【摘要】：在實際應用課題中,被動的目標運動分析(TMA)技術(shù)在戰(zhàn)略、水聲等領(lǐng)域上具有重要的研究意義。而傳統(tǒng)的方法往往具有較苛刻的前提條件,難于求解。因此通過結(jié)合聲特征進行TMA能夠簡易的、快速的對目標運動參數(shù)進行求解。本文主要研究了結(jié)合聲信息特征的運動參數(shù)解算方法,這種方法不需要觀測方發(fā)生機動,僅靠單觀測站就能夠被動地對目標進行參數(shù)估計與跟蹤。運動中的目標發(fā)出的輻射噪聲的線譜中存在著多普勒(Doppler)頻移現(xiàn)象,因此在線譜信息中蘊含有目標的運動參數(shù)信息,利用提取到的輻射噪聲的線譜瞬時頻率信息解算出目標的運動參數(shù)對被動跟蹤與分析具有重要的意義。本文研究了利用瞬時頻率信息與方位角信息,對運動目標進行運動參數(shù)估計的方法。粒子群(PSO)優(yōu)化方法是一種智能優(yōu)化方法,具有不需要復雜計算,需要調(diào)節(jié)的參數(shù)少,搜索能力突出及結(jié)構(gòu)簡單等特點,但也存在出現(xiàn)陷入早熟現(xiàn)象的情況。為了解決PSO方法具有的這些不足,本文以經(jīng)典標準PSO方法作為模板,給出了動態(tài)參數(shù)改進方案,推出了一種基于精英-隨機學習的PSO方法,即ERPSO方法。根據(jù)自然界生物群體的學習過程中,個體的學習方式存在的隨機性與集中性,學習模式存在的反反復復的周期性,提出了一種周期式的學習模式,并結(jié)合精英組學習方法與隨機學習方法,使優(yōu)化方法即能夠快速收斂,也保證了解算過程中解的多樣性,減少了陷入早熟現(xiàn)象的出現(xiàn)。提出了精英組學習方法(EPSO)與隨機學習方法(RPSO)。EPSO方法通過將優(yōu)秀的精英個體組成一個團體對粒子個體進行群體信息共享與引導,避免了僅有最佳個體粒子作為參考時易陷于局部最優(yōu)的情況,體現(xiàn)了團體之間的學習形式。RPSO方法中粒子除了通過自我探索獲得信息與經(jīng)驗外,還可以通過與其他粒子進行信息交流獲得更多信息與經(jīng)驗,體現(xiàn)了個體之間的學習形式。因?qū)W習的目標具有隨機分布性,提升了學習過程中每個個體的多樣性。數(shù)值仿真實驗分析了ERPSO方法的可行性及綜合性能。ERPSO方法能充分地運用精英組學習方法的局部高度搜索能力與隨機學習方法的全局大范圍隨機性搜索能力的優(yōu)點,使收斂結(jié)果更加優(yōu)異,且在單峰值與多峰值的目標函數(shù)優(yōu)化問題中均有令人滿意的性能表現(xiàn)。在論文的最后,通過數(shù)值仿真實驗進行了勻速直線運動模型下的TMA問題的參數(shù)估計測試,并利用無跡卡爾曼(UKF)技術(shù)實現(xiàn)了目標位置的還原與預測。通過數(shù)值實驗,分析了測量誤差與運動要素對求解過程的作用。仿真結(jié)果說明了本文提出的ERPSO方法于運動目標的運動要素求解方法的可行性。
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：O427.9
【圖文】：

圖 2.2 勻速直線運動模型 圖 2.3 勻速直線相對運動模型簡化運動模型，移動中的目標與觀測方的基本相對運動態(tài)勢，如圖 2.3 所示。以測方為坐標中心相對靜止，目標做相對的勻速線性運動。運動目標的相對速度為 ，始與第 時刻相對舷角分別為 與 ，方位差為 = ，相對運動情形下的目航向角為 ，則根據(jù)第二章的 Doppler 頻移效應表達式，接收到的瞬時頻率為

圖 2.2 勻速直線運動模型 圖 2.3 勻速直線相對運動模型簡化運動模型，移動中的目標與觀測方的基本相對運動態(tài)勢，如圖 2.3 所示。以測方為坐標中心相對靜止，目標做相對的勻速線性運動。運動目標的相對速度為 ，始與第 時刻相對舷角分別為 與 ，方位差為 = ，相對運動情形下的目航向角為 ，則根據(jù)第二章的 Doppler 頻移效應表達式，接收到的瞬時頻率為

