基于“当前”统计模型的机动目标运动要素解算
8-机动目标动力学模型
!x!(t) = a(t) + a(t)
a!(t) = −α ⋅ a(t) + wc(t)
得到如下离散形式的动力学模型为： x(k +1) = Ax(k) +Ua + w(k)
−
3−
e−2α T0
+
2α T0 ⎤⎦
q23
=
1 2α 2
⎡⎣ e−2α T0
+1−
2α T0 ⎤⎦
q33
=
1 2α
⎡⎣1 −
e−2α T0
⎤⎦
当前统计模型
当前统计模型是由周宏仁 1983 年提出来的，其基本思想在于，当目标正以某一加速度机动时，下一时
刻的加速度取值是有限的，且只能在“当前”加速度的邻域内。从本质上讲，该模型是 Singer 模型的改进版
k
)
−
xˆi
(k
|
k
)⎤⎦T
µ j/i(k)
i=1
Yule-‐Walker 方法
a(k) 表示一个具有普遍意义的随机过程，写成自回归模型的形式为
a(k) = ∑M pma(k − m) + wa (k) m=1
其中
⎤ ⎥ ⎦
⎡ ⎢ ⎣⎢
x(t ) x! (t )
⎤ ⎥ ⎦⎥
+
⎡ ⎢ ⎣
0 1
⎤
⎥ ⎦
wc
(t
)
⎡ A= ⎢
1
⎣⎢ 0
Τ0 1
⎤
⎥
⎦⎥
⎡
⎢
Q
=
E[ w( k ) wT
∫ U = λ e Ed T0 F (T0 −λ) 0
⎡
一种目标运动要素纯方位解算方法
一种目标运动要素纯方位解算方法程善政，陈 双，何心怡(中国人民解放军92578部队，北京 100161)摘要: 纯方位法解算目标运动要素仅需要测量目标的方位值，测量参数少，利于潜艇等水下航行器的隐蔽探测，但传统纯方位解算方法存在解算时间长、收敛率低的问题。
本文提出一种改进目标运动要素纯方位解算方法，能有效的提高目标运动要素解算的收敛率，缩短收敛时间，可为潜艇等水下航行器的作战使用以及武器装备射击诸元的计算提供重要支撑。
关键词：水下目标；运动要素；纯方位；解算方法中图分类号：TJ67 文献标识码：A文章编号： 1672 – 7649(2020)12 – 0129 – 04 doi：10.3404/j.issn.1672 – 7649.2020.12.025A movement parameters calculating method base on bearings-onlyCHENG Shan-zheng, CHEN Shuang, HE Xin-yi(No. 92578 Unit of the PLA, Beijing 100161, China)Abstract: Movement parameters calculating method only needs to measure object bearings. This method requires less parameter and is propitious to measure for submarine. The traditional calculating method base on bearings-only has the prob-lems of long solution time and low convergence rate. This paper provides a new method based on object bearings parameters only, which can advance convergence rate and shorten solution time. This method can be used for underwater object and weapon firing data.Key words: underwater object；movement parameters；bearings only；calculating method0 引 言水下无人航行器是未来海军战斗力的倍增器，可在浅水区或其他潜艇、水面舰无法进入的未知复杂水域执行水下威胁目标侦察、战术海洋学调查、监视预警、远程通信中继、攻击敌目标舰艇、诱骗等军事任务，也可应用于资源及地形探测、水下光缆等设施的维护及打捞等，在国家领海防御和海洋资源开发等方面将发挥日益重要的作用[1]。
