摘要：自主水下机器人(AUV)动态目标跟踪技术是实现目标探测、目标侦察等任务的核心技术之一。为了跟踪机动目标,通常采用基于交互多模型(IMM)算法结合恒定速度(CV)模型和协同转弯(CT)模型;而IMM中的转移概率和CT模型中转弯速率通常根据先验信息固定,可能会导致状态估计不准确。为此,文章基于现有的自适应IMM算法,提出了一种可以自适应调整转移概率的并行IMM算法(APIMM)并结合无迹卡尔曼滤波算法(UKF)对水下三维空间中的机动目标进行状态预测,改进算法基于的模型集选择了CV模型,自适应转弯速率的三维固定中心恒定速率和转向速率(CSCTR)模型和当前统计(CS)模型。仿真结果表明,该算法能更大程度地利用后验信息,拥有更快的模型切换速度,能够对三维空间水下动态目标的状态进行预测,并且预测精度提升了约15%。

摘要：为实现水下机动目标准确可靠跟踪,本文将水下目标视为刚体,考虑水下机动目标平动转动耦合现象,提出了一种自适应跟踪算法。采用矢量对偶四元数对水下非合作目标的运动学与动力学过程进行建模,对其六自由度耦合运动进行一体化描述,更加真实简洁的反映水下目标的运动特性。考虑水下环境干扰对观测量的影响,结合自适应卡尔曼滤波算法,通过实时计算新息信息调整滤波增益,对水下机动目标当前状态进行自适应估计,克服了传统非线性卡尔曼滤波算法不能处理受扰观测的局限。基于Matlab仿真平台完成了对所设计算法的蒙特卡洛仿真。仿真结果表明:在给定的水下三维仿真空间内,所设计的算法能够对水下机动目标进行准确可靠的跟踪。

摘要：为解决多传感器水下目标纯方位跟踪中的传感器测量衰减问题,建立水下目标静态多传感器纯方位跟踪模型,将传感器测量衰减建模为统计特性已知的随机变量,基于融合中心接收到的各水声传感器的原始测量值,设计了一种集中式状态估计器结构,利用最小方差方法推导出最优的集中式目标状态估计增益。通过算例仿真可以得出,所提出的算法能够在水声传感器不做机动的前提下跟踪目标,弥补了单个水声传感器观测性不足的缺点,对比传统的集中式Kalman估计器,具有更高的精度,能够有效解决传感器测量衰减问题。

摘要：由于目标的距离不是直接提供的，因此利用被动测量方法估计声源目标轨迹是困难的。用来计算距离的非线性方程以不便 计算的形式传递测量误差，引起了估值器在估计距离时大的偏差。许多学才为这是实际测量系统性能的局限性。本文提出了解决的有效方法是把滤波问题为两满足消除距离偏差和满足声源目标机动性这两个互相制约的要求，设计控制第一级滤波器是关键。本文提的滤波器的一种新的控制结构是权衡上 述两个互相制约要求的方案。通过仿真，证明了这种结构不仅显著降低了距离偏差，而且在目标距离变化时，能良好地跟踪机动目标。本方法和以往的一些方法相比，明显地降低了距离偏差，并且显著地改善了跟踪目标的稳定性。