【相似文獻】

相關(guān)期刊論文 前10條

1 吳旭;杜選民;周勝增;;基于雙陣純方位的水下運動目標運動分析研究[J];艦船科學技術(shù);2017年09期

2 舒象蘭;孫榮光;馬鑫;;一種改進的純方位目標運動分析方法研究[J];艦船科學技術(shù);2015年11期

3 毛衛(wèi)寧,錢進,蔡衛(wèi)平;基于合成時空譜的多目標運動分析[J];東南大學學報(自然科學版);2003年02期

4 詹艷梅,孫進才;純方位目標運動分析的卡爾曼濾波算法[J];應用聲學;2003年01期

5 毛衛(wèi)寧,陳勵軍;一種新的目標運動分析方法[J];聲學學報;1998年05期

6 李華軍，劉新國，黃南發(fā);純方位目標運動分析數(shù)學模型[J];彈道學報;1994年02期

7 陳琪;王惠剛;;純方位目標運動分析的一種“檢測前跟蹤”技術(shù)[J];應用聲學;2010年04期

8 胡友峰,焦秉立;非機動水下三維情形的純方位目標運動分析[J];系統(tǒng)仿真學報;2003年06期

9 詹艷梅,孫進才,胡友峰;純方位目標運動分析的自適應算法[J];西北工業(yè)大學學報;2002年04期

10 胡友峰,孫進才,朱維杰;基于方位頻率測量的水下被動目標運動分析及其特性研究[J];西北工業(yè)大學學報;2001年04期

相關(guān)會議論文 前8條

1 萬瑾;宋志杰;;基于方位和多普勒頻移的目標運動分析改進方法[A];中國聲學學會2006年全國聲學學術(shù)會議論文集[C];2006年

2 吳久濤;陳亞偉;孫俊;;基于兩級最大似然尋優(yōu)的純方位目標運動分析[A];2018年全國聲學大會論文集 C水聲工程和水聲信號處理[C];2018年

3 胡友峰;孫進才;;一種多平臺的目標運動分析與實現(xiàn)[A];2001年全國水聲學學術(shù)會議論文集[C];2001年

4 李th瑤;王海斌;汪俊;徐鵬;;基于非線性濾波的目標運動跟蹤方法[A];2018年全國聲學大會論文集 C水聲工程和水聲信號處理[C];2018年

5 吳旭;;一種改進的方位頻率TMA方法研究[A];中國聲學學會2017年全國聲學學術(shù)會議論文集[C];2017年

6 胡友峰;焦秉立;;水下TMA的數(shù)據(jù)融合方法[A];2004年全國水聲學學術(shù)會議論文集[C];2004年

7 王之海;付曉偉;榮致斌;;像增強技術(shù)在水下微光環(huán)境中的應用[A];2004全國測控、計量與儀器儀表學術(shù)年會論文集（下冊）[C];2004年

8 于夢梟;周士弘;;一種淺海運動聲源相對速度估計方法[A];2018年全國聲學大會論文集 C水聲工程和水聲信號處理[C];2018年

相關(guān)博士學位論文 前5條

1 胡友峰;非機動水下三維被動目標運動分析研究[D];西北工業(yè)大學;2002年

2 李洪瑞;水下目標運動分析關(guān)鍵技術(shù)研究[D];南京理工大學;2009年

3 王旭;TDMA系統(tǒng)目標多站定位理論與算法研究[D];電子科技大學;2011年

4 張安民;純方位目標運動分析與魚雷智能導引律研究[D];西北工業(yè)大學;2002年

5 曹軼超;無線電定位算法研究及目標運動分析[D];東華大學;2010年

相關(guān)碩士學位論文 前10條

1 秦銀;用于水下高速目標的定位方法研究[D];哈爾濱工程大學;2019年

2 元勇虎;基于改進PSO的多普勒目標運動分析[D];哈爾濱工程大學;2019年

3 劉立偉;矢量純方位目標運動分析及時反被動定位技術(shù)研究[D];哈爾濱工程大學;2017年

4 詹艷梅;純方位目標運動分析方法研究[D];西北工業(yè)大學;2001年

5 甘濟虎;低速飛行目標運動分析與命中諸元求解[D];南京理工大學;2010年

6 郭林波;基于視頻監(jiān)控的復雜場景目標運動分析[D];東南大學;2017年

7 畢佳宇;基于垂直陣的目標深度估計方法研究[D];哈爾濱工程大學;2015年

8 李龍;基于水下戰(zhàn)系統(tǒng)的目標運動分析研究與應用[D];南京航空航天大學;2015年

9 劉圣松;基于純方位估計的遠程被動定位技術(shù)研究[D];中國艦船研究院;2014年

10 孫榮光;基于STI的被動定位方法研究[D];中國海洋大學;2005年

本文編號：2715809