“当前”统计模型机动目标跟踪的改进算法
收稿 日期 ：０６—０ ２０ ７—１ ９ 作者简介 ： 刘海燕 （９ ８一 ， ， 士研 究生 ， １７ ） 女 博 主要研究方 向为信息融合．
维普资讯
Ｘ ＝
一
ｌ
Ｘ １ ＋
一
一
瓦 １
＋
， １、
／
Ｚ ＝
Ｘ ＋
（） １ 式中， 状态向量 Ｘ ＝［ ， ，， ， ］； 是一均值为零 ， 戈 蔸Ｙ ， Ｔ 方差为 Ｑ 的白噪声序列 ； 是一均
值为零 ， 方差为Ｒ 的高斯 白噪声序列。 Ｑ 的取值依赖于 Ｏ ， ２ ２ 参见文献 Ｅ ］ ／Ｏ， ／ ， （ ４ 中的式 ８２ ） Ｏ ， ．１ 。 ／
摘 要： 针对“ 当前” 统计模型最大加速度取 固定值 ， 对加速度 较小 的非机动及弱机动 目 的跟踪精 标 度不高的弱点， 出了一种新的跟踪算法。新算法中根据 当前加速度 的大小给 出前最大加速度并为尽快 提 响应 目标机动采用状态噪声方差补偿方法， 因此能够根据机动特性 自 适应调整当前最大加速度 的值 ， 适 自 应调整 系统方差 ， 实现 了对机 动 目标 的更为 精确 的跟踪 。
５ ２
《 军事运筹与 系统工程》 ２０ ０ ７年第 １ 期
｛
ｆ２ ２ ＝
２
＝
・
・
． ¨
［一 Ｉ ，一１ Ｉ 口 一 ａ（ ｋ ） ］
［ 一Ｊ— ａ（ ， 口 Ｉ 一１ Ｉ ）］
（） ２
２
（ ） 中 ，一 ， 分别 为 方 向和 Ｙ 向加速度 的最 大值 。 ｋｋ一１ ， ｋｋ一１ ２式 ｏ ｏ 方 ａ（ ， ） ａ（ ， ）分别 为 方 向 和 Ｙ方 向的 ｋ一１时刻 到 ｋ时刻 的加 速度 的一步 预测 ， 可视 为“ 当前 ”加速度 。 ｃ ｓ模型 中 ， 当机 动频 率和观 测周期 给定 时 ， 卡尔曼 滤波 的增益 取决 于状态 噪声 方差 。 （ ）式可 看 从 ２ 出若机 动频率 和观测 周期 已给定 ， 目标 机动加 速度 的最 大值 。 一 和 ｏ ～ 取 固定值所 存在 的 问题 是 ： 非 若 机动或 弱机 动的 目标 以较 小 的加 速度运 动 时 ， 由于 当 前加 速 度 与 最 大加 速 度 的差 值 很 大 ， 波器 增 益 过 滤 大 ， 致系统 误差 变大 ， 导 跟踪精度 较差 。 可见 ， 若最 大加 速度 取 固定值 ， 在跟 踪过 程 中 由于最 大加 速 度不 能
自适应卡尔曼滤波方法在光电跟踪系统中的应用
2021年第40卷第6期传感器与微系统(Transducer and Microsystem Technologies)157DOI：10.13873/J.1000-9787(2021)06-0157-04自适应卡尔曼滤波方法在光电跟踪系统中的应用**收稿日期=2019-11-12*基金项目：国家自然科学基金资助项目(61463025)吴旭，孙春霞，沈玉玲(兰州交通大学电子与信息工程学院，甘肃兰州730070)摘要：在光电跟踪系统中，图像采集装置相对控制系统传感器滞后，会使脱靶量出现误差，将导致控制系统的跟踪精度降低。
为了提高跟踪精度，提出了一种用于补偿跟踪脱靶量数据的自适应卡尔曼滤波方法。
首先，通过CSM模型计算当前时间的状态预测矩阵和预测误差方差矩阵;再根据强跟踪滤波器，利用残差序列计算调节因子;然后，利用调节因子校正预测误差方差矩阵和机动频率;最后，使用校正后的参数更新预测的输出信息。
仿真与实验结果表明:在高机动情况下,采用自适应卡尔曼滤波算法，跟踪误差的均方根误差RMS约为传统算法的0.21倍，最大跟踪误差和均方根误差都有显著减小。
