水下目標(biāo)被動跟蹤系統(tǒng)的建模和濾波算法研究.pdf

1、針對水下目標(biāo)被動跟蹤系統(tǒng)中建模的不準(zhǔn)確性和濾波算法跟蹤精度低、收斂速度慢的問題，本文進行了深入的研究，主要工作和研究成果有以下幾方面： 1.介紹了水下目標(biāo)被動跟蹤系統(tǒng)中的系統(tǒng)建模和濾波算法的發(fā)展歷史； 2.分析不同坐標(biāo)系、不同系統(tǒng)狀態(tài)模型對跟蹤問題的影響，提出了在直角坐標(biāo)系和混合坐標(biāo)系中將“當(dāng)前”統(tǒng)計模型應(yīng)用于水下被動跟蹤；針對單、雙觀測器進行目標(biāo)測量的可觀測性問題，給出了保證跟蹤系統(tǒng)可觀的充要性判據(jù)； 3.對比

2、分析了基于“當(dāng)前”統(tǒng)計模型的擴展卡爾曼濾波算法和偽線性量測卡爾曼濾波算法。仿真結(jié)果表明：后者的跟蹤性能要優(yōu)于前者，但這是以更多計算量為代價。同時，針對EKF容易發(fā)散的問題，給出了其算法收斂的充要條件； 4.研究了混合坐標(biāo)系下的卡爾曼濾波算法和采樣變換(UT)算法。綜合了直角坐標(biāo)系、極坐標(biāo)系的優(yōu)點和UT算法在處理非線性問題的良好性能，提高了算法的穩(wěn)定性和估計精度，加快了算法的收斂速度； 5.更深層次的分析了UT算法采樣策略

3、，將分析結(jié)果應(yīng)用于標(biāo)準(zhǔn)卡爾曼濾波算法，給出了采樣卡爾曼濾波(UKF)算法具體步驟。對基于“當(dāng)前”統(tǒng)計模型的水下目標(biāo)應(yīng)用EKF和UKF進行跟蹤仿真，仿真結(jié)果表明UKF的估計精度和收斂速度均好于EKF； 6.介紹了粒子濾波的基本原理，并分析該算法中各種重要性函數(shù)和再采樣算法。由此，本文選取了以EKF和UKF作為重要性函數(shù)，以bootstrap再采樣、系統(tǒng)再采樣和殘差再采樣作為再采樣算法，并將PF、EKF-PF和UKF-PF應(yīng)用到水下