水下多目标方位的联合检测与跟踪

针对水下多目标方位跟踪及航迹关联问题,提出了一种粒子滤波的联合检测与跟踪方法.该方法在状态滤波过程中不需要方位观测值的输入,直接根据波束能量评估粒子的似然函数;利用交叉和变异算子进化小权值样本,通过低差异性序列的重采样提高子代粒子多样性。实现了多目标的跟踪并避免了方位观测量与多目标航迹关联的问题。仿真结果表明,在航迹断续和航迹交叉的情况下,该方法能够连续准确地跟踪目标方位。利用水下无人平台舷侧线阵的试验数据对算法性能进行了验证,正横方向的跟踪误差在3°以内;在目标运动模型失配时仍可以收敛到正确的方位航迹,没有出现错跟与失跟现象,可提高对交叉、汇聚及分离的多目标方位航迹的连续检测与跟踪能力.      

量测噪声不确定情况下的水下多目标稳健方位跟踪

提出了使用Sage-Husa算法估计量测噪声的集势化概率假设密度(CPHD)滤波方位跟踪方法,实现了量测噪声不确定情况下多水下声学目标的稳健方位跟踪。首先,将水下目标方位的变化建模为Singer模型,利用传统目标方位估计方法的结果作为量测值,将方位估计误差看作量测噪声,建立了方位量测模型。然后,给出了CPHD滤波水下多目标方位跟踪算法,该算法利用上一时刻的方位跟踪结果和目标方位变化模型预测目标方位,并利用量测值和量测模型对预测值进行更新得到方位跟踪结果。最后,考虑到量测噪声方差为决定跟踪性能的重要参数,利用改进的Sage-Husa算法在跟踪过程中实时自适应地估计不确定量测噪声的方差,从而实现了多目标的稳健方位跟踪。经海试数据验证,所提出算法将目标方位测量的平均最优子模式分配(OSPA)误差从10°以上降低至2°,显著提高了方位测量精度。所提水下多目标稳健方位跟踪方法能够有效提高量测噪声不确定情况下的方位跟踪性能。     

联合多传感器的水下多目标无源声学定位

在多传感器无源声学定位问题中,不同传感器接收的来自同一目标的信号均对应于此目标位置,依据这一物理基础,提出了一种基于粒子滤波的无源声学定位方法,以有效融合多传感器数据,进而提高定位性能。该方法将粒子滤波中的似然函数定义为粒子状态所对应不同传感器信号之间互相关输出的乘积。该似然函数的设计确保所提方法可以充分获取多传感器的处理增益。此外,所提方法摆脱了传统定位范式,因此可以规避传统定位范式必须面对的测量-跟踪关联问题。湖上试验表明,在强多途干扰的条件下,传统定位方法的平均定位误差为7.2 m,而所提方法的平均定位误差为1.2 m,具有更好的性能。     

联合多站阵元域数据的水下目标检测与跟踪

为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。      

一种水下运动目标被动报警的新算法

根据矢量水听器的测向原理和算法，提出了一种目标方位角的变化实现水下运动目标低频高精度的报警方法。该报警系统以水下设施为平台，对靠近设施的运动目标的方位进行跟踪测量，并在目标距离水下设施最近时给出报警信号，以达到有效地避免事故的目的。与传统的利用声级变化报警或主动回波测距报警方法相比，该方法具有低频、作用距离远和高精度的特点。     

一种新型光电侦察系统目标数据观测方法

针对在主要作战方向上工作的光电侦察系统，提出一种低成本的光电搜索设备获取目标数据的方法。采用光电探测器持续以固定角速度周转扫描的方法，多次连续捕获目标，不断迭代刷新目标方位和时间数据，完成对来袭目标相对侦察设备的角位置和水平距离的解算。推导出观测目标数据的数学模型，通过设计仿真软件，实验程序可在目标进入侦察设备观测边界范围后解算出其方位角，得出目标在不同时间的方位角、俯仰角和水平距离等信息，能够满足在侦察距离不小于20 km的状态下实现对速度不大于500 m/s、高度不超过5 km的目标进行跟踪，完成了对光电侦察设备的仿真验证，为后续火控计算提供了可靠数据。     

