强干扰环境下水下纯方位PMHT多目标跟踪

TN957; 针对强干扰环境水下纯方位多目标跟踪的非线性、不可观测性以及数据关联模糊等问题,基于期望极大化算法,结合扩展卡尔曼滤波(extended Kalman filter,EKF)平滑算法和无味卡尔曼滤波(unscented Kalman filter,UKF)平滑算法,提出了基于EKF和UKF的多传感器多目标纯方位概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)算法.纯方位PMHT算法通过引入目标和量测数据之间的关联变量来解决量测与目标之间的数据关联模糊问题.简化了基于EKF平滑算法的多传感器纯方位P MHT算法,避免堆积...

Full description

Saved in:
Bibliographic Details
Published in西北工业大学学报 Vol. 38; no. 2; pp. 359 - 365
Main Authors 李晓花, 李亚安, 鲁晓锋, 赵晨旭, 蔚婧
Format Journal Article
LanguageChinese
Published 西安理工大学 计算机科学与工程学院,陕西 西安 710048 01.04.2020
陕西省网络计算与安全技术重点实验室,陕西 西安 710048%西北工业大学 航海学院,陕西 西安,710072%国防科技大学 机电工程与自动化学院,湖南 长沙,741200
Subjects
扩展卡尔曼滤波
数据关联
无味卡尔曼滤波
纯方位
多目标跟踪
概率多假设跟踪
Online AccessGet full text

Cover

More Information
Summary:TN957; 针对强干扰环境水下纯方位多目标跟踪的非线性、不可观测性以及数据关联模糊等问题,基于期望极大化算法,结合扩展卡尔曼滤波(extended Kalman filter,EKF)平滑算法和无味卡尔曼滤波(unscented Kalman filter,UKF)平滑算法,提出了基于EKF和UKF的多传感器多目标纯方位概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)算法.纯方位PMHT算法通过引入目标和量测数据之间的关联变量来解决量测与目标之间的数据关联模糊问题.简化了基于EKF平滑算法的多传感器纯方位P MHT算法,避免堆积每个传感器的合成量测,有效减小了运算量.仿真结果表明,在水下强干扰环境下,对于静止多观测站和机动单观测站,2种算法对多个交叉运动目标和邻近运动目标的航迹关联成功率高,抗干扰性能好,并且运算量小,证明了算法的有效性.
ISSN:1000-2758
DOI:10.1051/jnwpu/20203820359