[发明专利]一种多层次信息融合的纯方位水下目标跟踪算法

权利要求书

1.一种多层次信息融合的纯方位水下目标跟踪算法，其特征在于：包括以下步骤：

步骤1：进行参数初始化，初始化参数包括模型初始概率p_ij(0)，最大模型概率p_max，模糊推理参数c_DM和σ，采样周期T，粒子个数M，并确定目标运动模型集合中采用一个匀速模型和两个协同转弯模型；

步骤2：采用最小二乘法的多UUV被动信息融合预处理：

设UUV_k坐标位置(x_k,y_k,z_k)，k＝1,2…,Q,目标T坐标位置(x_T,y_T,z_T)，(α_k,β_k)表示对应UUV_k测量的俯仰角和方位角，L_k表示UUV_k根据俯仰角和方位角确定的空间定位线，A_k表示估计目标T到L_k垂足，则L_k的方程表示为

(x-x_k)/l_k＝(y-y_k)/m_k＝(z-z_k)/n_k

m_k＝cosα_ksinβ_k

n_k＝cosα_ksinβ_k

l_k＝cosα_ksinβ_k

m_k,n_k,l_k分别表示L_k的方向余弦，由m_k,n_k,l_k求解目标相对n条定位线的距离平方和d，并根据距离平方和对位置估计的偏导数为零获得目标位置的最小二乘估计值为：

其中

D＝LMN+2TRS-S²M-R²L-T²N

步骤3：利用步骤2中最小二乘法确定的目标位置估计值，对目标进行跟踪估计和预测，其中对于第k时刻的递推循环估计，采用以下步骤进行：

步骤3.1：输入交互：

根据公式

计算状态混合估计以及协方差混合估计其中r为目标运动模型集合中的模型个数，和pⁱ(k-1|k-1)分别表示k-1时刻第i个模型的状态估计与状态协方差，i,j＝1,2…r，μ_ij(k-1)为k-1时刻混合概率：

为第j个模型归一化常数，p_ij(k-1)表示k-1时刻模型M_i转移到M_j的转移概率，μ_i(k-1)表示k-1时刻模型M_i的概率；

步骤3.2：条件滤波：

以步骤3.1得到的和作为k-1时刻第j个模型的输入，利用对应的粒子滤波器进行条件滤波，计算滤波输出和p^j(k|k)；

步骤3.3：概率更新：

根据公式

计算k时刻模型j的似然函数Λ_j(k)，其中v_j(k)为模型j的滤波新息，S_j(k)为v_j(k)对应的协方差；得到模型j更新后的概率为

式中

步骤3.4：根据公式

自适应推理模型转移概率p_ij(k)，式中为隶属度函数：

和分别表示隶属度函数的中心和宽度，n表示模糊规则个数；表示第n个模糊规则对应的MTP矩阵

步骤4：综合输出：

根据公式

计算k时刻的总体估计和总体估计误差协方差p(k|k)；

步骤5：取k＝k+1，返回步骤3，对目标进行持续跟踪估计，直至跟踪结束。