详情

原文传递舰载多被动声纳多目标跟踪算法研究

论文题名：	舰载多被动声纳多目标跟踪算法研究
关键词：	多目标跟踪;纯方位目标跟踪;非线性滤波;交互式多模型;概率假设密度;非顺序量测;被动声纳
摘要：	舰载被动声纳系统是舰艇远距离隐蔽探测和跟踪水面舰艇、水中武器和潜艇的主要手段。多被动声纳多目标跟踪是水下目标跟踪的重要课题。随着水下目标的隐身技术、水下武器的机动性能以及水声对抗能力的不断提高,对被动声纳的水下目标探测、识别和跟踪提出了更高要求。为了满足同趋复杂的水下目标跟踪的要求,多被动声纳多目标跟踪需要不断采用高新技术,研究新的理论和方法。本论文着重研究了被动声纳目标跟踪的非线性滤波,多被动声纳多机动目标跟踪,引入量测幅值信息的被动声纳多目标跟踪,以及基于随机有限集理论的被动声纳目标跟踪和异步融合等问题。主要的研究成果和创新点如下: 　　 1.针对被动声纳的高测量噪声及纯方位目标跟踪的非线性问题,研究了无迹卡尔曼滤波(UKF)和粒子滤波(PF)这两种非线性滤波算法。针对模型误差和计算误差引起的滤波发散,提出了一种基于衰减记忆滤波的平方根UKF被动目标跟踪(MA-SR-UKF)算法;针对被动声纳目标跟踪的粒子滤波算法所固有的计算复杂性问题,提出了一种基于小波多分辨率技术的高效粒子滤波算法,即小波变换粒子滤波(WMPF)算法。仿真结果表明:MA-SR-UKF算法有效抑制了滤波器的发散;WMPF算法降低了具有非线性非高斯特点的被动声纳纯方位目标跟踪中粒子滤波的计算复杂性。　　 2.针对杂波环境中的多被动声纳多机动目标跟踪问题,研究了交互式多模型联合概率数据关联滤波(IMM-JPDAF)算法。由于IMM-JPDAF算法中扩展卡尔曼滤波在非线性非高斯条件下跟踪误差较大,提出了一种基于粒子滤波的多被动声纳交互式多模型多机动目标跟踪算法(IMM-JPDA-PF),给出了两个被动声纳传感器情况下的IMM-JPDA-PF算法,该算法能够很容易的扩展到任意多个传感器多机动目标跟踪情况。仿真结果表明:IMM-JPDA-PF算法能够对杂波环境中的多机动目标进行有效的跟踪。　　 3.研究了基于随机有限集理论的被动声纳多目标跟踪问题,将高斯混合概率假设密度(GM-PHD)滤波和高斯混合势分布概率假设密度(GM-CPHID)滤波应用于被动声纳多目标跟踪问题;针对被动声纳纯方位多目标跟踪问题中量测方程的非线性,利用扩展Kalman滤波(EKF)和无迹Kalman滤波(UKF)来处理,给出了高斯混合形式的EK-CPHD滤波和UK-CPHD滤波算法。仿真结果表明:高斯混合EK-CPHD和UK-CPHD滤波算法与高斯混合EK-PHD和UK-PHD滤波算法相比具有更高的目标数目和多目标状态估计精度。　　 4.针对被动声纳纯方位目标跟踪中的低可观测问题,研究了引入量测幅值信息(AI)的目标跟踪方法。将JPDA算法中的似然与AI幅值似然比相结合,提出了基于幅值信息的联合概率数据关联粒子滤波(AI-JPDA-PF)算法;在CPHD滤波框架下引入量测幅值信息,提出了基于幅值信息的势分布概率假设密度(AI-CPHD)滤波算法,利用量测幅值信息改善了被动声纳低可观测条件下的目标跟踪性能。仿真结果表明:AI-JPDA-PF算法提高了被动声纳纯方位目标跟踪中数据关联的可靠性和目标跟踪的精度;AI-CPHD滤波算法在已知和未知信噪比情况下,对于目标数目的估计精度均优于未引入幅值信息的CPHD滤波算法。　　 5.将多模型算法与基于随机有限集理论的概率假设密度滤波相结合,提出了一种基于高斯混合的多模型概率假设密度(GM-MMPHD)滤波算法。该算法从高斯混合形式的多目标状态后验概率假设密度函数中提取多目标状态,增加了MMPHD滤波的稳定性和可靠性,避免了复杂的数据关联的计算。仿真结果表明:GM-MMPHD滤波算法能够对被动声纳多机动目标进行稳定可靠的跟踪,与传统的IMMJPDA算法相比,计算速度有了显著的提高。　　 6.针对具有非顺序量测的多被动声纳多目标跟踪问题,提出了一种基于序贯势分布概率假设密度滤波的异步融合(OOSM-SGMCPHD)算法。该算法避免了多被动声纳多目标跟踪中复杂的数据关联,有效解决了多目标跟踪的目标数目不确定性问题和具有非顺序量测的异步融合问题。仿真结果表明:OOSM-SGMCPHD算法提高了具有非顺序量测的多被动声纳序贯CPHD滤波的多目标跟踪精度。
作者：	章飞
专业：	控制科学与工程;检测技术与自动化装置
导师：	周杏鹏
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2011
正文语种：	中文