System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于信号处理,涉及水下目标跟踪技术,具体涉及一种自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法及系统。
技术介绍
1、在目标跟踪领域中,主要是通过传感器的离散观测数据来估计目标的连续状态,并从中滤除随机噪声以解析目标运动特性。这一过程通常涉及使用卡尔曼滤波器,它能高效地去除传感器数据中的量测噪声,从而实现精确的目标跟踪。然而,标准卡尔曼滤波器的应用基于线性系统模型的准确性,以及过程噪声和量测噪声服从高斯分布的假设。在实际应用中,面对多数非线性系统模型及部分或完全未知的系统噪声统计特性时,使用卡尔曼滤波器进行估计可能会导致结果的不准确性或发散。
2、针对非线性系统模型,扩展卡尔曼滤波(extended kalman filter,ekf)通过对非线性函数进行泰勒展开和线性化处理来解决非线性估计问题,但在处理强非线性系统时,其可能产生较大的滤波误差,从而失去有效性。无迹卡尔曼滤波(unscented kalmanfilter,ukf)的计算量与ekf相当,且不需要计算雅克比矩阵,在处理强非线性系统时也能保持较高的滤波精度,但ukf缺乏严格的数学推导,且在滤波迭代过程中,ukf可能会遇到由于矩阵分解和求逆导致的状态估计协方差正定性问题,尤其是在状态维数较高的情况下,其滤波精度可能降低,限制了它的应用范围。容积卡尔曼滤波(cubature kalman filter,ckf)通过利用球面径向容积准则来逼近最优状态的后验分布,有效克服了ukf在高维和强非线性状态估计中的缺陷,并实现了更高的滤波精度。然而,ckf在计
技术实现思路
1、本专利技术的目的在于针对水下目标跟踪系统中,ckf滤波中断影响稳定性及系统噪声的统计特性不完全已知甚至是完全未知的问题,提出一种基于自适应平方根容积卡尔曼滤波的单矢量水听器目标跟踪方法及系统。
2、本专利技术通过瞬时相位差加权的方法,提取目标线谱稳定估计值和目标方位高精度估值,并建立单矢量水听器系统跟踪模型,构建目标的状态方程和量测方程,针对系统过程噪声和量测噪声统计特性不确定的问题,以平方根容积卡尔曼滤波算法为基础,在统计过程噪声特性时,通过构造量测残差序列,并引入多重渐消因子调整系统滤波过程中的增益,同时基于sage-husa自适应滤波,采用适用于平方根形式的时变噪声估计器对过程噪声进行实时统计,在统计系统量测噪声特性时,使用变分贝叶斯方法进行迭代估计,进行实时统计系统量测噪声特性。
3、本专利技术采取如下技术方案:
4、基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,包括以下步骤:
5、步骤1、矢量水听器拾取数据,截取低频信号,采用瞬时相位差加权的方法提取目标方位和频率信息;
6、步骤2、设定坐标系,建立单矢量水听器水下目标系统跟踪模型,根据几何关系确定目标方位角及其频率与目标位置、速度之间的关系,构建目标状态方程和量测方程;步骤3、采用平方根容积卡尔曼滤波算法结合sage-husa滤波方法对过程噪声进行估计,采用变分贝叶斯方法对未知量测噪声进行估计。
7、优选的,步骤1中,二维矢量水听器拾取数据,对接收信号进行采样,采样率为fs,得到声压和振速通道的离散信号p(n'ts)、vx(n'ts)、vy(n'ts),其中,ts=1/fs,n'=1,2,···,n',n'为数据长度;将得到的离散信号做快速傅里叶变换分析并进行瞬时相位差进行方差计算,得到各通道瞬时相位差方差值δp(kωs)、δx(kωs)、δy(kωs):
8、
9、其中,k'为每块采集数据fft分析所得频率单元数,m为采集数据分块数,ωs=2π/k'ts是fft分析中的频率采样间隔,为各频率单元的瞬时相位;
10、对三通道下的频率单元进行瞬时相位差的方差加权统计,得到最终频谱和信号线谱估计值:
11、
12、将经过瞬时相位差加权处理后的分别进行共轭互谱,取实部:
13、
14、计算在每个频率处的目标方位,取所有频率的平均得到当前时刻k的方位角
15、
16、优选的,步骤2中,构建单矢量水听器的水下目标跟踪系统的状态方程和量测方程;在k时刻,单矢量水听器固定于点o(xok,yok)处,目标辐射源在点(xgk,ygk)处以速度作匀速运动;单矢量水听器的状态方程为目标的运动状态为匀速直线运动,状态向量为其中,xgk和ygk分别表示目标x方向和y方向的位置坐标,和分别表示目标x方向和y方向的速度;则目标的状态方程表示为:
