导读:本文包含了水下目标跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:水下无线传感器网络,目标跟踪,Grubbs准则,互信息熵
水下目标跟踪论文文献综述
张颖,高灵君[1]（2019）在《基于格拉布斯准则和改进粒子滤波算法的水下传感网目标跟踪》一文中研究指出水下无线传感网络(UWSN)执行目标跟踪时,因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限,所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题,该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验,去除干扰信息和错误信息。其次,在粒子滤波的重要性权值计算的过程中,引入动态加权因子,采用传感器节点的测量值与目标状态之间的互信息熵,来反映传感器节点提供的目标信息量,从而获得各个节点相应的加权因子。最后,采用3维场景下的簇-树型网络拓扑结构,跟踪监测区域内的目标。实验结果显示,该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度,降低跟踪误差。(本文来源于《电子与信息学报》期刊2019年10期）
王冠群,张春华,尹力,李宇,张扬帆[2]（2019）在《联合多站阵元域数据的水下目标检测与跟踪》一文中研究指出为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。(本文来源于《声学学报》期刊2019年04期）
石桂欣,鄢社锋,郝程鹏,侯朝焕,刘宇[3]（2019）在《不完全量测下长基线系统的水下目标跟踪算法》一文中研究指出针对不完全量测情况下长基线系统对水下目标跟踪精度会下降的问题,提出了最小二乘-容积卡尔曼滤波(Least Squares-Cubature Kalman Filter,LS-CKF)算法。选取容积卡尔曼滤波(Cubature Kalman Filter,CKF)为基本跟踪算法并将其改进为两步滤波模式.增加的第1步滤波使用最小二乘估计优化时间更新阶段的容积点,提高了第2步滤波中量测更新的精度。进一步推导了量测信息为距离时新算法的简化形式,降低了运算复杂度,使其能更好地应用于水下跟踪系统.仿真实验和湖试数据的处理结果表明,在丢失量测数据较多且初始状态误差很大的恶劣情况下,LS-CKF收敛速度比标准CKF算法提升了1倍,且跟踪误差降低10%以上。(本文来源于《声学学报》期刊2019年04期）
金盛龙,李宇,黄海宁[4]（2019）在《水下多目标方位的联合检测与跟踪》一文中研究指出针对水下多目标方位跟踪及航迹关联问题,提出了一种粒子滤波的联合检测与跟踪方法.该方法在状态滤波过程中不需要方位观测值的输入,直接根据波束能量评估粒子的似然函数;利用交叉和变异算子进化小权值样本,通过低差异性序列的重采样提高子代粒子多样性。实现了多目标的跟踪并避免了方位观测量与多目标航迹关联的问题。仿真结果表明,在航迹断续和航迹交叉的情况下,该方法能够连续准确地跟踪目标方位。利用水下无人平台舷侧线阵的试验数据对算法性能进行了验证,正横方向的跟踪误差在3°以内;在目标运动模型失配时仍可以收敛到正确的方位航迹,没有出现错跟与失跟现象,可提高对交叉、汇聚及分离的多目标方位航迹的连续检测与跟踪能力.(本文来源于《声学学报》期刊2019年04期）
王芳,李钢虎,李亚安,张雪,王春玮[5]（2019）在《基于概率假设密度滤波的水下多目标被动跟踪》一文中研究指出针对水下多目标跟踪过程中存在多种干扰因素,如噪声污染、杂波环境、量测数据处理等,本文将概率假设密度滤波应用到水下目标跟踪领域。首先,在单目标匀速运动场景下,提出一种二维搜索法,探究目标估计的均方根误差随2个被动声呐距离和目标初始链距取值变化的规律,为后续目标跟踪中参数选取提供参考。接着,对于多目标编队航行和航迹交叉的运动场景,分别探究目标间距和量测噪声对目标跟踪性能的影响。仿真结果表明,二维搜索法能够有效指导算法参数选取,并且所提算法具有目标数和目标状态估计精度良好的优点。(本文来源于《舰船科学技术》期刊2019年13期）
