综合互信息、距离、估计协方差建立观测量选择的性能函数。考虑到各因素的单位不一致，进行归一化处理。以AUV4为例进行说明，假设k时刻AUV4观测到AUVi的互信息为Ii，相互距离为ρi，估计协方差为Pi，其中i＝1，…，9，i≠4。

则AUV4对AUVi的性能评价值为：

其中，

为了验证综合互信息、相对距离、估计协方差建立的性能函数优于其他方式建立的性能函数，进行以下仿真。仿真中引入另外两种性能函数和，分别为基于互信息和距离的性能函数、基于估计协方差和距离的性能函数。同时将基于互信息、估计协方差和距离的性能函数标记为。由于组网AUV采用主从式结构分布时，可以根据从AUV对主AUV量测的选取数量更加直观地表现出性能函数在选取观测量方面的优劣，基于此该仿真中采用主从式结构分布。仿真中统一选取3组观测量进行协同导航处理。

在试验中组网AUV由9个AUV组成，其中有2个装备高精度传感器，其余7个装备低精度传感器。航速为6节，初始航向角为85°，角速度为－0．3°／s。高精度AUVi，i＝3，5的定位传感器精度为低精度AUVi，i＝1～9，i≠3、5的定位传感器精度为自主定位传感器更新频率为1 Hz，水声测量更新频率为0．1 Hz，水声测量精度＝（8 m）2。单次仿真250 s，蒙特卡洛仿真100次。

由于各个AUV的定位结果是类似的，将以AUV4的仿真结果为例进行说明。图6-1为AUV4的100次蒙特卡洛仿真误差统计平均值，由上到下依次为无量测、熵1选取量测、熵2选取量测、熵3选取量测，从图中可以看出根据性能函数进行量测选取的定位误差要低于根据性能函数和的定位误差。图6-2为AUV4的轨迹图，从中可以AUV4的运动轨迹为一曲线。从图6-3中可以较明显地看出性能函数对主AUV的选择性更高，可以较好地从已获取的观测量中选择出较优的观测量进行协同导航，完成对自身位置的更新。同时也可以看出AUV4并没有选取距离最远的AUV6和AUV9的量测而是选取了较近的一些观测量进行数据融合，充分体现出了性能函数中距离因素起到的效果。从图6-3中可以看出X方向误差和相差并不太明显，总体上的误差更小一些，但是的误差相比两者较大一些。从图6-4中可以看出Y方向误差和接近，的误差相比较小。仿真实验体现出了基于互信息、相对距离、估计协方差的性能函数的有效性和优越性。

图6-1　AUV4误差图

图6-2　AUV4轨迹图

(www.daowen.com)

图6-3　AUV4 X定位误差图

图6-4　AUV4Y定位误差图

图6-5　AUV4选取的量测个数

图6-6　AUV3误差图

图6-7　AUV3轨迹图

图6-8　AUV3 X定位误差图

图6-9　AUV3Y定位误差图