Page 98 - 《应用声学》2020年第1期

94 2020 年 1 月

表 2 几种算法的运行时间对比 (仿真)
Table 2 Comparations of running time among improved filters and conventional
filters (Simulation)

IUKF IS-UKF UKF SUKF ICKF IS-CKF CKF SCKF
运行时间/ms 17.4 12.1 15.3 11.0 15.5 9.8 14.1 9.3

η S-UKF 或者 η S-CKF — 30.43% — 28.26% — 36.72% — 33.82%
表 3 几种算法的估计精度对比 (仿真) 由 GPS 数据加高斯噪声得到 (噪声均值为零、方差
2
Table 3 Comparations of RMSEs among 为 4 × 10 −6 rad )。该跟踪系统状态空间模型与第
improved filters and conventional filters 3 节仿真实验中相同。常规算法和改进算法的初
(Simulation) 始状态向量分别为 X 0 = [105, −25, 1, −1, 0, 0] 和
T
T
Y 0 = [105, −25, 1, −1, 0, 0, 0] ，其他参数与第 3 节
位置的 速度的 加速度的
算法
RMSE/m RMSE/(m·s −1 ) RMSE/(m·s −2 ) 相同。图 3 给出了目标的轨迹和节点的坐标。实验
IS-UKF 2.7942 0.8247 0.1769 中并未测量目标的速度和加速度信息，因此本节只
对比位置坐标的精度，表 4 和表 5 分别给出了 500
IS-CKF 2.8037 0.8275 0.1769
次蒙特 - 卡洛实验后上述各个算法的平均运行时间
SUKF 3.1192 0.8477 0.1800
和对应的 RMSE。图 4 给出了某一次实验中 SCKF
SCKF 3.1214 0.8478 0.1800
400
800
ᄾࠄᢾᤜ GPS
700 ᜺฾ᓬག SCKF 200 ᓬག
IS-CKF
600 ፇౌ 0 नݽ
40
500 -200
y/m 400
20 y/m -400
300
नݽ
-600
200
0
0 20 40
100 -800
ፇౌ
0 नݽ -1000
-600 -400 -200 0 200 400
-100 -50 0 50 100 150 200 250 300 x/m
x/m
图 3 目标轨迹 (湖上试验)
图 2 目标轨迹的估计结果对比
Fig. 3 Real trajectory of the target (Lake trial)
Fig. 2 Estimated trajectories by SCKF and IS-
CKF, respectively
ᄾࠄᢾᤜ
200 SCKF
4 千岛湖实验与结果分析 0 नݽ IS-CKF
-200
为了进一步验证算法的效果，取 2018 年 3 月 -400
的一次主动探测湖上实验数据进行改进算法的性 y/m -600
0
能验证分析。目标船的真实轨迹由差分 GPS 给出， -800 -50
-100 नݽ
观测节点的真实坐标由 GPS 给出，且目标和观测 -1000 -150
100 120 140 160
节点的深度已知，均为 5 m。因此以下实验研究 -1200
-200 -100 0 100 200 300 400
仍然只考虑目标的二维平面运动状态信息。本次 x/m
实验的观测节点坐标为 [−500 m, −394 m]。水声
图 4 目标轨迹的估计结果对比 (湖上试验)
测距信号间隔 2 s 发送和采集一次，节点共采集到 Fig. 4 Estimated trajectories by SCKF and IS-
740 组距离观测信息 (方差约为 25 m )，方位信息 CKF, respectively (Lake trial)
2