一种KL交互式多模型水下目标跟踪方法技术

本发明专利技术提供了一种KL交互式多模型水下目标跟踪方法，针对海水介质的物理特性对量测信息存在的干扰，引入KL散度来计算模型概率加权系数，使用KL散度来计算运动模型集中某一运动模型和目标真实运动模式的匹配度的大小，结合标准IMM算法中基于新息似然函数的模型概率更新方法，使得该模型选择更加贴合目标的真实运动模型，进而提高目标的位置估计精度。本发明专利技术不仅能够满足水下目标运动模型的建立既要能够描述机动目标复杂多变的运动状态，还能够满足计算量小、易于处理的要求。易于处理的要求。易于处理的要求。

【技术实现步骤摘要】
一种KL交互式多模型水下目标跟踪方法


[0001]本专利技术属于水声传感器网络目标跟踪领域，涉及统计信号处理、信息融合、目标跟踪理论，用于在水下复杂环境中对水下目标进行高精度地跟踪。

技术介绍

[0002]水下目标跟踪技术目前已经成为一个十分前沿的研究领域。水下目标跟踪技术对于水下作战、海底目标监视以及海洋资源开发等领域具有重大战略意义。无论在军事国防领域还是普通民用领域，保证高可靠性和高精度的目标跟踪是目标跟踪系统设计和改进的主要指标。在目标跟踪系统中，对目标运动进行建模是非常重要的一部分。
[0003]Blom和Bar
‑
Shalom提出了交互式多模型(Interacting Multiple Model，IMM)算法在强机动目标跟踪中具有很大的优势，标准IMM算法中，模型转移概率和模型概率的选择是调整IMM性能的关键因素。
[0004]徐登荣等人提出了一种自适应转移概率IMM算法，将强跟踪修正输入估计 (STMIE)模型和匀速运动模型作为IMM算法的模型集，利用STMIE算法对高机动目标的跟踪能力以及CV本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种KL交互式多模型水下目标跟踪方法，其特征在于，包括以下步骤：步骤1，构建IMM模型的模型集M，模型集中包含若干运动子模型；步骤2，对全部运动子模型的初始状态根据模型转移概率进行交互运算，得到目标混合状态输入和协方差矩阵和协方差矩阵其中，N表示模型集M中的运动子模型数量，和分别为模型集M中第i个运动子模型在k时刻的目标状态和协方差矩阵，为预测模型转换概率；步骤3，当目标进入监测区域内，唤醒感知范围内的传感器节点，被唤醒的传感器节点对目标进行TOA量测，获得量测数据Z
k+1
；步骤4，将目标混合状态向量协方差矩阵和量测信息Z
k+1
作为对应第i个运动子模型下的扩展卡尔曼滤波器的输入进行条件滤波预测和估计，计算k+1时刻第i个运动子模型下的目标状态估计和协方差矩阵估计步骤5，构建k+1时刻第i个运动子模型匹配的似然函数其中...

【专利技术属性】
技术研发人员：闫永胜，韩世华，王海燕，申晓红，张天佑，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：