【摘要】：海洋維持著人類的生存繁衍,使人類社會(huì)能夠?qū)崿F(xiàn)可持續(xù)發(fā)展。隨著人類對(duì)海洋的開發(fā)不斷地深入,科學(xué)技術(shù)對(duì)海洋開發(fā)的支撐作用越來越重要。水下目標(biāo)跟蹤作為海洋開發(fā)的一個(gè)重要組成部分,正在成為一個(gè)越來越受到關(guān)注的研究熱點(diǎn)。本文主要研究水下目標(biāo)跟蹤的兩大重點(diǎn)課題:濾波算法和目標(biāo)運(yùn)動(dòng)模型。首先對(duì)目標(biāo)跟蹤研究中的濾波算法進(jìn)行詳細(xì)的介紹,包括卡爾曼濾波算法以及擴(kuò)展卡爾曼濾波算法、無跡卡爾曼濾波算法和容積卡爾曼濾波算法三種非線性濾波算法。對(duì)三種運(yùn)動(dòng)模型進(jìn)行詳細(xì)的介紹,包括勻速模型、勻加速模型和勻速轉(zhuǎn)彎模型。通過仿真實(shí)驗(yàn)對(duì)三種非線性濾波算法的估計(jì)性能進(jìn)行了分析和比較。仿真結(jié)果表明在狀態(tài)變量高維情況下容積卡爾曼濾波算法的估計(jì)精度比擴(kuò)展卡爾曼濾波算法和無跡卡爾曼濾波算法的估計(jì)精度更高。然后針對(duì)容積卡爾曼濾波由協(xié)方差矩陣失去正定性導(dǎo)致的濾波發(fā)散問題,介紹了平方根容積卡爾曼濾波算法。針對(duì)由系統(tǒng)模型不準(zhǔn)確導(dǎo)致的濾波發(fā)散問題,介紹了強(qiáng)跟蹤容積卡爾曼濾波算法。針對(duì)強(qiáng)跟蹤容積卡爾曼濾波算法中單漸消因子無法修正所有狀態(tài)變量的估計(jì)的問題,設(shè)計(jì)多漸消因子平方根容積卡爾曼濾波算法,既能解決由協(xié)方差矩陣失去正定性導(dǎo)致的濾波發(fā)散問題,又能在模型不準(zhǔn)確的情況下修正所有狀態(tài)變量的估計(jì),使濾波結(jié)果更加穩(wěn)定和精確。仿真實(shí)驗(yàn)結(jié)果也驗(yàn)證了這一點(diǎn)。最后針對(duì)單一運(yùn)動(dòng)模型無法完全準(zhǔn)確描述目標(biāo)運(yùn)動(dòng)的問題,介紹了多模型算法,尤其是詳細(xì)介紹了交互式多模型算法。介紹了標(biāo)量權(quán)重交互式多模型算法。交互式多模型算法的模型概率基于殘差計(jì)算,標(biāo)量權(quán)重交互式多模型算法的模型概率基于協(xié)方差計(jì)算。如果模型概率的計(jì)算既能利用殘差信息又能利用協(xié)方差信息,那么得到的模型概率將更加準(zhǔn)確。于是設(shè)計(jì)模型概率融合交互式多模型算法,將交互式多模型算法模型概率和標(biāo)量權(quán)重交互式多模型算法模型概率進(jìn)一步融合,計(jì)算得到新的模型概率,進(jìn)而用新的模型概率計(jì)算總體的狀態(tài)估計(jì)和總體的協(xié)方差。仿真實(shí)驗(yàn)驗(yàn)證模型概率融合交互式多模型算法比交互式多模型算法具有更好的估計(jì)精度。
【圖文】：

第 2 章 目標(biāo)跟蹤中的濾波算法與目標(biāo)運(yùn)動(dòng)模型 4 狀態(tài)估計(jì)和誤差協(xié)方差矩陣為| 1 | 1 ( )k k k k k k k x x K z z k k | k 1 k kk | k 1P P K HP曼濾波算法基本思路框圖如圖 2.1 所示。

第 2 章 目標(biāo)跟蹤中的濾波算法與目標(biāo)運(yùn)動(dòng)模型誤差協(xié)方差矩陣為| 1 | 1 ( )k k k k k k k x x K z z k k | k 1 k kk | k 1P P K HP本思路框圖如圖 2.1 所示。圖 2.1 卡爾曼濾波算法基本思路框圖流程圖如圖 2.2 所示。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;P742

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳懷宇;;卡爾曼濾波算法及其在真實(shí)成績(jī)預(yù)測(cè)中的應(yīng)用[J];中國(guó)新通信;2018年23期

2 毛秀華;吳健;;卡爾曼濾波算法研究[J];艦船電子對(duì)抗;2017年03期

3 劉潤(rùn)生;董秀珍;劉銳崗;;線性卡爾曼濾波算法在磁感應(yīng)斷層成像技術(shù)中的仿真研究[J];醫(yī)療衛(wèi)生裝備;2016年01期

4 王秋平;莊園;李鳳;;基于線性分式變換的U卡爾曼濾波算法[J];信息與控制;2013年05期

5 余小琴;沈文苗;;擴(kuò)展卡爾曼濾波算法初值選取方法[J];聲學(xué)與電子工程;2012年01期

6 李恒;張靜遠(yuǎn);羅軒;諶劍;;無味卡爾曼濾波算法形式及性能研究[J];彈箭與制導(dǎo)學(xué)報(bào);2012年03期

7 孫秋云;;改進(jìn)的卡爾曼濾波算法在行駛汽車狀態(tài)估計(jì)中的應(yīng)用現(xiàn)狀[J];價(jià)值工程;2011年19期

8 李莉;宋志強(qiáng);;轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法在雷達(dá)數(shù)據(jù)融合中的應(yīng)用[J];儀器儀表用戶;2011年04期

