一、基于匹配处理的纯方位目标运动分析方法（论文文献综述）
冷兆龙,刘高峰,王子齐[1]（2021）在《潜标阵目标运动分析算法设计与仿真》文中研究指明在分析多站纯方位目标运动分析算法特性基础上,提出了"单潜标数据独立处理（SSBDIP）和多潜标数据集中融合（MSBDCF）"的潜标阵目标运动分析描述模型。基于非机动/机动目标运动情况,设计了一种利用目标方位观测值与预测值之差进行目标机动判断的识别方法,建立了SSBDIP-MSBDCF的综合算法。仿真实验表明:SSBDIP-MSBDCF的综合算法能识别目标机动和解算目标运动要素,实现了潜标阵纯方位目标运动分析从"部分可观测"到"完全可观测",对于反潜兵力指挥、武器目标分配等具有支撑作用。
郭昕钰,张飞飞,吕收[2]（2021）在《基于谱估计的方位时间序列匹配算法》文中认为利用水声匹配场的思想建立了纯方位TMA（Target Motion Analysis）的匹配处理模型,把纯方位TMA改建为谱估计问题,进一步引入信号处理领域的MUSIC谱和快速傅里叶变换处理估计目标运动参数。数值仿真结果表明:子空间MUSIC算法较不稳定,搜索步长较大使得结果在真值附近波动较大,不能准确而稳定地收敛到真值;在采用大步长的情况下,快速傅里叶变换方法能得到更准确的结果。
苏钰[3]（2021）在《单基阵纯方位水下目标运动分析技术研究》文中认为在水声攻防作战需求的牵引下,被动探测技术不断发展。其中,单基阵被动探测技术可实现对目标的方位估计,但不能有效估计目标距离,需利用单基阵纯方位目标运动分析实现方位与距离的联合估计,对于水下攻防作战具有重要意义。本文针对单基阵纯方位条件下目标运动分析的需求,对水下匀速运动目标和机动目标运动分析技术展开研究,分别在二维空间和三维空间下,针对匀速直线运动目标,推导了拉格朗日极值算法和最小二乘偏差补偿算法,针对低速慢转向运动目标,推导了伪线性卡尔曼滤波偏差补偿算法,同时提出一种卡尔曼滤波器初值设定的方法,针对三维环境下固定目标定位问题提出一种利用空间方位角信息的拟牛顿迭代定位算法。通过计算机仿真验证了算法的可行性,研究表明,在对匀速直线运动目标进行状态估计时,拉格朗日极值算法和最小二乘偏差补偿算法在较低的量测噪声背景下具有较好的鲁棒性,拉格朗日极值算法精度更高,运行时间更少,通过序贯实现方式可进一步提高拉格朗日极值算法的运算效率。在对低速慢转向的机动目标进行状态估计时,在低噪声背景下,伪线性卡尔曼滤波偏差补偿算法估计精度较高,可实现对目标轨迹的跟踪。在三维环境中对固定目标定位时,提出的利用空间方位角信息的拟牛顿迭代算法可实现对目标的定位,在不同的方位角量测噪声背景、不同的测深误差、观测平台直线航行态势下均可实现有效定位,算法的鲁棒性好,具有实际意义。通过湖试数据处理进一步分析了算法性能,拉格朗日极值算法在对匀速直线目标运动分析时相比最小二乘偏差补偿算法具有优势,伪线性卡尔曼滤波偏差补偿算法可解决低速慢转向目标运动分析问题,本文的研究成果可为实际水下目标运动分析提供借鉴。
王潇[4]（2021）在《基于QGA的多普勒频移目标运动分析》文中认为目标运动分析具有主动和被动两种。主动的目标运动分析研究往往容易被对方发现而暴露自身的位置。因此研究被动目标运动分析在海上战略具有现实意义。目标在行进的过程中会向外辐射噪声,其中包含了大量目标要素。通过辐射噪声研究目标态势,本文主要研究了基于声信息特征的目标运动参数解算方法,运用目标所发射的瞬时频率信息和方位角信息对目标运动参数进行估计。建立了基于多普勒频移效应的目标参数解算模型。在求解优化过程中采用量子遗传算法（Quantum Genetic Algorithm,QGA）。其核心思想是在遗传算法基础上加入量子计算的一些理论。但是,QGA在优化求解问题时依然具有一定的不足之处,容易使搜索陷入局部最优。为了解决量子遗传算法的不足,提出了精英-量子遗传算法,有效的提高了算法的收敛速率。数值仿真结果表明,基于精英-量子遗传算法的目标运动参数解算模型具有收敛速度快,解算结果稳定的优势。
