基于矢量水听器的一种时间方位历程目标跟踪方法

文章简要介绍了时间方位历程显示方式的原理，针对时间方位历程中最大值自动跟踪方法存在的弊端，提出了应用矢量水听器解决多目标跟踪问题的一种新方法，并应用于海试数据处理中，取得了良好的效果。     

单矢量水听器估计目标方位的方法与实验

为评估基于单矢量水听器的方位估计能力,在黄海海域对矢量水听器进行实验。矢量水听器吊放于接收船尾部,采用平均声强器和复声强器方位估计方法,并提出以概率密度值最大的方位角作为目标方位估计值的具体处理准则,对恒定方向、匀速行驶的目标船方位进行估计,并求出两种方法的方位估计误差。结果表明,水听器布放深度10 m时,对正横距离为0.42 km的航速10 kn的目标船,平均声强器方法的水平方位角估计误差18°,极角估计误差为5°,可以在离目标船最远1.17 km处估计其方位;复声强法的水平方位角估计误差为13°,极角估计误差为8°,可以在离目标船最远2.35 km处估计其方位。在有接收船的噪声干扰情况下,复声强器比平均声强器方法估计的方位更准确,可以对更远处的噪声源进行方位估计。     

单矢量水听器方位估计的柱状图方法

单矢量水听器可以估计目标方位,矢量水听器信号处理中用到的平均声强器的处理方法能很好地抗各向同性的非相干干扰,但不能抗相干干扰.文中提出了一种新的单矢量水听器方位估计方法柱状图方位估计法,介绍了该方法的原理;对宽带信号中含强线谱相干干扰的情况进行了计算机仿真,结果表明该方法在强线谱相干干扰下能有效检测目标、估计目标方位;海试结果验证了该方法抗强线谱相干干扰的有效性.     

单矢量水听器稀疏近似最小方差方位估计算法

针对单矢量水听器海上目标探测问题,利用稀疏近似最小方差(Sparse Asymptotic Minimum Variance,SAMV)算法进行目标方位估计,该算法利用单矢量水听器自身具有阵列流形的特点,将整个扫描空间离散化,目标方位分布于某一离散方向位置上,利用空间信号的稀疏性可提高目标方位估计性能。仿真结果表明,SAMV算法在各信噪比条件下方位估计噪声背景级明显优于常规波束形成(Conventional Beam Forming,CBF)算法和最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法,当信噪比大于0dB时,该算法测向结果均方根误差小于2°,且SAMV算法具有更好的空间方位分辨能力。消声水池和海上声学浮标海上试验数据处理结果表明,SAMV算法给出了噪声背景级更低的目标方位历程图,有效验证了SAMV算法对海上目标的探测性能及其有效性。     

单矢量水听器加窗直方图算法目标探测性能分析*

单个矢量水听器直方图算法具有良好的鲁棒性和目标方位估计性能,该文对直方图算法目标探测性能进行了分析和总结,并提出了一种基于目标方位估计的水中目标自主探测与跟踪算法,该算法可实现水中目标有无自主检测。仿真和消声水池测试结果表明,直方图算法实现目标自主跟踪所要求的信噪比需大于-7 dB,此时测向误差约为8°,-3 dB方位谱宽度在20°左右。海上试验数据分析表明,直方图算法对航速8.4 kn的水面航船在距离13.8 km范围内,可实现全程目标探测和跟踪,测向误差最优可达5?,在距离2 km时-3 dB方位谱宽度可达10°左右。     

压差式矢量水听器方位估计中的干扰抵消

矢量水听器由于能获取声场中标量（声压）和矢量（振速）信息，因此单个的矢量水听器就可实现目标方位估计。单个矢量水听器是利用信号的声压和质点振速之间相关性进行信号方位估计，但是当存在干扰，并且干扰和信号之间相关时，如果对运用能量流进行方位估计的方法不加改进，则会出现很大的误差，甚至出现错误的估计。本文提出一种存在已知噪声干扰情况下的干扰抵消方法，并针对该方法进行了仿真试验，最后运用湖试数据进行了验证。结果表明，该方法能有效地减弱相千千柑对信号的影响，实现对信号的方位估计。     

