一种适用于大测绘带合成孔径声呐的运动补偿方法

当合成孔径声呐测绘带较大时,运动误差的空变效应严重,经典的相位中心重叠算法难以适用。为此,提出了一种适用于大测绘带合成孔径声呐的运动补偿方法。首先使用混合调制的拉格朗日时延估计算法对前后两帧回波的时延进行估计,之后使用线性回归方法拟合出运动误差,最后利用运动误差的估计值对回波进行逐点精确补偿。仿真数据的结果表明,该算法能够获得比相位中心重叠算法更好的运动估计结果,运动补偿后成像分辨率接近理论分辨率。使用该算法分别对高、低频合成孔径声呐的湖试数据进行了处理,水下地貌和小目标的成像质量均有明显提高。      

圆合成孔径声呐多点定位运动补偿

圆合成孔径声呐(CSAS)的成像性能受平台运动误差影响而下降,利用单侧回波可估计CSAS基阵的斜距误差,但单侧回波在小测绘带时无法估计升沉误差,针对此问题,提出了一种利用单侧回波信号的声呐平台三维运动估计和补偿方法。首先,对CSAS在不同观测角度的目标回波取极大值获得目标回波的到达时间;其次,基于多个点目标的到达时间建立CSAS三维定位模型;然后利用列文伯格-马夸尔特方法对声呐三维坐标进行估计;最后将位置估计结果与时域反投影成像方法结合实现对目标的成像.仿真结果表明:该方法能精确估计声呐平台运动误差,其空间坐标的估计误差小于仿真信号波长的1/8,从而精确补偿了CSAS在不同空间采样点上的阵元回波时间差,显著提高了目标成像质量。湖上试验结果表明,该算法能够实现对CSAS的运动误差补偿。仿真和试验结果均验证了方法的可行性和有效性。      

双侧回波联合的合成孔径声呐运动补偿算法

利用单侧回波可估计合成孔径声呐基阵的斜距误差,但无法区分横荡误差和升沉误差。针对此问题,提出了一种双侧回波联合的运动补偿方法。该方法首先根据双侧基阵运动误差的几何关系,建立了双侧基阵的运动误差模型,再结合偏移相位中心算法估计基阵的横荡误差和升沉误差,最后利用所估计的运动误差对不同掠射角上的回波进行运动补偿。仿真结果表明:该方法能精确估计双侧基阵的运动误差,其估计值与实际值的偏差为10-4 m左右,估计结果的标准差接近克拉美罗下界;对回波进行运动补偿后,能获得比基于单侧回波运动补偿方法更好的成像效果。水下球串目标的湖试数据的成像结果显示,与基于单侧回波的运动补偿方法相比,所提方法能更好地抑制图像的散焦现象。      

一种多传感器目标跟踪的数据融合方法

提出了一种多传感器目标跟踪数据融合方法,先对各传感器信号作经Kalman滤波,分别得到目标的航迹,再对各航迹进行数据融合,以提高目标的定位精度。该方法直接对经Kalman滤波后得到的直角坐标下航迹进行数据融合,避免了各个传感器之间繁琐的几何位置转换,又由于经Kalman滤波直接得到滤波后航迹的后验误差,从而避免了复杂的误差转换,具有简洁、高效等特点。     

结合稳健中国余数定理的合成孔径声呐多子带运动补偿算法

针对运动误差过大导致基于相位的时延估计发生模糊的问题,提出了一种多子带处理和稳健中国余数定理结合的合成孔径声呐运动补偿方法。该方法利用前后两帧回波在多个子频带上的相位差获得模糊时延估计,再根据模糊时延之间的关联性,应用稳健中国余数定理估计真实的时延,最后通过所估计的时延对原始回波进行校正。湖试数据处理结果表明该方法能精确补偿运动误差对成像的影响,进行运动补偿后,包裹目标成像结果的方位向虚假目标被有效消除,且目标的轮廓也变得更加清晰;对线缆目标的成像结果进行斜距向剖面分析,剖面图的-3 dB宽度由运动补偿前的9.05个像素点缩小为运动补偿后的2.06个像素点,线缆目标的聚焦程度明显增强。      

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。     

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.      

改进的MEMS陀螺随机噪声自适应Kalman实时滤波方法

针对微机电系统陀螺易受环境影响和稳定性能较差,导致建立的随机漂移模型参数和随机噪声统计特性变化的问题,提出了一种改进的指数渐消记忆自适应Kalman实时滤波方法。通过分析实测数据确定随机漂移自回归滑动平均模型阶数,在此基础上利用递推最小二乘法对模型参数进行实时更新。根据陀螺噪声参数特点,提出了基于渐消记忆因子的Allan方差分析法和Sage-Husa自适应滤波算法同时对Q和R进行参数估计的实时滤波方法,避免了系统状态估计和量测噪声参数估计的相互耦合和制约。实验结果表明:相比标准Kalman滤波补偿方法及传统的固定Q阵只对R阵做自适应估计的滤波方法,本文方法能够更加有效地对MEMS陀螺随机漂移误差进行实时补偿,具有较好的适应性和稳定性。     