关键词：光电跟踪系统；自适应卡尔曼滤波器；脱靶量；强跟踪滤波；调节因子;残差序列中图分类号：TH703；TP212文献标识码：A 文章编号：1000-9787(2021)06-0157-04 Application of adaptive Kalman filtering method inphotoelectric tracking system*WU Xu,SUN Chunxia,SHEN Yuling(School of Electronic and Information Engineering,Lanzhou Jiaotong University,Lanzhou730070,China)Abstract:In photoelectric tracking system, image acquisition device lags behind the control system sensor,which causes an error in miss distance,which will result in a lower tracking precision of the control system.In order to improve the tracking precision,an adaptive Kalman filtering algorithm for compensating tracking miss distance data is proposed.Firstly,the state prediction matrix and the prediction error variance matrix of current time are calculated by the CSM model.According to the strong tracking filter idea,calculate the adjustment factor through r esidual sequence.Then, the adjustment factor is used to coiTect the prediction error variance matrix and the maneuver frequency.Finally,the output information of prediction is updated by using lhe corrected parameters・The results of simulation and experiment show that under the high maneuvering condition,using the adaptive Kalman filtering algorithm,lhe root mean square error RMS of lhe tracking error is about0.21times that of lhe traditional algorithm,andthe maximum tracking error and root mean square error are significantly reduced. Keywords:optoelectronic tracking system；adaptive Kalman filtering；miss distance data；strong tracking filtering；adjustment factor；residual serial0引言在光电跟踪控制系统的视场中，目标的位置与视场的中心之间的特定偏差被称为脱靶量。
基于当前统计模型的三维空间机动目标跟踪算法
基于当前统计模型的三维空间机动目标跟踪算法姜伟;田子希;张宝字【摘要】In the three-dimensional space, a new method for the current statistical kalman filtering algorithm using the radial velocity is presented for radar awareness system, which can detect target radial velocity and target angular velocity. A simulation about the pseudo Kalman filtering put forward by this thesis and the traditional Kalman