一种追踪式的磁异常目标检测与定位方法研究

发布时间：2021-01-24 08:20

　　随着人们对磁的认识不断深入,异磁目标的检测和定位越来越受到人们的关注。磁检测与定位直观理解主要分为检测和定位两个步骤。由于磁异常信号很微弱,所以对磁信号进行提取时需要用到很多方面的知识。根据原理的不同,磁信号提取技术可以分为多种不同的方法。同样的,现在已经存在多种方法可以实现磁目标的定位。在对磁信号进行提取时,目前运用最广泛的是盲源分离算法,这是一种常规信号处理的有效算法。然而,通过进行仿真实验发现,使用盲源分离算法得到的分离结果具有两个不确定性——幅值不确定性和顺序不确定性。对于信号检测问题,本文在标准正交基函数分解的基础上,对标准正交基函数分解算法进行了改进,并用改进后的算法实现异磁信号的分离。对于追踪定位问题,本文在高斯粒子滤波算法的基础上,给出了一种改进的容积卡尔曼—高斯粒子滤波算法。通常实际测得的复杂信号都能看成是由几个基信号在特定的系数下组合而成的,此时应用标准正交基函数分解算法,对信号的能量函数归一化,进一步计算得到目标信号的特征时间,根据该特征可以对基函数系数进行计算,进而完成信号的分离。事实上,由于基函数信号的相位差会导致直接使用该算法求得的系数误差很大,甚至是错误的... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

OBF 分解模型

斯粒子滤波和容积卡尔曼高斯粒子滤波两种算法的状态估计曲线如图 5.1。图 5.1 GPF、CK-GPF 的状态估计曲线根据图 5.1 可以看出，由于改进算法容积卡尔曼—高斯粒子滤波算法(CK-GPF)具有更好的状态预测效果，这是因为容积卡尔曼高斯粒子滤波算法重采样过程中引入了正则化的思想，从连续的后验分布概率中采样，提高了粒子的多样性，并且在重要性密度函数是结合了当前时刻的最新测量信息。因此，容积卡尔曼高斯粒子滤波算法选取的粒子集更能反映实际的后验分布，所以容积卡尔曼—高斯粒子滤波算法比高斯粒子滤波的状态估计效果更好。5.4.4 改进算法对机动磁目标跟踪的仿真对于复杂环境中的磁运动目标，系统将会十分复杂，要实现对磁异常目标的跟踪，要选择合适的模型算法进行系统分析，最受人们认可的就是交互多模型算法。交互多模型对运动目标进行跟踪

目标轨迹图


本文编号：2996926