向前,马小龙[6]（2019）在《基于磁偶极子模型的水下目标定位与跟踪》一文中研究指出针对基于磁场梯度张量测量的目标定位方法需要的传感器较多,计算较复杂的问题,提出了基于等效磁偶极子模型与双叁轴磁传感器测量的水下目标的定位与跟踪方法。该方法将水下目标磁性特征建模为一个磁偶极子,通过目标与双传感器之间的测量方程,反演得到等效磁偶极子模型参数及位置信息,并针对磁场衰减导致的发散问题,提出了反演有效性判据。计算与仿真试验表明,该方法模型简洁,可以得到水下目标的叁维方位及距离信息,具有较高的精度和稳定性,计算量小。(本文来源于《探测与控制学报》期刊2019年03期）
田德艳,张少康,王超[7]（2019）在《自适应Kalman滤波在水下目标跟踪中的应用》一文中研究指出在水下移动平台上搭载声学传感器进行水下目标探测跟踪,是当前低成本、高效灵活、隐蔽的一种探测跟踪方式。在目标探测跟踪领域,Kalman滤波是行之有效、广泛应用的一种方法。相较于常规Kalman滤波器,自适应Kalman滤波根据时变噪声统计器在线估计Q阵和R阵,从而达到降低模型误差、抑制滤波发散和提高滤波精度的目的。本论文将Sage-Husa自适应Kalman滤波方法应用在基于单矢量水听器的目标探测跟踪中,并进行消声水池试验,验证Kalman滤波方法在单矢量水听器目标探测跟踪中的有效性和适用性。(本文来源于《中国声学学会水声学分会2019年学术会议论文集》期刊2019-05-25）
邢阳阳[8]（2019）在《水下目标探测与跟踪关键技术研究》一文中研究指出海洋对于人类来说是一个富饶而又神秘的宝库,在当今全球资源严重短缺的环境下,海洋以其丰富的矿产资源、食物资源和油气资源成为了人类实现可持续发展的重要探索目标之一,因此现阶段世界各国都加大了对水下世界的探测和研究,发展海洋工程技术已经成为既紧迫又长远的问题。二十世纪末以来,水下作业技术得到了迅速的发展,尤其是对水下目标的探测技术引起了国际上很多国家的关注,美国、俄罗斯、英国加拿大以及中国都设立了专门的水下目标探测研究机构或者在国内高校设立了专门的课题实验室对该技术进行研究,为水下目标探测的发展做出了重要的贡献。(本文来源于《科学技术创新》期刊2019年14期）
张铎[9]（2019）在《基于水下无线传感器网络的自组织目标跟踪算法研究》一文中研究指出水下目标跟踪是海洋科学技术的重要研究方向之一,为海洋资源的开发利用和海洋安全的防御维护提供了关键技术。凭借多平台探测、实时数据共享等优势,基于水下无线传感器网络(Underwater Wireless Sensor Networks,UWSNs)的水下目标跟踪技术受到了越来越多的关注。然而,由于复杂水下环境会导致量测信息不足和目标跟踪精度下降,而节点处理、传输量测数据会增加网络的能耗负担,因此,如何解决跟踪精度和能量消耗之间的矛盾成为了UWSNs目标跟踪的主要问题。为此,本文基于UWSNs的自组织能力,分别从量测模型修正、节点深度调节、节点能量分配和多源数据融合等多个方面开展研究,逐步提高UWSNs目标跟踪的跟踪精度和能量效率。总体而言,本文的研究工作和主要贡献如下:首先,针对水声传播速度变化导致的量测模型偏差,本文提出了基于量测模型修正的目标跟踪算法。该方法引入一个表征声速变化影响的修正参数,利用过去时间的累积信息估计修正参数,并通过修正参数的迭代更新实现量测模型的自组织修正,提供准确的量测模型和数据。其次,针对UWSNs节点稀疏部署导致的量测信息不足,本文提出了基于节点深度调节的目标跟踪算法。该方法根据节点深度变化对跟踪精度的影响,设计动态的节点深度调节方案,实现节点位置结构的自组织调整,保证获取更加完备的量测信息。然后,针对降低UWSNs能耗导致的量测信息损失,本文提出了基于长时能量分配的目标跟踪算法。根据量测价值进行节点能量的自组织分配,用较多能量处理高价值量测以保留信息,而将低价值量测压缩至较少位数以减小能耗。