Page 61 - 《应用声学》2023年第2期

第 42 卷 第 2 期 Vol. 42, No. 2
2023 年 3 月 Journal of Applied Acoustics March, 2023

⋄ 研究报告 ⋄

基于高斯混合概率假设滤波的水下目标跟踪算法 ∗

马雪飞 1,2 李 胤 2 吴英姿 1,2† 赵春雨 2 吴燕妮 3 Waleed Raza 4

(1 哈尔滨工程大学水声技术重点实验室 哈尔滨 150001)

(2 哈尔滨工程大学水声工程学院 哈尔滨 150001)
(3 西安文理学院 西安 710065)
(4 密苏里科技大学电气与计算机工程系 密苏里 65401)
摘要：为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题，提出了一种基于高
斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型，采用高斯混合概率假设滤波算法处
理方位和时延信息，利用粒子群算法处理多普勒频率获得矢量速度，进一步提升算法的跟踪精度。结果表明，
该算法能完成在杂波环境下对目标的跟踪，相比传统的关联算法，能够有效地实现目标个数估计和抑制状态
误差增长的目的。
关键词：水下目标跟踪；量测信息；高斯混合概率假设滤波；粒子群算法
中图法分类号: TB566 文献标识码: A 文章编号: 1000-310X(2023)02-0249-11
DOI: 10.11684/j.issn.1000-310X.2023.02.007

Underwater target tracking algorithm based on Gaussian mixture probability
hypothesis density filter

MA Xuefei 1,2 LI Yin 2 WU Yingzi 1,2 ZHAO Chunyu 2 WU Yanni 3 Waleed Raza 4

(1 Acoustic Science and Technology Laboratory, Harbin Engineering University, Harbin 150001, China)
(2 College of Underwater Acoustic Engineering, Harbin Engineering University, Harbin 150001, China)
(3 Xi’an University, Xi’an 710065, China)
(4 Department of Electrical and Computer Engineering, Missouri University of Science and Technology,
Missouri 65401, United States)

Abstract: In order to solve the problem that number of targets estimated is inaccurate and error of state
estimation increases too fast in traditional underwater target tracking, an underwater target tracking algorithm
based on Gaussian mixture probability hypothesis density filtering is proposed. The algorithm is based on the
bistatic observation model, which the Gaussian mixture probability hypothesis density filtering algorithm is
used to bearings and time-delay information and particle swarm optimization algorithm is used to process
the Doppler frequency to calculate the feedback vector velocity for improving the tracking accuracy of the
algorithm. The results show that the algorithm can track targets in clutter environment, and can effectively
achieve the purpose of estimating the number of targets and suppressing the growth of state estimation error
compared with the traditional association algorithm.
Keywords: Underwater target tracking; Measurement information; Gaussian mixture probability hypothesis
density filter; Particle swarm optimization
2021-12-22 收稿; 2022-03-28 定稿
海 洋 防 务 技 术 创 新 中 心 创 新 基 金 项 目 (JJ-2020-701-08), 多 器 材 Z 协 同 综 合 D 技 术 项 目 (MC00918), 西 安 市 科 技 计 划 项 目
∗
(2020KJWL14), 边境跨水空监测预警技术项目 (XZ202101ZY0001F)
作者简介: 马雪飞 (1980– ), 男, 黑龙江哈尔滨人, 博士, 教授, 研究方向: 水下探测识别及定位技术。
† 通信作者 E-mail: wuyingzi@hrbeu.edu.cn