本發(fā)明屬于純方位目標跟蹤，更具體地，涉及一種自適應(yīng)純方位偽線性卡爾曼濾波跟蹤方法。

背景技術(shù)：

1、被動聲納是目前用于水下目標跟蹤的重要傳感器之一。被動聲納不需要主動發(fā)聲，不易被發(fā)現(xiàn)且能夠探測到遠距離目標，利用被動聲納可以探測到幾千米到幾十千米以上的目標。由于目標發(fā)出聲音及特征不受聲納設(shè)計者控制，因此目前被動聲納的主要觀測信息為目標相對聲納的方位。系統(tǒng)僅利用目標方位信息，實時估計出目標的運動軌跡信息，包括目標的位置與速度等，這一過程被稱為純方位跟蹤(bearing-only?tracking,bot)。

2、當觀測系統(tǒng)為線性系統(tǒng)時，假設(shè)系統(tǒng)噪聲嚴格服從正態(tài)分布，卡爾曼濾波為系統(tǒng)的最優(yōu)估計。當觀測系統(tǒng)為非線性系統(tǒng)時，傳統(tǒng)的卡爾曼濾波不再適用。純方位跟蹤系統(tǒng)是典型的非線性系統(tǒng)，純方位跟蹤的主要挑戰(zhàn)是非線性觀測偏差以及徑向距離的可觀測性差。針對純方位跟蹤算法是一個重要的研究內(nèi)容，學(xué)界已經(jīng)將多種算法及其改進方法在該領(lǐng)域應(yīng)用，目前常用的有拓展卡爾曼濾波(extend?kalman?filter,ekf)，偽線性卡爾曼濾波(pseudolinear?kalman?filter,plkf)，無跡卡爾曼濾波(unscented?kalman?filter,ukf)等算法。ekf算法通過截斷泰勒級數(shù)展開對觀測方程實現(xiàn)線性化，計算量小，但在僅有非線性的方位信息時，容易發(fā)散，精度不穩(wěn)定；ukf需要調(diào)整多個超參數(shù)，算法復(fù)雜度高，對機動環(huán)境的適應(yīng)性差。plkf是一種線性遞歸貝葉斯估計方法，該算法利用偽線性估計器(pseudolinear?estimator,ple)，將偽線性方程代替非線性方程的，與其他應(yīng)用于純方位跟蹤的算法相比，plkf的復(fù)雜度低，同時又有較好的跟蹤性能。

3、目前常用的自適應(yīng)方法是基于sage-husa的新息自適應(yīng)算法，利用新息的方差推測觀測誤差的方差，從而使誤差方差匹配，在實際噪聲較小時，該算法在迭代時可能導(dǎo)致矩陣負定，使濾波發(fā)散。由于傳統(tǒng)plkf算法的偽線性方程觀測誤差方差隨著平臺與目標的相對位置變化發(fā)生改變，常用的sage-husa自適應(yīng)濾波方法無法直接應(yīng)用于plkf算法中。

4、總之，傳統(tǒng)的純方位目標定位方法中，在觀測噪聲方差已知時，偏差補償?shù)膒lkf算法的性能優(yōu)于傳統(tǒng)的ekf算法。然而，偏差補償?shù)膒lkf算法對觀測噪聲的自適應(yīng)性能差，傳統(tǒng)的自適應(yīng)ekf算法對觀測噪聲的自適應(yīng)性能較好。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的以上缺陷或改進需求，本發(fā)明提出了一種自適應(yīng)純方位偽線性卡爾曼濾波跟蹤方法，利用傳統(tǒng)自適應(yīng)ekf算法，對傳統(tǒng)的偏差補償plkf算法做出優(yōu)化改進。

