1. 研究目的与意义（文献综述）

1、课题研究目的、意义及国内外的研究现状1.1课题研究目的及意义世界海洋覆盖地球表面的三分之二，对整个历史中的人类福祉至关重要。

就像在古代一样，他们使国家之间的货物运输成为可能。

目前，海洋是粮食和石油和天然气等其他资源的重要来源，在近期，我们看到海上采矿业的出现以及天然气水合物的开采，同样，海洋也可能通过飓风和海啸等自然现象威胁人类安全并破坏基础设施[1]。

2. 研究的基本内容与方案

2、课题研究内容、目标2.1内容随着对卡尔曼滤波理论的不断深入了解，其在众多领域内都有了很大的应用。

本课题研究基于cubature卡尔曼滤波的水下机器人目标跟踪算法，主要研究问题是cubature卡尔曼滤波（ckf）。

首先应该知道卡尔曼滤波器是一种由卡尔曼（kalman）提出的用于时变线性系统的递归滤波器[6][13]。

3. 研究计划与安排

3、进度安排1) 第1周~第3周，完成文献查阅、文献翻译和开题报告 2) 第4周~第5周，学习掌握MATLAB软件3) 第6周~第12周，实现基于Cubature卡尔曼滤波的水下机器人目标跟踪算法，并进行仿真验证 4) 第13周~第16周，撰写全文，提交指导老师查验。

论文查重通过后，完成PPT

4. 参考文献（12篇以上）

4、参考文献[1] 徐玉如, 李彭超. 水下机器人发展趋势[J]. 自然杂志, 2011, 33(3): 125-132.[2] 彭学伦. 水下机器人的研究现状与发展趋势[J]. 机器人技术与应用, 2004 (4): 43-47.[3] Jian Xu, Mingze Xu. The Bearing Only Target Tracking of UUV based on Cubature Kalman Filter with Noise Estimator [C]. Proceedings of the 36th Chinese Control Conference, 2017, Dalian, China: 5288-5293[4] WANG Ying, WANG Hongjian. Methods of Target Motion Estimation for AUV Target Tracking [C]. Proceedings of 2016 IEEE International Conference on Mechatronics and Automation, Harbin, China: 2139-2144[5] M Poostpasand, R Javidan. An adaptive target tracking method for 3D underwater wireless sensor networks [J]. Wireless Networks, 2017,23(5):1-14[6] R E Kalman. A New Approach to Linear Filtering and Prediction Problems [J]. ASME Journal of Basic Engineering Transactions, 1960, 82: 35-45[7] 刘万利,张秋昭. 基于Cubature卡尔曼滤波的强跟踪滤波算法 [J]. 系统仿真学报, 2014, 26(5): 1102-1107[8] 王艳艳，刘开周，封锡盛.基于强跟踪平方根容积卡尔曼滤波的纯方位目标运动分析方法[J].计算机测量与控制，2016（2016年11）：136-140[9] 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[10] Arasaratnam I, Haykin S. Cubature kalman filters[J]. IEEE Transactions on automatic control, 2009, 54(6): 1254-1269.[11] 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[12] 赵利强，罗达灿，王建林，等.自适应跟踪容积卡尔曼滤波算法[J].北京化工大学学报（自然科学版），2013,40（3）：98-103[13] Bin Jia, Ming Xin. Adaptive Cubature Kalman filter with directional uncertainties [J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(3): 1477-1486[14] 洪腾腾, 胡绍林. 初值偏差对线性系统状态向量Kalman滤波的影响[J]. 自动化学报, 2017, 43(5): 789-794.[15] P.H.Leong, S.Arulampalam, T.A.Lamahewa, et al. A Gaussian-Sum Based Cubature Kalman Filter for Bearings-Only Tracking [J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(2): 1161-1176[16] 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