基于主被动联合工作声呐探测信息的UKF目标运动要素解算方法
doi: 10.11993/j.issn.2096-3920.2023-0045
Calculation Method for UKF Target Motion Elements Based on Detection Information of Active and Passive Sonars
-
摘要: 目标运动要素作为水下作战的重要信息, 其解算结果会对目标命中概率产生较大影响, 进而影响打击决策。目前传统的水面舰反潜目标运动要素解算方法信息来源为主动声呐。由于主动声呐采用固定送数周期, 在连续跟踪过程部分时间段目标信息存在空隙, 导致目标运动要素解算结果误差大、收敛速度慢。为了更加快速、准确地获得目标运动要素, 文中将被动声呐观测信息加入到滤波过程中, 使用无迹卡尔曼滤波方法对只采用主动声呐探测信息方式及主被动声呐联合探测信息方式进行仿真研究, 并对结果进行对比分析。仿真结果表明, 在其他条件相同的情况下, 与传统方法相比, 文中方法可明显提高收敛精度和速度, 使速度解算精度平均提升33.55%, 方位角解算精度平均提升38.99%, 航向解算精度平均提升35.29%, 验证了该方法的有效性。
-
关键词:
- 水下作战 /
- 目标运动要素 /
- 无迹卡尔曼滤波 /
- 主动声呐 /
- 被动声呐
Abstract: The target motion element is important information in anti-submarine warfare, and its calculation results have a great influence on the hitting probability of the target, thus affecting combat decision-making. At present, active sonar is the main source of information in the calculation method for target motion elements in anti-submarine warfare of surface ships. However, active sonar uses a fixed number of sending periods, and there are gaps in the target information during the continuous tracking process. As a result, there are large errors and slow convergence in the calculation results of the target motion elements. In order to obtain the target motion elements more quickly and accurately, the detection information of passive sonar was added to the filtering process. The unscented Kalman filter(UKF) method was used to simulate the information detection methods using only active sonar and both active and passive sonars, and the results were compared. The simulation results show that under the same conditions, the proposed method can significantly improve the convergence accuracy and speed compared with the traditional method. It can improve the calculation accuracy of speed, azimuth, and heading angle by 33.55%, 38.99%, and 35.29% on average, verifying its effectiveness.-
Key words:
- underwater warfare /
- target motion element /
- unscented Kalman filter /
- active sonar /
- passive sonar
-
图 1 目标跟踪原理图
Figure 1. Schematic diagram of target tracking
图 2 观测站-目标几何态势
Figure 2. Observation station-target geometry situation
图 3 情况1跟踪仿真结果
Figure 3. Tracking simulation results under condition 1
图 4 情况1航向角、方位角、速度和距离估计RMSE
Figure 4. The estimation RMSE of heading angle, azimuth angle, velocity and range under condition 1
图 5 情况2跟踪仿真结果
Figure 5. Tracking simulation results under condition 2
图 6 情况2航向角、方位角、速度和距离估计RMSE
Figure 6. The estimation RMSE of heading angle, azimuth angle, velocity and range under condition 2
