• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于边界约束粒子滤波的多UUV纯方位协同目标跟踪

韩博 徐红丽 邱少雄 张文睿 茹敬雨

韩博, 徐红丽, 邱少雄, 等. 基于边界约束粒子滤波的多UUV纯方位协同目标跟踪[J]. 水下无人系统学报, 2024, 32(2): 250-259 doi: 10.11993/j.issn.2096-3920.2024-0050
引用本文: 韩博, 徐红丽, 邱少雄, 等. 基于边界约束粒子滤波的多UUV纯方位协同目标跟踪[J]. 水下无人系统学报, 2024, 32(2): 250-259 doi: 10.11993/j.issn.2096-3920.2024-0050
HAN Bo, XU Hongli, QIU Shaoxiong, ZHANG Wenrui, RU Jingyu. Multi-UUV Collaborative Bearing-only Target Tracking Based on Boundary Constrained Particle Filter[J]. Journal of Unmanned Undersea Systems, 2024, 32(2): 250-259. doi: 10.11993/j.issn.2096-3920.2024-0050
Citation: HAN Bo, XU Hongli, QIU Shaoxiong, ZHANG Wenrui, RU Jingyu. Multi-UUV Collaborative Bearing-only Target Tracking Based on Boundary Constrained Particle Filter[J]. Journal of Unmanned Undersea Systems, 2024, 32(2): 250-259. doi: 10.11993/j.issn.2096-3920.2024-0050

基于边界约束粒子滤波的多UUV纯方位协同目标跟踪

doi: 10.11993/j.issn.2096-3920.2024-0050
基金项目: 装备预先研究共用技术项目资助(50911020604); 国家自然科学基金青年科学基金项目(62303099).
详细信息
    作者简介:

    韩博:韩 博(2000-), 男, 硕士, 主要研究方向为水下机器人

  • 中图分类号: TJ634; U674.941

Multi-UUV Collaborative Bearing-only Target Tracking Based on Boundary Constrained Particle Filter

  • 摘要: 面向海上跨域协同中多无人水下航行器(UUV)协同探测水面目标需求, 针对现有纯方位目标跟踪算法所面临的滤波器初始化困难和水声数据传输丢包问题, 提出了一种基于边界约束粒子滤波的多UUV协同纯方位目标跟踪算法。首先提出了主从式协同探测模型, 利用跟随者向领航者上报状态估计结果进行数据融合。其次, 基于UUV传感器和目标的先验信息设计了初始阶段可靠粒子生成方法和更新阶段的指标函数粒子权重优化方法。最后提出了基于灰色预测的分布式融合算法, 得到目标预测结果。仿真实验将所提算法和其他常见算法进行对比, 在通信丢包以及噪声干扰情况下验证了算法的有效性和可行性。

     

  • 图  1  主从式多UUV协同目标探测示意图

    Figure  1.  UUV leader-follower collaborative tracking flowchart

    图  2  多UUV纯方位协同跟踪典型场景

    Figure  2.  Typical scenarios of multi-UUV collaborative bearing-only target tracking

    图  3  算法流程

    Figure  3.  Algorithm process

    图  4  x方向位置RMSE比较结果

    Figure  4.  Comparison results of RMSE for x-direction position

    图  5  y方向位置RMSE比较结果

    Figure  5.  Comparison results of RMSE for y-direction position

    图  6  x方向速度RMSE比较结果

    Figure  6.  Comparison results of RMSE for x-direction speed

    图  7  y方向速度RMSE比较结果

    Figure  7.  Comparison results of RMSE for y-direction speed

    图  8  多UUV协同估计目标轨迹

    Figure  8.  Target trajectory of multi-UUV collaborative estimation

    图  9  多UUV协同估计目标速度分量

    Figure  9.  Target velocity components for multi-UUV collaborative estimation

    图  10  多UUV协同估计的x分量位置RMSE

    Figure  10.  RMSE of x-component position for multi-UUV collaborative estimation

    图  11  多UUV协同估计的y分量位置RMSE

    Figure  11.  RMSE of y-component position for multi-UUV collaborative estimation

    图  12  多UUV协同估计的x分量速度RMSE

    Figure  12.  RMSE of x-component speed for multi-UUV collaborative estimation

    图  13  多UUV协同估计的y分量速度RMSE

    Figure  13.  RMSE of y-component speed for multi-UUV collaborative estimation

    图  14  不同丢包率下x分量位置RMSE

    Figure  14.  RMSE of target position at different packet loss rates on x component

    图  15  不同丢包率下y分量位置RMSE

    Figure  15.  RMSE of target position at different packet loss rates on y component

    图  16  不同丢包率下x分量速度RMSE

    Figure  16.  RMSE of target speed at different packet loss rates on x component

    图  17  不同丢包率下y分量速度RMSE

    Figure  17.  RMSE of target speed at different packet loss rates on y component

    图  18  不同丢包率下的探测距离误差

    Figure  18.  Detective distance error at different packet loss rates

    图  19  主从UUV滤波算法运行时间

    Figure  19.  Calculation time of the filtering algorithm for master-slave UUV

    图  20  基于灰色预测的数据融合算法单次计算时间

    Figure  20.  Single calculation time based on grey prediction data fusion algorithm

    图  21  不同观测噪声强度下位置估计RMSE

    Figure  21.  Position estimation RMSE under different observation noise intensities

    图  22  不同观测噪声强度下的速度估计RMSE

    Figure  22.  Speed estimation RMSE under different observation noise intensities

  • [1] 邱志明, 孟祥尧, 马焱, 等. 海上无人系统发展及关键技术研究[J]. 中国工程科学, 2023, 25(3): 74-83.
    [2] 刘兆才, 刘杰, 徐学伟. 基于扩展卡尔曼滤波的水下目标运动轨迹分析算法[J]. 舰船电子工程, 2019, 39(5): 24-25,40.

