本申请涉及一种水下目标运动分析方法和装置，其中方法包括：采用MCMC对水下目标进行状态向量的各项参数的采样，并根据采样结果得到当前次采样下水下目标的状态向量的后验概率密度比；根据后验概率密度比，确定当前次采样下状态向量的取值；统计预设采样次数中每次采样所对应的状态向量的取值，并根据统计结果确定水下目标最终的状态向量估计值。通过对水下目标的状态向量的各项参数通过MCMC采样方法进行采样，并在采样后结合状态向量的后验概率密度比进行状态向量的取值的确定，进而通过所确定的预设采样次数中每次采样所对应的状态向量的统计分析来得到最终的状态向量估计值，能够有效实现在弱观测条件下的水下目标状态估计。态估计。态估计。
【技术实现步骤摘要】
水下目标运动分析方法和装置
[0001]本公开涉及水下目标运动分析
，尤其涉及一种水下目标运动分析方法和装置。
技术介绍
[0002]水下目标运动分析是解决如何从探测器所探测到的目标有关信息来估计水下目标运动要素的。为了达到隐蔽探测的目的，通常的探测器为被动探测模式，探测到的目标有关信息通常仅有方位信息。因此，水下目标运动分析通常为从探测到的方位信息中估计出目标的距离、速度等状态信息。
[0003]在相关技术中，水下目标运动分析通常通过迭代求解最大似然估计的方法对目标的状态向量进行估计。但是，目标状态向量的可估计性具有克拉美罗下界特征。最大似然估计法在求解水下目标运动分析问题时是渐进有效的，当观察者机动的幅度低于某值时，即观察者处于弱观测条件下，克拉美罗下界系数将会急剧增长，从而使水下目标运动分析问题变得不可估计。
技术实现思路
[0004]有鉴于此，本公开提出了一种水下目标运动分析方法，实现了即使在弱观测条件下仍能够进行水下目标运动的分析。
[0005]根据本公开的一方面，提供了一种水下目标运动分析方法，包括：
[0006]采用MCMC对水下目标进行状态向量的各项参数的采样，并根据采样结果得到当前次采样下所述水下目标的状态向量的后验概率密度比；
[0007]根据所述后验概率密度比，确定所述当前次采样下所述状态向量的取值；
[0008]统计预设采样次数中每次采样所对应的所述状态向量的取值，并根据统计结果确定所述水下目标最终的状态向量估计值。
[0009]在一种可能的实现方式中，根据统计结果确定所述水下目标最终的状态向量估计值时，包括：
[0010]统计预设采样次数中所述状态向量中各项参数出现频率最高的取值作为最终的所述状态向量估计值。
[0011]在一种可能的实现方式中，所述状态向量参数包括所述水下目标距离观测平台的距离r、所述水下目标的测量方位θ、所述水下目标的速度v、和所述水下目标与水平方向的夹角α中的至少一种。
[0012]在一种可能的实现方式中，采用MCMC对水下目标进行状态向量参数的采样时，基于所述水下目标的先验条件进行采样；
[0013]所述先验条件包括：所述水下目标的速度上限和速度下限；所述水下目标与观测凭条的距离上限和下限；所述水下目标的测量方位区间，以及所述水下目标与水平夹角的上限和下限中的至少一种。
[0014]在一种可能的实现方式中，根据采样结果得到当前次采样下所述水下目标的状态向量的后验概率密度比时，根据所述水下目标在所述当前次采样的前一次采样下的状态向量的先验概率分布和所述水下目标在所述当前次采样下的状态向量的先验概率分布进行计算得到。
[0015]在一种可能的实现方式中，根据所述水下目标在所述当前次采样的前一次采样下的状态向量的先验概率分布和所述水下目标在所述当前次采样下的状态向量的先验概率分布进行计算得到所述后验概率密度比时，还包括：
[0016]结合所述水下目标在所述当前次采样的前一次采样下的状态向量的似然估计和所述水下目标在所述当前次采样的前一次采样下的状态向量的似然估计进行所述后验概率密度比的计算。
[0017]在一种可能的实现方式中，所述水下目标在所述当前次采样下的状态向量的先验概率分布，通过根据先验概率分布的独立性，对所述状态向量中各参数的概率分布依次进行乘积运算得到。
[0018]在一种可能的实现方式中，结合所述水下目标在所述当前次采样的前一次采样下的状态向量的似然估计和所述水下目标在所述当前次采样的前一次采样下的状态向量的似然估计进行所述后验概率密度比的计算时，通过以下公式计算得到：
[0019][0020]其中，为当前次采样的前一次采样下的状态向量的似然估计；p(r,θ,v,α)
(i
‑
1)
为当前次采样的前一次采样下的状态向量的先验概率分布，为当前次采样下的状态向量的似然估计，p(r,θ,v,α)
(i)
为当前次采样下的状态向量的先验概率分布；
[0021]r为所述水下目标距离观测平台的距离，θ为所述水下目标的测量方位，v为所述水下目标的速度，α为所述水下目标与水平方向的夹角。
