تطبیق کواریانس تخمین در الگوریتم ردگیری تنها با سمت اهداف متحرک سطحی در فیلترهای چندمدله

در این مقاله الگوریتمی جهت ردگیری هدف با داده‌های سمت به‌تنهایی به روش بازنشانی کواریانس فیلتر پیشنهاد می‌شود. رویت‌پذیری ضعیف در مساله ردگیری سمت به‌تنهایی عموماً منجر به واگرایی فیلتر یا خطای بایاس می‌شود. در این حالت به‌دلیل یکتانبودن جواب مساله، مقدار کواریانس فیلتر، شرط کافی برای خطای تخمین نمی‌باشد. در این مقاله نشان داده می‌شود که اثرات متقابل باندکرامررائو و کواریانس خطای تخمین برد هدف، جهت تشخیص واگرایی فیلتر بازگشتی، مشابه یک تابع پایداری لیاپانوف، عمل می‌کند. در ادامه، این تابع به‌عنوان ضریب تصحیح تطبیق کواریانس تخمین استفاده می‌شود. همچنین برای تخمین برد اولیه هدف و محاسبه صحیح باندکرامررائو، فیلترچندمدله/ذره‌ای به‌کار برده می‌شود. به روش شبیه‌سازی مونت‌کارلو، الگوریتم پیشنهادی با سایر فیلترها، براساس معیارهای رایج مقالات مقایسه شده و بهبود نتایج تخمین برد هدف، خاصه در زمان کاهش رویت‌پذیری نشان داده می‌شود. تمامی بررسی‌های انجام‌شده برای یک مساله کاربردی ردیابی شناورهای سطحی با حساسه صوتی غیرفعال یک زیردریایی محدود شده‌است.

Matching of the estimating covariance in bearings-only tracking algorithm for moving surface targets in multiple model filters

: In this paper, an algorithm for bearingsonly target tracking (BOT) problem is proposed using the resetting of the covariance matrix of the filter . Poor observability in BOT problem often leads to a bias error or even divergence of the filter. Therefore, due to nonuniqueness of the problem, the covariance value of the filter is not a sufficient condition to indicate the estimation error. In this paper, it is shown that the mutual effects between the covariance of the target range estimation and the CramerRao lower error bound is similar to the stability of a Lyapunov function for detecting the divergence of the recursive filter. Then, this function is used as a correction coefficient of the estimating covariance matching. The multimodel/particle filters are also adopted for estimating the initial range of the target and calculating the CramerRao lower error bound. Using the Monte Carlo simulation method, the proposed algorithm is compared with other conventional filters based on the criteria reported in the literature. Improvement of the results of the target range estimation is also shown, especially in case of observability reduction. All studies conducted in this paper are limited to the problem of surface floats tracking with passive sonar for a typical submarine.