单基阵三维纯方位水下信标声学定位方法

针对水下静止信标的纯方位定位问题,提出一种基于单基阵平台纯方位信息的定位方法。通过水下无人运动平台两次量测的空间角度信息建立非线性方程,利用拟牛顿迭代方法实现稳定数值求解。同时,对量测信息进行预处理和定位后置处理,以进一步提高算法的稳定性和精度。利用计算机模拟水下声传播环境进行定位仿真,结果表明,基于常规波束形成的方位估计结果,在方位量测误差标准差为1°时,所提方法的定位结果相对误差可达3.5%以内。同时,研究了不同方位量测误差条件下、不同海深测量误差条件、观测平台和目标不同态势下定位算法的定位性能。结果表明,此方法可用于对水下静止信标的声学定位,且鲁棒性好。      

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。      

一种多目标方位历程实时提取方法

研究多目标方位历程实时提取方法,为目标运动分析和军事辅助决策实时提供多个目标的方位历程数据。利用无源声呐方位历程显示的时空累积效应,提出一种实时自动提取多目标方位历程的方法。通过对无源声呐的动态方位历程显示进行图像降噪、亮点提取、历程扩展和非目标历程剔除四个步骤的数字图像处理,实现多目标方位历程的自动、实时提取。海试和仿真实验数据测试表明,该方法能有效提高信噪比,并能有效解决多目标方位历程交叉时的数据关联问题,计算效率和多目标方位历程提取的正确率较高,可实用。     

低信噪比条件下多节点声呐目标跟踪算法*

低信噪比条件下,单个主动或单个被动声呐节点难以实现目标跟踪。多节点声呐系统希望通过增加探测节点提高系统探测能力,但其性能提高与否取决于选择合适的数据融合算法。本文利用双节点声呐试验数据研究低信噪比条件下的目标跟踪方法,采用“结合置信度水平的表决融合”算法对多个探测节点得到的数据进行融合,既考虑了目标回波信号的信噪比特性,又考虑了目标运动的连续性特征,还考虑了各节点探测结果的决策优化,最终实现较高精度的目标跟踪。算法实现了数据级、特征级和决策级的统一、融合,通过对判决依据进行量化、分层,简化判决的复杂性。试验数据处理结果表明,该方法能较好地解决低信噪比条件下多节点声呐目标跟踪问题,目标跟踪精度较高。     

基于能量强度测量的多声源目标位置线性估计方法

基于能量强度的多声源定位模型,本文提出了一种声源发射能量强度未知下的多声源目标位置线性估计方法。将多声源定位模型转化为线性最小二乘估计问题,估计方法以代数解形式表示多声源目标位置初始值。对初始估计值进一步优化,得到了精确的多声源目标位置估计值。该定位计算方法将定位结果以代数解形式表示,避免了数值计算过程中因初始解选择不当而导致的局部最优问题。仿真测试了所设计算法的定位精度,并由此分析了噪声及声音能量强度增益对定位误差的影响。结果表明优化后的计算结果较初始估计值有较大改进,在一定噪声范围内其定位精度可以接近于克拉美罗（CRLB）下界值。     

基于双传声器对的多声源二维定位跟踪算法

提出一种房间混响声场环境下的多声源二维定位跟踪算法。研究了基于盲源分离的时延估计,以及联合空间分布的多个传声器对的定位算法。用高斯似然函数解决在多源、多维情况下声源定位的时延匹对模糊问题,使之能够用双传声器对实现对多个声源的二维定位,结合粒子滤波算法实现对多个运动声源的跟踪。仿真实验验证了提出算法的有效性。      

