面向使命的無人水下航行器目標(biāo)跟蹤方法研究.pdf

1、無人水下航行器（Unmanned Underwater Vehicle，UUV）在軍事和民事方面得到了廣泛關(guān)注，利用UUV監(jiān)視水下環(huán)境已經(jīng)成為一種重要手段，UUV進(jìn)行多目標(biāo)跟蹤為執(zhí)行反潛（Anti-Submarine Warfare，ASW）使命提供了必要的目標(biāo)狀態(tài)信息。本課題為解決面向使命的UUV多機動目標(biāo)跟蹤問題進(jìn)行了關(guān)于水下運動目標(biāo)數(shù)學(xué)模型、基于Bayes濾波的單目標(biāo)跟蹤方法、基于隨機集的多目標(biāo)跟蹤及性能評價方法、水下多機動目標(biāo)跟

2、蹤方法等方面研究。
　　（1）根據(jù)水下目標(biāo)的運動特點，按其機動性分為非機動目標(biāo)數(shù)學(xué)模型和機動目標(biāo)數(shù)學(xué)模型，包括勻速直線運動模型、勻加速直線運動模型、勻速轉(zhuǎn)彎運動模型和“當(dāng)前”統(tǒng)計模型，并給出了它們的離散時間方程表達(dá)式。根據(jù)Bayes估計理論，分別分析了卡爾曼濾波器（Kalman Filter，KF）、擴展卡爾曼濾波器（ExtendedKalmanFilter，EKF）、無跡卡爾曼濾波器（Unscented Kalman Filte

3、r，UKF）和粒子濾波器（Particle Filter，PF）給出了它們的推導(dǎo)過程。最后，通過設(shè)計單目標(biāo)跟蹤仿真實驗，驗證了高斯噪聲線性系統(tǒng)中KF的有效性，高斯噪聲非線性系統(tǒng)中EKF、UKF、PF的有效性并對比了它們的濾波性能。
　?。?）分析了基于隨機集的多目標(biāo)跟蹤方法的可行性，并在隨機集理論的基礎(chǔ)上建立了用于Bayes遞推估計的多目標(biāo)狀態(tài)模型和目標(biāo)觀測模型，討論了Bayes濾波和概率假設(shè)密度（Probability Hypo

4、thesis Density，PHD）濾波的本質(zhì)聯(lián)系，并給出了PHD濾波器的遞推公式，進(jìn)而研究了基于PHD濾波器的多目標(biāo)跟蹤性能的評價方法，為后續(xù)課題研究奠定了基礎(chǔ)。
　　（3）針對PHD濾波器工程無法實現(xiàn)問題，給出了PHD濾波器的兩種實現(xiàn)形式：粒子PHD（Particle PHD，P-PHD）濾波器和高斯混合PHD（GaussianMixture PHD，GMPHD）濾波器，分別設(shè)計了多目標(biāo)跟蹤仿真實驗，驗證了兩種濾波器的有效性

5、。但是考慮在非線性系統(tǒng)中P-PHD濾波器計算量較大、濾波精度低等問題，本文采用EKF、UKF對GMPHD濾波器中高斯分量進(jìn)行預(yù)測和更新，提出了EK-GMPHD和UK-GMPHD濾波器。最后，通過設(shè)計多目標(biāo)跟蹤仿真實驗說明了UK-GMPHD濾波器的跟蹤性能優(yōu)于EK-GMPHD濾波器。
　?。?）UUV為完成ASW使命任務(wù)，針對水下多個機動目標(biāo)的跟蹤問題，UUV通過攜帶聲納傳感器探測目標(biāo)運動要素。本文將多模型（Multiple Mod