filtering is given, which aim at the maneuvering target in three-demension. Simulation results indicate that the convergent velocity is accelerated and the convergent precision is increased when the radial velocity and angular velocity is adopted. The new pseudo Kalman filtering has some significance for project practice.%对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率(径向速度)和角变率(角速度)的当前统计卡尔曼滤波算法.针对三维空间中的机动目标,将新提出的算法和传统算法进行仿真,结果表明,当引入距变率和角变率时,其收敛速度加快,收敛精度提高,改善了跟踪性能,具有工程实践指导意义.【期刊名称】《舰船科学技术》【年(卷),期】2011(033)012【总页数】5页(P24-27,41)【关键词】目标跟踪;当前统计;距变率(径向速度);角变率(角速度)【作者】姜伟;田子希;张宝字【作者单位】海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033;海军工程大学电子工程学院,湖北武汉430033【正文语种】中文【中图分类】TN951在机动目标跟踪中，建立符合实际的目标运动模型一直是人们关注的重点。
一个机动目标跟踪数据分析系统的实现
一个机动目标跟踪数据分析系统的实现郭庆平，杜俊吟，章必雄武汉理工大学计算机科学与技术学院，湖北武汉（430063）Email：ducat2003@摘 要：本文提出了一种机动跟踪数据分析系统具体实现方案。
系统首先对雷达采集的数据进行预处理，随后使用内插外推法将各雷达采集的数据时间对准，然后通过航迹关联滤波完成航迹的关联，最后使用扩展卡尔曼滤波。
仿真实验结果表明，在扩展卡尔曼滤波算法的基础上，增加基于“当前”统计模型的自适应滤波算法对加速度方差公式进行修正，可以很好的解决融合结果发散的问题，提高数据融合的精度。
关键词：机动目标跟踪，卡尔曼滤波，数据融合1.引言在现代战争中，目标可分为机动目标（作非匀速直线运动或非匀加速直线运动的目标）和非机动目标（作匀速直线运动或匀加速直线运动的目标），而对目标进行观测的传感器主要是雷达、红外、声纳等。
机动目标的速度、加速度、位置等状态量变化快，使其难于跟踪。
由于现代战争对传感器测量结果的精度要求越来越高，提高单个传感器精度会使其成本剧增，所以通常会把多个传感器在空间和时间上的信息依照某种准则进行组合、相关，以获得对被测对象的一致性解释或描述，使该系统性能远远高于由它各组成的部分子集所单独构成的系统。
综合多个传感器的量测数据需经过一个复杂的数据分析过程，而本文提出的机动目标跟踪数据分析系统就是这一复杂数据分析过程的一个整体解决方案[1]。
本文所提出的数据分析系统使用两台雷达作为主探测器，并辅以红外探测器提供的目标方位信息。
红外探测器所具有隐蔽性好和抗干扰能力强等优点，使其成为雷达的一种很好的补充[2]。
在对两台雷达数据进行融合时，采用了扩展卡尔曼滤波算法。
扩展的卡尔曼滤波在目标加速度模型不准的情况下，数据融合的结果容易发散。
为解决这一问题，本系统参考周宏仁提出的基于“当前”统计模型的自适应滤波算法中的一个对加速度方差的修正公式，很好的解决融合结果发散的问题[3]。
2.雷达数据处理的一般流程多传感器的数据融合包括相关之前的传感器数据预处理，数据格式与坐标变换，数据时间对准，数据的空间融合，以及相关之后的航迹滤波与更新，直至得到完整的目标航迹数据。
一种改进的基于当前统计的α-jerk目标机动模型