17、xk+1=φxk+gηk (5)
18、其中,为目标在时刻k的状态向量,是状态转移矩阵,t是观测周期;ηk是协方差矩阵为qη的二维零均值高斯白噪声,为状态噪声转移矩阵,从而状态噪声协方差阵为qk=e[(gηk)(gηk)t]=gqηgt;
19、由观察者与目标之间的几何关系得到:
20、
21、
22、当目标与矢量水听器存在相对运动时,矢量水听器接收目标辐射频率时会产生多普勒频移,此时接收信号频率ft中包含多普勒频率fdk成分;假设在观测时间内辐射源频率fc保持不变,即:
23、
24、其中,c为声波传播速度;
25、则目标的量测方程为:
26、
27、优选的,步骤3中,给出改进自适应平方根容积卡尔曼滤波方法,使用sage-husa滤波方法对过程噪声进行估计,变分贝叶斯方法对量测噪声进行估计,平方根容积卡尔曼滤波处理非线性问题,具体如下:
28、步骤3.1由上一时刻(即k-1时刻)的目标状态及协方差矩阵对k时刻目标状态进行更新及伽马参数更新。
29、步骤3.2进行系统的量测更新。
30、步骤3.3进入循环,通过变分贝叶斯迭代更新目标状态及估计误差协方差矩阵。
31、步骤3.4通过saga-husa算法计算渐消记忆指数及过程噪声估计。
32、进一步优选的,步骤3中,自适应平方根容积卡尔曼滤波中的核心思想是利用spherical-radial准则,采用m个等权值的容积点(ξi,ωi)来实现非线性估计,其中ξi为容积点,ωi为1/m对应的权值,m=2n,n是状态维数;同时使用sage-husa滤波方法对过程噪声估计,变分贝叶斯方法对未知量测噪声估计;其算法流程如本文档来自技高网...
【技术保护点】
1.基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,其特征在于包括如下步骤:
2.如权利要求1所述基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,其特征在于:步骤1中,二维矢量水听器拾取数据,对接收信号进行采样,采样率为fs,得到声压和振速通道的离散信号p(n'Ts)、vx(n'Ts)、vy(n'Ts),其中,Ts=1/fs,n'=1,2,···,N',N'为数据长度;将得到的离散信号做快速傅里叶变换分析并进行瞬时相位差进行方差计算,得到各通道瞬时相位差方差值δp(kωs)、δx(kωs)、δy(kωs):
3.如权利要求1所述基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,其特征在于:步骤2中,构建单矢量水听器的水下目标跟踪系统的状态方程和量测方程;在k时刻,单矢量水听器固定于点O(xok,yok)处,目标辐射源在点(xgk,ygk)处以速度作匀速运动;单矢量水听器的状态方程为目标的运动状态为匀速直线运动,状态向量为其中,xgk和ygk分别表示目标X方向和Y方向的位置坐标,和分别表示目标X方向和Y方向的速度;则目标的状态方程表示为:
...【技术特征摘要】
1.基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,其特征在于包括如下步骤:
2.如权利要求1所述基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,其特征在于:步骤1中,二维矢量水听器拾取数据,对接收信号进行采样,采样率为fs,得到声压和振速通道的离散信号p(n'ts)、vx(n'ts)、vy(n'ts),其中,ts=1/fs,n'=1,2,···,n',n'为数据长度;将得到的离散信号做快速傅里叶变换分析并进行瞬时相位差进行方差计算,得到各通道瞬时相位差方差值δp(kωs)、δx(kωs)、δy(kωs):
3.如权利要求1所述基于自适应平方根容积卡尔曼的单矢量水听器目标跟踪方法,其特征在于:步骤2中,构建单矢量水听器的水下目标跟踪系统的状态方程和量测方程;在k时刻,单矢量水听器固定于点o(xok,yok)处,目标辐射源在点(xgk,ygk)处以速度作匀速运动...
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。