利用频域β-warping变换的浅海目标航向估计方法*

对于单一静止的观测平台,针对直航运动的目标,提出了一种利用频域β-warping变换的浅海目标航向估计方法。该方法利用频域β-warping变换从简正波互相关项中提取与目标距离呈线性关系的脉冲时延,进而估计距离特征量,并根据几何关系建立了目标航向、目标方位和距离特征量的数学模型,利用渐近无偏最小二乘方法对目标航向进行估计。数值仿真和实验数据处理结果表明：在浅海水平不变波导远场条件下,该方法可以对直航运动的目标进行可靠地航向估计,航向估计性能与观测时间内的平均方位变化率密切相关。     

利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法

水下移动观测平台的机动航路对纯方位目标运动分析方法的使用性能具有重要的影响。针对此问题,提出了一种利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法。该方法利用warping变换从接收信号自相关函数中提取与目标距离相关的简正波相干项的特征频率,进而估计距离特征量,再根据预估的目标初始距离范围估计目标运动态势范围。针对观测平台机动方式为匀速转弯运动的情况,以目标方位变化率为评价指标得到了观测平台在所估计的目标运动态势范围下的最优转弯角速率。在浅海Pekeris波导环境下的数值仿真结果和实验数据处理结果表明:方位变化率与纯方位扩展卡尔曼滤波算法的性能密切相关;利用warping变换可以有效地估计距离特征量;观测平台根据以方位变化率为评价指标得到的最优转弯角速率进行机动可以获得较好的目标跟踪性能,收敛时间较短,目标位置估计误差较小。      

方位和径向速度联合的浅海目标运动分析方法

提出了一种利用目标方位和径向速度联合的浅海目标运动分析方法。该方法克服了传统纯方位目标运动分析方法要求观测站机动的局限性。将浅海传播条件下径向速度的宽带和窄带估计结果与目标方位相结合,利用卡尔曼滤波原理得到了一种目标跟踪定位方法。仿真结果表明,在观测站非机动和低信噪比情况下,该方法利用单个观测站即能够对宽带或窄带的运动目标进行准确地跟踪定位。利用1996年5月的实验数据对算法性能进行了验证,估计结果与真实目标距离符合较好,距离跟踪误差在10%以内。      

水平线列阵方位—相速度联合的卡尔曼滤波方法*

传统的水下被动测向方法通过波束形成估计目标角度,水平线列阵波束形成中的参考声速应使用声传播的相速度,在被动测向中,由于声源距离未知,因此在对目标角度估计时选取的参考声速与接收阵处的相速度往往存在偏差,从而影响测向精度。本文提出了一种水平线列阵方位-相速度联合的纯方位扩展卡尔曼滤波方法,该方法引入相速度作为估计状态量以此校准参考声速,提高测向精度,进而改善了由于测向误差较大引起的纯方位扩展卡尔曼滤波算法跟踪结果发散的问题。浅海传播条件下的数值仿真结果表明,改进方法较常规纯方位扩展卡尔曼滤波算法具有更高的跟踪精度及稳健的跟踪性能。     

联合方位-径向速度的粒子滤波目标运动分析

纯方位目标运动分析方法要求观测平台有效机动才能估计目标运动状态,针对这一问题,联合径向速度与方位角作为测量信息对目标进行运动分析,但基于卡尔曼滤波算法进行解算需要已知粗略的目标状态初始值,且收敛时间较长、误差较大,不利于目标实时跟踪.针对以上问题,提出了一种基于粒子滤波的方位径向速度联合目标运动分析方法,建立目标运动状态分析的粒子滤波算法模型,对目标位置和速度等运动要素进行估计.在目标初始状态未知的情况下,一定程度上缩短了收敛时间,减小了估计误差,海试数据处理结果显示:相同条件下,与原有方法相比,本文所提方法收敛时间从35.1 min缩短至30.0 min;跟踪精度从6.1%提高至3.8%,且无需已知目标状态初始值。      

多基阵联合的无源纯方位目标运动分析研究

研究基于两声呐基阵的方位数据融合的目标运动分析方法,给出了伪线性处理、扩展卡尔曼滤波、最大似然估计等算法的模型,进行了仿真实验,比较和分析了仿真结果。计算结果表明,所给出的多基阵联合的无源纯方位目标运动分析方法,不仅克服了单基阵纯方位目标运动分析需要本舰机动的限制,而且提高了参数估计算法的稳定性和全局性。     

波导不变量误差对频域β-warping变换及浅海被动测距的影响*

频域β-warping变换可将接收信号自相关函数中简正波互相关部分,变为时域上时延随声源距离线性增大的脉冲序列。对信号自相关函数进行β-warping变换需要已知波导不变量值。但是,在实际应用中,很难获得波导不变量的准确值。研究表明,在事先获得粗略的水体声速剖面参数的情况下,如果估计得到的波导不变量为其真实值的q倍,那么频域β-warping变换后得到的脉冲时延也会变为波导不变量取真实值时的q倍。进一步研究表明,在水平不变浅海波导中采用频域β-warping变换进行被动测距时,通过设置一个已知距离的引导声源,那么即使估计得到的波导不变量存在一定误差,实际测距结果仍与真实距离符合得较好。     