董阁,郭良浩,徐鹏,闫超[5]（2020）在《利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法》文中认为水下移动观测平台的机动航路对纯方位目标运动分析方法的使用性能具有重要的影响。针对此问题,提出了一种利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法。该方法利用warping变换从接收信号自相关函数中提取与目标距离相关的简正波相干项的特征频率,进而估计距离特征量,再根据预估的目标初始距离范围估计目标运动态势范围。针对观测平台机动方式为匀速转弯运动的情况,以目标方位变化率为评价指标得到了观测平台在所估计的目标运动态势范围下的最优转弯角速率。在浅海Pekeris波导环境下的数值仿真结果和实验数据处理结果表明:方位变化率与纯方位扩展卡尔曼滤波算法的性能密切相关;利用warping变换可以有效地估计距离特征量;观测平台根据以方位变化率为评价指标得到的最优转弯角速率进行机动可以获得较好的目标跟踪性能,收敛时间较短,目标位置估计误差较小。
徐国军,笪良龙,赵建昕,张林[6]（2020）在《声场干涉结构相似度匹配的目标运动参数估计》文中研究指明针对水中运动声源定位问题,建立了一种基于声场干涉结构谱向量相似度匹配的目标运动参数估计方法。结合声场干涉结构水平纵向相关特性,利用目标辐射噪声LOFAR谱图中不同频率的谱值序列,基于两方位-两距离目标运动要素计算方法获取的目标距离解向量,构造声场干涉结构谱向量相似度匹配代价因子,实现目标运动参数估计。仿真数据与试验数据验证结果表明:在绘制的目标运动要素解算结果可视化分布图中可清晰呈现出目标初距、航向和速度结果。该算法实现过程简单、解算效率高,对目标方位误差有较好的鲁棒性。
白璐[7]（2020）在《UUV对跟踪目标运动要素估计方法研究》文中认为目前我国的海洋事业已经进入了良好的发展阶段,科技迅猛发展的今天正是我国大力建设海洋强国的最佳时期。水下无人潜航器（Unmanned Underwater Vehicle,UUV）,是目前非常热门的经济安全的水下装备,是执行海洋任务的最佳选择。水下目标运动要素估计是UUV实现水下目标探测的核心技术之一,为提高目标运动要素估计性能,本文围绕基于目标运动要素估计的非线性非高斯噪声下滤波算法、UUV目标跟踪路径优化算法等方面展开深入研究,论文的主要工作有:首先,简述水下目标运动要素估计与滤波理论的发展现状,明确水下目标运动要素估计核心问题。建立常用水下目标跟踪模型,通过可观测性分析给出目标可观测条件,并阐述基于贝叶斯理论的目标运动要素估计方法,为后续研究奠定基础。其次,为选择最优滤波算法进行目标运动要素估计,对非线性卡尔曼滤波展开研究,分析扩展卡尔曼滤波（Extended Kalman Filter,EKF）、无迹卡尔曼滤波（Unscented Kalman Filter,UKF）、容积卡尔曼滤波（Cubature Kalman Filter,CKF）的滤波性能,确定了在目标跟踪模型中CKF的优越性。针对目标跟踪状态方程具有线性化特征情况,在平方根容积卡尔曼（Square Root Cubature Kalman Filter,SCKF）的基础上,引入边缘采样思想,构建边缘平方根容积卡尔曼滤波（Marginal Square Root Cubature Kalman Filter,MSCKF）,利用状态矩阵的线性映射对一步预测状态以及一步预测状态协方差矩阵进行计算。