[0022]在一种可能的实现方式中，根据所述后验概率密度比，确定所述当前次采样下所述状态向量的取值时，包括：
[0023]对所述后验概率密度比与产生的随机数进行比较；
[0024]在所述后验概率密度比大于或等于所述随机数时，以所述当前次采样的采样值作为所述状态向量的取值；
[0025]在所述后验概率密度比小于所述随机数时，以所述当前次采样的前一次采样的采样值作为所述状态向量的取值。
[0026]根据本公开的另一方面，还提供了一种水下目标运动分析装置，包括：采样模块、概率密度比计算模块、状态向量确定模块和状态向量估计模块；
[0027]所述采样模块，被配置为采用MCMC对水下目标进行状态向量的各项参数的采样；
[0028]所述概率密度比计算模块，被配置为根据采样结果得到当前次采样下所述水下目标的状态向量的后验概率密度比；
[0029]所述状态向量确定模块，被配置为根据所述后验概率密度比，确定所述当前次采样下所述状态向量的取值；
[0030]所述状态向量估计模块，被配置为统计预设采样次数中每次采样所对应的所述状态向量的取值，并根据统计结果确定所述水下目标最终的状态向量估计值。
[0031]通过对水下目标的状态向量的各项参数通过MCMC采样方法进行采样，并在采样后结合状态向量的后验概率密度比进行状态向量的取值的确定，进而通过所确定的预设采样次数中每次采样所对应的状态向量的统计分析来得到最终的状态向量估计值，相较于相关技术中采用最大似然估计法的方式，能够有效实现在弱观测条件下的水下目标状态估计。
[0032]根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
[0033]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
[0034]图1示出本申请一实施例的水下目标运动分析场景的示意图；
[0035]图2示出本申请一实施例的水下目标运动分析方法的流程图；
[0036]图3示出采用本申请一实施例的水下目标运动分析方法进行仿真试验时观测者与目标运动态势图；
[0037]图4示出采用本申请一实施例的水下目标运动分析方法对目标的运动要素进行采样得到的采样值以及目标状态贝叶斯区间估计结果的示意图；
[0038]图5示出本申请一实施例的水下目标运动分析装置的结构框图。
具体实施方式
[0039]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。...
【技术保护点】
【技术特征摘要】
1.一种水下目标运动分析方法，其特征在于，包括：采用MCMC对水下目标进行状态向量的各项参数的采样，并根据采样结果得到当前次采样下所述水下目标的状态向量的后验概率密度比；根据所述后验概率密度比，确定所述当前次采样下所述状态向量的取值；统计预设采样次数中每次采样所对应的所述状态向量的取值，并根据统计结果确定所述水下目标最终的状态向量估计值。2.根据权利要求1所述的方法，其特征在于，根据统计结果确定所述水下目标最终的状态向量估计值时，包括：统计预设采样次数中所述状态向量中各项参数出现频率最高的取值作为最终的所述状态向量估计值。3.根据权利要求1所述的方法，其特征在于，所述状态向量参数包括所述水下目标距离观测平台的距离r、所述水下目标的测量方位θ、所述水下目标的速度v、和所述水下目标与水平方向的夹角α中的至少一种。4.根据权利要求1所述的方法，其特征在于，采用MCMC对水下目标进行状态向量参数的采样时，基于所述水下目标的先验条件进行采样；所述先验条件包括：所述水下目标的速度上限和速度下限；所述水下目标与观测凭条的距离上限和下限；所述水下目标的测量方位区间，以及所述水下目标与水平夹角的上限和下限中的至少一种。5.根据权利要求1所述的方法，其特征在于，根据采样结果得到当前次采样下所述水下目标的状态向量的后验概率密度比时，根据所述水下目标在所述当前次采样的前一次采样下的状态向量的先验概率分布和所述水下目标在所述当前次采样下的状态向量的先验概率分布进行计算得到。6.根据权利要求5所述的方法，其特征在于，根据所述水下目标在所述当前次采样的前一次采样下的状态向量的先验概率分布和所述水下目标在所述当前次采样下的状态向量的先验概率分布进行计算得到所述后验概率密度比时，还包括：结合所述水下目标在所述当前次采样的前一次采样下的状态向量的似然估计和所述水下目标在所述当前次采样的前一次采样下的状态向量的似然估计进行所述后验概率密度比的计算。7.根据权利要求5所述的方法，其特征在于，所述水下目标在所述...
【专利技术属性】
技术研发人员：陆桦，
申请(专利权)人：北京中安智能信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。