水下制导多目标跟踪关键技术研究

摘要

水下制导多目标跟踪理论与方法涉及水声工程、信号处理、现代控制理论及精确制导等领域，对该理论和方法的研究有着重要的现实意义。论文系统研究了基于制导系统的水下多目标跟踪的理论体系，给出了基于水下制导的多目标跟踪系统的框架，并重点研究了水下多目标跟踪中的关键技术，包括水下运动目标建模、跟踪滤波与预测算法、多目标航迹关联算法、不同坐标系的目标跟踪算法、跟踪门算法及基于不同目标参数估计的多目标跟踪算法等内容。论文的主要研究成果及创新点如下： 1、给出了基于水下制导的多目标跟踪系统的框架，提出了水下机动目标的自适应高斯模型及其跟踪算法，并从理论上对自适应高斯模型及其跟踪算法性能进行了分析。研究表明：自适应高斯模型对水下目标机动加速度及其方差的变化具有自适应能力，其跟踪算法不需要对目标进行机动检测，从而消除了目标跟踪中的时延；而且其计算量小、跟踪精度高，对于不同运动形式的水下目标均具有良好的跟踪效果。 2、研究了水下多目标跟踪中的滤波与预测算法，分析了离散卡尔曼滤波算法的性质和离散推广卡尔曼滤波算法的偏差，提出了量测噪声方差矩阵加权卡尔曼滤波算法。该算法对系统的模型误差和量测误差具有较好的适应能力，在系统存在模型误差和时变量测误差情况下，能够取得较高的跟踪滤波精度。 3、研究了“最近邻”数据关联算法、概率数据关联算法、交互式多模型概率数据关联算法和联合概率数据关联算法，对联合概率数据关联算法的计算量进行了分析。研究结果表明：联合概率数据关联算法是水下环境中多目标跟踪的一种性能良好的数据关联算法，其缺点是当所跟踪目标的数目或量测数目增加时，算法的计算量较大。 4、针对水下目标运动相对速度低、相对加速度小、水下信道复杂、声纳信号数据率低、量测误差大等特点，提出了球坐标系下基于自适应高斯模型的解耦水下目标跟踪算法。该算法在对目标机动特征无任何先验知识的条件下，能较好地适应水下目标的机动，与传统的球坐标系目标跟踪算法相比，它对机动目标的径向距离、方位角及俯仰角具有良好的跟踪性能。 5、提出了球坐标系下加速度加权自适应水下目标跟踪算法和球坐标系下基于扩展量测的水下目标跟踪算法。加速度加权自适应水下目标跟踪算法突出了加速度的新近信息，对目标运动模型具有在线修正作用；基于扩展量测的水下目标跟踪算法在球坐标系跟踪系统中引入了目标的径向速度量测，不仅能够提高目标距离的跟踪精度，而且也能够提高目标方位角和俯仰角的跟踪精度，加快系统的动态收敛，且不需要对速度量测本身进行线性化处理。 6、针对角度量测误差和目标状态量测从球坐标系到直角坐标系的转换误差较大的特点，提出了直角坐标系下基于去偏转换量测的水下目标跟踪算法和直角坐标系下基于无偏转换量测的水下目标跟踪算法。前一种算法比传统的直角坐标系下基于转换量测的目标跟踪算法有更高的跟踪精度和稳定性，后一种算法对传感器角度量测误差的不同分布有较强的适应性，在传感器角度量测误差较大的情况下，仍具有较高的跟踪精度。 7、在研究跟踪门算法、多波束系统定位原理及其实现等的基础上，提出了基于多波束系统的水下多目标跟踪算法，并以实际型号的水下制导多波束系统为背景，对该算法进行了MonteCarlo仿真。研究表明：基于多波束系统的水下多目标跟踪算法对多个目标的不同运动状态有一定的跟踪能力，但因多波束系统对多目标分辨能力差和参数估计误差大，当多目标在不同波束之间运动时，跟踪系统存在较大的跟踪误差，同时，由于对同一波束内的两个或多个目标难以分辨，会导致跟踪系统在较大扇面内丢失目标。 8、结合高分辨目标参数估计技术在水下制导系统中应用的研究，提出了基于高分辨目标参数估计的水下多目标跟踪算法，并以实际型号的水下制导系统为背景，对该算法进行了MonteCarlo仿真。研究表明：基于高分辨目标参数估计的水下多目标跟踪算法对多目标具有较高的分辨能力和跟踪精度，在被跟踪目标航迹出现交汇时，跟踪系统仍具有较高的关联成功率和跟踪精度。