进一步,针对跟踪目标运动的先验信息较难获取,过程噪声统计特性未知的问题,提出自适应边缘平方根容积卡尔曼（Adaptive Marginal Square Root Cubature Kalman Filter,AMSCKF）滤波算法,该算法结合Sage-Husa时变噪声统计估计器以及边缘平方根容积卡尔曼滤波MSCKF,利用状态矩阵及量测信息实时估计过程噪声协方差矩阵,并通过仿真验证该滤波算法的有效性。然后,针对Sage-Husa无法保证其估计的过程噪声协方差矩阵的正定性,容易导致MSCKF过程中的平方根滤波递推失效,且容易发散、计算量大的问题,引入强跟踪滤波理论（Strong Tracking Filter,STF）,构建MSCKF-STF滤波器,根据正交性原理,通过引入时变渐消因子来实时修正状态预测误差协方差矩阵,进而实时调节滤波器增益矩阵,提高滤波器对于模型不确定性的鲁棒性和对于突变状态的跟踪能力。进一步,针对海杂波复合K噪声干扰下目标跟踪系统中非高斯噪声问题,将MSCKF-STF应用于粒子滤波（Particle Filter,PF）框架中,构建MSCPF-STF滤波器,利用实时观测数据,通过MSCKFSTF优化粒子重要性密度函数,使其在兼顾非高斯噪声特性的情况下提高滤波精度。为更准确的描述跟踪目标的复杂运动过程,并将MSCPF-STF应用于交互多模型（Interacting Multiple Model,IMM）滤波框架中,构建IMM-MSCPF-STF滤波器,并通过仿真验证该滤波算法的有效性。最后,为进一步提高对目标运动要素的估计精度,分析UUV机动路线对于目标运动要素的估计精度的影响,介绍基于最大方位角变化率的UUV轨迹优化方法,针对复杂目标运动过程下的UUV轨迹优化问题,提出将最大方位角变化率的UUV轨迹优化方法与多模型IMM-MSCKF-STF相结合的方法,将各个滤波器计算的UUV优化路线通过交互模型概率加权融合,最后通过仿真对比验证该算法的有效性。
王磊[8]（2020）在《矢量潜标被动定位与跟踪方法研究》文中研究说明在被动警戒潜标系统中,如何扩大警戒潜标的封锁范围,并在封锁范围内实现远程目标的定位与时跟踪是潜标系统的重要技术目标。随着减振降噪技术的发展,海洋中潜艇的隐蔽性越来越好,被动潜标系统对远程目标方位信息的准确获取愈发困难,而方位估计精度与定位精度息息相关,远程目标方位信息的不精确估计将直接带来远程目标的定位不准问题。因此实现被动潜标系统的远程目标精确定位与跟踪的首要任务就是利用潜标获取准确的远程目标方位信息。本文从单个潜标入手,阐述选取矢量圆阵作为潜标的原因,介绍矢量圆阵潜标的远场目标方位估计原理,仿真对比矢量圆阵两种预处理和三种空间谱方法的方位估计性能。结果表明,矢量圆阵阵元域最小方差无畸变波束形成方法的空间谱具有较窄的主瓣和较低的旁瓣级,受信噪比变化的影响小,且相较于单矢量水听器互谱法,该方法能够在较低的信噪比下提高目标的方位估计精度。针对如何提高矢量潜标系统的被动定位精度问题,本文构建了双（三）矢量潜标系统的定位模型,利用矢量圆阵潜标的测向结果,通过定位精度几何稀释度分析讨论了在警戒范围内,双（三）矢量潜标系统定位精度的分布情况,并且对如何进行双（三）矢量潜标的布放来提高警戒范围内目标的定位精度进行了仿真分析。对于三矢量潜标系统,利用参数优化方法（伪线性、修正辅助变量、最大似然和最小二乘）来提高系统的定位精度并通过仿真验证了方法的有效性,同时对警戒范围内,双矢量潜标系统和三矢量潜标系统的定位精度进行了对比分析。最后本文利用双（三）矢量潜标系统对四种态势目标的直接定位位置信息和观测方位信息分别进行线性卡尔曼滤波和非线性卡尔曼滤波以及粒子滤波的跟踪性能对比分析,讨论了能够提高（双）三矢量潜标系统的目标跟踪精度的滤波方法,并对双矢量潜标系统和三矢量潜标系统的跟踪性能的进行了对比分析。
