纯方位目标跟踪算法性能分析

本文对纯方位目标跟踪中的三种方位平差法进行了分析,讨论了方位误差和己艇运动要素误差对算法的解算误差的影响,进而显示了纯方位目标跟踪这一特殊估值问题中的目标运动参量和坐标系选择的重要性。此外,从分析结果中还能看出目标和己艇的运动几何态势对算法性能的影响。根据性能分析,本文还对三种算法进行了比较。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

UKF算法及其在纯方位目标跟踪中的应用

为克服扩展卡尔曼滤波算法的缺陷,将UKF算法应用于纯方位目标跟踪问题中。该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法。对UKF算法进行了深入的研究,并给出了一个纯方位目标跟踪的算例。仿真结果表明,该算法提高了滤波的稳定性和精确性,优于一般的扩展卡尔曼滤波算法,具有广泛的应用前景。     

潜艇纯方位跟踪中系统误差的消除方法

针对潜艇纯方位法水下目标跟踪过程中,如果存在系统误差,会导致收敛速度变慢,状态估计有偏的问题,提出了联合sigma点卡尔曼滤波算法。该算法不仅能消除系统误差对状态估计的影响,而且能减小线性化误差,提高滤波精度。仿真实验结果证明了算法的有效性和优越性。     

对于机动声源的纯方位跟踪

经典的纯方位目标运动分析(TMA)只限于具有常运动参数(通常是位置和速度)的声源。然而,大多数感兴趣的声源具有机动能力,这就降低了经典TMA的性能。在被动声呐范围内,声源—观察者之间长时间的遭遇是现实的,因此,声源机动的可能性对于声源和基阵基线可能是重要的。这就值得对包括声源机动不确定性的整个声源轨迹进行研究和建模。基于这个目的,一种简便的柜架就是隐马尔可夫模型(HMM),其基本思想由状态空间的两级离散化构成。由于速度转移的概率直接与声源机动能力有关,从而使位置转移的概率减小。 声源状态序列估计是通过经典动态规划(DP)实现的,这个方法不要求关于声源机动的任何先验信息。但是,声源机动的随机性质对于观察者机动的最优化起主要作用。这个问题通过使用马尔可夫决策过程(MDP)的一般框架解决。     

一种单站纯方位目标跟踪中的线性近似化滤波算法

针对EKF算法中存在初始化困难的缺陷,利用近似线性化的方法,构建基于修正极坐标系下的近似线性最小二乘滤波算法ALF;以ALF作为EKF滤波器的初始化算法,实现联合ALF和EKF的两阶段滤波算法,并将它应用在水下单站纯方位目标跟踪中。仿真结果表明,由ALF和EKF组成的两阶段滤波算法具有很好的稳定性,算法精度较高,是一种有效的算法,对潜艇实施隐蔽探测与跟踪具有重要意义.     

一种基于满意滤波的纯方位目标跟踪算法

针对潜艇纯方位目标跟踪算法存在算法初始化困难、收敛速度慢、稳定性差等问题,借鉴交互式多模型算法(IMM)的思想,将EKF实时解算出的滤波增益和满意滤波解算出的稳态增益实时融合并行工作,以求克服滤波初值对滤波器的影响,尽可能地消除线性化误差,最终输出具有更高精度的估计结果。仿真实验表明,提出的单站纯方位算法对滤波初值的设置有较大的领域范围,较好地克服了算法对滤波初值的敏感性问题,同时增加了算法的稳定性。     

纯方位跟踪的观察器最佳机动

在纯方位跟踪中,为确保可观察性和获得精确目标定位,观察器机动极为关键。本文用最佳控制理论来确定匀速观察器的航向,使从费希尔信息矩阵(FIM)导出的精度准则为最小。部分通过解析方法,部分通过数值迭代过程建立和解析出最佳机动的必要条件(欧拉方程)。介绍并讨论了最佳观察器机动的几个实例。     

关于纯方位跟踪迭代方法的收敛性

本文进行了纯方位跟踪(BOT)迭代方法的收敛性分析,详细叙述了其几何的和统一的框架,进而得出了保证似然函数极大化的迭代方法收敛性的充分条件。