没有合适的资源?快使用搜索试试~ 我知道了~
基于leg-by-leg机动的两级采样被动跟踪方法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 175 浏览量
2023-02-23
20:04:32
上传
评论
收藏 811KB DOCX 举报
温馨提示
试读
17页
基于leg-by-leg机动的两级采样被动跟踪方法.docx
资源推荐
资源详情
资源评论
1. 引言
目标被动跟踪又称目标运动分析(Target Motion Analysis,TMA),指利用被动观测的信
息对目标运动状态在时间上进行连续估计的过程。线谱信号的方位和频率是被动声呐观测
的重要参数,利用低频分析与记录(Low frequency analysis recording,Lofar)谱的方位-频率
TMA
[1,2]
对于水下态势感知具有重要意义。检测前跟踪(Track-Before-Detecting, TBD)技术不
对单帧数据做门限处理,利用多帧数据积累能量进行检测判决,可提高目标的发现概率。
基于粒子滤波的 TBD 方法
[3,4]
通过引入目标运动模型和传感器观测模型,完整地体现了跟
踪的思想,是当前弱目标 TBD 的研究热点。
但是,粒子滤波 TBD 算法在方位-频率观测情况下的应用尚存在障碍。同时观测方位
和频率时目标状态向量维数较高,而粒子滤波 TBD 算法在高维状态空间的采样效率较低
[5-
7]
,为满足一定的检测和估计要求,算法所需的粒子数量随采样维数呈指数级增长
[8]
,带来
的计算量和存储量都是灾难性的。
文献[9]根据状态向量中各分量对量测有无直接影响,把粒子的高维状态采样转换为两
个低维采样,缺陷是在第 1 级仅对位置和强度采样,目标位置发生变化时无法沿目标轨迹
累积能量,未能体现 TBD 算法“时间换信噪比”的思想。文献[10]认为对量测有直接影响的
状态向量分量的估计会较早接近真值,根据状态向量是否可测分别从后验状态分布和先验
分布中采样,提出局部搜索采样的方法以提高粒子采样效率。Rao-Blackwellized 粒子滤波
[11]
将粒子状态变量划分为线性状态变量和非线性状态变量,通过 Kalman 滤波方法估计线
性状态变量,通过粒子滤波估计非线性状态变量,实现粒子滤波状态向量降维。标准的
Rao-Blackwellized 粒子滤波实现中要求对每个粒子运行一个 Kalman 滤波,虽然状态向量
降维减少了所需的粒子数,但计算量的减少并不显著
[12]
。文献[13]在高维状态空间假设下
比较了粒子滤波、马尔可夫蒙特卡罗粒子滤波、混合粒子滤波 3 种算法的性能,但没有给
出提升算法性能的方法。一些学者尝试从粒子滤波原理入手,通过数值逼近等方法解决高
维采样问题
[14,15]
,理论较为复杂且无法直接应用于目标跟踪的场景。
leg-by-leg 机动
[16,17]
是一种易于实施的机动模式,适用于船艇等机动性欠佳的观测载
体。本文针对观测站 leg-by-leg 机动模式下利用方位-频率信息的粒子滤波检测前跟踪算
法,一方面利用 leg-by-leg 机动可观测性特点,在前、后直行段分别建立极坐标系和直角
坐标系下的目标状态模型,提出将极坐标系下的目标状态向量映射至直角坐标系的方法,
通过两级采样将一个高维采样问题变为两个低维采样问题,从而改善粒子的采样效率;另
一方面根据粒子的空间分布特征,自适应地调整过程噪声协方差矩阵,从而改善滤波的收
敛性,避免陷入局部最优。仿真结果表明,所提方法可以有效地增大滤波收敛率、减小目
标距离估计误差、缩短收敛时间,海试数据处理结果进一步验证了所提方法的可行性和有
效性。
2. 系统模型
2.1 目标状态模型
假设目标具备线谱特征,目标与观测站在同一水平面内做匀速直线运动,在直角坐标
系下建立 kk 时刻的目标状态向量为
\boldsymbolxk=[xkx˙kyky˙kfksnrk]T\boldsymbolxk=[xkx˙kyky˙kfksnrk]T
(1)
其中,xkxk 和 ykyk 分别为目标在 xx 轴方向和 yy 轴方向的坐标,x˙kx˙k 和 y˙ky˙k 分
别为目标在 xx 轴方向和 yy 轴方向的速度,fkfk 为目标线谱固有频率,snrksnrk 为目标线
谱信噪比。
目标状态转移方程为
\boldsymbolxk+1=\boldsymbolF⋅\boldsymbolxk+\boldsymbolQ⋅\boldsymbolvk\boldsymbolxk+1=\boldsymbolF⋅\boldsymbolxk+\boldsymbolQ⋅\boldsymbolvk
(2)
其中,\boldsymbolF\boldsymbolF 与\boldsymbolQ\boldsymbolQ 分别为目标匀速直
线运动模型的状态转移矩阵以及过程噪声协方差矩阵