环境扰动约束下的稀疏贝叶斯定位方法

针对匹配场被动定位技术对海洋环境扰动敏感的问题,提出了一种基于稀疏贝叶斯学习的稳健匹配场处理方法。该方法通过分析环境扰动情况下的声场构成,建立了海洋环境扰动模型,同时结合水下定位问题的稀疏性,将匹配场被动定位问题表述为稀疏信号重构问题。然后,使用稀疏贝叶斯学习方法迭代更新目标位置及模型失配权向量,收敛至最优稀疏解作为目标定位结果。最后使用仿真数据和北厄尔巴岛的海试数据对算法进行了验证,仿真和实验结果表明:该算法在海洋环境模型失配情况下也能够准确定位,且能分辨水平间距为100 m的两个目标。因此,基于稀疏贝叶斯学习的稳健匹配场处理方法能够有效利用海洋环境扰动声场结构和水下定位稀疏特性,以增强匹配场处理的稳健性和定位精度,并且具有应对多源定位问题的能力。      

多子阵组合的短基线声学定位系统数据优化方法*

短基线声学定位系统是一种常用的水下声学定位设备,为提高适用性,常采用多阵元接收阵的方式进行水声定位,其工作时将带来冗余的测距数据和定位结果,而部分冗余数据的解算定位结果误差较大（以下简称奇异值）,其代入融合将导致最终定位结果的误差不减反增。为解决该问题,本文分析奇异值特征,提出了基于多子阵组合(Multiple Subarray Combination,以下简写MSC)的短基线声学定位数据优化方法。该方法将空间阵中划分出的各单元子阵进行筛选,对冗余数据进行优化,筛除会引入较大误差的中间数据,进而提高定位精度。计算机仿真及实际测试数据表明：该方法可实现整体声源定位精度的提高。同时与传统定位方法相比可有效减小运算量,提高整体定位系统的性能。     

非同步的多普勒水声跟踪定位原理

提出了一种新的水声跟踪定位方法,它仅测量目标非同步声信标到达各测量基元的接收信号和频率,来对目标声学跟踪定位,称之为非同步多普勒定位方法,本文介绍其原理,处和仿真结果。     

目标机动未知下的有源声呐跟踪滤波方法

为解决由有源声呐测量误差而引入的目标机动判决模糊问题,提出了基于延迟机动检测的跟踪滤波算法。利用多假设跟踪方法,在目标机动检测模糊时,生成匀速及机动的两种目标运动假设以延迟最终的决策时间,基于残差序列构造假设检验统计量,实施序列似然比检验并融合强跟踪滤波器和Kalman滤波器的优点,提高了有源声呐对先验信息未知目标的跟踪能力。通过仿真分析表明,该算法不仅能够精确的跟踪匀速运动目标,而且能够稳定的跟踪机动目标。海试数据处理进一步验证了算法跟踪真实水声目标的有效性。      

A tracking filter method of active sonar subject to unknown target maneuver

A tracking filter algorithm based on the maneuvering detection delay is presented in order to solve the fuzzy problem of target maneuver decision introduced by the measure?ment errors of active sonar. When the maneuvering detection is unclear, two target moving hypotheses, the uniform and the maneuver, derived from the method of multiple hypothesis tracking, are generated to delay the final decision time. Then the hypothesis test statistics is constructed by using the residual sequence. The active sonar?s tracking ability of unknown prior information targets is improved due to the modified sequential probability ratio test and the integration of the advantages of strong tracking filter and the Kalman filter. Simulation results show that the algorithm is able to not only track the uniform targets accurately, but also track the maneuvering targets steadily. The effectiveness of the algorithm for real underwater acoustic targets is further verified by the sea trial data processing results.     

基于组合线阵的近程运动小目标被动定位跟踪

针对水下运动小目标被动探测与定位问题,提出了分段组合子阵联合处理探测方法,各探测子阵采用相互垂直结构布局,克服了单阵方位模糊及无法定位等问题。研究了分段组合子阵的宽带最小方差无畸变失真响应近场聚焦目标定位方法,实现了近程蛙人等水下小目标被动高精度定位。在此基础上,采用卡尔曼滤波算法对目标运动轨迹进行预测估计,将目标定位信息与跟踪轨迹信息进行匹配,实现高背景噪音下的运动小目标的跟踪处理。理论分析及仿真结果表明,分段子阵联合处理能有效对水下运动小目标进行定位和跟踪,海试试验进一步验证了该方法的有效性。     

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。