9 王建文;稅海濤;馬宏緒;李迅;劉述田;;優(yōu)化卡爾曼濾波算法中的目標(biāo)函數(shù)選擇[J];系統(tǒng)工程與電子技術(shù);2009年01期

10 曲毅;劉忠;孫世言;;純方位被動(dòng)目標(biāo)運(yùn)動(dòng)分析的衰減記憶卡爾曼濾波算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2006年05期

相關(guān)會(huì)議論文 前10條

1 劉棟;王惠林;;卡爾曼濾波算法在目標(biāo)定位系統(tǒng)中的應(yīng)用[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（上冊(cè)）[C];2010年

2 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國(guó)智能交通年會(huì)論文集[C];2012年

3 周紅波;耿伯英;;基于目標(biāo)跟蹤的無偏轉(zhuǎn)換測(cè)量卡爾曼濾波算法研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

4 劉健;劉忠;玄兆林;;純方位目標(biāo)運(yùn)動(dòng)分析的自適應(yīng)擴(kuò)展卡爾曼濾波算法[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

5 余小琴;劉貫領(lǐng);沈文苗;;多基地浮標(biāo)目標(biāo)運(yùn)動(dòng)分析[A];2009年中國(guó)東西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2009年

6 程慧俐;王紀(jì)文;張洪鉞;;在未知噪聲統(tǒng)計(jì)情況下的一種新的自適應(yīng)卡爾曼濾波算法[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

7 趙汝祺;趙祚喜;趙汝準(zhǔn);;基于多項(xiàng)式卡爾曼濾波算法的車輛定位試驗(yàn)研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

8 鄭家旺;劉有源;;離散型卡爾曼濾波在汽車零部件檢測(cè)中的應(yīng)用[A];湖北省機(jī)械工程學(xué)會(huì)設(shè)計(jì)與傳動(dòng)專業(yè)委員會(huì)暨武漢機(jī)械設(shè)計(jì)與傳動(dòng)學(xué)會(huì)第十九屆學(xué)術(shù)年會(huì)論文集[C];2011年

9 沈國(guó)華;吳雨翠;童長(zhǎng)青;王艷;陳臻堯;;基于LC801E平臺(tái)卡爾曼濾波算法與控溫算法結(jié)合的技術(shù)實(shí)現(xiàn)[A];第十五屆中國(guó)航天電子技術(shù)研究院學(xué)術(shù)交流會(huì)優(yōu)秀論文集[C];2018年

10 沈曄青;龔華軍;熊琰;;精確制導(dǎo)系統(tǒng)中的目標(biāo)跟蹤與卡爾曼濾波[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（A 光電系統(tǒng)總體技術(shù)專題）[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 趙偉;基于容積規(guī)則的魯棒卡爾曼濾波算法研究與應(yīng)用[D];燕山大學(xué);2017年

2 馮波;線性濾波估計(jì)算法研究及在慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];北京理工大學(xué);2014年

3 張金良;基于卡爾曼濾波算法的感應(yīng)電機(jī)無傳感器直接轉(zhuǎn)矩控制技術(shù)研究[D];華南理工大學(xué);2016年

4 趙紅宇;慣性行人導(dǎo)航系統(tǒng)的算法研究[D];大連理工大學(xué);2015年

5 沈悅;基于導(dǎo)航通信多模應(yīng)用的位置服務(wù)技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

6 黃錦旺;傳感器網(wǎng)絡(luò)中的信號(hào)分離與重構(gòu)[D];華南理工大學(xué);2014年

7 王小剛;非線性濾波方法在無人機(jī)相對(duì)導(dǎo)航上的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

8 周聰;基于非線性估計(jì)理論的線控轉(zhuǎn)向汽車狀態(tài)估計(jì)研究[D];西南交通大學(xué);2012年

9 劉真通;基于模型的純電動(dòng)車輛動(dòng)力系統(tǒng)故障診斷研究[D];北京理工大學(xué);2016年

10 孟軍英;基于粒子濾波框架目標(biāo)跟蹤優(yōu)化算法的研究[D];燕山大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 許躍千;基于非線性濾波的水下目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工程大學(xué);2019年

2 Muhammad Ijaz;無人機(jī)INS/GPS組合導(dǎo)航算法研究[D];哈爾濱工業(yè)大學(xué);2018年

3 劉瑞騰;目標(biāo)跟蹤濾波方法研究[D];西安電子科技大學(xué);2018年

4 陸曉憶;時(shí)頻雙選信道環(huán)境下OFDM系統(tǒng)的信道估計(jì)技術(shù)研究[D];南京航空航天大學(xué);2018年

5 劉建偉;多路徑激光雷達(dá)三維數(shù)據(jù)處理技術(shù)研究[D];電子科技大學(xué);2018年

6 郭輝;柔性針軟組織穿刺控制方法及實(shí)驗(yàn)研究[D];東北大學(xué);2017年

7 王新霞;低粘著狀態(tài)下機(jī)車粘著狀態(tài)估計(jì)方法研究[D];西南交通大學(xué);2018年

8 方健豪;電動(dòng)汽車動(dòng)力電池的健康狀態(tài)與荷電估計(jì)研究[D];河南科技大學(xué);2018年

9 高文敬;動(dòng)力電池SOC估算方法研究與BMS開發(fā)[D];山東理工大學(xué);2018年

10 高寧;電動(dòng)汽車動(dòng)力鋰電池建模與剩余電量估算方法的研究[D];大連交通大學(xué);2017年

，

本文編號(hào)：2694042