原文传递
面向使命的无人水下航行器目标跟踪方法研究
| 论文题名： | 面向使命的无人水下航行器目标跟踪方法研究 |
| 关键词： | 无人水下航行器;反潜使命;目标跟踪;Bayes滤波;随机集 |
| 摘要： | 无人水下航行器（Unmanned Underwater Vehicle，UUV）在军事和民事方面得到了广泛关注，利用UUV监视水下环境已经成为一种重要手段，UUV进行多目标跟踪为执行反潜（Anti-Submarine Warfare，ASW）使命提供了必要的目标状态信息。本课题为解决面向使命的UUV多机动目标跟踪问题进行了关于水下运动目标数学模型、基于Bayes滤波的单目标跟踪方法、基于随机集的多目标跟踪及性能评价方法、水下多机动目标跟踪方法等方面研究。 （1）根据水下目标的运动特点，按其机动性分为非机动目标数学模型和机动目标数学模型，包括匀速直线运动模型、匀加速直线运动模型、匀速转弯运动模型和“当前”统计模型，并给出了它们的离散时间方程表达式。根据Bayes估计理论，分别分析了卡尔曼滤波器（Kalman Filter，KF）、扩展卡尔曼滤波器（ExtendedKalmanFilter，EKF）、无迹卡尔曼滤波器（Unscented Kalman Filter，UKF）和粒子滤波器（Particle Filter，PF）给出了它们的推导过程。最后，通过设计单目标跟踪仿真实验，验证了高斯噪声线性系统中KF的有效性，高斯噪声非线性系统中EKF、UKF、PF的有效性并对比了它们的滤波性能。 （2）分析了基于随机集的多目标跟踪方法的可行性，并在随机集理论的基础上建立了用于Bayes递推估计的多目标状态模型和目标观测模型，讨论了Bayes滤波和概率假设密度（Probability Hypothesis Density，PHD）滤波的本质联系，并给出了PHD滤波器的递推公式，进而研究了基于PHD滤波器的多目标跟踪性能的评价方法，为后续课题研究奠定了基础。 （3）针对PHD滤波器工程无法实现问题，给出了PHD滤波器的两种实现形式：粒子PHD（Particle PHD，P-PHD）滤波器和高斯混合PHD（GaussianMixture PHD，GMPHD）滤波器，分别设计了多目标跟踪仿真实验，验证了两种滤波器的有效性。但是考虑在非线性系统中P-PHD滤波器计算量较大、滤波精度低等问题，本文采用EKF、UKF对GMPHD滤波器中高斯分量进行预测和更新，提出了EK-GMPHD和UK-GMPHD滤波器。最后，通过设计多目标跟踪仿真实验说明了UK-GMPHD滤波器的跟踪性能优于EK-GMPHD滤波器。 （4）UUV为完成ASW使命任务，针对水下多个机动目标的跟踪问题，UUV通过携带声纳传感器探测目标运动要素。本文将多模型（Multiple Model，MM）方法和UK-GMPHD滤波器结合，提出一种MM-UKGMPHD滤波器。通过对ASW使命的任务分析，设计了水下目标的几种典型运动形式，假设UUV在理想状态下作匀速直线运动，设计仿真实验验证了UUV能够实现水下多机动目标跟踪，完成ASW使命任务。 |
| 作者： | 安晓童 |
| 专业： | 模式识别与智能系统 |
| 导师： | 王宏健 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
