【摘 要】
:
Kalman滤波(KF)是一种最优估计方法并且广泛应用于水下目标定位跟踪领域.在一些应用中,若先验信息不精确以至于不能准确地描述真实的统计噪声水平,那么KF估计将不是最优估计
【机 构】
:
中国科学院水声环境特性重点实验室,北京100190
【出 处】
:
中国声学学会2017年全国声学学术会议
论文部分内容阅读
Kalman滤波(KF)是一种最优估计方法并且广泛应用于水下目标定位跟踪领域.在一些应用中,若先验信息不精确以至于不能准确地描述真实的统计噪声水平,那么KF估计将不是最优估计甚至导致发散.在本文中,引入合作的引导目标,应用最大联合似然训练算法来自动选取更优的系统噪声参数,对Kalman跟踪系统进行监督训练,进一步提高了传统Kalman滤波算法对水下目标跟踪的性能.针对水下目标跟踪中噪声协方差参数获取困难的问题,本文应用合作的引导目标及最大联合似然算法来训练KF的噪声协方差参数。算法的基本思想为:通过调整KF的噪声协方差参数来最大化系统状态预测精度。仿真结果表明,训练算法与常规KF 算法相比有两个优点。第一,跟踪系统与引导目标合作,完全自动搜索噪声协方差参数,解决了人工调节费时费力的缺点。第二,通过训练可获得的准确的噪声协方差参数,从而提高了目标跟踪精度。
其他文献
目前应用在声呐中的宽带波束形成方法主要基于频域的相移实现波束形成.对于宽带信号,根据划分的子带中心频率来进行相位补偿,这种分块处理方法使得块与块之间的相位无法衔接,
在水声信号处理中,学者们利用LOFAR谱在测距、目标跟踪、目标分类和识别等方面做了大量的工作.对舰船线谱的检测和提取研究一直是国内外研究的重点.吴国清等利用谱干涉现象中
声纳阵元的实际布放中,阵元位置会受实际情况的影响而产生位置误差,因此,提出了一种基于任意阵列的算法来解决实际阵列不是按照标准圆弧阵列布放的问题.通过仿真实验数据的仿
由于海洋环境的复杂性,水中目标识别问题一直是水声领域公认的难题之一.单一的目标特征用于识别目标往往可靠性较差,而多特征融合识别是解决这一问题的有效手段,但多特征的提
结合波导声传播规律进行水声信号处理是目前研究的热点,warping变换就是其中之一.warping变换是基于波导简正波频散特征的信号处理方法.它将浅海波导中的混叠信号变换为多个
声学遥感技术是获取水下海洋环境信息特别是海底信息的一种高效的手段.浅地层剖面仪被用来快速获取等效的海底沉积层结构,该信息可以为地声参数反演提供先验知识,保证反演结
在浅海波导中,海底的声学性质对于声传播有着很大的影响.通过提取频散曲线的方法来获得海底参数是一种简便、高效的方法,仅需要单个水听器便可以进行海底参数的反演.利用warp
测量水下目标的辐射噪声,获取其声学信息,可以为减振降噪提供指导建议.而水下目标与测量点之间距离的准确测量,是目标声源级计算的关键.本文基于矢量水听器测向技术,并将数据
在潜艇辐射噪声中提取线谱可反映目标本质特征的有效特征,线谱包括稳定的线谱与调制谱,其与潜艇推进系统、螺旋桨及辅机有关,能有效帮助对目标进行分类与识别.通常,提高频率
海上石油在运输的过程中,由于船舶老龄化、技术状况差、油轮及其它载运工具碰撞、搁浅等原因,也会造成海洋溢油.根据油品的油水密度比、沉积过程交互作用、波浪或潮汐等水动