\boldsymbolF=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢100000T1000000100000T100000010000001⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥\boldsymbolF=[1T0000010000001T00000100000010000001]
(3)
\boldsymbolQ=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢q1T3/3q1T2/20000q1T2/2q1T000000q1T3/3q1T2/20000q1T2/2q1T000000q2T000000q3T⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥\boldsymbolQ=[q1T3/3q1T2/20000q1T2/2q1T000000q1T3/3q1T2/20000q1T2/2q1T000000q2T000000q3T]
(4)
TT 为观测时间间隔,q1q1, q2q2, q3q3 分别为目标运动状态、线谱频率、线谱信噪比
的过程噪声级。
2.2 量测模型
被动声呐 Lofar 谱的横纵坐标分别为方位和频率,设观测的方位范围为
[θmin,θmax]∘[θmin,θmax]∘,分为 NbNb 个方位单元,频率范围为
[fmin,fmax]Hz[fmin,fmax]Hz,分为 NfNf 个频率单元,观测\boldsymbolzk\boldsymbolzk 包
括 Nb×NfNb×Nf 个功率谱数据,记为
\boldsymbolzk={\boldsymbolz(i,j)k,i=1,2,⋯,Nb,j=1,2,⋯,Nf}\boldsymbolzk={\boldsymbolzk(i,j),i=1,2,⋯,Nb,j=1,2,⋯,Nf}
(5)
其中,\boldsymbolz(i,j)k\boldsymbolzk(i,j)表示单元(i,j)(i,j)的功率观测,设
\boldsymbolz(i,j)A,k\boldsymbolzA,k(i,j)为单元(i,j)(i,j)的复幅度观测,则有
\boldsymbolz(i,j)k==∣∣\boldsymbolz(i,j)A,k∣∣2∣∣Ak(\boldsymbolxk)h(i,j)A(\boldsymbolxk)+\boldsymbolv(i,j)k∣∣2\boldsymbolzk(i,j)=|\boldsymbolzA,k(i,j)|2=|Ak(\boldsymbolxk)hA(i,j)(\boldsymbolxk)+\boldsymbolvk(i,j)|2
(6)
其中,\boldsymbolv(i,j)k\boldsymbolvk(i,j)为单元(i,j)(i,j)处的观测噪声,定义为复高
斯形式,在全空间内独立同分布,设\boldsymbolvI,k\boldsymbolvI,k 和
\boldsymbolvQ,k\boldsymbolvQ,k 为均值为 0,方差为 δ2/2δ2/2 的高斯白噪声,观测噪声
\boldsymbolvk\boldsymbolvk 等于
\boldsymbolvI,k+i\boldsymbolvQ,k\boldsymbolvI,k+i\boldsymbolvQ,k。
Ak(\boldsymbolxk)Ak(\boldsymbolxk)为目标复幅度,设
P(\boldsymbolxk)P(\boldsymbolxk)为目标功率,ϕkϕk 在(0,2π)(0,2π)范围内随机取值,则
有
Ak(\boldsymbolxk)=P(\boldsymbolxk)−−−−−−−−−−−−−−−√eiϕkAk(\boldsymbolxk)=P(\boldsymbolxk)eiϕk
(7)
功率 P(\boldsymbolxk)P(\boldsymbolxk)与状态向量中信噪比项 snrksnrk 的关系为
snrk=10lg(P(\boldsymbolxk)/δ2)snrk=10lg(P(\boldsymbolxk)/δ2)
(8)
式(6)中 h(i,j)A(\boldsymbolxk)hA(i,j)(\boldsymbolxk)为目标在分辨单元(i,j)(i,j)的幅度
分布函数,用 δ2fδf2 和 δ2bδb2 分别表示声纳的频率和方位观测方差,则有
h(i,j)A(\boldsymbolxk)=exp{−(fi−fr,k)22δ2f−(βj−βk)22δ2b}hA(i,j)(\boldsymbolxk)=exp{−(fi−fr,k)22δf2−(βj−βk)22δb2}
(9)