基于纯方位的浅海距离特征量解算分析

目标辐射噪声的LOFAR图中的干涉条纹包含了目标的运动参数和环境信息。当LOFAR图中的干涉条纹模糊或缺失时,其中的目标距离信息将无法提取。对于匀速直线运动的声源目标,仅利用方位信息,通过构造距离特征量和目标方位的关系模型,给出了一种浅海估计距离特征量的补充方法。浅海数值仿真和实验验证表明了该方法的可行性和有效性。     

纯方位水下目标运动分析方法研究

本文讨论如何使用目标运动分析方法对水下目标进行纯方位距离估计。纯方位距离估计是目标运动分析领域中难度最大、应用范围最广的一个方面。由于纯方位目标运动分析是一个非线性问题，因此绝大部分基于线性模型的估计方法经多年研究证实很难适用于本问题，特别是在目标方位观测噪声较大的情况下，经典估计方法很难得到无偏的估计结果。本文在使用广义最小二乘法对目标运动要素进行粗略估计的基础上，又使用均匀设计方法对目标运动要素进一步寻优。本文所提供的算法经多次模拟实验验证，在目标方位观测噪声较大的情况下，对远距离目标运动要素的估计仍能做到误差较小且收敛较快。     

三维信息测量的运动声源无源测距

针对运动声源无源测距问题,给出了目标方位、多普勒频移和距离特征量作为测量信息来估计目标初始距离的方法。通过伪线性化的处理方法,构造了一个异方差的线性模型。在声呐平台直航条件下,证明了非径向运动的声源目标,利用3个目标方位、2个多普勒频移和2个距离特征量的观测信息,可以唯一地确定目标的距离、速度和航向,而仅利用目标方位和距离特征量的观测信息,系统是不可观测的。蒙特卡洛数值模拟表明:对于初始距离5 nm(海里)的情形,三维信息测量方法比参考方法的目标距离的平均收敛时间要少200 s左右,收敛时间标准差要少40 s左右。随着初始距离的增加,两种方法收敛时间差有变大的趋势,这意味着三维信息构造的方法的稳健性优于参考方法。实验数据也进一步验证了在300 s左右,目标距离的估计逐渐趋于收敛。因此,该方法可以在稳定的干涉结构条件下,实现运动声源的无源定位。      

线性等式约束下的纯方位目标运动分析

对于匀速直线运动的声源目标,为了缩短解算目标运动要素的时间,提高解算目标运动要素的精度,本文利用距离特征量导出了不同时刻间的目标距离关系,并将该距离关系转化为状态变量的两种线性约束,即硬约束和软约束。结合伪线性法,给出了两种改进的Kalman滤波算法,在理论上证明了硬约束条件下的状态估计优于软约束条件下的状态估计,软约束条件下的状态估计优于无约束条件下的状态估计。数值模拟和实验验证表明了新方法的可行性和有效性,随着目标方位方差变大,新方法的收敛时间和精度越来越优于经典方法。     

浅海运动目标波束域波导不变量测距方法研究

波导不变量是描述海洋波导环境声信号水平距离与频率干涉结构现象的特征参量。运动目标波导不变量测距方法需要已知目标速度值,运动目标速度一般是未知的。针对这一问题,本文提出了一种利用水平线阵估计目标运动速度的浅海波导不变量测距方法。该方法通过不同时刻波束域声信号互谱分析进行声源速度估计,结合HOUGH变换提取的LOFAR图斜率和波导不变量进行运动目标测距。仿真结果表明,该方法能够有效的进行运动目标的距离估计。利用2013年7月浅海实验数据,该方法估计出了发射船的距离,并与GPS测量的距离进行对比,相对误差小于10%。     

浅海运动目标波束域波导不变量测距方法研究

波导不变量是描述海洋波导环境声信号水平距离与频率干涉结构现象的特征参量。运动目标波导不变量测距方法需要已知目标速度值,运动目标速度一般是未知的。针对这一问题,本文提出了一种利用水平线阵估计目标运动速度的浅海波导不变量测距方法。该方法通过不同时刻波束域声信号互谱分析进行声源速度估计,结合HOUGH变换提取的LOFAR图斜率和波导不变量进行运动目标测距。仿真结果表明,该方法能够有效的进行运动目标的距离估计。利用2013年7月浅海实验数据,该方法估计出了发射船的距离,并与GPS测量的距离进行对比,相对误差小于10%。      

浅海负跃层条件下的warping变换宽带无源测距方法

夏季浅海波导中常常存在强烈的负跃层,研究warping变换无源测距在这种水文条件下的使用方法具有重要的应用价值。对于上发上收、上发下收和跃层强度较小时下发下收的情况,海面海底反射类简正波对声场起主要作用,可以对接收信号的自相关函数进行时域warping变换,利用特征频率匹配的方法进行无源测距。而对于跃层强度较大时下发下收的情况,水体折射-海底反射类简正波对声场起主要贡献,可以对接收信号的自相关函数进行频域β-warping变换进行无源测距。并且能在事先获得粗略的水体声速剖面参数的情况下,通过设置一个已知距离的引导声源,那么即使估计得到的波导不变量存在一定误差,实际测距结果也可以与真实距离符合得较好。利用warping变换对一次夏季浅海实验接收到的目标发出的宽带信号进行无源测距,估计距离与真实距离符合较好,相对误差在20%以内。      

