基于水下傳感器網(wǎng)絡(luò)的被動(dòng)目標(biāo)跟蹤研究.pdf

1、隨著信息技術(shù)的發(fā)展和人們對(duì)海洋重視程度的增加,作為認(rèn)識(shí)和開(kāi)發(fā)海洋重要工具和途徑的水下傳感器網(wǎng)絡(luò)迅速發(fā)展,越來(lái)越多的專家學(xué)者開(kāi)始圍繞其展開(kāi)各種研究活動(dòng)?；谒聜鞲衅骶W(wǎng)絡(luò)的目標(biāo)跟蹤作為水下傳感器網(wǎng)絡(luò)的信息處理層次,起著承上啟下的作用,對(duì)下匯總和處理節(jié)點(diǎn)所采集信息,對(duì)上為態(tài)勢(shì)評(píng)估等提供決策支持,其受關(guān)注程度也越來(lái)越高。本文主要對(duì)水下傳感器網(wǎng)絡(luò)的被動(dòng)目標(biāo)跟蹤進(jìn)行了研究,并進(jìn)行了水下信息綜合處理平臺(tái)的設(shè)計(jì)與實(shí)驗(yàn)。本文主要工作如下:
　　(

2、1)針對(duì)單目標(biāo)跟蹤,首先闡述了幾種常見(jiàn)的水下目標(biāo)運(yùn)動(dòng)模型,基于其中一種模型對(duì)目標(biāo)跟蹤進(jìn)行研究。提出了一種改進(jìn)重采樣非擴(kuò)維的UPF(Unscented Particle Filter,不敏粒子濾波)算法,并將該算法結(jié)合目標(biāo)運(yùn)動(dòng)模型用于水下傳感器網(wǎng)絡(luò)的被動(dòng)單目標(biāo)跟蹤。該方法用非擴(kuò)維UKF(Unscented Kalman Filter,不敏卡爾曼濾波)產(chǎn)生粒子的建議分布,相對(duì)于一般的擴(kuò)維UKF大大減少了計(jì)算時(shí)間;并對(duì)重采樣環(huán)節(jié)進(jìn)行了改進(jìn),依

3、據(jù)粒子權(quán)重大小合理組合被拋棄粒子和被復(fù)制粒子以產(chǎn)生新粒子,提高了粒子多樣性,增加了濾波精度。該方法具有用時(shí)短,跟蹤精度高的特點(diǎn)。
　　(2)針對(duì)多目標(biāo)跟蹤,在集中式融合方式下,首先介紹了單個(gè)傳感器聯(lián)合概率數(shù)據(jù)關(guān)聯(lián),在此基礎(chǔ)上,闡述了適用于水下傳感器網(wǎng)絡(luò)的MSJPDA(Multisensor Joint Probabilistic Data Association多傳感器聯(lián)合概率數(shù)據(jù)關(guān)聯(lián))技術(shù),并將單目標(biāo)跟蹤方法(即改進(jìn)重采樣非擴(kuò)維

4、UPF)和MSJPDA技術(shù)相結(jié)合用于被動(dòng)多目標(biāo)跟蹤,進(jìn)行基于水下傳感器網(wǎng)絡(luò)的多目標(biāo)跟蹤。此種多目標(biāo)跟蹤方法能有效對(duì)多個(gè)目標(biāo)進(jìn)行跟蹤。
　　(3)在Matlab環(huán)境下對(duì)單目標(biāo)和多目標(biāo)跟蹤方法進(jìn)行了模擬仿真。仿真實(shí)驗(yàn)證明了單目標(biāo)跟蹤方法的跟蹤時(shí)耗要遠(yuǎn)小于UPF,跟蹤精度較UPF和非擴(kuò)維UPF都有所提高,具有自身的優(yōu)越性。仿真實(shí)驗(yàn)還驗(yàn)證了多目標(biāo)跟蹤方法能有效對(duì)多個(gè)目標(biāo)進(jìn)行跟蹤,有效避免了軌跡交叉造成的跟蹤錯(cuò)誤。值得注意的是,本文算法和仿