单矢量水听器的组合二阶统计量解卷积方位估计

提出了一种单矢量水听器组合二阶统计量的解卷积方位估计方法。该方法利用单矢量水听器多通道的二阶统计量,组合成一种主瓣更窄且平移不变的波束图,再使用解卷积方法进行精细化方位估计。该方法具有较窄的主瓣宽度,较高的分辨力和较强的鲁棒性。仿真实验和海试数据表明,在矢量水听器各通道响应不一致的非理想条件下,所提方法的双目标分辨力和方位估计精度优于多重信号分类(MUSIC)等其他方法,双目标方位分辨力提升约40%。     

基于矢量水听器阵列空域预滤波处理的多重信号分类算法研究

矢量水听器能同时拾取声压和振速信息,在相同的信噪比、阵元数及阵列孔径下,矢量阵定向性能优于声压阵列。目前,以多重信号分类算法(Multiple signal classification,MUSIC)为代表的高分辨定向算法已经广泛应用于矢量水听器阵列中。但是随着信噪比降低、信号源方位间隔减小,传统MUSIC算法定向精度及分辨概率显著下降。本文采用最小二乘法设计适用于矢量水听器水平阵列的矩阵空域滤波器,用于阵列数据的空间滤波预处理,可以对阻带扇面噪声进行有效抑制。由滤波后的数据协方差矩阵可以得到新的噪声子空间,在传统MUSIC算法基础上修正通带扇面内阵列流型的畸变后即可得到滤波后MUSIC算法的方位谱。仿真结果表明,当信噪比较低时,改进算法有效提高了通带扇面内目标方位分辨性能。最后本文对四基元矢量水平阵列海试数据进行了处理,改进算法对窄带信号定向较常规算法-3 dB束宽减小了13°,旁瓣级降低约8 dB。对有一定带宽的行船辐射噪声定向处理得到了更加精确的航迹图,海试数据处理结果证明了该算法的可行性和有效性。     

矢量阵MUSIC空间谱方位估计性能的实验研究

为了检验矢量阵MUSIC空间谱方位估计算法的性能,进行了三元矢量阵的外场试验,对比了MUSIC空间谱估计以及常规波束形成的性能。实验结果表明,相对于矢量阵常规波束形成技术,MUSIC空间谱对目标的方位估计性能得到很大提高。而且,当空间严重降采样时, MUSIC空间谱表现出较强的栅瓣抑制能力,能够在全空间范围内对目标无模糊定向。     

一种声矢量阵子空间拟合算法及其矩阵预滤波器设计

为了减少矩阵预滤波器通带响应畸变程度,提出了一种基于阻带约束通带最大k个误差范数和(k为约束点的数目)最小化准则的矩阵预滤波器设计方法,通过使通带内最大的k个响应误差范数和最小化,减少了通带响应畸变程度。同时针对声矢量阵方位估计算法计算量过大的问题,提出了一种基于矩阵预滤波的声矢量阵子空间拟合算法,通过对声矢量阵声压、振速信号子空间进行联合处理,将预滤波矩阵和拟合子空间矩阵均减少为M×M维(M为阵元数),从而减少矩阵预滤波器设计和方位搜索所需时间。仿真结果和分析表明该算法性能和预滤波MUSIC算法相当,但在计算量上有较大优势,矩阵预滤波方法能抑制阻带干扰,提高后续算法的分辨和估计性能。     

一种基于Kalman滤波的环形模板匹配相关跟踪算法(英文)

为了解决在目标跟踪系统中,传统相关算法在目标发生目标局部遮挡或旋转等姿态变化较大的情况时容易跟踪丢失的问题,提出一种改进的基于卡尔曼预测器的环形模板匹配相关跟踪的算法.利用卡尔曼预测器来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行环形相关匹配运算,找到最佳相关匹配点,使跟踪更具主动性。环形匹配还可以克服由于姿态变化而引起的横向匹配点丢失,从而可以跟踪各种姿态运动的机动目标.实验中,利用改进算法对出现局部遮挡情况的姿态变化大的运动目标进行跟踪,传统算法处理此类情况容易跑飞,而本文算法不受这两种跟踪局限性的干扰,始终稳定跟踪机动目标且耗时大幅减少.     