一种改进的基于当前统计的α-jerk目标机动模型邱安洪【摘要】提出了一种改进的基于当前统计的α-jerk目标机动模型,它假设当目标在某一时刻发生机动时,其下一时刻发生机动的取值是有限的.因此它在建立目标机动的运动模型时,就没有必要考虑机动的所有值.为提高对机动目标的位置跟踪精度,采取了在传统α-jerk目标机动模型的基础上增加一项目标机动的均值,即对目标急动进行非零均值建模,并和α-jerk目标模型仿真对比,仿真结果表明,新算法不仅能够实时估计参数α的值,而且与α-jerk目标机动模型相比,其收敛速度更快,对目标位置的状态估计更精确【期刊名称】《电讯技术》【年(卷),期】2012(052)011【总页数】5页(P1832-1836)【关键词】机动目标跟踪;当前统计α-jerk模型;α-jerk模型;收敛速度;状态估计【作者】邱安洪【作者单位】清华大学微纳电子系,北京100084【正文语种】中文【中图分类】TN9531960年，Kalman对线性系统的估值问题提出了经典的滤波算法，即Kalman滤波，随后，Kalman滤波在雷达目标跟踪、导航和测绘中得到了广泛的应用。
建立目标的运动数学模型是实现Kalman滤波的一个重要环节，也是实现目标精确跟踪的基础。
自20世纪70年代后，国内外学者就机动目标建模上提出很多富有效果的模型。
如1970年Singer［1］提出的一阶加速度时间相关的Singer模型，1982年Bar-shalom和Birmiwal提出的的含机动检测的机动目标跟踪模型［2］，以及1984年我国学者周宏仁在Singer模型基础上提出的目标机动的当前统计模型［3］。
上述文献是在目标的加速度级进行建模。
1997年，Mehrotra提出了机动目标跟踪的jerk模型［4］，首次对目标加速度的导数进行建模，扩大了目标建模的阶数，并具有良好的跟踪效果。
在这些模型中，对机动时间常数α的取值是预先人为设定的，在缺乏对目标的了解下，会造成误差，而且α可能是时变的。
一种新的更好的基于“当前”统计模型的自适应滤波算法
西 北 工 业 大 学 学 报
Ｊ ｕ ａ ｆＮ ｒｈ ｅ ｔｒ ｏｙｅ ｈ ｉａ ｉｅｓｔ ｏ ｒ ｌ ｏｔｗ ｓ ｎ Ｐ ｌｔｃ ｎｃ ｌＵｎｖ ｒｉ ｎ ｏ ｅ ｙ
Ｊ ｎ ２ １ ｕｅ ０ ｌ
Ｖｏ ＿ ９ ｏ ３ Ｉ ２ Ｎ ．
第２ ９卷第 ３期
良好 的跟踪 机 动 目标 的能力 。
布设定为均值可变 的修 正瑞 利分布 ， 其均值为 “ 当 前” 加速度 的预测值 ， 认为 目标下一时刻 的加 速度 只能 在 “ 当前 ” 加速 度 的邻域 内 ， 从而 计 算 出 “ 当前 ”
收 稿 日期 ：０ ００ －８ ２ １－６０
作者简介 ： 陈出新 （９１ ） 西北 工业大学博士研究生 ， １８一 ， 主要从事先进控制理论研究 。
一
种 新 的更 好 的基 于 “ 当前 ’ 计 模 型 的 ’ 统 自适 应 滤 波算 法
陈 出新 ，周德 云 ，张 垄
（ 西北工业 大学 电子信息学院 ， 西安 ７０２ ） １１９
摘
要 ： 出一种 新的基 于“ 提 当前” 统计模 型的 自适 应 滤 波算 法 ， 对 “ 针 当前 ” 统计模 型 自适应 滤 波 算
由于“ 当前 ” 计 模 型 的 机 动 加 速 度 概 率 密 度 统 服从修正瑞利分布 ， 故将 目标“ 当前” 加速度的预测 值作为当前时刻机动加速度瑞利分布的均值 ， 利用 瑞 利分 布 方差 随均 值 变 化 且 由它 决定 的特 点 ， 现 实 了机动 加 速度均 值 和 方 差 的 自适 应 调 整 ， 因此 具 有
机 动加速 度 的方 差 ， 过 它 的 自适 应 来 调 整 滤 波 过 通 程 噪声方 差 阵 ， 高 了跟 踪 精 度 。然 而 ， ｓ模 型对 提 ｃ 加速 度方 差 的计 算 依 赖 于两 个参 数 ： 动频 率 和 机
基于当前统计模型的目标跟踪改进算法仿真分析
在机 动 目标状 态 估 计 中 ， 由于 机 动 目标 模 型 一般 论上 该残 差符 合零 均值 的正 态分 布 。如果 目标 状态 发 生 突变 ， 残差会 变 大 ， 均 方值 会 偏 离 理论 值 ， 残差 其 若 特征 出现 偏离 ， 为 目标 的机 动 频 率 发 生 改 变 ， 认 应