    Liu Zhaocai, Liu Jie, Xu Xuewei. Algorithm of undersea target movement based on extended Kalman filtering[J]. Ship Electronic Engineering, 2019, 39(5): 24-25,40.
    [3] 张俊根. 分布式伪线性卡尔曼滤波纯方位跟踪[J]. 控制工程, 2023, 30(4): 739-745.

    Zhang Jungen. Distributed pseudolinear Kalman filter for bearing-only tracking[J]. Control Engineering of China, 2023, 30(4): 739-745.
    [4] 朱斌, 刘正彬, 张媛, 等. 修正极坐标系下异类被动传感器多目标关联算法[J]. 信息记录材料, 2019, 20(9): 115-117.
    [5] Zhang H, Li X, Meng Y. Performance study of two bearings-only target tracking algorithms[J]. Journal of Physics: Conference Series, 2023, 2419: 012086.
    [6] 曲毅, 刘忠. 基于 UKF 的水下目标纯方位跟踪算法[J]. 舰船科学技术, 2009, 31(7): 133-136.

    Qu Yi, Liu Zhong. Research of underwater bearings-only target tracking algorithm based on UKF[J]. Ship Science and Technology, 2009, 31(7): 133-136.
    [7] 薛锋, 刘忠, 张晓锐.高斯和粒子滤波器及其在被动跟踪中的应用[J]. 系统仿真学报, 2006(S2): 900-902.

    Xue Feng, Liu Zhong, Zhang Xiaorui. Gaussian sum particle filter for passive tracking[J]. Journal of System Simulation, 2006(S2): 900-902.
    [8] 张程振, 丁元明, 杨阳. 水下目标跟踪粒子滤波算法性能分析[J]. 火力与指挥控制, 2022, 47(2): 18-24.

    Zhang Chengzhen, Ding Yuanming, Yang Yang. Research on tracking performance of particle filter for tracking underwater targets[J]. Fire Control & Command Control, 2022, 47(2): 18-24.
    [9] 金巧园, 张国超, 代中华. 基于改进遗传粒子滤波的纯方位机动目标跟踪[J]. 应用科技, 2021, 48(5): 29-34.

    Jin Qiaoyuan, Zhang Guochao, Dai Zhonghua. Bearing-only maneuvering based on improved genetic particle filter algorithm[J]. Applied Science and Technology, 2021, 48(5): 29-34.
    [10] 田德艳, 张小川, 邹司宸, 等. L2正则化粒子滤波在水下无人平台纯方位角跟踪的应用[J]. 舰船科学技术, 2020, 42(23): 111-116.

    Tian Deyan, Zhang Xiaochuan, Zou Sichen, et al. Application of L2 regularized particle filter in pure azimuth tracking of underwater unmanned platform[J]. Ship Science and Technology, 2020, 42(23): 111-116.
    [11] 王燕, 李想, 齐滨, 等. 无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法[J]. 声学学报, 2023, 48(2): 277-290.

    Wang Yan, Li Xiang, Qi Bin, et al. A track-before-detect method for neighboring targets based on auxiliary particle filter in passive sonar scenarios[J]. Acta Acustica, 2023, 48(2): 277-290.
    [12] 李敏, 陈志梅, 邵雪卷. 融合RTS平滑的迭代无迹卡尔曼粒子滤波方法[J]. 太原科技大学学报, 2016, 37(4): 266-269.

    Li Min, Chen Zhimei, Shao Xuejuan. Iterated unscented Kalman particle filter of fusion RTS smoothing[J]. Journal of Taiyuan University of Science and Technology, 2016, 37(4): 266-269.
    [13] 杨健敏, 王佳惠, 乔钢, 等. 水声通信及网络技术综述[J]. 电子与信息学报, 2024, 46(1): 1-21.

    Yang Jianmin, Wang Jiahui, Qiao Gang, et al. Review of underwater acoustic communication and network technology[J]. Journal of Electronics & Information Technology, 2024, 46(1): 1-21.
    [14] Radtke S, Li K, Noack B, et al. Comparative study of track-to-track fusion methods for cooperative tracking with bearings-only measurements[C]//2019 IEEE International Conference on Industrial Cyber Physical Systems (ICPS). Taipei, China: IEEE, 2019: 236-241.
    [15] Hodson T O. Root mean square error(RMSE) or mean absolute error(MAE): When to use them or not[J]. Geoscientific Model Development, 2022, 15(14): 5481-5487. doi: 10.5194/gmd-15-5481-2022
  • 加载中
图(22)
计量
  • 文章访问数:  737
  • HTML全文浏览量:  13
  • PDF下载量:  39
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-03-11
  • 修回日期:  2024-03-29
  • 网络出版日期:  2024-04-15

目录

    /

    返回文章
    返回
    服务号
    订阅号