摘要：針對(duì)不完全量測情況下長基線系統(tǒng)對(duì)水下目標(biāo)跟蹤精度會(huì)下降的問題,提出了最小二乘-容積卡爾曼濾波(Least Squares-Cubature Kalman Filter,LS-CKF)算法。選取容積卡爾曼濾波(Cubature Kalman Filter,CKF)為基本跟蹤算法并將其改進(jìn)為兩步濾波模式.增加的第1步濾波使用最小二乘估計(jì)優(yōu)化時(shí)間更新階段的容積點(diǎn),提高了第2步濾波中量測更新的精度。進(jìn)一步推導(dǎo)了量測信息為距離時(shí)新算法的簡化形式,降低了運(yùn)算復(fù)雜度,使其能更好地應(yīng)用于水下跟蹤系統(tǒng).仿真實(shí)驗(yàn)和湖試數(shù)據(jù)的處理結(jié)果表明,在丟失量測數(shù)據(jù)較多且初始狀態(tài)誤差很大的惡劣情況下,LS-CKF收斂速度比標(biāo)準(zhǔn)CKF算法提升了1倍,且跟蹤誤差降低10%以上。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