关键词 ： 目标跟 踪 ； 当前 统计 模 型 ； 动频 率 ； 速 度 方差 ； 尔曼滤波 机 加 卡 中 图分类 号 ：Ｎ ５ Ｔ ９３ 文献标 志码 ： Ａ 文章编 号 ：０ ９— ４ １ ２ １ ） １— ０ ４一 ４ １０ ０ ０ （０ ２ ０ ０ ２ ｏ
Ｔｈ ｉ ｌ ｔ ｎ ａ ａｙ ｉ ｆ ｉ ｒ ｖ ｄ ｔｒ ｅ ｒ ｃ ｉ ｇ ａｇ ｒｔ ｍｓ ｅ ｓｍｕ ａ ｉ ｎ ｌ ｓｓ ｏ ｍｐ ｏ ｅ ａ ｇ ｔｔａ ｋ ｎ ｌ ｏ ｉ ｏ ｈ
ｃ ｒｅ ｔｓａｉｔ ａ ｍｏ ｅ ， ｅ ｕ ｒｎ ｔｔｓｉ ｌ ｃ ｄ ｌ ｔ ｍｅ ｏ ｓ ｏ ｄ ｐ ｎ ｅ ｔｃ ｎ ｌｇｅ ｏ ｅ ａ ｃ ｌｒｔ ｎ ａｉＩ ｅ ｎ ｄ ｔ ｅ ｈ ｈ ｔ ｄ ａ ｏ ｔ ｇ ｔ ｅ ｈ ｏｏ ｉｓ ｆ ｔ ｃ ｅ ｅａｉ ｖ ｒａｉ ａ ｆ ｉ ｈ ｈ ｏ ｃ ｈ ａ ａ ｔ ｅ ｍａ ｅ ｖ ｒｎ ｅ ｕ ｎ ｙｔ ｅ ｌ ｅｔｅ ａ ｃ ｒ ｔ ａｇ ｔｔ ｃ ｉ ｇｕ ｄ ｒａ ｙ ｍａ ｅ ｖ ｒｂ ｅｃｒｕ ｔｎ ｅ ｄ ｐ ｖ ｎ ｕ ｅ ｇｆ ｑ ｅ ｃ ｏｒａｉ ｃ ｕ ａｅｔｒ ｅ ｒ ｋｎ ｎ ｅ ｎ ｎ ｕ ｅａ ｌ ｉｃ ｍｓａ ｃ ｓ ｉ ｉ ｒ ｚ ｈ ａ ａｅ ｐ ｏ ｏ ｅ ． ｈ ｒ ｃ ｉ ｇ ｐ ｒｏｍａ ｃ ｓ ｏ ｅ ｔ ｔｏ ｓ ａ ｅ ｃ ｍｐ ｒｄ ｗ ｔ ｏ ｅ ｏ ｅ ｃ ｎ ｅ ｔ ｎ ｌ ｒ ｒｐ ｓ ｄ Ｔ ｅ ｔ ｋｎ ｅ ｒ ｎ ｅ ｆ ｔ ｗｏ ｍｅｈ ｌ ｏ ａｅ ｉ ｔ ｓ ｔ ｏ ｖ ｎｉ ａ ａ ｆ ｈ ｄ ｈ ｈ ｆ ｈ ｏ ｅ ｈ ｄ ｈ ｏ ｇ ｔｅ ｏ ｕ ｅ ｓｍｕａｉｎ．ｗｈｃ ｉ ｄｃ ｔ ｔａ ｔ ｅ ｍ ｒｖ ｄ ｌｏ ｔｍｓ ｒ ｏ ｂ ｔ ｒ ｍ ｔｏ ｔｒ ｕ ｈ ｈ ｃ ｍｐ ｔｒ ｉ ｌｔｏ ｉｈ ｎ ｉａｅ ｈ ｔ ｈ ｉ ｏ ｅ ａｇ ｒ ｈ ａｅ ｆ ｐ ｉ ｅｔ ｅ ａ ａ ｔｂ ｌ ｙ ｄ ｐａ ｉｉ ． ｔ
20882279_一种机动目标运动要素估计算法_
第28卷第1期 水下无人系统学报 Vol.28No.12020年2月JOURNAL OF UNMANNED UNDERSEA SYSTEMS Feb. 2020收稿日期: 2019-08-22; 修回日期: 2019-10-21.作者简介: 程 帅(1995-), 男, 在读硕士, 主要研究方向为水下航行器制导技术.[引用格式] 程帅, 张秦南, 王立文. 一种机动目标运动要素估计算法[J]. 水下无人系统学报, 2020, 28(1): 46-50.一种机动目标运动要素估计算法程 帅, 张秦南, 王立文(中国船舶重工集团公司 第705研究所, 陕西 西安, 710077)摘 要: 对于机动目标的运动要素估计, 当前运用较多的是基于匀加速模型的卡尔曼滤波方法, 但由于卡尔曼滤波器本身的缺陷, 该方法只适用于目标做匀加速直线运动的情况, 而无法对目标做转弯运动时的运动要素进行有效估计。
为了克服这个问题, 文中提出了一种机动目标运动要素的估计算法, 通过对卡尔曼滤波协方差阵的定期重置, 使得增益矩阵的绝对值始终保持在较大的状态, 对估计值的修正效果始终处于一个较好的水平, 最终解决包含转弯运动在内的机动目标运动要素的估计问题。
数学仿真结果表明, 所设计的估计算法对机动目标具有较强的跟踪能力, 满足了估计误差要求, 该方法简单可行, 易于工程实现。
关键词: 目标运动要素; 估计算法; 匀加速; 转弯运动; 卡尔曼滤波中图分类号: TJ630.34; TB565.2 文献标识码: A 文章编号: 2096-3920(2020)01-0046-05 DOI: 10.11993/j.issn.2096-3920.2020.01.007An Estimation Algorithm of Maneuvering Target Movement ElementsCHENG Shuai , ZHANG Qin -nan , WANG Li -wen(The 705 Research Institute, China Shipbuilding Industry Corporation, Xi’an 