项目名称: 不完全量测下的水下纯方位系统目标运动分析研究

项目编号: No.61273076

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 李银伢

作者单位: 南京理工大学

项目金额: 80万元

中文摘要: 纯方位目标运动分析(BOTMA)是水下信息处理研究的重要方向之一。传统的BOTMA理论和方法均建立在完整量测信息的前提之上,目前,尚缺乏有效的针对不完全量测下的水下BOTMA理论和方法。本课题在项目组前期研究基础上,以实际工程需求牵引为向导,针对不完全量测下的水下BOTMA问题,分别给出直接基于方位量测和有噪量测下的N阶动态运动目标可观测性分析新方法,提出并构建量测向量每个分量以不同概率随机丢失且存在多重丢失下的一般性水下不完全量测BOTMA模型,分析期望意义下BOTMA算法的收敛性及其充要条件,揭示传感器探测概率、数据传输概率、数据丢失位置与BOTMA估计性能之间的关系,建立不完全量测下的水下BOTMA估计算法的性能评价准则,给出相应易于工程实现的观测器最优机动轨迹。本项研究结果将进一步完善和丰富水下BOTMA理论,可为我国海军在现代信息化作战条件下的攻防对抗研究提供新的思路和技术途径。

中文关键词: 纯方位;目标运动分析;可观测性;不完全量测;Cramér-Rao下界

英文摘要: Bearings-only target motion analysis (BOTMA) is an important branch in underwater information processing research. The traditional theories and methods of underwater BOTMA are derived under the condition of knowledge of the complete measurements, and now the corresponding efficient theories and methods of underwater BOTMA with intermittent observations are yet remaining unknown. Motivated by the needs of practical engineering,this project focuses on the problem of underwater BOTMA with intermittent observations based on our previous studies. First, the methods of BOTMA observability analysis for Nth-order dynamics targets, respectively, are proposed, directly from bearing obervations and noisy bearing measurements. Then, a general model of underwater BOTMA with intermittent observations is presented and constructed, in the case of which each component of the measurement vector may be missed, and each component may be faced multiple dropouts with differenet probabilities. Third, the convergence characteristic and its necessary and sufficient conditions of the BOTMA algorthm are analyzed in the mean sense. Fourth, the relationships among the sensor detection probability, the data transmission probability, the location of missing data and the estimation performance of BOTMA are discovered. Finally, the perfomance

英文关键词: bearings-only;target motion analysis;observability;intermittent observations;Cramér-Rao low bound

成为VIP会员查看完整内容
1

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
清华大学:从单体仿生到群体智能
专知会员服务
70+阅读 · 2022年2月9日
深度强化学习的攻防与安全性分析综述
专知会员服务
25+阅读 · 2022年1月16日
专知会员服务
42+阅读 · 2021年2月8日
多智能体深度强化学习的若干关键科学问题
专知会员服务
186+阅读 · 2020年5月24日
深度强化学习的攻防与安全性分析综述
专知
1+阅读 · 2022年1月16日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
自动泊车系统发展现状及前景分析 | 厚势
厚势
22+阅读 · 2018年1月22日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
小贴士
相关资讯
深度强化学习的攻防与安全性分析综述
专知
1+阅读 · 2022年1月16日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
自动泊车系统发展现状及前景分析 | 厚势
厚势
22+阅读 · 2018年1月22日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
干货|全景视频拼接的关键技术分析
全球人工智能
13+阅读 · 2017年7月15日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Generalized Out-of-Distribution Detection: A Survey
Arxiv
15+阅读 · 2021年10月21日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
微信扫码咨询专知VIP会员