2、為實現(xiàn)上述目的，本發(fā)明提供了一種自適應(yīng)純方位偽線性卡爾曼濾波跟蹤方法，包括：

3、通過自組網(wǎng)通信獲取目標聲吶探測對目標的觀測信息；

4、利用觀測信息實時更新殘差，對卡爾曼濾波的觀測方差做出修正，以定位目標；

5、在成功定位目標后，利用自適應(yīng)偽線性卡爾曼濾波對目標位置進行實時修正。

6、在一些可選的實施方案中，所述利用觀測信息實時更新殘差，對卡爾曼濾波的觀測方差做出修正，包括：

7、通過plkf對觀測信息進行濾波，并計算統(tǒng)計偏差，采用plkf對偏差進行補償；

8、統(tǒng)計殘差方差，并進行方差自適應(yīng)，對卡爾曼濾波的觀測方差做出修正。

9、在一些可選的實施方案中，所述統(tǒng)計殘差方差，并進行方差自適應(yīng)，對卡爾曼濾波的觀測方差做出修正，包括：

10、由進行狀態(tài)預(yù)測，由進行狀態(tài)協(xié)方差矩陣預(yù)測；

11、由進行等效觀測方差估計，由得到卡爾曼增益矩陣；

12、由進行狀態(tài)更新，由進行狀態(tài)協(xié)方差矩陣更新；

13、由進行偏差補償，由進行觀測方位方差估計；

14、其中，xk-1為k-1時刻的目標狀態(tài)向量，f為狀態(tài)轉(zhuǎn)移矩陣，為預(yù)測狀態(tài)向量，pk-1為k-1時刻的系統(tǒng)協(xié)方差矩陣，wk-1為k-1時刻的觀測誤差協(xié)方差，為一步預(yù)測系統(tǒng)協(xié)方差矩陣，dk為平臺位置指向目標位置的向量，為觀測噪聲方差估計值，為觀測噪聲方差估計值，kk為補償增益，hk為plkf的估計觀測矩陣，為ra-plkf算法的結(jié)果，為偏差補償量，pk/k為k時刻的系統(tǒng)協(xié)方差矩陣，m為中間變量驅(qū)動矩陣，為k時刻的平臺預(yù)測位置，rk為k時刻的殘差，為plkf的原始觀測值偏差補償量。

15、在一些可選的實施方案中，在所述統(tǒng)計殘差方差，并進行方差自適應(yīng)，對卡爾曼濾波的觀測方差做出修正之后，所述方法還包括：

16、在發(fā)生濾波補償過度時，使用sam準則進行狀態(tài)估計，將plkf濾波結(jié)果作為目標的濾波狀態(tài)值。

17、在一些可選的實施方案中，所述在發(fā)生濾波補償過度時，使用sam準則進行狀態(tài)估計，將plkf濾波結(jié)果作為目標的濾波狀態(tài)值，包括：

18、在k時刻時，若進行狀態(tài)預(yù)測，其中，為自適應(yīng)補償plkf算法估計的方位角度，為觀測平臺與目標相對x軸正半軸的實際觀測方位夾角，為ra-plkf的偏差閾值，為sam-raplkf算法的目標估計位置，為raplkf的目標估計位置。

19、總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，能夠取得下列有益效果：

20、在被動聲納純方位跟蹤場景中，針對傳統(tǒng)的偽線性卡爾曼濾波算法在觀測噪聲不匹配時存在的濾波發(fā)散問題，優(yōu)化了傳統(tǒng)的偏差補償方法，提出了ra-plkf算法，并使用sam準則對其穩(wěn)定性進行進一步優(yōu)化，提出sam-ra-plkf算法，進一步提升了算法的跟蹤精度和穩(wěn)定性。仿真表明，在觀測噪聲方差不匹配的環(huán)境下，本發(fā)明所提算法在性能上優(yōu)于常用的純方位跟蹤方法，穩(wěn)定性可靠。所提的自適應(yīng)偽線性卡爾曼濾波算法可以為海上環(huán)境的機動平臺目標跟蹤提供參考意義。

技術(shù)特征：

1.一種自適應(yīng)純方位偽線性卡爾曼濾波跟蹤方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用觀測信息實時更新殘差，對卡爾曼濾波的觀測方差做出修正，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述統(tǒng)計殘差方差，并進行方差自適應(yīng)，對卡爾曼濾波的觀測方差做出修正，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在所述統(tǒng)計殘差方差，并進行方差自適應(yīng)，對卡爾曼濾波的觀測方差做出修正之后，所述方法還包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述在發(fā)生濾波補償過度時，使用sam準則進行狀態(tài)估計，將plkf濾波結(jié)果作為目標的濾波狀態(tài)值，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種自適應(yīng)純方位偽線性卡爾曼濾波跟蹤方法，屬于純方位目標跟蹤技術(shù)領(lǐng)域，包括：通過自組網(wǎng)通信獲取目標聲吶探測對目標的觀測信息；利用觀測信息實時更新殘差，對卡爾曼濾波的觀測方差做出修正，以定位目標；在成功定位目標后，利用自適應(yīng)偽線性卡爾曼濾波對目標位置進行實時修正。利用傳統(tǒng)自適應(yīng)EKF算法，對傳統(tǒng)的偏差補償PLKF算法做出優(yōu)化改進，以進行穩(wěn)定可靠的目標跟蹤。

技術(shù)研發(fā)人員：羅威,陳啟航,謝曉樂,陶浩,胡洋
受保護的技術(shù)使用者：中國艦船研究設(shè)計中心
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2