表 1 情况1估计RMSE与标准值对比
Table 1. Comparison of the estimated RMSE with the standard value under condition1
记录周期 目标距离/km 目标方位/(°) 目标航向/(°) 目标速度/kn 距离/m 速度/kn 方位角/(°) 航向角/(°) RMES 标准值 RMES 标准值 RMES 标准值 RMES 标准值 6 7 30 0 24 118.5 179.6 4.53 2 2.31 2.5 14.52 9.28 90 108.7 175.2 5.37 2 1.69 2.5 13.51 9.28 180 84.5 151.8 4.35 2 1.85 2.5 10.32 9.28 −90 84.1 157.2 5.33 2 1.90 2.5 11.92 9.28 12 7 30 0 24 96.9 184.0 1.61 2 2.14 2.5 5.19 9.28 90 86.7 178.8 1.77 2 1.43 2.5 4.60 9.28 180 59.0 127.4 1.39 2 1.71 2.5 3.70 9.28 −90 58.3 135.8 1.63 2 1.67 2.5 3.16 9.28 15 7 30 0 24 91.2 186.2 1.09 2 2.11 2.5 3.86 9.28 90 79.6 182.4 1.22 2 1.38 2.5 3.57 9.28 180 51.1 118.7 0.94 2 1.64 2.5 3.01 9.28 −90 49.7 125.9 1.08 2 1.56 2.5 2.29 9.28 表 2 情况2给定态势下估计RMSE与标准值对比
Table 2. Comparison of the estimated RMSE with the standard under condition2
记录周期 目标距离/km 目标方位/(°) 目标航向/(°) 目标速度/kn 距离/m 速度/kn 方位角/(°) 航向角/(°) RMES 标准值 RMES 标准值 RMES 标准值 RMES 标准值 6 7 30 0 24 110.0 179.6 3.57 2 1.56 2.5 8.05 9.28 90 121.0 175.2 2.98 2 1.80 2.5 8.64 9.28 180 101.0 151.8 3.31 2 0.50 2.5 7.74 9.28 −90 87.9 157.2 2.61 2 0.43 2.5 7.97 9.28 12 7 30 0 24 90.4 184.0 1.29 2 1.53 2.5 2.61 9.28 90 106.9 178.8 1.08 2 1.72 2.5 2.94 9.28 180 77.2 127.4 0.96 2 0.46 2.5 2.62 9.28 −90 65.3 135.8 0.75 2 0.32 2.5 2.74 9.28 15 7 30 0 24 87.4 186.2 0.96 2 1.51 2.5 1.80 9.28 90 101.2 182.4 0.81 2 1.71 2.5 2.43 9.28 180 67.4 118.7 0.62 2 0.46 2.5 1.92 9.28 −90 49.7 125.9 1.08 2 1.56 2.5 2.29 9.28 天下网标王梁山外贸网站优化针对网站做搜索引擎做优化广东茂名seo网站优化新乡网站自然优化费用多少亦庄什么是网站优化荔波网站关键词优化上海网站关键词排名优化策略石家庄优化网站推广杭州网站优化推荐鄞州网站如何首页优化金堂网站建设与优化德阳营销型网站建设优化广州按天网站优化服务网站seo优化方案举例嘉定区管理网站服务优化价格武汉省心的销售行业网站优化金华企业网站优化方法专业百度seo网站优化价格广安网站优化选哪家仙居网站优化推广盐城百度网站优化软件开封seo网站优化有哪些云南网站优化外包兰州网站排名优化哪里有优化太原百度网站收录优化梅州网站优化售价新北网站seo优化网站优化 价格查询网站如果做谷歌关键词优化网站搜索排名优化很好火26星香港通过《维护国家安全条例》两大学生合买彩票中奖一人不认账让美丽中国“从细节出发”19岁小伙救下5人后溺亡 多方发声卫健委通报少年有偿捐血浆16次猝死汪小菲曝离婚始末何赛飞追着代拍打雅江山火三名扑火人员牺牲系谣言男子被猫抓伤后确诊“猫抓病”周杰伦一审败诉网易中国拥有亿元资产的家庭达13.3万户315晚会后胖东来又人满为患了高校汽车撞人致3死16伤 司机系学生张家界的山上“长”满了韩国人?张立群任西安交通大学校长手机成瘾是影响睡眠质量重要因素网友洛杉矶偶遇贾玲“重生之我在北大当嫡校长”单亲妈妈陷入热恋 14岁儿子报警倪萍分享减重40斤方法杨倩无缘巴黎奥运考生莫言也上北大硕士复试名单了许家印被限制高消费奥巴马现身唐宁街 黑色着装引猜测专访95后高颜值猪保姆男孩8年未见母亲被告知被遗忘七年后宇文玥被薅头发捞上岸郑州一火锅店爆改成麻辣烫店西双版纳热带植物园回应蜉蝣大爆发沉迷短剧的人就像掉进了杀猪盘当地回应沈阳致3死车祸车主疑毒驾开除党籍5年后 原水城县长再被查凯特王妃现身!外出购物视频曝光初中生遭15人围殴自卫刺伤3人判无罪事业单位女子向同事水杯投不明物质男子被流浪猫绊倒 投喂者赔24万外国人感慨凌晨的中国很安全路边卖淀粉肠阿姨主动出示声明书胖东来员工每周单休无小长假王树国卸任西安交大校长 师生送别小米汽车超级工厂正式揭幕黑马情侣提车了妈妈回应孩子在校撞护栏坠楼校方回应护栏损坏小学生课间坠楼房客欠租失踪 房东直发愁专家建议不必谈骨泥色变老人退休金被冒领16年 金额超20万西藏招商引资投资者子女可当地高考特朗普无法缴纳4.54亿美元罚金浙江一高校内汽车冲撞行人 多人受伤
-