王荣梅[9]（2019）在《基于图像视觉的无人机载纯方位目标跟踪与导航技术研究》文中研究说明基于图像视觉的纯方位目标定位跟踪是一种无源被动目标定位方法,其无需向外辐射能量,仅需被动地接收目标方位角度信息即可实现目标的定位跟踪,具有隐蔽性能好、抗干扰能力强、可靠性高等特点,因此成为当前目标跟踪的研究热点。目前,利用观测器在绕飞状态下实现对目标的定位跟踪备受关注,主要包括目标状态估计和环航控制两部分,而当前已有的状态估计策略及环航控制策略在无法获取目标相对距离信息时,目标状态估计精度及环航控制精度较低,从而导致目标跟踪精度较低。针对上述问题,本文以四旋翼无人机为对象,通过视觉导航系统获取目标相对方位角信息,提出了一种基于纯方位角的虚拟交叉目标定位算法,并设计了一种目标状态估计策略及无人机环航控制策略,结合Kalman滤波算法实现目标状态的无偏估计,提高了目标定位跟踪精度。论文的主要工作如下:首先,对四旋翼无人机系统进行了总体设计,针对基于视觉的纯方位目标定位跟踪系统的功能需求,设计了四旋翼无人机控制系统以及视觉导航系统,并详细介绍了各个部分的具体功能。其次,针对纯方位目标定位导航系统中所需的目标方位角信息,本文采用树莓派及摄像头作为视觉导航系统,实现目标相对方位角度信息的获取。首先,通过摄像头捕获目标图像信息;其次,利用图像阈值化方法及形态学滤波方法实现目标的提取,获取目标的图像偏移量信息;然后,通过时间配准实现姿态角量测与图像采样时间的对齐,获取目标的偏移量,并根据坐标转换给出目标方位角度。通过对实际目标的图像跟踪实验,验证了本文所述算法能够提供精度较高的角度量测信息。然后,针对当前纯方位目标跟踪中存在的目标状态估计精度较低的问题,本文提出了一种结合Kalman滤波算法的虚拟交叉定位算法,并设计了一种状态估计策略,实现了目标状态的无偏估计。首先,利用目标估计策略实现对目标速度的粗估计,根据估计速度及无人机当前位置求解无人机的虚拟观测位置;然后,利用虚拟交叉定位算法获取目标的定位值;最后,利用Kalman滤波算法实现对目标状态的无偏估计。最后,针对当前纯方位目标跟踪下的无人机环航控制中存在的环航控制误差较大的问题,本文设计了一种环航控制策略,并利用目标状态的无偏估计值进行同步修正,保证环航半径控制误差渐近收敛于零。数值仿真及实验验证了算法的理论正确性和工程实用性,与已有的目标跟踪方法和环航控制策略相比,本文所提出的算法提高了目标状态估计精度及环航半径控制精度。
徐国军,张林,韩梅,范培勤[10]（2019）在《基于声干涉特征匹配的水中目标运动分析研究》文中进行了进一步梳理针对水中目标运动分析问题,提出一种基于目标辐射声场距离-频率谱干涉条纹特征匹配分析的目标运动要素估计方法。以目标初距和目标瞬距为循环观测因子,结合两方位-两距离目标运动要素计算方法,获取当前假设下目标距离特征量和目标方位计算值;依据目标辐射噪声时间-频率谱干涉结构计算的目标距离特征量信息,构造距离特征量匹配代价因子,实现目标运动解要素。仿真数据与试验数据验证结果表明:该方法在绘制的目标运动要素解空间可视化分布图中,可有效估计目标初距、航向和航速信息,显着改善目标运动参数的估计速度和精度。
二、基于匹配处理的纯方位目标运动分析方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于匹配处理的纯方位目标运动分析方法（论文提纲范文）
（1）潜标阵目标运动分析算法设计与仿真（论文提纲范文）
| 1 引言 |
| 2 潜标阵目标运动分析问题描述 |
| 2.1 传统多站BOTMA问题算法特性 |
| 2.2 潜标阵目标运动分析描述模型 |
