大发welcome登录官网博士后出站报告会

时间:2021-10-30作者:文章来源:大发welcome登录官网浏览:10

大发welcome登录官网博士后出站报告会

题目:基于分布式被动弱观测的水下非合作目标智能跟踪方法研究

报告人:侯翔昊

合作导师:乔钢教授

时间:2021年11月2日下午2:30

地点:水声楼603会议室

欢迎广大师生现场旁听与交流


                                      大发welcome登录官网

                                     2021年10月30日


基于分布式被动弱观测的水下非合作目标智能跟踪方法研究

    

 

对水下非合作目标进行准确地被动跟踪对保障我方海域安全具有重要意义。实际中由于水下环境的复杂多变性与目标的非合作特性,导致对非合作目标跟踪时往往会出现可观测性低、观测强非线性、观测受扰等弱观测情形,此时,受制于观测信息单一以及跟踪算法先进性的限制,传统的利用单点观测数据的贝叶斯滤波跟踪方法难以给出较为理想的跟踪结果。

本项目拟采用分布式被动观测手段,利用信息理论以及智能非线性滤波理论在目标跟踪领域的技术优势,全面深入的探索弱观测条件下水下非合作目标智能跟踪问题。本报告主要研究内容如下

1分布式被动观测系统最优拓扑结构设计。

针对弱观测中的低可观测性问题,考虑分布式被动观测系统中不同观测节点所组成的观测网络拓扑结构,同时考虑不同拓扑结构对水下非合作目标跟踪精度的影响,基于可观测性分析理论与信息理论,在保证实时跟踪精度的条件下,研究分布式被动观测系统的观测节点选择与最优拓扑构型设计方法,从而对水下非合作目标进行持久可靠跟踪。为后文智能跟踪算法的建立提供基础

2 观测强非线性条件下,水下非合作目标智能跟踪算法设计。

针对弱观测中的观测强非线性问题,考虑被动观测本身具有的非线性特性,以及水下复杂环境对观测信息的干扰所带来的观测强非线性问题,本项目基于水下非合作目标的运动学与动力学模型,结合分布式被动纯角度观测信息,首先设置增广观测,对目标的状态信息和非线性观测信息进行统一描述;然后基于增广观测,重新构造伪线性观测模型,从而利用传统卡尔曼滤波方法对增广观测进行无偏估计;最后,基于自适应调参的“高斯——牛顿”迭代算法,设置自适应调节因子调节迭代速度与正则化项权重,对增广观测中的水下非合作目标状态参数进行迭代估计,从而完成观测强非线性条件下的水下非合作目标智能跟踪。

       3 非线性非高斯时变噪声干扰条件下,水下非合作目标智能跟踪算法设计。

       针对弱观测中的非线性非高斯时变噪声干扰问题,考虑水下复杂环境会对观测带来强干扰从而导致观测信息出现非线性非高斯且时变的情况,在上述研究基础上,结合自适应滤波理论实时调节跟踪过程中算法参数的原理,以及粒子滤波在处理非线性非高斯跟踪问题中的优势,本项目分别基于智能自适应滤波技术与快速粒子滤波技术,设计基于Sage-Husa自适应滤波方法与基于传统/快速粒子滤波的水下非合作目标智能跟踪算法。对前者而言,通过新息信息对观测受扰程度进行定量描述,并在此基础上实时调节滤波增益,从而完成受扰观测下的水下非合作目标鲁棒自适应跟踪;对后者而言,当跟踪系统受到水下未知环境影响从而产生非线性非高斯噪声干扰时,结合分布式被动探测系统的最有拓扑构型,设计相应的传统/快速粒子滤波跟踪算法,对水下非合作目标的状态参数进行准确跟踪。

关键词:水下非合作目标,卡尔曼滤波,粒子滤波,最优拓扑结构设计,自适应滤波