710077, China)Abstract: For estimation of maneuvering target movement elements, the Kalman filter method based on the uniform acceleration model has more applications, however, due to the defect of Kalman filter itself, this method is only appli-cable to the target with uniform acceleration in the straight line movement situation, but is impossible to estimate the motion elements of the target in turning. In order to overcome this problem, an estimation algorithm of maneuvering target movement elements is proposed in this paper. Through periodic reset of the covariance matrix of Kalman filtering, the algorithm can make the absolute value of the gain matrix always keep larger, make the correction effect of estimation at a satisfactory level, and ultimately solve the estimation problem of maneuvering target movement elements including turning movement. Mathematical simulation results show that the proposed estimation algorithm has strong tracking ability for maneuvering target, and meets the requirement of estimation error. It is simple and easy to be realized in en-gineering.Keywords: target movement elements; estimation algorithm; uniform acceleration; turning movement; Kalman filter0 引言双层壳体潜艇的出现对轻型反潜鱼雷提出了新的要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｋｅ ｗｏ ｄ ｍａ ｅ ｖ ｒｎ ｔｒ ｅ ｍｏ ｉ ｎ ｌｍｅ ｔ “ｃ ｒ ｎ ” ｓａｉｔｃ ｙ ｒ ｓ： ｎ ｕ ｅ ｇ ａ ｇ ｔ ｉ ｔｏ ｅ ｅ ｎ ； ｕｒｅ ｔ ｔ ｔｓｉ ｍｏ ｅ ； Ｋａｍａ ｆｌｅ ； ｍａ ｕ ｅ ｎｇ ａ ｇ ｔ ｄｌ ｌ ｎ ｉ ｔｒ ｎｅ ｖ ｒ ｔｒ ｅ ｉ
的估 计结果 直接 影 响避 碰 措 施 的采 取 ， 而 影 响 整 从
个避 碰过程 及避碰 的效果 。
我 国著名 学者周 宏 仁老 师针对 Ｓｎｅ 模 型的缺 陷提 ｉ ｒ ｇ 出 了一种 非零 均值 的 “ 当前 ” 统计 模 型 … ， 目标 机 其
动加速度的“ 当前 ” 概率密度用修正 的瑞利 分布描 述， 均值为“ 当前 ” 加速度预测值 ， 实际应用证 明这
ｔａ ｋ ｎ ｒｃ ｉｇ