基于自适应无迹卡尔曼的机器人室内定位算法

针对室内环境复杂,难以通过单一传感器对机器人精准定位的问题,以室内环境中的两轮差动移动机器人为研究对象,提出了一种自适应无迹卡尔曼室内定位算法。该方法以无迹卡尔曼滤波（UKF）算法为基础,融合里程计、超声波定位系统、电子罗盘等传感器数据,利用超声波定位低频特性好的特点,弥补里程计结合电子罗盘进行航迹推算的累积误差和打滑影响。鉴于实际中量测噪声往往难以确定,利用Sage-Husa自适应方法,并根据不同传感器的噪声特性设置不同的加权系数,在线更新量测噪声特性,以实现对量测噪声的自适应。通过仿真验证,该方法能在传感器噪声特性未知的情况下,有效适应传感器噪声的变化,从而能够在复杂室内环境下,实现较高精度和鲁棒性的位姿估计。     

利用目标信道特性约束的信道匹配检测算法

浅海有源声呐的探测性能主要受到多途扩展以及混响干扰的影响。为了提高声呐系统的检测性能,根据双扩展信道匹配原理,结合混响信道与声呐目标信道特点,提出了一种基于回波特性约束的信道匹配检测算法。该算法通过最小二乘匹配追踪算法估计信道稀疏响应,并根据混响和目标信道的扩展差异,通过约束目标信道扩展对稀疏信道响应去冗余,得到更精确的目标回波信道响应。利用该信道响应进行信道匹配检测,可以进一步提高信混比处理增益。数值仿真结果表明所提算法可以有效汇集多途信号能量并抑制混响干扰,提高声呐系统的检测性能;海试数据处理结果显示,在试验信道条件下,所提算法处理结果的峰值信混比,与匹配滤波相比提升约7~12 dB,与传统自适应相关器相比提升约6~7 dB。      

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.     

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。      

基于主副瓣比加权的未知线谱目标检测方法研究

针对目标辐射线谱信号未知时的目标检测问题,依据水下目标辐射噪声含有高强度稳定线谱这一特征,该文提出了一种基于波束形成主副瓣比加权的宽带波束形成目标检测方法。该方法首先用二阶锥优化各频带波束形成,得到低旁瓣高增益波束形成;其次利用各频率单元波束形成主副瓣差异形成加权因子;然后利用加权因子对各频率单元波束形成进行加权统计,可以抑制背景噪声能量干扰,增强目标检测信噪比增益,克服传统线谱检测四维显示难点。理论分析和实验结果表明：该方法可以较好地增强目标线谱单元能量、抑制噪声、提高信噪比,改善能量累积检测法在远程目标检测方面的性能。     

Multiple ping sonar accuracy improvement using robust motion estimation and ping fusion

Noise degrades the accuracy of sonar systems. We demonstrate a practical method for increasing the effective signal-to-noise ratio (SNR) by fusing time delay information from a burst of multiple sonar pings. This approach can be useful when there is no relative motion between the sonar and the target during the burst of sonar pinging. Otherwise, the relative motion degrades the fusion and therefore, has to be addressed before fusion can be used. In this paper, we present a robust motion estimation algorithm which uses information from multiple receivers to estimate the relative motion between pings in the burst. We then compensate for motion, and show that the fusion of information from the burst of motion compensated pings improves both the resilience to noise and sonar accuracy, consequently increasing the operating range of the sonar system.     

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。      

噪声方差未知时的分布式量化估计融合方法

为了解决观观测噪声和信道噪声概率分布不完全已知时的多传感器分布式量化估计融合问题,提出了一种期望极大化算法(EM算法)的分布式量化估计融合方法。该方法将未知的噪声参数以及局部量化器量化概率建模为EM算法中二元高斯混合模型参数,利用极大似然估计方法的估计不变性得到目标参数的估计融合结果。仿真实验结果表明:该方法在局部传感器观测样本数目大于6000和信噪比大于6 dB时与已有理想信道条件下的估计方法性能相当。本文方法对水下分布式协同探测问题提供了一种简化的估计融合实现途径。      

Acoustic multipath structure in direct zone of deep water and bearing estimation of tow ship noise of towed line array

In the towed line array sonar system, the tow ship noise is the main factor that affects the sonar performance. Conventional noise cancelling methods assume that the noise is towards the endfire direction of the array. An acoustic experiment employing a towed line array is conducted in the western Pacific Ocean, and a strange bearing-splitting phenomenon of the tow ship noise is observed in the array. The tow ship noise is split into multiple noise signals whose bearings are distributed between 10° and 90° deviating from the endfire direction. The multiple interferences increase the difficulty in recognizing the target for the sonar operator and noise cancellation. Therefore, making the mechanism clear and putting forward the tow ship noise splitting bearing estimation method are imperative. In this paper, the acoustic multi-path structure of the tow ship in deep water is analyzed. Then it is pointed out that the bearing-splitting phenomenon is caused by the main lobe of direct rays and bottom-reflected rays, as well as several side lobes of direct rays. Meanwhile, the indistinguishability between the elevation angle and the bearing angle due to the axial symmetry of a strict horizontal line array causes the bearing to deviate from the endfire direction. Based on the theory above, a method of estimating bearing of the tow ship noise in deep water is proposed. The theoretical analysis results accord with the experimental results, which helps to identify the target and provide correct initial bearing guidance for noise cancelation methods.