基于非线性滤波的水下目标跟踪技术研究

发布时间：2020-06-03 00:56

【摘要】：海洋维持着人类的生存繁衍,使人类社会能够实现可持续发展。随着人类对海洋的开发不断地深入,科学技术对海洋开发的支撑作用越来越重要。水下目标跟踪作为海洋开发的一个重要组成部分,正在成为一个越来越受到关注的研究热点。本文主要研究水下目标跟踪的两大重点课题:滤波算法和目标运动模型。首先对目标跟踪研究中的滤波算法进行详细的介绍,包括卡尔曼滤波算法以及扩展卡尔曼滤波算法、无迹卡尔曼滤波算法和容积卡尔曼滤波算法三种非线性滤波算法。对三种运动模型进行详细的介绍,包括匀速模型、匀加速模型和匀速转弯模型。通过仿真实验对三种非线性滤波算法的估计性能进行了分析和比较。仿真结果表明在状态变量高维情况下容积卡尔曼滤波算法的估计精度比扩展卡尔曼滤波算法和无迹卡尔曼滤波算法的估计精度更高。然后针对容积卡尔曼滤波由协方差矩阵失去正定性导致的滤波发散问题,介绍了平方根容积卡尔曼滤波算法。针对由系统模型不准确导致的滤波发散问题,介绍了强跟踪容积卡尔曼滤波算法。针对强跟踪容积卡尔曼滤波算法中单渐消因子无法修正所有状态变量的估计的问题,设计多渐消因子平方根容积卡尔曼滤波算法,既能解决由协方差矩阵失去正定性导致的滤波发散问题,又能在模型不准确的情况下修正所有状态变量的估计,使滤波结果更加稳定和精确。仿真实验结果也验证了这一点。最后针对单一运动模型无法完全准确描述目标运动的问题,介绍了多模型算法,尤其是详细介绍了交互式多模型算法。介绍了标量权重交互式多模型算法。交互式多模型算法的模型概率基于残差计算,标量权重交互式多模型算法的模型概率基于协方差计算。如果模型概率的计算既能利用残差信息又能利用协方差信息,那么得到的模型概率将更加准确。于是设计模型概率融合交互式多模型算法,将交互式多模型算法模型概率和标量权重交互式多模型算法模型概率进一步融合,计算得到新的模型概率,进而用新的模型概率计算总体的状态估计和总体的协方差。仿真实验验证模型概率融合交互式多模型算法比交互式多模型算法具有更好的估计精度。
【图文】：

第 2 章 目标跟踪中的滤波算法与目标运动模型 4 状态估计和误差协方差矩阵为| 1 | 1 ( )k k k k k k k x x K z z k k | k 1 k kk | k 1P P K HP曼滤波算法基本思路框图如图 2.1 所示。

第 2 章 目标跟踪中的滤波算法与目标运动模型误差协方差矩阵为| 1 | 1 ( )k k k k k k k x x K z z k k | k 1 k kk | k 1P P K HP本思路框图如图 2.1 所示。图 2.1 卡尔曼滤波算法基本思路框图流程图如图 2.2 所示。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;P742

【相似文献】

相关期刊论文 前10条

1 吴怀宇;;卡尔曼滤波算法及其在真实成绩预测中的应用[J];中国新通信;2018年23期

2 毛秀华;吴健;;卡尔曼滤波算法研究[J];舰船电子对抗;2017年03期

3 刘润生;董秀珍;刘锐岗;;线性卡尔曼滤波算法在磁感应断层成像技术中的仿真研究[J];医疗卫生装备;2016年01期

4 王秋平;庄园;李凤;;基于线性分式变换的U卡尔曼滤波算法[J];信息与控制;2013年05期

5 余小琴;沈文苗;;扩展卡尔曼滤波算法初值选取方法[J];声学与电子工程;2012年01期

6 李恒;张静远;罗轩;谌剑;;无味卡尔曼滤波算法形式及性能研究[J];弹箭与制导学报;2012年03期

7 孙秋云;;改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状[J];价值工程;2011年19期

8 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期

9 王建文;税海涛;马宏绪;李迅;刘述田;;优化卡尔曼滤波算法中的目标函数选择[J];系统工程与电子技术;2009年01期

10 曲毅;刘忠;孙世言;;纯方位被动目标运动分析的衰减记忆卡尔曼滤波算法[J];武汉理工大学学报(交通科学与工程版);2006年05期

相关会议论文 前10条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

3 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

4 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

5 余小琴;刘贯领;沈文苗;;多基地浮标目标运动分析[A];2009年中国东西部声学学术交流会论文集[C];2009年

6 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

7 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

8 郑家旺;刘有源;;离散型卡尔曼滤波在汽车零部件检测中的应用[A];湖北省机械工程学会设计与传动专业委员会暨武汉机械设计与传动学会第十九届学术年会论文集[C];2011年

9 沈国华;吴雨翠;童长青;王艳;陈臻尧;;基于LC801E平台卡尔曼滤波算法与控温算法结合的技术实现[A];第十五届中国航天电子技术研究院学术交流会优秀论文集[C];2018年

10 沈晔青;龚华军;熊琰;;精确制导系统中的目标跟踪与卡尔曼滤波[A];2006年全国光电技术学术交流会会议文集（A 光电系统总体技术专题）[C];2006年

相关博士学位论文 前10条

1 赵伟;基于容积规则的鲁棒卡尔曼滤波算法研究与应用[D];燕山大学;2017年

2 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年

3 张金良;基于卡尔曼滤波算法的感应电机无传感器直接转矩控制技术研究[D];华南理工大学;2016年

4 赵红宇;惯性行人导航系统的算法研究[D];大连理工大学;2015年

5 沈悦;基于导航通信多模应用的位置服务技术研究[D];中国科学技术大学;2012年

6 黄锦旺;传感器网络中的信号分离与重构[D];华南理工大学;2014年

7 王小刚;非线性滤波方法在无人机相对导航上的应用研究[D];哈尔滨工业大学;2010年

8 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

9 刘真通;基于模型的纯电动车辆动力系统故障诊断研究[D];北京理工大学;2016年

10 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

相关硕士学位论文 前10条

1 许跃千;基于非线性滤波的水下目标跟踪技术研究[D];哈尔滨工程大学;2019年

2 Muhammad Ijaz;无人机INS/GPS组合导航算法研究[D];哈尔滨工业大学;2018年

3 刘瑞腾;目标跟踪滤波方法研究[D];西安电子科技大学;2018年

4 陆晓忆;时频双选信道环境下OFDM系统的信道估计技术研究[D];南京航空航天大学;2018年

5 刘建伟;多路径激光雷达三维数据处理技术研究[D];电子科技大学;2018年

6 郭辉;柔性针软组织穿刺控制方法及实验研究[D];东北大学;2017年

7 王新霞;低粘着状态下机车粘着状态估计方法研究[D];西南交通大学;2018年

8 方健豪;电动汽车动力电池的健康状态与荷电估计研究[D];河南科技大学;2018年

9 高文敬;动力电池SOC估算方法研究与BMS开发[D];山东理工大学;2018年

10 高宁;电动汽车动力锂电池建模与剩余电量估算方法的研究[D];大连交通大学;2017年

，

本文编号：2694042