Page 96 - 《应用声学》2021年第3期
P. 96
414 2021 年 5 月
计算蒙特卡洛仿真实验中 3 种算法定位误差的 Hui Juan, Hui Junying, Wang Zijuan. The prediction of
平均值和标准差,统计结果见表1。 bistatic reverberation average strength[J]. Acta Acustica,
2009, 34(1): 47–53.
表 1 蒙特卡洛仿真统计结果 [3] Coraluppi S. Multistatic sonar localization[J]. IEEE Jour-
nal of Oceanic Engineering, 2006, 31(4): 964–974.
Table 1 Monte Carlo simulation results
[4] Coraluppi S P, Grimmett D. Multistatic sonar track-
statistics
ing[C]. Signal Processing, Sensor Fusion, and Target
Recognition XII. International Society for Optics and
平均定位误差/m 标准差/m Photonics, 2003, 5096: 399–410.
Kalman 107.8 32.3 [5] Peters D J. A Bayesian method for localization by multi-
static active sonar[J]. IEEE Journal of Oceanic Engineer-
SIR 110.4 20.7
ing, 2016, 42(1): 135–142.
DA-SIR 80.1 15.6
[6] Lang T, Hayes G. Exploitation of bistatic Doppler mea-
从仿真结果可以看出,当未融合多普勒信息 surements in multistatic tracking[C]. 2007 10th Interna-
tional Conference on Information Fusion. IEEE, 2007:
时,SIR 算法跟踪精度与 Kalman 滤波算法相当,并 1–8.
且从算法定位误差的标准差上做比较,SIR 算法的 [7] Ling J, Xu L, Li J. Adaptive range-Doppler imaging and
稳定性要优于Kalman 滤波器。融合多普勒信息后, target parameter estimation in multistatic active sonar
systems[J]. IEEE Journal of Oceanic Engineering, 2014,
DA-SIR 算法的跟踪精度有了明显提升,并且定位
39(2): 290–302.
误差的标准差也优于其他两种算法,保持了更高 [8] 靳标, 李聪, 郭交, 等. 多普勒信息辅助的杂波环境下多目标
的稳定性。蒙特卡洛仿真结果可以证明,所提出的 跟踪算法 [J]. 电子科技大学学报, 2019, 48(4): 511–517.
Jin Biao, Li Cong, Guo Jiao, et al. Multi-target track-
DA-SIR 目标跟踪算法有效地融合了所测量的多普
ing in clutter aided by Doppler information[J]. Journal of
勒信息,提高了定位精度,并有较高的稳定性。 University of Electronic Science and Technology of China,
2019, 48(4): 511–517.
4 结论 [9] Wang X, Musicki D, Ellem R, et al. Efficient and
enhanced multi-target tracking with Doppler measure-
本文对多基地声呐中融合多普勒信息的目标 ments[J]. IEEE Transactions on Aerospace and Electronic
Systems, 2009, 45(4): 1400–1417.
定位跟踪算法进行了研究。利用粒子滤波器处理非
[10] Mušicki D, Song T L, Lee H H, et al. Correlated Doppler-
线性问题的出色性能,在SIR滤波器框架下,提出了 assisted target tracking in clutter[J]. IET Radar, Sonar &
一种 DA-SIR 目标跟踪算法。将多基地探测中多普 Navigation, 2013, 7(1): 94–100.
[11] Bar-Shalom Y. Negative correlation and optimal track-
勒因子模型融入到 SIR 滤波算法中,指导粒子速度
ing with Doppler measurements[J]. IEEE Transactions
状态的重采样,降低速度的不确定度,使重采样后的 on Aerospace and Electronic Systems, 2001, 37(3):
粒子更加逼近真实状态,从而提升了目标跟踪算法 1117–1120.
的精度。通过单次目标跟踪仿真实验对算法的工作 [12] Wang J, He P, Long T. Use of the radial velocity mea-
surement in target tracking[J]. IEEE Transactions on
原理进一步作了阐释,分析了算法的性能提升机理。
Aerospace and Electronic Systems, 2003, 39(2): 401–413.
蒙特卡洛仿真实验结果表明 DA-SIR 算法有效地融 [13] Cox H. Fundamentals of bistatic active sonar[M]//Under-
合了多基地声呐中的多普勒信息,并保持了较高的 water acoustic data processing. Dordrecht: Springer,
1989: 3–24.
稳定性。本文算法为多基地声呐目标跟踪中融合多
[14] 胡士强, 敬忠良. 粒子滤波算法综述 [J]. 控制与决策, 2005,
普勒信息的方法提供了一个有效的解决方案。 20(4): 361–365, 371.
Hu Shiqiang, Jing Zhongliang. Overview of particle filter
algorithm[J]. Control and Decision, 2005, 20(4): 361–365,
参 考 文 献 371.
[15] Gordon N J, Salmond D J, Smith A F M. Novel approach
[1] 李嶷, 孙长瑜, 余华兵, 等. 多基地声纳配置策略研究 [J]. 兵 to nonlinear/non-Gaussian Bayesian state estimation[C].
工学报, 2009, 30(6): 844–848. IEE Proceedings F (Radar and Signal Processing). IET
Li Yi, Sun Changyu, Yu Huabing, et al. Research on the Digital Library, 1993, 140(2): 107–113.
deployment strategy of multistatic sonar[J]. Acta Arma- [16] Colin M E G D, Beerens S P. False-alarm reduction for
mentarii, 2009, 30(6): 844–848. low-frequency active sonar with BPSK pulses: experimen-
[2] 惠娟, 惠俊英, 王自娟. 收发分置混响平均强度理论预报 [J]. tal results[J]. IEEE Journal of Oceanic Engineering, 2011,
声学学报, 2009, 34(1): 47–53. 36(1): 52–59.