论文部分内容阅读
近年来,各国积极推进对海洋资源的探索。在海底矿藏资源挖掘、渔业捕捞、水下机器人定位等应用中,水下目标跟踪的研究显得尤为重要,其精度要求也越来越高。水下目标跟踪系统中,利用目标跟踪算法对距离、角度等测量信息进行处理进而得到水下目标的目标轨迹。现有的滤波跟踪算法中,卡尔曼滤波(Kalman Filter,KF),扩展卡尔曼滤波(Extended Kalman Filter,EKF)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)等算法较多应用于水下目标定位。当水下目标处于非机动状态时,卡尔曼滤波算法及其扩展算法定位精度较高。但当目标处于机动状态时,仅采用卡尔曼滤波等算法对其进行跟踪定位,目标轨迹与真实轨迹将出现巨大偏差。交互多模型(Interacting Multiple Model,IMM)算法利用交互多模型技术,通过输入交互、滤波、概率更新、输出交互等步骤解决水下目标处于机动时可能出现的转弯、加速、减速等状态问题,有效克服传统卡尔曼滤波等算法仅适用于非机动目标跟踪的不足。本文针对水下环境,在线性高斯动态系统中采用交互多模型卡尔曼滤波算法对水下机动目标进行跟踪定位。在非线性高斯动态系统中,先后分别利用扩展卡尔曼滤波算法和无迹卡尔曼滤波算法与交互多模型算法相结合对水下目标进行跟踪定位,并对比两种方法的仿真结果,验证跟踪效果。本文主要从以下三个部分展开研究:1.基于IMMKF-3D的水下目标跟踪算法:在线性高斯动态系统中,三维卡尔曼滤波(KF-3D)算法对运动估计精度较高,但仅适用于目标保持匀速直线运动。当水下目标处于机动时,可能出现的转弯、加速、减速等状态可采用交互多模型算法进行处理。将交互多模型算法与三维卡尔曼滤波算法相结合,提出基于交互多模型的三维卡尔曼滤波算法(IMMKF-3D),用于三维水下目标跟踪,实现解决水下机动目标的精确跟踪与定位。2.基于IMMEKF-3D的水下目标跟踪算法:针对非线性高斯动态系统,扩展卡尔曼滤波算法利用泰勒级数将其转化为近似的线性高斯动态系统。将交互多模型算法与三维扩展卡尔曼滤波(EKF-3D)算法相结合,提出基于交互多模型的三维扩展卡尔曼滤波算法(IMMEKF-3D),用于三维水下目标跟踪,实现非线性系统中水下机动目标的精确跟踪与定位。3.基于IMMUKF-3D的水下目标跟踪算法:针对非线性高斯动态系统线性化处理中存在容易发散、误差大等问题,将交互多模型算法与三维无迹卡尔曼滤波(UKF-3D)算法相结合,提出基于交互多模型的三维无迹卡尔曼滤波(IMMUKF-3D)算法。该算法可克服线性化处理过程中带来的误差,实现三维水下机动目标的精确跟踪与定位。本文所设计方案均以水下三维空间为环境背景展开研究,在MATLAB软件平台上进行仿真验证。实验表明,基于交互多模型的水下目标跟踪算法,能有效实现对水下机动目标的实时跟踪定位。