| 3 单潜标数据独立处理算法设计 |
| 3.1 非机动目标的数据处理算法 |
| 3.2 机动目标的识别处理 |
| 4 多潜标数据集中融合算法设计 |
| 4.1 非机动目标的多潜标数据集中融合算法 |
| 4.2 机动目标的多潜标数据集中融合算法 |
| 5 仿真实验与分析 |
| 5.1 仿真实验想定 |
| 5.2 仿真实验分析 |
| 6 结论 |
（2）基于谱估计的方位时间序列匹配算法（论文提纲范文）
| 1 模型介绍 |
| 2 理论基础 |
| 2.1 纯方位目标运动的匹配场处理方法 |
| 2.2 子空间MUSIC算法 |
| 2.3 快速傅里叶变换原理 |
| 3 仿真实验与结果分析 |
| 3.1 子空间MUSIC算法的仿真与结果分析 |
| 3.2 运用傅里叶变换进行谱估计的仿真与结果分析 |
| 4 结束语 |
（3）单基阵纯方位水下目标运动分析技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容 |
| 第2章 匀速直线目标单基阵纯方位目标运动分析 |
| 2.1 单基阵纯方位目标可观测性分析 |
| 2.2 匀速直线目标二维纯方位目标运动分析 |
| 2.2.1 最小二乘偏差补偿算法 |
| 2.2.2 拉格朗日极值算法 |
| 2.3 匀速直线目标三维纯方位目标运动分析 |
| 2.4 利用空间方位角的静止目标三维定位方法 |
| 2.4.1 静止目标三维定位理论 |
| 2.4.2 初值选定方法 |
| 2.5 算法评价准则 |
| 2.5.1 克拉美罗下界(CRLB) |
| 2.5.2 均方根误差值(RMSE) |
| 2.5.3 欧氏距离误差值和相对欧氏距离误差值 |
| 2.6 仿真结果 |
| 2.6.1 二维空间目标运动分析仿真研究 |
| 2.6.2 三维空间目标运动分析仿真研究 |
| 2.6.3 静止目标三维定位方法仿真 |
| 2.7 本章小结 |
| 第3章 机动目标单基阵纯方位目标运动分析 |
| 3.1 机动目标二维纯方位目标运动分析 |
| 3.2 机动目标三维纯方位目标运动分析 |
| 3.3 仿真结果 |
| 3.3.1 二维空间目标运动分析仿真研究 |
| 3.3.2 三维空间目标运动分析仿真研究 |
| 3.4 本章小结 |
| 第4章 湖试数据处理 |
| 4.1 蒙特卡洛粒子滤波跟踪方法简述 |
| 4.1.1 蒙特卡洛粒子滤波器 |
| 4.1.2 状态滤波 |
| 4.1.3 数据关联 |
| 4.2 匀速直线目标二维纯方位目标运动分析算法数据处理 |
| 4.2.1 湖试数据1 |
| 4.2.2 湖试数据2 |
| 4.2.3 湖试数据3 |
| 4.3 静止目标三维定位算法湖试数据处理 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
| 附录 |
（4）基于QGA的多普勒频移目标运动分析（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 目标运动分析方法研究现状 |
| 1.2.1 纯方位目标运动分析 |
| 1.2.2 匹配场处理技术的目标运动分析 |
| 1.2.3 基于多普勒频移的目标运动分析 |
| 1.3 量子遗传算法的国内外研究现状 |
| 1.4 智能优化方法研究 |
| 1.5 本文主要研究内容 |
| 第2章 目标运动分析问题研究 |
| 2.1 引言 |
| 2.2 目标运动分析问题概述 |
| 2.2.1 基于谱干涉结构特征的目标运动分析 |
| 2.2.2 基于多途时延估计的目标运动分析 |
| 2.2.3 基于波导不变量的目标运动分析 |
