[发明专利]一种观测量短暂丢失情况下的水面目标救援状态估计方法

说明书

一种观测量短暂丢失情况下的水面目标救援状态估计方法，涉及水面目标救援跟踪技术领域。本发明的目的是为了提高观测量短暂丢失时的水面目标救援实时性和准确性。技术要点：建立基于历史量测的状态转移模型；设计历史测量数据量M的自适应调整策略；基于状态转移模型和M值自适应调整策略建立观测量短暂丢失情况下的目标状态估计系统模型；基于Chapman‑Kolmogorov方程的权值自适应更新策略设计改进高斯混合容积卡尔曼滤波，以克服常规高斯混合容积卡尔曼滤波器在观测量丢失时高斯分量权值保持不变的问题。在观测量正常时采用常规高斯混合容积卡尔曼滤波，当观测量短暂丢失时，加入高斯分量权值自适应调整策略，提高状态估计精度。

技术领域

本发明涉及水面目标救援跟踪技术领域，具体涉及水面目标救援状态估计方法。

背景技术

当失事潜艇由于事故在海面上失去动力时，会随风、浪、流等环境因素漂浮运动，为了保证潜艇人员及财产安全，需及时对其进行救援。救援船通过雷达以及安装在失事潜艇上的应答器来实时获得潜艇的位姿数据，进而对其进行状态估计。在实际的海洋环境中，由于传感器与应答器存在一定的安装高度差，以及传感器的扫描范围有限，在四级海况下，考虑到救援船与目标艇的相对运动，包括横摇和升沉，可能会出现观测量短暂丢失的情况，观测量丢失对救援作业的安全实施会造成巨大威胁。因此，研究观测量短暂丢失时的水面目标救援状态估计方法具有非常重要的工程意义。

现有的文献中介绍了很多针对观测量缺失条件下的目标状态估计方法，例如《Kalman Filtering with Intermittent Observations》(IEEE Transactions onAutomatic Control,2004,49(9))、《On the performance of unscented Kalman filterwith intermittent observations》(proceedings of the IEEE InternationalConference on Industrial Informatics,2014)和《Modified Extended KalmanFiltering for Tracking with Insufficient and Intermittent Observations》(Mathematical Problems in Engineering,2015)等，但是这些方法都有一个共同点，即当观测量缺失时，系统只利用目标的运动模型对目标状态进行预测。这是建立在目标运动模型准确的前提上的，但是在应用中尤其是基于雷达的目标状态估计，由于缺乏被跟踪目标和跟踪环境的先验知识，如果目标模型参数与实际情况相差较大，就会造成目标状态估计算法性能急剧下降，甚至无法正常工作，这样就无法为水面目标跟踪控制系统提供准确的控制输入，这对于水面目标救援而言是非常危险的。

发明内容

本发明的目的是提出一种观测量短暂丢失情况下的水面目标救援状态估计方法，以提高观测量短暂丢失时的水面目标救援实时性和准确性。

本发明为解决上述技术问题采取的技术方案是：

一种观测量短暂丢失情况下的水面目标救援状态估计方法，所述方法的具体过程为：

步骤1、基于多项式拟合原理，建立基于历史量测的状态转移模型；

步骤2、步骤1建立的状态转移模型中的关键问题是历史测量数据量M的选取，基于拟合误差设计M的自适应调整策略；

步骤3、基于步骤1的状态转移模型和步骤2的M值自适应调整策略，建立观测量短暂丢失情况下的目标状态估计系统模型；

步骤4、基于Chapman-Kolmogorov方程的权值自适应更新策略设计改进高斯混合容积卡尔曼滤波；为了解决常规高斯混合容积卡尔曼滤波器在观测量丢失时高斯分量权值保持不变的问题；

步骤5、在所述目标状态估计系统模型的基础上采用改进高斯混合容积卡尔曼滤波对观测量短暂丢失条件下的水面目标进行状态估计。