针对观测站机动前目标距离未知导致无法计算Fisher信息矩阵(Fisher information matrix,FIM)的问题,从粗估目标初始距离和减小粗估误差对FIM行列式影响两方面着手,提出在转向前计算FIM进而设计机动策略的方法。首先,在修正极坐标系下建...针对观测站机动前目标距离未知导致无法计算Fisher信息矩阵(Fisher information matrix,FIM)的问题,从粗估目标初始距离和减小粗估误差对FIM行列式影响两方面着手,提出在转向前计算FIM进而设计机动策略的方法。首先,在修正极坐标系下建立系统模型,描述了观测站leg-by-leg机动模式下FIM的计算方法。其次,通过假设目标速度实现目标初始状态粗估,提出使归一化初始距离粗估误差最小的目标速度假设方法。然后,对FIM行列式进行近似及多项式展开,通过控制前后leg段比例以减小状态粗估误差对FIM行列式的影响。最后,利用仿真验证了所提机动策略设计方法的可行性和有效性。结果表明,对于典型的水下目标跟踪场景,FIM行列式的有效估计概率为76.7%,平均的相对估计误差为0.12。展开更多
文摘针对观测站机动前目标距离未知导致无法计算Fisher信息矩阵(Fisher information matrix,FIM)的问题,从粗估目标初始距离和减小粗估误差对FIM行列式影响两方面着手,提出在转向前计算FIM进而设计机动策略的方法。首先,在修正极坐标系下建立系统模型,描述了观测站leg-by-leg机动模式下FIM的计算方法。其次,通过假设目标速度实现目标初始状态粗估,提出使归一化初始距离粗估误差最小的目标速度假设方法。然后,对FIM行列式进行近似及多项式展开,通过控制前后leg段比例以减小状态粗估误差对FIM行列式的影响。最后,利用仿真验证了所提机动策略设计方法的可行性和有效性。结果表明,对于典型的水下目标跟踪场景,FIM行列式的有效估计概率为76.7%,平均的相对估计误差为0.12。
