一种基于双贝叶斯估计的水下运动体运动状态估计方法技术

本发明专利技术属于运动状态估计领域，特别是一种基于双贝叶斯估计的水下运动体状态估计方法。建立水下运动体的运动状态估计模型：利用观测量解算出前一时刻水下运动体的速度大小及方向：利用下一时刻的观测信息更新贝叶斯估计参数：利用自适应贝叶斯运动估计方法，估计出水下运动体当前时刻的速度大小及方向；利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置。针对水下运动体运动情况复杂的特点，利用双贝叶斯估计的方法，该方法贴合水下运动体的运动模型，能够精确把握水下运动体运动状态。算法的估计精度高于单级运动状态估计方法。

【技术实现步骤摘要】

本专利技术属于运动状态估计领域，特别是一种基于双贝叶斯估计的水下运动体状态估计方法。
技术介绍
要实现对水下运动体的跟踪，需要对其运动状态进行实时估计。在对于水下运动体的运动状态估计问题中，由于水下运动体运动复杂，机动性强，简单的针对固定模型的估计方法不能保持估计精度，并容易发散。在模型方面，由于水下运动体运动速度较快，而多项式模型计算过于复杂，在实时性问题中无法应用。单纯的匀速(CV)或者联合转弯(CT)模型则太过简单，无法准确描述水下运动体的运动规律。在常用的运动状态估计算法中，粒子滤波方法存在收敛缓慢的缺陷，因此也无法在水下运动体运动状态估计方法中使用，单纯的无迹卡尔曼或者容积卡尔曼算法能够很好的解决跟踪非线性目标的问题，但无法适应快速机动的水下运动体状态变化。目前在运动状态估计和目标跟踪等领域的研究中，以单级估计占绝大多数。例如，公开号为CN104574439A的专利公开了一种融合卡尔曼滤波与TLD算法的目标跟踪方法，利用改进的卡尔曼滤波器增强TLD算法，提高系统的可靠性。公开号为CN104408744A的专利公开了一种用于目标跟踪的强跟踪容积卡尔曼滤波方法，利用强跟踪滤波器应对系统突变。本专利针对水下运动体的运动模型，提出一种基于双贝叶斯估计的水下运动体状态估计方法。
技术实现思路
本专利技术的目的是为了解决水下运动体运动状态估计精度较低的问题，使用两级贝叶斯估计，提供了一种基于双贝叶斯估计的水下运动体运动状态估计方。本专利技术的目的是这样实现的：(1)建立水下运动体的运动状态估计模型：(1.1)建立水下运动体的观测模型：ξ=RcosEcosA+xη=RsinE+yζ=RcosEsinA+z]]>(1.2)建立水下运动体的运动模型ξ·=vcosφcosθη·=vsinφcosθζ·=vsinθ]]>(1.3)建立对水下运动体速度大小和方向进行估计的自适应贝叶斯估计器系统模型：φkφ·kθkθ·kvkv·k=1T0000010000001T0000010000001T000001φk+1φ·k+1θk+1θ·k+1vk+1v·k+1+000100000010000001wφ·kwθ·kwv·k]]>φkθkvk=100000001000000010φk+1φ·k+1θk+1θ·k+1vk+1v·k+1+Vk]]>(1.4)建立对水下运动体位置进行估计的无迹贝叶斯估计器系统模型：Xk+1＝f(Xk,φ,θ,v)+Wkyk＝HXk+Vk(2)利用观测量解算出前一时刻水下运动体的速度大小及方向：通过观测量解算出前一时刻水下运动体的速度及其方向；(3)利用下一时刻的观测信息更新贝叶斯估计参数：在获得下一时刻的观测信息后，对贝叶斯估计的参数进行更新；分别进行自适应估计器和无迹估计器的相关参数更新；(3.1)更新自适应估计器的参数，将水下运动体的角加速度和加速度的变化量视作系统噪声，使用噪声估计器进行估计；(3.2)利用观测信息更新无迹估计器的参数；(4)利用自适应贝叶斯运动估计方法，估计出水下运动体当前时刻的速度大小及方向；通过自适应贝叶斯运动估计方法中的估计方程，得到下一时刻水下运动体的速度大小和方向的估计值；(5)利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置。本专利技术的有益效果在于：针对水下运动体运动情况复杂的特点，利用双贝叶斯估计的方法，首先自适应地估计水下运动体的速度大小和方向，然后对水下运动体的位置进行估计，该方法贴合水下运动体的运动模型，能够精确把握水下运动体运动状态。算法的估计精度高于单级运动状态估计方法。附图说明图1为双贝叶斯运动状态估计流程图。具体实施方式下面结合附图对本专利技术做进一步描述。本专利技术涉及运动状态估计领域，特别是提出一种基于双贝叶斯估计的水下运动体运动状态估计方法。具体包括建立估计模型，利用观测量解算出前一时刻水下运动体的速度及其方向，利用下一时刻的观测信息更新贝叶斯估计参数，利用自适应贝叶斯，估计出水下运动体当前时刻的速度大小及方向，利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置五个具体步骤。本专利技术结合水下运动体的运动特点，利用双级贝叶斯估计方法，首先自适应地估计水下运动体的速度大小和方向，再对水下运动体的位置进行估计，该方法贴合水下运动体的运动模型，能够较精确地估计出水下运动体的运动状态。本专利技术的具体步骤如下：步骤一：建立水下运动体的运动状态估计模型。步骤二：利用观测量解算出前一时刻水下运动体的速度大小及方向。步骤三：利用下一时刻的观测信息更新贝叶斯估计参数。步骤四：利用自适应贝叶斯运动估计方法，估计出水下运动体当前时刻的速度大小及方向。步骤五：利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置。本专利技术公布一种基于双贝叶斯估计的水下运动体运动状态估计方法，执行流程如附图1所示。具体的步骤说明如下：步骤一：建立水下运动体的运动状态估计模型。状态估计的准确性与水下运动体模型息息相关。因此，要实现对水下运动体的跟踪和状态估计，首先要建立水下运动体的运动模型和观测模型。本专利在建模过程中将水下运动体作为一个整体，假设其为刚体，且所在水域流速为零。具体建模步骤如下：步骤1.1建立水下运动体的观测模型对于水下运动体来说，某些要素比如水动力、推力等，无法通过观测获取。因此，需要根据实际情况对水下运动体的运动方程进行化简，本步骤给出水下运动体的运动方程和观测方程。由于水下运动体的观测是通过声学传感器来完成的，因此得到的观测数据为极坐标下的数据，即水下运动体相对于观测点的距离R、平面偏向角A和垂直偏向角E。结合观测点坐标(x,y,z)，可以得到观测方程：&x本文档来自技高网...