| 2.2.4 基于多普勒频移的目标运动分析 |
| 2.2.5 基于KF的目标运动状态估计 |
| 2.3 本章小结 |
| 第3章 经典遗传算法与量子遗传算法的基本原理 |
| 3.1 引言 |
| 3.2 遗传算法的概述 |
| 3.2.1 遗传算法的基本操作 |
| 3.2.2 遗传算法的基本步骤 |
| 3.3 量子遗传算法基础 |
| 3.3.1 量子遗传算法基本操作 |
| 3.3.2 量子遗传算法基本步骤 |
| 3.4 改进量子遗传算法的基本思想 |
| 3.4.1 基于量子遗传算法的相关改进 |
| 3.4.2 精英-量子遗传算法 |
| 3.5 本章小结 |
| 第4章 基于改进QGA的多普勒目标运动解算研究 |
| 4.1 引言 |
| 4.2 改进的目标运动参数解算思想 |
| 4.3 目标运动参数解算过程 |
| 4.4 数值仿真与分析 |
| 4.4.1 数值仿真实验1 |
| 4.4.2 数值仿真实验2 |
| 4.4.3 数值仿真实验3 |
| 4.4.4 三种态势仿真分析 |
| 4.5 误差影响分析 |
| 4.5.1 仅方位存在误差的状态 |
| 4.5.2 仅瞬时频率存在误差的状态 |
| 4.5.3 总结与分析 |
| 4.6 对比实验分析 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）UUV对跟踪目标运动要素估计方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水下潜航器研究现状 |
| 1.2.2 水下目标运动要素估计研究现状 |
| 1.2.3 滤波理论研究发展现状 |
| 1.3 论文研究内容及组织结构 |
| 第2章 水下运动目标建模及分析 |
| 2.1 引言 |
| 2.2 水下目标运动要素估计问题分析 |
| 2.3 水下目标跟踪运动模型建立 |
| 2.4 水下目标运动模型可观测性分析 |
| 2.5 基于贝叶斯滤波的目标运动要素估计 |
| 2.6 本章小结 |
| 第3章 基于改进非线性卡尔曼滤波的目标运动要素估计方法研究 |
| 3.1 引言 |
| 3.2 非线性卡尔曼滤波算法 |
| 3.2.1 扩展卡尔曼滤波算法 |
| 3.2.2 无迹卡尔曼滤波算法 |
| 3.2.3 容积卡尔曼滤波算法 |
| 3.3 非线性卡尔曼滤波算法性能分析 |
| 3.3.1 非线性滤波算法精度分析 |
| 3.3.2 非线性滤波算法的复杂度分析 |
| 3.4 基于目标运动要素估计的改进容积卡尔曼滤波方法 |
| 3.4.1 平方根容积卡尔曼滤波SCKF |
| 3.4.2 基于线性时间更新的边缘采样平方根容积卡尔曼滤波 |
| 3.4.3 过程噪声自适应边缘采样平方根容积卡尔曼 |
| 3.5 UUV对跟踪目标运动要素估计仿真验证 |
| 3.5.1 仿真条件设置 |
| 3.5.2 仿真结果分析 |
| 3.6 本章小结 |
| 第4章 基于改进粒子滤波的目标运动要素估计方法研究 |
| 4.1 引言 |
| 4.2 基于强跟踪的改进边缘平方根容积卡尔曼滤波 |
| 4.2.1 强跟踪滤波基本理论 |
| 4.2.2 强跟踪边缘平方根容积卡尔曼滤波MSCKF-STF |
| 4.3 非高斯噪声下的改进粒子滤波算法 |
| 4.3.1 海杂波复合K分布噪声统计模型 |
| 4.3.2 基本粒子滤波原理及实现流程 |
| 4.3.3 基于强跟踪边缘平方根容积卡尔曼的粒子滤波算法MSCPF-STF |
| 4.4 复杂机动过程下的IMM-MSCPF-STF目标运动要素估计方法 |
| 4.5 非高斯噪声下的目标复杂运动要素估计综合仿真验证 |
| 4.5.1 仿真条件设置 |