在有限的能量条件下最大化全局信息,提高能量利用效率。最后,针对多源数据融合时各节点的量测差异,本文提出了基于互信息融合的目标跟踪算法。通过计算量化量测与目标状态之间的互信息,实现节点量测权重的自组织分配,并给出多传感器量测的加权融合方案,弥补降低UWSNs能耗导致的量测信息损失。总体而言,本文的研究针对基于UWSNs的自组织目标跟踪问题,从不同角度解决了目标跟踪精度和能量消耗问题,各个内容相辅相成,共同形成了一套比较完整的理论成果,为UWSNs自组织能力和水下目标跟踪理论研究提供了技术支撑。(本文来源于《浙江大学》期刊2019-04-21）
韩英[10]（2019）在《基于水下无线传感器网络的目标跟踪算法研究》一文中研究指出水下无线传感器网络由大量具有探测﹑感知﹑通信和计算能力的传感器节点组成,具有自组织性和容错性。随着陆地资源的消耗殆尽,人们开始将目光转向海洋资源。水下目标跟踪作为海洋探索和海事安防的一个重要组成部分,受到了学术界的广泛关注。水下无线传感网主要通过声波通信,它使得水下无线传感网通信带宽的限制比陆地无线传感中要严峻地多。此外每个传感器节点储存的能量有限,而水下无线传感网通常部署在大范围的叁维空间,这使得一旦节点能量耗尽将难以充电或者更换电池。因此在跟踪目标时只有部分传感器能参与跟踪,以此来节省能量。算法的应用,必须考虑到实际应用场景的特性,如量测环境﹑资源限制等。本论文就从水下无线传感网能量有限和通信带宽有限这两个角度出发,在使用相同资源的情况下,使得信息效益最大化。本文首先介绍水下无线传感网的网络结构﹑目标跟踪中的运动模型和常用滤波算法,并分析不同滤波算法在不同场景下的使用性,最后介绍了水下无线传感网目标跟踪的难点与挑战。本文提出的两种算法分别解决能量有限和通信问题,此外鉴于水声非直线传播的特性,建立具有乘性噪声的量测模型,减少由此带来的量测误差。从能量有限角度出发,在每个采样时刻只有部分传感器能参与跟踪,而传感器相对于目标的拓扑结构对跟踪结果有重大影响。基于每个传感器在配有声压传感器的条件下能够自由调节自身高度,提出一种传感器高度调节算法,此算法能在选择相同数量传感器参与跟踪的情况下,通过高度调节改善节点与目标之间的拓扑结构,从而提升跟踪性能。但是此算法是基于原始量测值实现的。最后,本文考虑到水下通信带宽有限问题,每个传感器都需要将自己探测到量测值进行量化处理后才能发送给融合中心。因此提出了最优量化比特分配算法,在传输一定比特信息量的情况下,使得此信息量对估计结果的贡献值最大。同时提出了基于遗传算法的比特分配算法,提高了算法的实时性。(本文来源于《电子科技大学》期刊2019-04-19）
水下目标跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水下目标跟踪论文参考文献
[1].张颖,高灵君.基于格拉布斯准则和改进粒子滤波算法的水下传感网目标跟踪[J].电子与信息学报.2019
[2].王冠群,张春华,尹力,李宇,张扬帆.联合多站阵元域数据的水下目标检测与跟踪[J].声学学报.2019
[3].石桂欣,鄢社锋,郝程鹏,侯朝焕,刘宇.不完全量测下长基线系统的水下目标跟踪算法[J].声学学报.2019
[4].金盛龙,李宇,黄海宁.水下多目标方位的联合检测与跟踪[J].声学学报.2019
[5].王芳,李钢虎,李亚安,张雪,王春玮.基于概率假设密度滤波的水下多目标被动跟踪[J].舰船科学技术.2019
[6].向前,马小龙.基于磁偶极子模型的水下目标定位与跟踪[J].探测与控制学报.2019
[7].田德艳,张少康,王超.自适应Kalman滤波在水下目标跟踪中的应用[C].中国声学学会水声学分会2019年学术会议论文集.2019
[8].邢阳阳.水下目标探测与跟踪关键技术研究[J].科学技术创新.2019
[9].张铎.基于水下无线传感器网络的自组织目标跟踪算法研究[D].浙江大学.2019
[10].韩英.基于水下无线传感器网络的目标跟踪算法研究[D].电子科技大学.2019