[发明专利]一种基于遗传粒子滤波算法的水下目标跟踪定位方法

说明书

本发明公开了一种基于遗传粒子滤波算法的水下目标跟踪定位方法包括以下步骤：(1)部署水下目标跟踪定位系统：在水域内安装m个水听器，在跟踪定位目标上安装超声波换能器和水压深度计；(2)在水域内建立三维坐标系，获取水听器坐标(x_j,y_j,z_j)、跟踪定位目标与m个水听器之间的测量距离s_j、定位目标的深度h，其中j∈(1,2,...,m)，表示水听器序号；(3)根据跟踪定位目标与水听器之间的测量距离建立测量方程；(4)应用遗传粒子滤波算法对水下目标进行跟踪定位，即预测跟踪定位目标在k时刻的坐标值。与现有技术相比，该方法具有较高的稳定性和定位精度。

技术领域

本发明属于目标跟踪定位导航领域，具体涉及一种水下目标跟踪定位方法。

背景技术

粒子滤波(PF:Particle Filter)的思想基于蒙特卡洛方法(Monte Carlomethods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法。尽管算法中的概率分布只是真实分布的一种近似，但由于非参数化的特点，它摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约，能表达比高斯模型更广泛的分布，也对变量参数的非线性特性有更强的建模能力。

水下目标跟踪定位系统多采用水声定位的方法，即基线定位导航形式。以一定阵列形式在水域内分布一定数量的水听器，超声波换能器和水压深度计安装在定位目标上，利用这些水听器接收超声波换能器发出的脉冲，将接收的脉冲信号进行处理后，再按照预定的数学模型对其计算，声源的位置就可得到。为提高精度及简化计算量，也可用深度传感器测量目标的深度值，结合目标与已知参照点的距离信息跟踪目标位置。

由于水下定位的数学模型是非线性的，故一般的最小二乘、卡尔曼滤波等方法不能有效的进行解算。应用加权最小二乘法或其他经典迭代法进行解算，对定位精度的提升效果也不大。

发明内容

发明目的：针对现有技术中存在的问题，本发明公开了一种基于遗传优化粒子滤波算法的水下目标跟踪定位方法以提高定位精度。

技术方案：一种基于遗传粒子滤波算法的水下目标跟踪定位方法，包括以下步骤：

(1)部署水下目标跟踪定位系统：在水域内安装m个水听器，在跟踪定位目标上安装超声波换能器和水压深度计；

(2)在水域内建立三维坐标系，获取水听器坐标(x_j,y_j,z_j)、跟踪定位目标与m个水听器之间的测量距离s_j、定位目标的深度h，其中j∈(1,2,...,m)，表示水听器序号；记跟踪定位目标在k时刻的坐标值为X_k＝(x_k,y_k,h)；

(3)根据跟踪定位目标与水听器之间的测量距离建立k时刻测量方程：

其中表示k时刻目标与第j个水听器之间的测量距离，为k时刻定位目标与第j个水听器之间的实际距离，为k时刻测量时引入的噪声，是方差为σ²的高斯白噪声；

(4)应用遗传粒子滤波算法对水下目标进行跟踪定位，即预测跟踪定位目标在k时刻的坐标值。

优选地，水听器以一定阵列的形式分布在水域内。

优选地，三维坐标系以任意一个水听器位置为坐标原点。

具体地，步骤(4)具体包括如下步骤：

(41)算法参数初始化：定义k时刻适应度函数：