| 4.5.2 仿真结果分析 |
| 4.6 本章小结 |
| 第5章 面向目标运动要素最优估计的 UUV 运动轨迹优化方法 |
| 5.1 引言 |
| 5.2 复杂目标运动过程下的UUV轨迹优化方法 |
| 5.2.1 UUV机动路线对目标运动要素估计精度影响分析 |
| 5.2.2 最大方位角变化率的UUV轨迹优化方法 |
| 5.2.3 基于目标复杂机动过程的UUV轨迹优化方法 |
| 5.3 UUV轨迹优化方法仿真分析 |
| 5.3.1 仿真条件设置 |
| 5.3.2 仿真结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）矢量潜标被动定位与跟踪方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 立题意义和背景 |
| 1.2 国内外研究现状 |
| 1.3 本论文的主要研究内容 |
| 第2章 矢量圆阵目标方位估计 |
| 2.1 均匀圆阵参数选取 |
| 2.1.1 圆阵方向图分析 |
| 2.1.2 圆阵参数选取条件 |
| 2.2 矢量圆阵方位估计 |
| 2.2.1 矢量圆阵接收模型及声压振速联合处理 |
| 2.2.2 矢量圆阵模态域和阵元域预处理方法 |
| 2.2.3 矢量圆阵目标方位估计方法 |
| 2.2.4 单矢量水听器互谱法 |
| 2.3 矢量圆阵方位估计仿真 |
| 2.3.1 矢量圆阵预处理方法方位估计性能对比 |
| 2.3.2 矢量圆阵方位估计方法方位估计性能对比 |
| 2.3.3 矢量圆阵与单矢量水听器方位估计性能对比 |
| 2.4 本章小结 |
| 第3章 矢量潜标目标纯方位定位 |
| 3.1 矢量潜标纯方位定位模型 |
| 3.1.1 矢量潜标纯方位定位系统的观测模型 |
| 3.1.2 矢量潜标纯方位定位系统的可观测性 |
| 3.2 双矢量潜标纯方位定位方法研究 |
| 3.2.1 双矢量潜标纯方位定位原理 |
| 3.2.2 定位精度影响主要因素及仿真分析 |
| 3.3 三矢量潜标纯方位定位方法研究 |
| 3.3.1 三矢量潜标纯方位定位原理及定位误差分析 |
| 3.3.2 三矢量潜标纯方位定位优化方法 |
| 3.3.3 三矢量潜标纯方位定位优化方法仿真 |
| 3.4 本章小结 |
| 第4章 矢量潜标目标被动跟踪 |
| 4.1 矢量潜标跟踪模型 |
| 4.1.1 目标运动模型 |
| 4.1.2 矢量潜标跟踪系统观测模型 |
| 4.2 矢量潜标跟踪方法研究 |
| 4.2.1 线性卡尔曼滤波 |
| 4.2.2 非线性卡尔曼滤波 |
| 4.2.3 粒子滤波 |
| 4.2.4 粒子滤波与非线性卡尔曼滤波结合方法 |
| 4.3 双矢量潜标对不同态势目标跟踪方法仿真分析 |
| 4.4 三矢量潜标对不同态势目标跟踪方法仿真分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）基于图像视觉的无人机载纯方位目标跟踪与导航技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究内容及发展现状 |
| 1.2.1 多旋翼无人机研究现状 |
| 1.2.2 导航技术研究现状 |
| 1.2.3 纯方位目标定位与跟踪技术研究现状 |
| 1.3 论文主要工作内容 |
| 1.4 论文组织架构 |
| 2 系统总体设计 |
| 2.1 视觉导航系统平台介绍 |
| 2.1.1 树莓派3B+硬件参数及性能介绍 |
| 2.1.2 图像采集模块 |
| 2.2 视觉导航系统软件设计 |
| 2.3 四旋翼无人机飞行控制系统硬件平台介绍 |
