1. 本选题研究的目的及意义
近年来，随着海洋资源开发和海洋环境监测需求的不断增长，水下机器人作为一种重要的工具，其应用范围日益扩大。
目标跟踪作为水下机器人完成自主导航、目标识别、水下作业等任务的关键技术之一，一直是国内外研究的热点。
本选题的研究意义在于：（1）推动水下机器人技术的发展：鲁棒的EKF目标跟踪算法能够提升水下机器人在复杂海洋环境下的感知能力，进而提高其自主作业的能力，推动水下机器人在海洋工程、资源勘探、环境监测等领域的应用。
2. 本选题国内外研究状况综述
目标跟踪是现代控制理论的重要研究方向之一，近年来，随着水下机器人技术的快速发展，水下目标跟踪技术也取得了显著的进展。
国内外学者在水下目标跟踪算法方面进行了大量的研究，并取得了一系列成果。
1. 国内研究现状
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本选题研究的主要内容包括：1.研究水下目标跟踪的特点和难点，分析传统EKF算法在水下目标跟踪应用中存在的问题，例如：噪声干扰、非线性模型误差等。
2.研究鲁棒EKF算法，分析其基本原理和实现方法。
4. 研究的方法与步骤
本研究将采用理论分析、算法设计、仿真实验和结果分析等方法，逐步开展研究工作。
首先，对水下目标跟踪技术进行深入研究，分析水下环境的特点和难点，以及传统EKF算法在水下目标跟踪应用中存在的问题。
其次，研究鲁棒EKF算法的基本原理和实现方法，分析其优缺点，并针对传统EKF算法的不足，研究鲁棒统计量、自适应滤波等方法，对EKF算法进行改进，提高算法的鲁棒性和抗干扰能力。
5. 研究的创新点
本研究的创新点在于：1.提出一种基于鲁棒统计量的EKF算法，用于水下机器人目标跟踪。
该算法通过引入鲁棒统计量，例如：M估计、S估计等，对测量噪声和模型误差进行抑制，提高算法的鲁棒性和抗干扰能力。
2.设计一种自适应EKF算法，用于水下机器人目标跟踪。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1. 陈彩莲,徐晓苏,王常虹,等.基于改进容积卡尔曼滤波的AUV自适应目标跟踪控制[J].控制理论与应用,2022,39(01):151-158.
2. 孙玉山,朱大奇,李天华,等.基于改进卡尔曼滤波的AUV组合导航算法[J].哈尔滨工程大学学报,2022,43(01):100-108.
3. 王森,王宏健,刘明雍,等.基于改进IMM-UKF的AUV水下目标跟踪算法[J].系统工程与电子技术,2021,43(11):2982-2990.