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

基于改进SUSAN算法的箭环目标跟踪与测量

针对发射场火箭初始段漂移量的测量，提出一种带灰度梯度方向的SUSAN算子，实现了基于该算子与变模板相关跟踪算法的目标跟踪测量方法.首先在SUSAN特征检测原则的基础上，将对角点的检测转化为对边缘的检测，同时记录梯度方向，在剔除了图像噪音点之后，由具有特定方向信息的边缘像素点精确定位角点的坐标.该方法克服了标准SUSAN算法准确度低的弊病，使得对目标的提取准确度可以达到亚像素级，并增强了抗噪性能，实验证明该算法提取准确性高，运算量小，易于实现.     

基于形态学与遗传粒子滤波器的红外小目标检测与跟踪算法

针对复杂背景下红外小目标的检测与跟踪,提出了一种融合了top-hat算法、遗传算法以及粒子滤波器的新方法.该方法首先采用提取副帧的方法去除目标周围部分的背景和噪音,有效地减少了参与运算的像素数目;其次,将具有不同边缘特性的多个结构体应用于top-hat检测算法中,提高了副帧中预目标的有效性;接着,利用目标时空运动的相关性,结合阈值判断来去除虚假目标,增强了目标检测的可靠性;最后,将遗传算法引入粒子滤波算法,较好地改善了粒子的多样性,在保障跟踪实时性的同时,提高了粒子滤波的准确度.实验结果表明,该算法在检测准确度、跟踪准确度和鲁棒性都具有一定的优越性.     

一种基于纹理特征的红外成像目标跟踪方法

提出了一种基于LBP（Local Binary Pattern)纹理特征的红外成像目标跟踪方法,将LBP纹理特征集成到了核跟踪方法中.根据目标各区域对背景的区分能力不同,提出了目标各区域置信度的评价方法,用基于区域置信度及空间距离核加权的LBP特征概率密度函数,构造了目标及候选目标的特征模型.通过相似性度量,利用均值漂移方法实现了基于纹理特征的红外成像目标跟踪.实验结果验证了该算法在红外成像目标跟踪中较基于灰度的均值漂移跟踪算法更为鲁棒.     

低对比度目标自动识别技术研究

提出了在实时光电混合联合变换相关器中应用拉普拉斯锐化技术.通过对联合变换功率谱面的锐化处理,提高了联合变换功率谱的杨氏条纹对比度,使得相关峰的对比度明显增强,从而提高了目标识别率.实验证明：利用该技术所能探测的目标对比度最低限度约为0.5%.作为实例,给出复杂背景下低对比度(0.8%)地面目标汽车的实验结果.     

超声速弹丸立靶弹着点定位模型研究

针对常规武器火炮直瞄射击时的弹着点测试问题,提出了一种双圆环形传声器阵列方法。该阵列将若干传感器布设在两个圆环上,并根据超声速弹丸产生的激波传播速度随传播距离增加逐渐递减的规律,对每个传声器阵分别引入一个视速度,建立了双视速度模型。计算机仿真分析表明,采用双圆环形传声器阵列及双视速度模型确定弹丸弹着点坐标,带来的模型误差优于3 mm,对于工程应用而言可以忽略。试验结果表明,双视速度模型明显优于将激波传播速度视为恒定的基本模型和交会模型。     

一种边缘和过渡区域相结合的红外目标提取方法

传统的基于过渡区域提取的目标分割算法存在噪声敏感问题,从而会影响到过渡区域提取的准确性。与可见光图像相比,红外图像特别是红外光谱图像,受到探测器无法消除的热噪声影响,传统的目标提取算法准确率普遍降低。此外,虽然通过边缘能够精确定位目标,但是无法获取目标完整边缘。而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。因此为了提高目标提取的抗噪性和准确性,提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。首先利用像元空间邻域信息构造密度,以此有效降低噪声影响和获取图像边缘信息。然后基于像元密度信息最大分离目标边缘与背景,得到有效边缘和过渡区域,进而以此生长出目标。将边缘与过渡区域结合,可以很好地抑制噪声,多幅复杂场景实验评估了该方法的抗噪性能,结果显示,提出的方法在噪声的干扰下能较好的提取目标。