| 2.3.1 Pixhawk飞行控制板 |
| 2.3.2 四旋翼无人机机身 |
| 2.3.3 四旋翼无人机的动力系统 |
| 2.3.4 四旋翼无人机的高度测量模块 |
| 2.3.5 四旋翼无人机的无线通信模块 |
| 2.3.6 四旋翼无人机的遥控控制系统 |
| 2.4 本章小结 |
| 3 基于视觉的图像检测与角度解算 |
| 3.1 目标图像检测 |
| 3.1.1 图像检测中的颜色模型 |
| 3.1.2 图像压缩 |
| 3.1.3 图像阈值分割 |
| 3.1.4 图像形态学滤波 |
| 3.1.5 目标提取 |
| 3.2 位置偏差计算 |
| 3.2.1 图像坐标系 |
| 3.2.2 目标位置偏移量解算 |
| 3.2.3 摄像机标定 |
| 3.3 载体矢量解算 |
| 3.3.1 坐标系的旋转矩阵 |
| 3.3.2 方位角解算 |
| 3.4 偏移量提取及角度解算实验 |
| 3.4.1 目标偏移量提取实验 |
| 3.4.2 目标相对无人机方向角度解算实验 |
| 3.5 本章小结 |
| 4 基于图像视觉的纯方位目标定位跟踪与导航算法 |
| 4.1 纯方位虚拟交叉定位算法与方法 |
| 4.1.1 纯方位虚拟交叉定位原理 |
| 4.1.2 目标的状态估计策略 |
| 4.1.3 绕飞控制策略算法 |
| 4.1.4 算法有效性证明 |
| 4.1.5 平面目标定位跟踪数字仿真实验 |
| 4.1.6 三维运动目标定位跟踪数字仿真实验 |
| 4.2 时间配准技术 |
| 4.3 本章小结 |
| 5 室内运动目标跟踪实验 |
| 5.1 无人机室内目标跟踪实验 |
| 5.2 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）基于声干涉特征匹配的水中目标运动分析研究（论文提纲范文）
| 0 引言 |
| 1 波导不变性及距离特征量 |
| 1.1 浅海声场波导不变性 |
| 1.2 距离特征量 |
| 2 距离特征量匹配的目标运动要素估计 |
| 2.1 两方位-两距离的目标运动分析方法 |
| 2.2 距离特征量匹配代价因子 |
| 2.3 可测性分析 |
| 3 数值验证 |
| 3.1 数值仿真 |
| 3.2 试验数据分析 |
| 4 结论 |
四、基于匹配处理的纯方位目标运动分析方法（论文参考文献）
- [1]潜标阵目标运动分析算法设计与仿真[J]. 冷兆龙,刘高峰,王子齐. 兵器装备工程学报, 2021(07)
- [2]基于谱估计的方位时间序列匹配算法[J]. 郭昕钰,张飞飞,吕收. 指挥控制与仿真, 2021(03)
- [3]单基阵纯方位水下目标运动分析技术研究[D]. 苏钰. 哈尔滨工程大学, 2021
- [4]基于QGA的多普勒频移目标运动分析[D]. 王潇. 哈尔滨工程大学, 2021
- [5]利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法[J]. 董阁,郭良浩,徐鹏,闫超. 声学学报, 2020(06)
- [6]声场干涉结构相似度匹配的目标运动参数估计[J]. 徐国军,笪良龙,赵建昕,张林. 声学学报, 2020(04)
- [7]UUV对跟踪目标运动要素估计方法研究[D]. 白璐. 哈尔滨工程大学, 2020(05)
- [8]矢量潜标被动定位与跟踪方法研究[D]. 王磊. 哈尔滨工程大学, 2020(05)
- [9]基于图像视觉的无人机载纯方位目标跟踪与导航技术研究[D]. 王荣梅. 南京理工大学, 2019(01)
- [10]基于声干涉特征匹配的水中目标运动分析研究[J]. 徐国军,张林,韩梅,范培勤. 兵工学报, 2019(05)