红外单站被动定位技术速度更新算法研究

针对红外单站被动定位技术中空中机动目标的运动速度不断变化这一实际情况,提出了一种基于红外相机运动特性的对目标的运动速度进行实时更新的校正算法.该算法克服了大多基于匀速直线运动这一空间模型的红外单站被动定位方案目标速度不变的缺点,客观地反映了空中机动目标的实际运动状况,不仅能对目标的运动速度进行实时准确的更新校正,而且可推演出一种新的红外单站被动定位算法,对推动红外单站被动定位技术的工程实用化进程具有重要的意义.     

对固定平台红外单站被动定位技术研究

介绍了一种基于红外成像和序列图像处理技术的对固定平台红外单站被动定位新算法.该算法通过对红外成像目标的实时测量信息求解出目标相对测量基站的距离,它适用于匀速、匀加速和变加速等各种运动模型,具有定位精度高、体积小和便于机动的特点.该算法对可见光成像单站被动定位同样有效.     

交替投影盲反卷积的阵不变量被动定位*

本文针对低信噪比下传统盲反卷积技术提取格林函数过程中存在的图像模糊问题,提出了一种基于交替投影法的阵不变量浅海被动定位方法。该种方法利用交替投影的方法对波束信号进行分离,并利用分离出的波束分别提取格林函数。最后通过补偿时延的方式将多组波束提取的结果相干组合起来,实现格林函数的多波束联合估计。通过仿真实验证明了该方法有效增强了提取格林函数的强度,使得在低信噪比下利用阵不变量的连续声源定位方法更加稳健。     

基于广义回归神经网络的强干扰下垂直阵 目标距离估计方法*

以声压场采样协方差矩阵为特征,基于广义回归神经网络(Generalized Regression Neural Network,GRNN)研究强干扰下的水下声源测距问题,提出了优化扩展因子的方法以提高神经网络定位性能。本文利用仅有一个网络参数的GRNN,使用SWellEX-96实验S59航次的垂直阵数据,比较了以传统匹配场处理(Matched Field Processing,MFP)为代表的模型驱动方法和以CNN(Convolutional Neural Networks,CNN)、GRNN为代表的数据驱动方法在强干扰下的水下目标被动定位性能。结果表明,基于优化扩展因子的GRNN网络在强干扰下可以有效实现距离估计。     

期望最大化算法近场被动定位技术研究

本文介绍了一种对近场声源的距离和方位参数的确定性最大似然估计方法。直接的对近场声源参数的最大似然估计产生了复杂的多参数优化问题,我们在实际采样数据(非完全数据)和假设数据(完全数据)等方面重新构建这个问题,最后提出运用期望最大化迭代方法获得最大似然估计。期望最大化算法将观测数据分解,然后对于最优化问题,运用有效的计算措施单独估计每个信号成分的参数。这种算法的应用性和有效性通过一定的仿真得到了验证。     

分布式矢量传感器对宽带源被动定位的方法研究

本文给出了两种基于矢量传感器的被动定位方法。一般来说，对目标进行被动定位可以通过方位信息或时延信息来实现。单个矢量传感器就可以实现目标方位估计，而对多个矢量传感器接收的信号进行互相关运算即可得到目标对各矢量传感器的时延信息。本文先给出了利用方位信息进行被动定位的方法，然后给出了利用分布式矢量传感器进行方位一时延信息联合被动定位的新方法，并通过仿真分析对这两种方法的定位性能进行了比较。     

一种超声速运动目标的被动声定位算法

超声速运动目标在空气中飞行时产生激波，本文利用激波到达时间，提出了一种基于波前方向矢量的算法，确定目标的速度和位置。最后，通过对三站均匀圆阵的估计精度的分析计算，讨论了该算法的有效性．     

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。     

基于任意阵的最小方差无失真响应聚焦波束形成的被动定位方法

将最小方差无失真响应(MVDR)聚焦波束形成近场被动定位方法应用到平面任意结构阵列上,可以很好地解决线列阵由于阵长较长,在实际使用中存在布放困难、部分阵元失效影响定位性能等问题。本文首先分析了平面任意结构阵列的近场接收信号模型,推导出阵列流型,然后将MVDR聚焦波束形成技术应用到该模型中,得到了基于任意阵的MVDR聚焦波束形成近场被动定位方法。仿真验证了该方法的可行性和有效性。