纯方位目标运动分析的卡尔曼滤波算法

本文介绍了纯方位目标运动分析的卡尔曼滤波算法，利用Lyapunov稳定性理论，通过计算算法的稳定性度量值，对三种卡尔曼滤波算法的稳定性进行了分析讨论，并通过仿真计算对各方法的估计性能进行了比较。     

机动目标逆合成孔径激光雷达方位成像快速算法

针对逆合成孔径激光雷达对机动目标成像时存在方位多普勒时变的问题,提出了一种基于方位时频域keystone变换的机动目标逆合成孔径激光雷达方位成像快速算法.利用多分量线性调频子回波信号的调频斜率与起始频率的比值为常量这一特点,在方位时频域采用keystone变换将多分量线性调频信号同时转换为多分量单频信号,利用快速傅里叶变换实现方位聚焦.采用基于分数阶傅里叶变换和最小熵的线性调频参量估计方法,实现了对调频斜率与起始频率比值的精确、快速估计.结果表明,与现有的基于Radon-Wigner变换的距离-瞬时多普勒成像算法相比,所提出的算法成像效率大大提高,且能够保留更多的目标细节信息,适合于逆合成孔径激光雷达的实时成像.     

混合1范数与全变分约束下的海底目标探测

提出了一种以1范数与全变分的加权和作为正则项的方位估计算法,该算法通过1范数稀疏约束来获得高分辨能力,采用全变分约束来加强目标边缘特征并提高其内部的平滑性,在提高方位分辨率的同时,改善了对方位扩展目标估计性能。在宽带条件下对算法进行了扩展,将接收信号在频域分频后的子频带变换回时域,再在时域上使用窄带算法进行处理,这样避免了时域分段处理造成的时间分辨力的损失。结合了海底探测场景进行了仿真实验验证,结果显示,所提算法的探测结果不仅获得了方位分辨率提升,而且总平方误差小于目前常见的同类算法。因此,在对海底大型方位扩展目标的探测当中,通过在稀疏优化类方位估计方法中加入全变分约束能够保持目标的结构特征,有效提升探测性能。     

小快拍高分辨目标方位估计算法 GMUSIC的性能分析*

针对水下运动阵列在运动过程中进行方位估计时存在快拍不足的问题,研究了基于随机矩阵理论的MUSIC改进算法GMUSIC,该方法通过Stieltjes变换建立起统计协方差矩阵真实特征值、特征向量与样本协方差矩阵之间在逼近域中的关联,以修正样本协方差特征分解的结果,进而实现小快拍方位估计。仿真与试验表明:GMUSIC算法可以更好地分辨相邻目标,且需要的快拍数较MUSIC算法要少;在低信噪比情况下,GMUSIC算法方位估计均方根误差远小于MUSIC算法,估计成功概率远大于MUSIC算法。因此,GMUSIC算法适用于解决水声目标的小快拍方位估计问题。     

基于倾斜阵的距离与方位联合估计*

针对阵列倾斜引起的阵不变量方法定位精度下降的问题,该文结合倾斜阵声源定位的三维模型提出一种基于倾斜阵的距离与方位联合估计算法。该算法通过联合自校正方位距离联合估计方法对阵列倾角在声源-接收平面的投影量进行估计和补偿,改善目标距离估计误差的同时,利用匹配出的阵列倾角投影量反向估计目标方位,获得对声源二维位置的估计。通过仿真验证了该算法能够在阵列倾角较小时实现目标方位与距离的联合估计。     

基于强跟踪平方根容积卡尔曼滤波的纯方位目标运动分析方法

针对纯方位目标跟踪系统中模型状态简化、系统噪声统计特性未知、目标初始距离信息不准确导致的滤波收敛时间长和滤波精度不高的问题,以自主水下机器人(Autonomous Underwater Vehicle, AUV)跟踪水下动态目标为例,提出了一种基于强跟踪平方根容积卡尔曼滤波器(Strong Tracking Square Root Cubature Kalman Filter, STFSRCKF)的纯方位目标运动分析算法。该算法在滤波过程中,利用平方根容积卡尔曼滤波器(Square Root Cubature Kalman Filter, SRCKF)完成预测更新,对于SRCKF中的每个容积点采用强跟踪滤波器(Strong Tracking Filter, STF)进行更新,设计滤波增益以抑制噪声对系统状态估计的影响,有效提高了滤波的数值稳定性,减小了状态估计误差。通过仿真分析,比较了扩展卡尔曼滤波器(Extended Kalman Filter, EKF)、无迹卡尔曼滤波器(Unscented Kalman Filter, UKF)、平方根容积卡尔曼滤波器(Square-Root Cubature Kalman Filter, SRCKF)、STFSRCKF的算法性能,实验表明所提算法具有跟踪速度快,精度高等优点。