导读:本文包含了水下机动目标论文开题报告文献综述及选题提纲参考文献，主要关键词:水下机动目标跟踪,无迹卡尔曼滤波,自适应滤波,航速
水下机动目标论文文献综述
马艳,刘小东[1]（2019）在《状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用》一文中研究指出为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波(UKF)跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明:该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。(本文来源于《兵工学报》期刊2019年02期）
赵振轶,李亚安,陈晓,苏骏[2]（2018）在《基于双观测站的水下机动目标被动跟踪》一文中研究指出为了对水下机动目标进行航迹跟踪,采用双观测站被动跟踪系统,解决了单观测站利用纯方位角信息进行跟踪时的不可观测问题,建立了目标状态方程和被动观测方程。将扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)与交互式多模型算法(IMM)相结合,应用于被动跟踪系统中。仿真结果表明,2种算法都能适用于水下机动目标被动跟踪。随着测量误差的增大,IMM-UKF算法比IMM-EKF算法表现出了更好的稳定性和更高的跟踪精度。(本文来源于《水下无人系统学报》期刊2018年01期）
王越[3]（2016）在《非线性滤波在水下机动目标跟踪技术中的应用》一文中研究指出水下机动目标跟踪是指对随机的强机动水下运动目标的状态进行估计,其在军事国防和民生服务的众多领域有着普遍的应用。近年来,随着科技的不断发展,对水下目标跟踪技术的要求也越来越高,例如更高的精度、更快的效率以及更强的抗干扰能力等,这样才能在实际工程中更好地发挥其应用价值。本文首先阐述了选题的背景、目的及意义,并介绍了水下目标跟踪系统中滤波算法和目标运动模型的发展历史和研究现状。接着,在非线性高斯滤波一般形式的基础上,详细介绍了水下目标跟踪中常用的4种非线性滤波算法,包括扩展卡尔曼滤波(Expended Kalman Filtering,EKF)算法、无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法、求容积卡尔曼滤波(Cubature Kalman Filtering,CKF)算法和高斯-埃尔米特求积滤波(Gauss-Hermite Quadrature Filtering,GHQF)算法。其中,GHQF算法是一种新兴的非线性滤波方法,因其具有高精度和数值稳定性而存在很大的优势,也是本文的研究重点。通过仿真分析,将GHQF的算法性能与其他叁种非线性滤波进行对照,并讨论了GHQF算法的不足。然后针对GHQF算法的不足之处,从提高滤波算法的效率和鲁棒性两方面进行改进。针对“维数灾难”而导致的效率低下问题,将“状态空间划分”思想引入GHQF算法中得到MQKF(Multiple Quadrature Kalman Filtering,MQKF)算法。详细介绍了MQKF算法的原理,并通过仿真实验研究了“状态空间划分方式”对MQKF算法的性能的影响。说明MQKF算法可以通过适当地选取子空间划分方式,在保证估计精度与GHQF相近的基础上,使算法效率大幅提高。为了提高算法的鲁棒性,又在MQKF算法的基础上引入了强跟踪滤波(Strong Tracking Filtering,STF)理念,得到STMQKF算法。通过仿真实验可知,STMQKF算法对于强机动目标的状态估计效果比MQKF算法更佳。最后,从目标运动模型角度出发对水下机动目标跟踪算法进行了改进。在多模型(Multiple Model,MM)理论的基础上,着重研究了交互多模型(Interacting Multiple Model,IMM)算法,将改进所得的STMQKF算法嵌入到IMM算法的框架中,得到IMM-STMQKF算法,设计仿真实验对IMM-STMQKF在水下机动目标跟踪系统中的滤波性能进行验证,结果表明:IMM-STMQKF算法的估计精度高于CA-STMQKF算法以及IMM-UKF算法,说明IMM-STMQKF算法兼顾模型的准确性与滤波算法的高精度两个方面,在水下机动目标跟踪领域具有一定的理论意义与应用价值。本文的主要工作是在GHQF算法的基础上,提出了一种具有较高效率和强鲁棒性的STMQKF算法,并且将IMM-STMQKF算法应用于水下机动目标跟踪中,取得了较好的效果。(本文来源于《哈尔滨工程大学》期刊2016-12-01）
丁明惠[4]（2016）在《水下机动目标航迹被动跟踪显控软件设计》一文中研究指出水下被动跟踪系统是通过分析和处理目标辐射的噪声对目标进行定位,目前对于自主水下航行器及鱼雷等目标的被动跟踪都已得到实际应用。对被动跟踪系统的组成和基本功能进行了介绍,重点研究了被动跟踪显控软件的基本功能、工作流程以及运动轨迹的解算方法,同时对目标运动轨迹进行了优化,最后给出了软件界面及对产品的跟踪实例。(本文来源于《电声技术》期刊2016年05期）
高文娟,李亚安,陈晓,陈志光[5]（2015）在《基于交互式多模型的水下机动目标跟踪》一文中研究指出为了解决水下机动目标跟踪的实时性和可靠性问题,在交互式多模型(IMM)的框架下对水下机动目标跟踪进行了分析,建立了目标运动方程和观测方程。交互式多模型滤波算法的选择直接影响到跟踪的精度,在跟踪滤波方面,针对交互式多模型滤波过程中观测方程非线性对滤波性能的影响,分别将扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)2种滤波算法与交互式多模型算法相结合。仿真结果表明,交互式多模型算法与UKF算法结合的滤波精度更高,能够更有效、可靠地达到跟踪机动目标的目的。(本文来源于《鱼雷技术》期刊2015年03期）
