一种改进的水下小目标跟踪算法仿真

针对水下小目标跟踪精度低,易发生误跟和跟丢目标的问题,提出了一种扩维交互式多模型扩展卡尔曼算法(IMM-EKF)结合模拟退火粒子群算法(SA-PSO)的目标跟踪算法。首先,基于初始时刻获取量测和估计量测的加权最小二乘原则,利用SA-PSO算法估计目标的初始位置。仿真结果表明,上述算法以少于60次的迭代次数收敛,并且初始位置估计误差略大于克拉美劳下界。其次,利用扩维IMM-EKF算法进行目标跟踪,上述算法在IMM-EKF算法基础上,在每一步迭代过程中进行量测扩维,获取更多目标运动状态信息。仿真结果表明,相比于IMM-EKF算法和加权IMM-EKF算法,扩维IMM-EKF算法具有更小的跟踪误差和更好的鲁棒性。

基于SA-PSO算法的多基地声纳水下目标初始位置估计

本文首先通过理论推导分析了利用多基地声纳发射端,声纳接收端以及双基地联合定位各自的水下目标测量误差,仿真结果表明联合定位得到的量测误差明显小于单个声纳的定位精度。其次,针对水下目标初始位置估计精度较低的问题,将模拟退火粒子群算法(SA-PSO)算法运用到双基地的水下目标初始位置估计,该算法基于初始时刻获取量测和估计量测的加权最小二乘原则估计目标的初始位置。仿真结果表明,该算法以少于60次的迭代次数收敛,并且初始位置估计误差略大于克拉美劳下界。