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2多目标跟踪的发展及现状

1.2.1目标跟踪概述

1.2.2多目标跟踪的发展

1.2.3水下制导多目标跟踪现状

1.3多目标跟踪的关键技术

1.4水下制导中多目标跟踪的发展趋势

1.5论文的选题背景和研究意义

1.6论文的主要研究工作及其内容安排

第二章水下机动目标运动模型

2.1引言

2.2随机线性系统的数学描述

2.3 CV模型和CA模型

2.3.1 CV模型

2.3.2 CA模型

2.4 Singer模型

2.5自适应高斯模型

2.5.1非零均值一阶时间相关加速度

2.5.2自适应高斯模型

2.5.3基于自适应高斯模型的跟踪算法

2.6自适应高斯模型的理论分析

2.6.1 Singer模型的跟踪误差

2.6.2自适应高斯模型的跟踪性能及误差分析

2.7机动目标模型的Monte Carlo仿真研究

2.7.1目标运动形式及参数的选取

2.7.2仿真结果与结论

2.8本章小结

第三章跟踪滤波与预测

3.1引言

3.2离散卡尔曼滤波

3.2.1离散卡尔曼滤波与预测的基本方程

3.2.2离散卡尔曼滤波的基本性质

3.3离散推广卡尔曼滤波

3.3.1离散推广卡尔曼滤波与预测方程

3.3.2离散推广卡尔曼滤波的偏差分析

3.4量测噪声方差矩阵加权卡尔曼滤波算法

3.4.1量测噪声方差矩阵加权卡尔曼滤波算法的推导

3.4.2量测噪声方差矩阵加权卡尔曼滤波算法的仿真

3.5本章小结

第四章水下多目标跟踪中的数据关联

4.1引言

4.2“最近邻”数据关联算法

4.3概率数据关联算法

4.3.1概率数据关联算法的基本原理

4.3.2关联概率的计算

4.3.3协方差矩阵的计算

4.4交互式多模型概率数据关联算法

4.4.1输入交互

4.4.2子模型滤波

4.4.3模型概率更新

4.4.4组合输出

4.5联合概率数据关联算法

4.5.1联合概率数据关联算法的基本原理

4.5.2联合事件概率的计算

4.5.3协方差矩阵的计算

4.5.4联合概率数据关联算法计算量的分析

4.5.5联合概率数据关联算法的研究进展

4.6本章小结

第五章球坐标系下的水下目标跟踪算法

5.1引言

5.2基于自适应高斯模型的解耦水下目标跟踪算法

5.2.1目标模型的状态描述

5.2.2基于自适应高斯模型的解耦水下目标跟踪算法

5.2.3 Monte Carlo仿真

5.3加速度加权自适应水下目标跟踪算法

5.3.1加速度加权自适应水下目标跟踪算法

5.3.2 Monte Carlo仿真

5.4基于扩展量测的水下目标跟踪算法

5.3.1基于扩展量测的水下目标跟踪算法

5.3.2 Monte Carlo仿真

5.5本章小结

附录5.A目标从直角坐标系到球坐标系的状态转换关系

附录5.B目标从球坐标系到直角坐标系的状态转换关系

第六章直角坐标系下的水下目标跟踪算法

6.1引言

6.2基于去偏转换量测的水下目标跟踪算法

6.2.1转换量测误差的统计特性分析

6.2.2基于去偏转换量测的水下目标跟踪算法

6.2.3 Monte Carlo仿真

6.3基于无偏转换量测的水下目标跟踪算法

6.3.1无偏转换量测

6.3.2基于无偏转换量测的水下目标跟踪算法

6.3.3 Monte Carlo仿真

6.4本章小结

附录6.A角度量测误差为均匀分布时去偏转换量测协方差阵计算

第七章水下多目标跟踪算法

7.1跟踪门算法

7.1.1跟踪门的描述

7.1.2矩形跟踪门算法

7.1.3基于多假设树的跟踪门算法

7.2基于多波束系统的水下多目标跟踪算法

7.2.1多波束系统定向原理

7.2.2多波束形成及其实现

7.2.3基于多波束系统的水下多目标跟踪算法

7.2.4基于多波束系统的水下多目标跟踪仿真

7.3基于高分辨目标参数估计的水下多目标跟踪算法

7.3.1高分辨目标参数估计研究概述

7.3.2方位—时延参数联合估计ESPRIT-TDF法

7.3.3基于高分辨目标参数估计的水下多目标跟踪算法

7.3.4基于高分辨目标参数估计的水下多目标跟踪仿真

7.4本章小结

第八章总结与展望

8.1论文的主要研究工作和取得的成果

8.2研究展望

参考文献

作者在攻渎博士学位期间发表的论文

致谢

西北工业大学学位论文知识产权声明书及学位论文原创性声明