论文部分内容阅读
远程被动定位与跟踪是目前声纳领域的一个重要研究方向。针对单基阵纯方位目标跟踪方法的不足,研究了基于双基阵方位——方位被动跟踪的非线性滤波和数据融合方法。双基阵被动定位方法不要求本舰机动,能够提供更丰富的测量信息,定位可靠性更高。
本文以球鼻艏阵和拖曳线列阵构成的双基阵系统为例,针对匀速直线运动目标,以两个声纳对目标方位角的独立测量为依据,研究探讨了双基阵的滤波跟踪型数据融合问题。主要研究内容如下:
首先,简要概述了多传感器信息融合技术以及被动式定位跟踪的应用背景和研究现状。
其次,针对被动式定位跟踪中存在的非线性问题进行了研究。详细地讨论了Monte Carlo非线性滤波器Unscented Kalman Filter(UKF)和Particle Filter(PF)的发展状况、基本原理,及其在双基阵被动声纳目标定位跟踪系统中的应用。通过仿真实验研究了目标运动方式、方位测量误差等因素对估计精度的影响。并与扩展卡尔曼滤波算法(EKF)进行了性能比较、研究结果表明,对于双基阵非线性、纯方位跟踪的状态估计问题,当粒子数目足够多时,PF算法的估计精度、收敛性和稳健性最好,UKF方法其次,EKF最差;从计算量上看,UKF和EKF算法相当,PF算法计算量稍大,但粒子滤波算法摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件,应用领域更加广阔。
数据融合和有效的非线性滤波算法的结合,有效提高了被动定位系统的跟踪性能,为今后的工程应用提供了参考依据。