基于粒子群优化算法的目标运动参数估计

• 作者: 官善政 陈川 陈韶华
• 来源期刊: 水下无人系统学报
• 关键词: 水下目标 被动定位 参数估计 粒子群优化 扩展卡尔曼滤波
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 基础研究
• 页码范围: 409-414
• 页数: 6页
• 分类号: TJ630.34|TN911.7|TB566
• 语种: 中文
• DOI: 10.11993/j.issn.2096-3920.2018.05.005

摘要

粒子群优化算法具有易于实现、可并行计算、收敛速度快且全局收敛等优点,文中结合水下目标被动跟踪定位系统对目标运动参数估计的实时性和精确性需求,提出了一种利用目标方位信息和多普勒频移信息估计目标运动参数的方法.该方法通过测量目标的方位角变化和多普勒频移,基于最小均方误差(MMSE)准则建立参数估计方程,并依靠粒子群优化(PSO)算法确定一组可使均方误差函数最小的运动参数,实现对目标实时位置、航速、正横距离的精确估计.仿真结果表明,与扩展卡尔曼滤波(EKF)算法对比,在相同参数估计精度条件下,粒子群优化算法能更快收敛;对于小正横、高航速目标,该算法能够在目标过正横前准确给出目标正横通过距离的预报,并在目标过正横后提供较高的跟踪精度.文中工作可为水下目标被动跟踪和运动参数精确估计提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈韶华		19	11	2.0	3.0
2	陈川		17	17	3.0	4.0
3	官善政		2	3	1.0	1.0