基于多模型濾波算法的水下目標跟蹤技術(shù)研究.pdf

1、近年來隨著科學技術(shù)的不斷發(fā)展，水下目標跟蹤技術(shù)在軍事國防和民生服務方面的作用越加的不容忽視。本文從水下目標跟蹤的濾波計算和運動建模兩方面著手，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，損失少量的估計精度從而

2、大大降低濾波運行時間；引入能更加完善的描述目標運動狀態(tài)的多模型算法，在改進濾波算法的基礎(chǔ)上，將多模型濾波算法應用于水下目標跟蹤系統(tǒng)。
　　首先，從理論上對擴展卡爾曼濾波(Expended Kalman Filtering, EKF)算法、無跡卡爾曼濾波(Unscented Kalman Filtering, UKF)算法和GHQF算法的估計精度和算法效率進行了分析。通過一維和多維的非線性數(shù)值仿真實驗對這3種濾波算法的性能進行了驗證

3、可知，三種濾波的估計精度關(guān)系為：EKF＜UKF≤GHQF，運行時間關(guān)系為：EKF＜UKF＜GHQF。
　　為解決GHQF算法“維數(shù)災難”的問題，引入一種新的數(shù)值積分取點規(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)值積分點的個數(shù)隨維數(shù)增長呈多項式變化，對于相同維數(shù)的數(shù)值積分，

4、SGQ的計算量要遠遠小于GHQ。從Sigma點選取的角度進行分析，發(fā)現(xiàn)2級精度的SGQF算法等價于UKF算法，GHQF算法的Sigma點最多。通過仿真實驗可知，SGQF算法的估計精度只稍低于GHQF算法，要高于UKF算法，而SGQF算法的運行時間要遠遠低于GHQF算法。
　　為了克服因狀態(tài)突變而導致濾波估計精度下降，甚至發(fā)散的問題，在SGQF算法的基礎(chǔ)上引入了強跟蹤濾波(Strong Tracking Filtering, STF

5、)思想，得到STSGQF算法。通過仿真實驗可知，STSGQF算法對于強機動目標的狀態(tài)估計效果比SGQF算法更好。
　　最后，從目標運動模型角度對水下目標跟蹤算法進行改進。介紹分析了多模型算法的原理及流程，并結(jié)合改進的濾波算法得到多模型濾波算法。通過仿真實驗可知，基于STSGQF的交互式多模型(Interactive Multiple Model, IMM)算法的估計精度要高于基于單模型的STSGQF算法和UKF算法。
　　本