[发明专利]一种基于概率图模型的水下目标定位方法

说明书

一种基于概率图模型的水下目标定位方法，属于水下定位技术领域，本发明为解决现有技术在信标稀疏、信息更新率低时无法获得高精度的水下目标位置的问题。它包括在稀疏条件下，获取单目标在一段时间内的全部距离数据和速度数据，将距离数据和速度数据分别作为局部变量，采用因子图表示各局部变量的全局联合概率分布，获得全局函数；对全局函数进行求补和计算，求解边缘函数，获得目标每个时刻的位置估计值；对边缘函数采用和积算法计算，求解联合分布的各个局部变量的边缘概率函数，获得不同时刻的目标估计结果。本发明用于对水下目标进行精确定位。

技术领域

本发明涉及一种基于概率图模型的水下目标定位方法，属于水下定位技术领域。

背景技术

随着人类对海洋资源的重视与日俱增，水下航行器和水下武器等水下目标发展快速，对水下目标进行定位和跟踪具有非常重要的意义。但是由于水下环境复杂，噪声对水下目标定位结果的影响较大，单纯的方程组计算不能求出确定的位置，或者求解的位置与实际位置偏差较大，因此针对不同的水下条件，需要选取不同的定位解算方法。定位算法通常包括：交汇法、航位推算法和协同法。

(1)交汇法，是在通过TOA、TDOA、AOA等方法得到待求节点与已知节点之间的距离和角度信息后，选取相应的定位模型，之后建立方程组。数值求解方法主要根据求极值思想来获取最下的目标估计。

这类方法一般通过最小二乘法或迭代求解法计算目标位置，因此计算复杂度较低，可以实时解算目标的位置，并且通过构建的方程得到解的表达式，容易分析误差的影响。但是该方法存在缺陷，定位的结果受误差的限制较大，声速误差、信标定位误差、时间误差都将严重影响精度，需要根据不同需求对误差进行修正。

(2)航位推算法，主要用概率法来对水下移动目标进行持续跟踪，在目标可以估计自身的速度、航向等信息时，使用概率方法可以提高定位的精度和稳定性。概率法使用两部分估计，一部分估计采用前一时刻的估计值估值下一时刻目标的位置，另一部分使用当前的测量值估计目标的位置，通过两者的权重分布得到最佳目标估计。通常情况下，概率法使用卡尔曼滤波、扩展卡尔曼滤波、粒子滤波、级联卡尔曼滤波等。

该类方法一般用于移动目标跟踪的过程中，可以大大提高定位的精度，且该方法的应用范围广泛，在不同的条件下可以选取不同的测量量作为输入，当目标出现短暂的丢失的情况下，可以估计目标的位置。但是，该定位方法在定位过程中计算量大且复杂，当目标运动较快或者受到长时间的遮挡后，无法估计目标位置。

(3)协同法，对于多目标的水下定位，可以依据节点之间的相互信息协作方式来进行定位。首先可以通过信标估计节点位置，然后根据节点之间距离获得约束条件，对其他目标进行定位，提高定位精度。

协同方法通过信息交互的方式实现定位，可以提高定位精度。但需要节点之间的相互通信，然后传输给一个集中节点，需要该节点有很高的计算能力，对硬件要求高，增加了能量消耗和复杂度。此外，该方法还存在稀疏条件下定位不准确的问题。

传统方法中采用的最小二乘法等数值法：受误差的影响较大，在水下复杂的环境中，定位结果精度低。并且，当测量信息不足时，无法解算出目标位置。

卡尔曼滤波方法：该方法需要前一时刻的估计值和当前时刻的测量值来估算目标位置，当不存在先验信息时，该方法无法很好运行。同时目标运动快或受到长时间遮挡后，无法估计位置信息。在估计的过程中，只是对当前时刻的估计，丢失前面时刻的数据，误差较大。

集中式协同方法：集中式节点的方法对硬件要求高，处理数据复杂度高。在信标稀疏条件下，较大的范围只存在几个信标。通信距离较远时，得到的信息的更新率大幅度降低，某一时刻仅能够与一个信标进行通信。这就造成单个时刻无法计算出目标的位置，例如待测目标周围只有一个已知节点时无法估计目标的具体位置，有可能在圆上(二维条件下)的任意位置。需要联合其他位置时刻的测量信息。当未知参数较多时，很难建立方程式计算出解析解。

发明内容