[1] 王晓宇. 水下多目标检测前跟踪方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2018. [2] Li D, Lin Y, Zhang Y. A track initiation method for the underwater target tracking environment[J]. China Ocean Engineering, 2018, 32(2): 206-215. doi: 10.1007/s13344-018-0022-0 [3] 刘妹琴, 韩学艳, 张森林, 等. 基于水下传感器网络的目标跟踪技术研究现状与展望[J]. 自动化学报, 2021, 47(2): 235-251.Liu Meiqin, Han Xueyan, Zhang Senlin, et al. Research status and prospect of target tracking technologies via underwater sensor networks[J]. Acta Automatica Sinica, 2021, 47(2): 235-251. [4] Thiruselvan D, Ananth J P. Underwater target tracking in radar images using exponential competitive swarm-based deep neuro fuzzy network[J]. International Journal on Artificial Intelligence Tools, 2022, 31(8): 2250039. doi: 10.1142/S0218213022500397 [5] 赵伟康, 韩一娜, 杨益新, 等. 基于元启发算法的纯方位被动定位方法[J]. 水下无人系统学报, 2018, 26(6): 623-627.Zhao Weikang, Han Yina, Yang Yixin, et al. Bearing-only passive location based on meta-heuristic algorithm[J]. Journal of Unmanned Undersea Systems, 2018, 26(6): 623-627. [6] 吴婧. 多被动声呐纯方位目标跟踪算法研究[D]. 哈尔滨: 哈尔滨工程大学, 2021. [7] 苏骏, 李亚安, 陈晓, 等. 双观测站水下纯方位多目标跟踪的数据关联算法[J]. 水下无人系统学报, 2018, 26(2): 115-121.Su Jun, Li Yaan, Chen Xiao, et al. Data association algorithm for multi-target tracking of underwater bearings-only systems with double observation stations[J]. Journal of Unmanned Undersea Systems, 2018, 26(2): 115-121. [8] 陈立军, 郝保雷, 郑剑. AUV平台的水下机动目标跟踪[J]. 网络新媒体技术, 2020, 9(5): 48-54.Chen Lijun, Hao Baolei, Zheng Jian. Underwater maneuveing target tracking on AUV platform[J]. Journal of Network New Media, 2020, 9(5): 48-54. [9] 成春彦, 李亚安. EKF和UKF算法在双观测站纯方位目标跟踪中的应用[J]. 水下无人系统学报, 2023, 31(3): 388-397. doi: 10.11993/j.issn.2096-3920.202203014Cheng Chunyan, LI Yaan. Applications of EKF and UKF algorithms in bearings-only target tracking of double observation stations[J]. Journal of Unmanned Undersea Systems, 2023, 31(3): 388-397. doi: 10.11993/j.issn.2096-3920.202203014 [10] 李晓花. 基于信息融合的水下多目标跟踪技术研究[D]. 西安: 西北工业大学, 2016. [11] 王湘宇. 雷达目标检测跟踪算法设计与实现[D]. 西安: 西安电子科技大学, 2020. [12] Gao B, Gao S, Hu G, et al. Maximum likelihood principle and moving horizon estimation based adaptive unscented Kalman filter[J]. Aerospace Science and Technology, 2018, 73: 184-196. doi: 10.1016/j.ast.2017.12.007 [13] 蒋帆. 时变环境下动力定位船舶状态估计与模型辨识方法研究[D]. 武汉: 武汉理工大学, 2020. [14] Prasanna K, Rao S K, Karishma S. Application of cubature Kalman filter for bearings only target tracking[J]. Indian Journal of Science and Technology, 2016, 9(17): 90250.
计量
- 文章访问数: 91
- HTML全文浏览量: 40
- PDF下载量: 35
- 被引次数: 0