【技术保护点】
一种基于双贝叶斯估计的水下运动体运动状态估计方法，其特征在于，包括以下几个步骤：(1)建立水下运动体的运动状态估计模型：(1.1)建立水下运动体的观测模型：ξ=R cos E cos A+xη=R sin E+yζ=R cos E sin A+z]]>(1.2)建立水下运动体的运动模型ξ·=v cosφcosθη·=v sinφcosθζ·=v sinθ]]>(1.3)建立对水下运动体速度大小和方向进行估计的自适应贝叶斯估计器系统模型：φkφ·kθkθ·kvkv·k=1T0000010000001T0000010000001T000001φk+1φ·k+1θk+1θ·k+1vk+1v·k+1+000100000010000001wφ·kwθ·kwv·k]]>φkθkvk=100000001000000010φk+1φ·k+1θk+1θ·k+1vk+1v·k+1+Vk]]>(1.4)建立对水下运动体位置进行估计的无迹贝叶斯估计器系统模型：Xk+1＝f(Xk,φ,θ,v)+Wkyk＝HXk+Vk(2)利用观测量解算出前一时刻水下运动体的速度大小及方向：通过观测量解算出前一时刻水下运动体的速度及其方向；(3)利用下一时刻的观测信息更新贝叶斯估计参数：在获得下一时刻的观测信息后，对贝叶斯估计的参数进行更新；分别进行自适应估计器和无迹估计器的相关参数更新；(3.1)更新自适应估计器的参数，将水下运动体的角加速度和加速度的变化量视作系统噪声，使用噪声估计器进行估计；(3.2)利用观测信息更新无迹估计器的参数；(4)利用自适应贝叶斯运动估计方法，估计出水下运动体当前时刻的速度大小及方向；通过自适应贝叶斯运动估计方法中的估计方程，得到下一时刻水下运动体的速度大小和方向的估计值；(5)利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置。...

【技术特征摘要】
1.一种基于双贝叶斯估计的水下运动体运动状态估计方法，其特征在于，包括以下几个
步骤：
(1)建立水下运动体的运动状态估计模型：
(1.1)建立水下运动体的观测模型：
ξ=RcosEcosA+xη=RsinE+yζ=RcosEsinA+z]]>(1.2)建立水下运动体的运动模型
ξ·=vcosφcosθη·=vsinφcosθζ·=vsinθ]]>(1.3)建立对水下运动体速度大小和方向进行估计的自适应贝叶斯估计器系统模型：
φkφ·kθkθ·kvkv·k=1T0000010000001T0000010000001T000001φk+1φ·k+1θk+1θ·k+1vk+1v·k+1+000100000010000001wφ·kwθ·kwv·k]]>φk&theta...

【专利技术属性】
技术研发人员：刘厂，赵俊翔，高峰，赵玉新，赵美珍，魏宇，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23