Ａｂｓｒ ｃ ： ｔ ａ ｔ Ａ ｓ ｉ ｉ ｇ ｎ ｒｌｙ ｈ ｐ ｓ ｅ ｅ ａｌ ｍａ ｅ ｖ ｒｎ ｉ ｔ ｅ ｒ ｃ ｓ ｏ ｏ ｌ ｉ ｎ ｖ ｉ ｎ ｅ Ｔｈ ｒ ｆｒ ｎ ｕ ｅ ｇ ｎ ｈ ｐ ｏ ｅ ｓ ｆ ｃ ｌ ｓｏ ａ ｏｄａ ｃ ． ｉ ｉ ｅ ｅｏ ｅ， ｔ ｅ ｈ ｐｒ ｃｓｏ ｏ ｅ ｉｉ ｎ ｆ ｃ ｌｕ ａ ｉｎ ｅ ｕｔ ｏ ｍａ ｅ ｖ ｒｎ ｔ ｒ ｅ ｍｏｉ ｎ ｌｍｅ ｔ ｗｉ ｈ ｖ ｄ ｒ ｃ ｉ ｆ ｎ ｅ ｎ ｆｅ ｔ ｆ ｓ ｉ ｃ ｌ ｓｏ ａ ｃ ｌ ｔ ｒ ｓ ｌ ｒ ｏ ｆ ｎ ｕ ｅ ｇ ａｇ ｔ ｉ ｔ ｅｅ ｎ ｌ ａ ｅ ｉｅ ｔ ｎ ｕｅ ｃ ｏ ｅｆ ｃ ｏ ｈ ｐ ｏ ｌ ｉ ｎ ｏ ｌ ｌ ｉ ａ ｏｄａ ｃ ．Ａｆｅ ｏ ｖｉ ｎｅ ｔ ｒｃ ｍｐａ ｎ ｎ ｒ ｖ ｅ ｔｔ ｒ ｅ ｄ ｌ ｎ ｒ ｃ ｉ ｇ ａｇ ｒｔ ｉ ｒ ｇ ｍａ ｙ ｐ ｅ ａ ｎ ａｇ ｔｍｏ ｅ ｓａ ｄ ｔａ ｋ ｎ ｌ ｏ ｈｍｓ，ｔ ｉ ａ ｅ ｅｅ ｔ ｈ “ ｕ ｅ ’ ｌ ｉ ｈｓ ｐ ｐ ｒｓ ｌｃ ｓｔ ｅ ｃ ｒ ｎｔ ’ ｓａｉｔ ｄ ｌ ｔ ｔｓｉ ｍｏ ｅ ，ｗｈｉｈ ｃ ｎ ｂｅ ｍｏ ｅ ｃ ｕ ｌ ｔ ｒ ｆ ｃ ｔｅ ｅｅ ｎ ｍａ ｕ ｅ ｎ ｃ ａ ｇ ｈａ ｏ ｈ ｒ ｍｏ ｅ ｓ Ｔｈ ｃ ｃ ａ ｒ ａ ｔ ａ ｏ ｅ ｅ ｔ ｈ ｌｍｅ ｔ ｌ ｎｅ ｖ ｒ ｇ ｈ ｎ ｅ ｔ ｎ ｔ ｅ ｄ ｌ． ｉ ｅ ｓｍｕ ａｉｎ ｒ ｓ ｌｓｉ ｄ ｃ ｔ ｈ ｔｔ ｅ ａｇ ｒｔ ｉ ｌｔｏ ｅ ｕ ｔ ｎ ｉ ａｅ ｔ ａ ｈ ｌ ｏ ｈｍ ｏ ｖ ｒ ｅ ｕ ｃ ｌ ｎ ｃ ｕ ａ ｅｙ，ａ ｄ ｔ ｅ ｃ ｌ ｕ ａｉｎ ｒ ｓ ｌ ｃ ｎ ｍｅ ｔ ｉ ｃ ｎ ｅ ｇ ｓ ｑ ｉｋ ｙ ａ ｄ ａ ｃ ｒ ｔｌ ｎ ｈ ａｃ ｌｔ ｅ ｕｔ ａ ｅ ｏ ｗｉ ｈ ｅ ｕｒ ｍｅ ｔｏ ｈｐ ｃ ｌｉｉ ｎ ａ ｏ ｄ ｎ ｅ ｔ ｔ ｅ ｒ ｑ ｉｅ ｎ ｆｓ ｉ ｏｌｓｏ ｖ ｉ ａ ｃ ． ｈ
Ｃａ ｃ ｌ ｔｏ ｌ ｏ ｉｈ ｏ ａ ｅ ｖ ｒｎｇ ｔ ｒ ｅ ｏ ｉ ｎ ｅ ｅ ｅ ｔｂａ ｅ ｌ ｕ ａ ｉ ｎ ａ ｇ ｒｔ ｍ ｆ ｒ ｍ ｎ ｕ ｅ ｉ ａ ｇ ｔｍ ｔｏ ｌｍ ｎ ｓ ｄ
ｏ “ｃ ｒ ｎ ” ｓ ｔｓ ｉ ｏ ｅ ｎ ｕｒ ｅ ｔ ｔ ｉｔｃ ｍ ｄ ｌ ａ
运 动形式 单 一 ， 适合 用 于机 动 目标 的跟踪 。机 动 不
１ 前
言
目标模 型又 大 致 可 分 为 全 局 统 计模 型 和 “ 当前 ” 统
计模 型 两类 。全 局 统 计模 型包 括 Ｓｎｅ 模 型 、 马 ｉｇｒ 半
对机 动 目标运动 要素 的解算 及其 状态估 计是 舰 船避 碰 中不可 缺 少 的。避 碰 时 ， 要 通 过处 理 导 航 需 雷达 及舰 船 自身传感 器等提 供 的信息来 获 取 目标 舰
维普资讯
２０ ０ ７年 ６月
船
舶
Ｊｎ ｕ ｅ，２ ０７ ０
Ｎ０． ３
第 ３期
Ｓ Ｐ ＆ Ｂ０ＡＴ ＨＩ
［ 究与设计 ］ 研
基 于“ 当前 ＂ 计模 型 的机 动 目标 运 动 要 素解 算 统
周 莉 华承 相 易成 涛
（ 军大连 舰艇 学院 大连 海 １６ １ ） １０ ８
［ 关键词 ］ 机动 目标运动要素 ； 当前 ” “ 统计模型 ； 卡尔曼滤波 ； 目标跟踪 ［ 摘 要］ 在避碰过程中 ， 舰船一般处于机动状态。因而 ， 机动 目标运 动要素解 算的精度 直接影响 到避碰 的 对 效 果。通过对多种模型的 比较 ， 选用 了“ 当前 ” 统计模 型 ， 当前 ” 计模型相 对于其他 模型能够更为真实地 反映 目 “ 统 标 的机动变化 。仿真结果表 明 ， 此算法收敛迅速并有较高精度 ， 解算所 得的 目标 运动要 素能够满 足舰船避碰 等 其 实用要求 。 ［ 中图分类号 ］ ６ １３ Ｕ ６．１ ［ 文献标识码 ］ Ａ ［ 文章编号 ］０ １— ８ ５ ２０ ）３— ０２—０ １０ ９ ５ （０ ７ ０ ０ ３ ４
尔 可夫模 型 和 Ｎ ｖ 统计 模 型 等 ， ｏａ ｌ 其共 同 特 点 是 考 虑 了 目标 所有 机 动变 化 的可 能性 ， 但对 一 具 体 的机
动情 况而 言 ， 些 机 动 模 型 的 精 度 将 不 可 能 太 高 。 这
的位置、 速度和加速度