarino es difícil conocer el modelo del sistema y las características del ruido, que son requisitos previos para los algoritmos de fusión multisensor basados en el filtrado Kalman.