[发明专利]一种基于水声探测的目标运动定位方法

说明书

本发明涉及一种基于水声探测的目标运动定位方法，属于目标定位技术领域。该方法包括以下步骤：S1，通过多个水声探测节点获取多通道节点的时域波形数据；S2，根据其他节点依次与第一个节点间时域波形的互谱函数计算得到时延差量测值；S3，根据所述时延差量测值和目标实时状态变化信息构建卡尔曼滤波算法框架；S4，根据预设阈值对时延差量测值的统计量进行差异性统计判决改进卡尔曼滤波算法，得到目标运动参数估计结果后对目标进行定位。本发明利用TDOA量测信息，结合扩展卡尔曼滤波算法，通过实时获取目标状态信息，并利用该信息修正协方差矩阵，快速实现目标运动参数估计，更好地适应目标做强机动情况下的运动参数估计对目标运动进行定位。

技术领域

本发明涉及目标定位技术领域，尤其涉及一种基于水声探测的目标运动定位方法。

背景技术

定位技术是水声装备非常重要的技术之一。目前，随着分布式节点协同定位技术的发展，采用水声网络，利用网络内各个传感器目标信息，融合之后进行定位成为研究热点，受到关注。针对网络内的目标定位技术可以分为三类：基于到达时间差(timedifference of arrival,TDOA)；基于能量信息定位(received signal strength,RSS)；基于到达角度定位(angle of arrival,AOA)。由于水声环境中，能量衰减较大，故基于RSS的方法并不适用。而AOA需要单个节点的测向信息，而水声网络节点通常并不具备这个能力。因此，TDOA方法是目前水声网络中应用最为广泛的定位方法。

目前，应用于TDOA定位技术中的参数估计方法主要有两种，一种是利用多个TDOA量测值构建方程组，然后利用最小二乘的思想，求解出目标的可能解。另一种，利用量测信息构造测量方程，结合EKF思想，递推解算出目标的运动参数。考虑水声环境较为复杂，量测信息扰动比较大，所以第二种方法用的更多。但传统的EKF需要依赖于初值，而且当目标做强机动时，收敛效果不好。

发明内容

鉴于上述的分析，本发明旨在提供一种基于水声探测的目标运动定位方法，用以解决现有TDOA定位技术中传统的扩展卡尔曼滤波算法依赖于初值，而且当目标做出强机动时，通常无法及时做出适应性的调整，最后导致估计精度下降或发散的问题。

本发明的目的主要是通过以下技术方案实现的：

本发明提供了一种基于水声探测的目标运动定位方法，包括以下步骤：

S1，通过多个水声探测节点获取多通道节点的时域波形数据；

S2，根据其他节点依次与第一个节点间时域波形的互谱函数计算得到独立的时延差量测值；

S3，根据所述时延差量测值和目标实时状态变化信息构建卡尔曼滤波算法框架；

S4，根据预设阈值对时延差量测值的统计量进行差异性统计判决改进卡尔曼滤波算法，得到目标运动参数估计结果后对目标进行定位。

进一步地，步骤S3中所述构建卡尔曼滤波算法框架基于时延差量测值得到的测量信息的方程和目标实时状态变化信息的状态参数方程，具体包括以下步骤：

S31，设定目标初始状态的参数估计量和初始状态的参数估计量方差其中，r_x(t₀)，r_y(t₀)，v_x(t₀)，v_y(t₀)分别为目标初始位置水平分量、目标初始位置垂直分量、目标初始速度水平分量和目标初始速度垂直分量，分别为相应初始状态的估计量方差；

S32，根据上一时刻的估计量预测下一时刻的估计量按照以下状态方程得到状态预估值：

根据上一时刻的协方差矩阵预测下一时刻的协方差矩阵按照以下预测方程得到预估协方差矩阵：