其中,fifi 为第 ii 个频率观测单元对应的频率值,βjβj 为第 jj 个方位观测单元对应的
方位值。观测站与目标间的相对运动会导致线谱发生多普勒频移,fr,kfr,k 为目标线谱固有
频率与多普勒频移之和,βkβk 为目标方位。
设 xo,kxo,k 和 yo,kyo,k 为观测站在 xx 轴方向和 yy 轴方向的位置,x˙o,kx˙o,k 和
y˙o,ky˙o,k 为观测站在 xx 轴方向和 yy 轴方向的速度,可得目标相对观测站的位置 xr,kxr,k
和 yr,kyr,k、目标相对观测站的速度 x˙r,kx˙r,k 和 y˙r,ky˙r,k
xr,k=xk−xo,kyr,k=yk−yo,kx˙r,k=x˙k−x˙o,ky˙r,k=y˙k−y˙o,k⎫⎭⎬⎪⎪⎪⎪⎪⎪⎪⎪xr,k=xk−xo,kyr,k=yk−yo,kx˙r,k=x˙k−x˙o,ky˙r,k=y˙k−y˙o,k}
(10)
rkrk 为观测站与目标间距离,c 为声信号在水中的传播速度,fr,kfr,k 和 βkβk 的计算式
为
rk=x2r,k+y2r,k−−−−−−−−√rk=xr,k2+yr,k2
(11)
fr,k=fk(1−x˙r,kxr,k+y˙r,kyr,krkc)fr,k=fk(1−x˙r,kxr,k+y˙r,kyr,krkc)
(12)
βk=arctan(yr,k/xr,k)βk=arctan(yr,k/xr,k)
(13)
3. leg-by-leg 机动可观测性分析
leg-by-leg 机动由两个不同运动方向的匀速直行段及连接它们的圆弧段组成,又称转
向机动、折线机动、两段直航式机动,是一种易于实施的机动模式,适用于船艇等机动性
欠佳的观测载体。按照时间先后顺序,两个匀速直行段分别称为 leg1 段和 leg2 段,示意图
如图 1 所示。
图 1 leg-by-leg 机动模式示意图
下载: 全尺寸图片 幻灯片
被动量测信息是目标运动参数的不完全描述,且状态空间模型的非线性程度较高,因
此需分析系统可观测性
[18]
。目标运动参数可观测的必要条件是测量信息维度大于目标运动
方程阶数
[19]
,在目标匀速直线运动(运动方程阶数为 1)的假设下,为保证目标运动参数可观
测,测量信息的维度应大于 1。增大观测信息维度的方法包括:增加观测量数目,如同时
观测目标的方位、频率、相位差变化率等信息;增加观测站数目,如采用双基地、多基地
观测;增大观测站运动方程阶数,如观测站进行圆周机动、抛物线机动。
方位-频率观测情况下,当观测站处于 leg-by-leg 机动模式中转向前的匀速直行段(leg1
段)时,测量信息维度为 2,在观测站和目标存在相对运动的情况下对于匀速直线运动的目
标具备可观测性
[20]
。但是,在目标运动分析问题中,除了讨论是否可观测,还应讨论可观
测性的强弱,这关系到目标状态估计的收敛率、收敛速度、估计精度等性能
[21]
。目标运动
状态的估计依靠观测量的变化,变化幅度越大越有利于估计。在水下目标探测场景下,由
于观测站和目标航速较低且相距较远,因此方位变化幅度较小;由于水下目标线谱固有频
率较低,因此多普勒效应不显著,频率变化幅度较小。特别是在低信噪比情况下,目标方
位变化和多普勒频移的检测更加困难。因此,leg1 段虽然具备可观测性,但可观测性较
弱。
当观测站处于 leg-by-leg 机动模式中转向后的匀速直行段(leg2 段)时,观测站转向前后
等效于两个不同位置的观测站同时对目标进行观测
[22]
,通过增加观测站数量的方式进一步
增大了观测信息维度,构成观测维数冗余。转向后目标方位变化率会发生较大幅度的变
剩余16页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3654
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于Pytorch训练CIRAR10上分类算法.zip
- Pytorch-pytorch深度学习教程之Tensorboard.zip
- 基于C++和Python开发yolov8-face作为人脸检测器dlib作为人脸识别器的人脸考勤系统源码+项目说明.zip
- Pytorch-pytorch深度学习教程之变分自动编码器.zip
- Pytorch-pytorch深度学习教程之神经风格迁移.zip
- Pytorch-pytorch深度学习教程之深度残差网络.zip
- Pytorch-pytorch深度学习教程之循环神经网络.zip
- Pytorch-pytorch深度学习教程之逻辑回归.zip
- Pytorch-pytorch深度学习教程之双向循环网络.zip
- Pytorch-pytorch深度学习教程之卷积神经网络.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功