水声信号数据融合系统的性能研究

给出了一种多传感器水声信号数据融合的数学模型和融合算法,并将该方法用于分布式水声信号检测系统中多部声呐的信息综合。计算机仿真结果表明,该分布式数据融合系统的检测概率和作用距离均有较大的提高。     

拖线阵海试数据的窄带PIC自适应处理与分析

本文介绍了对拖线阵海试数据进行窄带ＰＩＣ处理的方法。用梯度算法、协方差矩阵递归直接求逆算法和ＲＭＧＳＥＦ算法进行了窄带ＰＩＣ自适应处理。分析了学习曲线和输出平均功率波束图，进行了稳态计算和比较。表明ＲＭＧＳＥＦ算法是一种可用于多干扰波束、收敛快、抵消性能好、便于拖线阵声呐实现实时ＰＩＣ处理的最好算法。     

基于最佳线性数据融合的双基地声呐定位优化算法

本文提出了基于最佳线性数据融合的双基地声呐定位优化算法。给出了算法的原理，并通过数值仿真，对不同条件下，双基地系统定位误差的几何分布进行了研究。仿真研究结果表明，采用最佳线性数据融合的双基地声呐定位优化算法，可以更好地利用双基地声呐测量的冗余信息，有效改善双基地声呐中基线区域的定位精度。     

基于粒子滤波的多普勒信息辅助目标定位跟踪算法

多基地声呐探测系统主要通过测量回波的时延和方位信息进行目标定位与跟踪,定位精度受声速、时延和方位测量误差的影响较大,可以通过多普勒信息辅助进一步提高定位跟踪精度。现有的多普勒信息辅助定位跟踪算法多适用于单基地声呐系统,多基地中的多普勒测量值与目标状态的关系更为复杂,需要研究新的融合方法。该文提出了一种适用于多基地声呐系统的多普勒信息辅助采样重要性重采样目标定位跟踪算法,将多普勒信息融入到粒子滤波的重采样过程,使重采样后的粒子集合更逼近目标的真实状态分布,从而提高了目标定位跟踪精度。数值仿真实验结果表明,提出的目标定位跟踪算法可以有效融合多普勒信息,提升目标定位跟踪精度。     

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。     

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。      

相关观测资料的最佳线性数据融合

数据融合是声呐信号处理中非常引人注意的一个课题．本文讨论多传感器（或多基阵）系统决策级的数据融合问题,给出对同一个参数Ｎ个互相相关的观测资料的最佳线性数据融合算法．证明了,最佳线性数据融合的误差不大于任何一个分量的观测误差,同时给出计算误差的表达式,最后给出了数值计算的例子．     

一种被动声呐信号检测的低虚警率方法

针对被动声呐多目标信号检测中的噪声背景归一化问题,提出了一种基于数学形态学滤波的噪声背景归一化新方法。该方法利用数学形态学处理中的膨胀和腐蚀算子,以及基于多项式拟合的数据均值估计方法,构造出了一种能够较为准确的估计噪声门限的方法,并以之进行噪声背景归一化,在较好保留信号信息的前提下较大程度的抑制了噪声,有效降低了多目标信号检测的虚警概率。通过计算机仿真对比了该算法与S3PM算法、OTA算法的性能,结果表明该噪声背景归一化算法能够在检测概率损失较小的情况下较大幅度地降低检测的虚警率。实际被动声呐数据处理的对比结果同样验证了该算法的有效性。      

基于方位-频率及多阵方位的无源目标跟踪性能研究

研究了两种利用多维信息的目标运动分析（ＴＭＡ）方法：方位－频率ＴＭＡ和多阵联合纯方位ＴＭＡ,应用Ｇａｕｓｓ－Ｎｅｗｔｏｎ（Ｇ－Ｎ）和Ｌｅｖｅｎｂｅｒｇ－－Ｍａｒｑｕａｒｄｔ（Ｌ－Ｍ）相结合的最优化方法,分析了最大似然估计（ＭＬＥ）算法的跟踪性能,进行了仿真实验．研究结果表明利用多维信息的ＴＭＡ虽然克服了常规纯方位ＴＭＡ需要观测平台机动的限制,但其应用并不具备普遍性。     

基于数学形态学的声纳主动探测信息净化方法

针对主动声呐探测画面中混响和被动条状干扰问题,提出了一种基于数学形态学滤波的主动探测信息净化方法。该算法通过研究数学形态学滤波器的频响特性,构造与主动声呐探测画面中目标频率特性匹配的结构元素,然后对主动声呐探测画面进行形态学滤波处理,估计主动声呐探测画面的干扰背景,最后进行探测信息净化,并利用形态学滤波对净化后图像进行增强。海试数据处理结果表明,该文方法能够有效抑制低频被动条状干扰以及混响背景,使点状目标在图像中表现更为明显,更有利于目标检测。