王浩[6]（2013）在《水下机动目标跟踪粒子滤波算法研究》一文中研究指出水下目标跟踪是对不可准确描述的水下运动目标的状态的估计问题，在许多领域中有广泛应用。水下目标跟踪包括了对水下目标的分辨、目标运动状态的精确估计以及对目标运动跟踪等原理与方法，其内容包含信号处理、水声工程以及现代控制理论系统等领域。研究水下目标跟踪的技术，对于水下探测、海洋开发及海上安全作业等领域有着广泛的应用价值。本文首先介绍了机动目标模型的建立，分别研究了Singer模型、“当前”统计模型与自适应高斯模型，概述了其原理与适用情况，通过仿真分析了这几种模型的性能差异。接着介绍了水下目标跟踪中的非线性滤波算法，包括扩展卡尔曼滤波、Unscented卡尔曼滤波与粒子滤波。其中粒子滤波是一种新兴的非线性滤波方法，在处理非高斯非线性的系统有很大的优势，这也是本文着重研究的内容。通过仿真分析，比较了粒子滤波与其他两种非线性滤波的性能差异，并讨论了粒子滤波的不足之处。最后针对粒子滤波的不足之处，讨论了叁种改进的算法：辅助变量粒子滤波、正则化粒子滤波与扩展卡尔曼粒子滤波。研究了叁种算法的原理和解决的问题，并对它们进行了进一步改进与完善。通过仿真分析，与粒子滤波进行对比，说明这叁种算法的优势。最后基于自适应高斯模型，用以上叁种算法对目标跟踪的效果进行了仿真实现。(本文来源于《哈尔滨工程大学》期刊2013-03-04）
张林琳,杨日杰,杨春英[7]（2011）在《水下机动目标跟踪技术研究》一文中研究指出水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。(本文来源于《声学技术》期刊2011年01期）
唐正平,崔晓磊[8]（2010）在《基于无迹卡尔曼滤波的水下机动目标跟踪研究》一文中研究指出针对跟踪水下机动目标,难度较大的问题,建立了目标运动方程和观测方程,并将无迹卡尔曼滤波算法运用到水下目标运动分析中。通过蒙特卡洛模拟仿真,结果表明在处理非线性问题中,该方法计算量小、实现简单,精度较高,有较强的实用性。(本文来源于《科技信息》期刊2010年29期）
石章松[9]（2009）在《水下纯方位目标跟踪中的观测器机动航路对定位精度影响分析》一文中研究指出针对在单站纯方位目标运动分析中观测器机动航路和定位与跟踪精度问题,基于目标定位跟踪精度下限CRLB,提出用精度几何散布GDOP作为优化性能指标,采用数值寻优计算的方法,对表达式较复杂的单观测器测向无源定位的定位误差下限进行数值计算,以找出影响定位精度的主要因素。分析了观测器航路对固定目标定位精度的影响效果,并且给出了匀速直线运动航路和恒提前角匀速运动航路对目标定位精度影响的仿真计算结果,表明航路对定位精度存在很大影响,可以通过优化观测器航路来提高系统可观测程度和改善定位与跟踪算法的性能。(本文来源于《电光与控制》期刊2009年06期）
刘松海,冼观福,廖述常[10]（2008）在《同步信标在水下机动小目标轨迹测量中的高精度时延估计方法》一文中研究指出研究了使用窄脉宽、短周期、高频率的单频同步信标信号在水下机动小目标轨迹测量中的高精度时延估计方法。利用MATLAB进行了不同信噪比下时延估计效果的仿真,得出时延估计精度在不同信噪比下的误差曲线;结果表明,信噪比在20dB以上时,利用包络检波器进行时延估计,其精度优于10μs;而利用自适应相位估计来补偿粗测时延,可以得到优于0.1μs的测时精度。(本文来源于《声学技术》期刊2008年06期）
水下机动目标论文开题报告
（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：
为了对水下机动目标进行航迹跟踪,采用双观测站被动跟踪系统,解决了单观测站利用纯方位角信息进行跟踪时的不可观测问题,建立了目标状态方程和被动观测方程。将扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)与交互式多模型算法(IMM)相结合,应用于被动跟踪系统中。仿真结果表明,2种算法都能适用于水下机动目标被动跟踪。随着测量误差的增大,IMM-UKF算法比IMM-EKF算法表现出了更好的稳定性和更高的跟踪精度。
（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。
水下机动目标论文参考文献
[1].马艳,刘小东.状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用[J].兵工学报.2019
[2].赵振轶,李亚安,陈晓,苏骏.基于双观测站的水下机动目标被动跟踪[J].水下无人系统学报.2018
[3].王越.非线性滤波在水下机动目标跟踪技术中的应用[D].哈尔滨工程大学.2016
[4].丁明惠.水下机动目标航迹被动跟踪显控软件设计[J].电声技术.2016
[5].高文娟,李亚安,陈晓,陈志光.基于交互式多模型的水下机动目标跟踪[J].鱼雷技术.2015
[6].王浩.水下机动目标跟踪粒子滤波算法研究[D].哈尔滨工程大学.2013
[7].张林琳,杨日杰,杨春英.水下机动目标跟踪技术研究[J].声学技术.2011
[8].唐正平,崔晓磊.基于无迹卡尔曼滤波的水下机动目标跟踪研究[J].科技信息.2010
[9].石章松.水下纯方位目标跟踪中的观测器机动航路对定位精度影响分析[J].电光与控制.2009
[10].刘松海,冼观福,廖述常.同步信标在水下机动小目标轨迹测量中的高精度时延估计方法[J].声学技术.2008