利用频域β-warping变换的浅海修正纯方位目标运动分析方法

针对纯方位目标运动分析方法收敛时间较长的问题,提出了一种利用频域β-warping变换的浅海修正纯方位目标运动分析方法.该方法利用频域β-warping变换从声强干涉结构中提取与目标距离成线性关系的时延,进而估计距离特征量,并利用距离特征量推导得到的目标状态向量的线性约束修正纯方位扩展卡尔曼滤波算法。数值仿真结果表明,对于浅海匀速直线运动目标,在信噪比不低于8 dB的情况下,与常规纯方位扩展卡尔曼滤波算法相比,改进算法将距离估计的收敛时间由26.5 min缩短至11.5 min.在浅海水平不变波导远场条件下,该方法可以快速稳定地估计距离特征量,并能够对目标进行可靠地跟踪定位。      

观测站非机动情况下的渐进无偏目标跟踪算法

针对无源目标跟踪中将非线性测量方程伪线性化带来有偏估计的缺点,提出了一种基于方位和径向速度联合估计的渐进无偏目标跟踪算法。该算法通过对方位-径向速度组成的伪线性测量方程的噪声协方差矩阵进行约束,使其均方误差达到最小,得到目标状态向量的最小二乘无偏解。仿真和实验结果表明,在观测站非机动情况下,算法能够渐进无偏地收敛到真值,收敛后的距离跟踪误差在5%以内。     

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。      

基于时间序列模型的粒子滤波行人跟踪算法研究

针对行人运动的随机性导致运动状态模型适应性差和人在行走过程中可能发生短时全部或局部遮挡导致行人跟踪算法精度较低的问题,提出基于时间序列模型的粒子滤波行人跟踪算法。建立了行人运动时间序列模型;给出了基于对视频序列初始帧的检测,确定行人的位置、宽高等作为跟踪先验信息的方法;由先验信息计算加权颜色直方图构建初始粒子群分布,并利用时间序列运动模型预测粒子在下一时刻的状态分布,并更新粒子权值;根据有效粒子的个数判断是否进行重采样;最后由所有粒子的加权和估计行人的运动状态。仿真实验表明：文中提出根据行人的运动轨迹时间序列运动模型可使行人的状态估计更准确,预测误差进一步减小,预测精度得到了提高。     

无源声呐场景中使用辅助粒子滤波的邻近目标检测前跟踪方法

针对无源声呐多目标方位跟踪问题,研究了一种基于粒子滤波的检测前跟踪方法,关注于改善邻近目标和机动目标的跟踪性能。首先,提出了一种考虑了邻近目标影响的似然函数;其次,采用辅助变量利用量测信息优化粒子采样,当算法运动模型与目标实际运动状态失配时,这种策略具有很大优势。结合以上两点,提出了一种检测前跟踪算法,该算法将邻近目标划分为一组,使用邻近目标的预测状态计算目标的似然,计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能,并与其他多目标粒子滤波检测前跟踪算法进行比较,证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下,该算法的优势更加明显。     

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。     

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。     

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.      

基于混合粒子滤波的水下小目标跟踪

针对水下小目标粒子滤波估计过程中“粒子贫化”引起的估计性能下降,提出了混合粒子滤波算法。该算法在常规粒子滤波算法基础上,在每一步迭代估计过程中进行量测的再次随机采样,以丰富随机粒子多样性,缓解水下小目标状态估计过程中的“粒子贫化”的影响。对算法进行了仿真分析,并将该方法用于水下小目标探测实验的数据处理,结果表明,相比于常规的粒子滤波算法,所提出的混合粒子滤波得到了误差更小且稳定的状态估计结果,有效地改善水下小目标跟踪的精度和稳健性。     

粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题, 提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典, 即反映目标信号特征的目标字典和表示背景杂波的背景字典, 有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型, 采用随机估计法对字典子空间进行在线更新, 实现对目标状态估计与跟踪。理论分析和试验结果表明, 该方法增强了随机粒子的状态估计能力, 提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。     

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。      

基于多普勒天气雷达数据的中层径向辐合自动识别及其与强对流天气的相关性研究

本文提出了一种从多普勒天气雷达单仰角径向速度图中的正-负速度区域对入手自动识别一类强对流天气的中层径向辐合的方法.首先,根据雷达探测机理,解释了由气流形成的辐合场一定会在径向速度图中形成局部最大正速度区域和局部最大负速度区域的特点,然后构建正-负速度区域对的识别算法,通过来自多个单仰角径向速度图的区域对配准和相关信息,判断雷达径向速度图中是否存在着中层径向辐合,推算辐合的强度、延伸厚度等重要参数,确定得到最优垂直剖面图的剖切方位.经对客观存在显著中层径向辐合的384例样本和不存在明显中层径向辐合的356例样本的测试,本文方法对显著中层径向辐合的识别率达到100%、误识率为0,与人工方法相比,本文方法把对中层径向辐合的识别时间从分钟级缩短到秒级,同时自动给出其强度、高度、厚度、位置等丰富的定量信息和恰当的可视化垂直剖面图.利用给出的参数信息进行了与强对流天气的相关性研究,验证了中层径向辐合与对流行地面大风的较强相关性,同时发现,最强中层径向辐合的高度对区分强冰雹与强降水、中层径向辐合的强度对估计冰雹尺寸具有良好的指示性.     

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。      

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。     

三维随机粗糙面上导体目标散射的解析-数值混合算法

提出三维导体目标与导体粗糙面复合散射的解析-数值混合迭代算法,推导出三维目标与粗糙面的耦合积分方程,以及粗糙面散射的Kirchhoff近似(KA)计算式.粗糙面的KA解析计算大大降低了粗糙面求解的复杂度,与目标矩量法的混合迭代保证了计算结果的精度,使得三维体-面目标复合散射计算变得可行.由于体-面两者的高阶耦合作用明显减小,保证了该混合迭代算法的收敛性.与镜像Green函数方法的比较表明该混合算法的有效性,并讨论了粗糙面长度选择对计算结果的影响.结合Monte-Carlo方法,数值分析了理想导体Gauss 关键词： 复合散射 Kirchhoff近似 共轭梯度法 互耦迭代     

基于分块速度域改进迭代运动目标检测算法的红外弱小目标检测

提出一种基于分块速度域的迭代红外运动目标检测算法来解决传统算法计算量巨大这一难题.首先,采用二维最小均方差滤波器对红外序列图像进行滤波,获得包含弱小目标以及残差的红外序列图像.然后,通过在序列图像块的速度域上应用改进的迭代运动目标检测算法进行能量累积,从而将弱小目标的运动速度在速度域进行累积增强,达到检测弱小运动目标的目的.最后在解算出的速度值附近进行搜索,得到弱小目标运动的精确速度.利用此速度进行空域能量累积,得到叠加图像,在此图上进行目标检测.与传统方法相比较,几组实验结果显示,本文提出的方法大大缩短了检测的时间,而且本文方法的检测效果也较好.