基于多模型濾波算法的水下目標(biāo)跟蹤技術(shù)研究.pdf

1、近年來(lái)隨著科學(xué)技術(shù)的不斷發(fā)展，水下目標(biāo)跟蹤技術(shù)在軍事國(guó)防和民生服務(wù)方面的作用越加的不容忽視。本文從水下目標(biāo)跟蹤的濾波計(jì)算和運(yùn)動(dòng)建模兩方面著手，在具有高精度的高斯-厄米特求積濾波(Gauss-Hermite Quadrature Filtering, GHQF)的基礎(chǔ)上提出了強(qiáng)跟蹤稀疏網(wǎng)格求積濾波(Strong Tracking Sparse Grid Quadrature Filtering, STSGQF)算法，損失少量的估計(jì)精度從而

2、大大降低濾波運(yùn)行時(shí)間；引入能更加完善的描述目標(biāo)運(yùn)動(dòng)狀態(tài)的多模型算法，在改進(jìn)濾波算法的基礎(chǔ)上，將多模型濾波算法應(yīng)用于水下目標(biāo)跟蹤系統(tǒng)。
　　首先，從理論上對(duì)擴(kuò)展卡爾曼濾波(Expended Kalman Filtering, EKF)算法、無(wú)跡卡爾曼濾波(Unscented Kalman Filtering, UKF)算法和GHQF算法的估計(jì)精度和算法效率進(jìn)行了分析。通過一維和多維的非線性數(shù)值仿真實(shí)驗(yàn)對(duì)這3種濾波算法的性能進(jìn)行了驗(yàn)證

3、可知，三種濾波的估計(jì)精度關(guān)系為：EKF＜UKF≤GHQF，運(yùn)行時(shí)間關(guān)系為：EKF＜UKF＜GHQF。
　　為解決GHQF算法“維數(shù)災(zāi)難”的問題，引入一種新的數(shù)值積分取點(diǎn)規(guī)則——稀疏網(wǎng)格求積(Sparse Grid Quadrature, SGQ)規(guī)則，得到稀疏網(wǎng)格求積濾波(Sparse Grid Quadrature Filtering, SGQF)算法。SGQ規(guī)則的數(shù)值積分點(diǎn)的個(gè)數(shù)隨維數(shù)增長(zhǎng)呈多項(xiàng)式變化，對(duì)于相同維數(shù)的數(shù)值積分，

4、SGQ的計(jì)算量要遠(yuǎn)遠(yuǎn)小于GHQ。從Sigma點(diǎn)選取的角度進(jìn)行分析，發(fā)現(xiàn)2級(jí)精度的SGQF算法等價(jià)于UKF算法，GHQF算法的Sigma點(diǎn)最多。通過仿真實(shí)驗(yàn)可知，SGQF算法的估計(jì)精度只稍低于GHQF算法，要高于UKF算法，而SGQF算法的運(yùn)行時(shí)間要遠(yuǎn)遠(yuǎn)低于GHQF算法。
　　為了克服因狀態(tài)突變而導(dǎo)致濾波估計(jì)精度下降，甚至發(fā)散的問題，在SGQF算法的基礎(chǔ)上引入了強(qiáng)跟蹤濾波(Strong Tracking Filtering, STF

5、)思想，得到STSGQF算法。通過仿真實(shí)驗(yàn)可知，STSGQF算法對(duì)于強(qiáng)機(jī)動(dòng)目標(biāo)的狀態(tài)估計(jì)效果比SGQF算法更好。
　　最后，從目標(biāo)運(yùn)動(dòng)模型角度對(duì)水下目標(biāo)跟蹤算法進(jìn)行改進(jìn)。介紹分析了多模型算法的原理及流程，并結(jié)合改進(jìn)的濾波算法得到多模型濾波算法。通過仿真實(shí)驗(yàn)可知，基于STSGQF的交互式多模型(Interactive Multiple Model, IMM)算法的估計(jì)精度要高于基于單模型的STSGQF算法和UKF算法。
　　本