針對強干擾環(huán)境水下純方位多目標跟蹤的非線性、不可觀測性以及數(shù)據(jù)關聯(lián)模糊等問題,基于期望極大化算法,結合擴展卡爾曼濾波(extended Kalman filter,EKF)平滑算法和無味卡爾曼濾波(unscented Kalman filter,UKF)平滑算法,提出了基于EKF和UKF的多傳感器多目標純方位概率多假設跟蹤(probabilistic multiple hypothesis tracking,PMHT)算法。純方位PMHT算法通過引入目標和量測數(shù)據(jù)之間的關聯(lián)變量來解決量測與目標之間的數(shù)據(jù)關聯(lián)模糊問題。簡化了基于EKF平滑算法的多傳感器純方位PMHT算法,避免堆積每個傳感器的合成量測,有效減小了運算量。仿真結果表明,在水下強干擾環(huán)境下,對于靜止多觀測站和機動單觀測站,2種算法對多個交叉運動目標和鄰近運動目標的航跡關聯(lián)成功率高,抗干擾性能好,并且運算量小,證明了算法的有效性。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1靜止多觀測站純方位多目標跟蹤PMHT量測

圖2和圖3分別給出了靜止觀測站情況下量測噪聲分別為δr2=0.5°和δr2=0.1°時基于EKF平滑算法和基于UKF平滑算法的純方位PMHT算法位置均方根誤差曲線圖。對比圖2和圖3可知,基于UKF平滑算法的純方位PMHT算法在量測噪聲δr2=0.5°和δr2....

圖2位置均方根誤差,量測噪聲δ2r=0.5°

圖1靜止多觀測站純方位多目標跟蹤PMHT量測圖3位置均方根誤差,量測噪聲δ2r=0.1°

圖3位置均方根誤差,量測噪聲δ2r=0.1°

圖2位置均方根誤差,量測噪聲δ2r=0.5°2種方法在δr2=0.1°時的位置均方根誤差均小于δr2=0.5°時,說明相同量測噪聲情況下,基于UKF平滑算法的純方位PMHT算法的跟蹤性能優(yōu)于基于EKF平滑算法的純方位PMHT算法。量測噪聲越小,2種方法的位置均方根誤....

圖4機動單觀測站純方位多目標跟蹤PMHT量測

圖4為機動單觀測站跟蹤場景下,在無干擾和強干擾環(huán)境下基于UKF平滑算法的純方位PMHT算法跟蹤量測圖。類似于靜止多觀測站跟蹤場景,機動單觀測站情況下基于UKF平滑算法的純方位PMHT算法對4個目標的純方位跟蹤合成量測與無干擾環(huán)境下的純方位合成量測曲線基本一致,說明純方位PMHT算....

本文編號：3984387