多基阵联合的无源纯方位目标运动分析研究

研究基于两声呐基阵的方位数据融合的目标运动分析方法,给出了伪线性处理、扩展卡尔曼滤波、最大似然估计等算法的模型,进行了仿真实验,比较和分析了仿真结果。计算结果表明,所给出的多基阵联合的无源纯方位目标运动分析方法,不仅克服了单基阵纯方位目标运动分析需要本舰机动的限制,而且提高了参数估计算法的稳定性和全局性。     

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.     

多级恒模阵对目标方位估计性能的实验研究

实验分析了一种重要的盲波束形成算法——多级恒模阵对多个统计独立目标的方位估计性能,并与一些“盲”的和非“盲”的方位估计算法进行了比较。首先考虑了理想的阵列模型。然后在阵元响应中加入阵元幅相误差,通过改变误差的大小,进一步分析了算法对阵列模型误差的稳健性。最后针对不同尺寸接收阵和目标间不同角度间距分别进行了水池实验。计算机仿真实验和水池实验数据处理结果表明:当目标源间统计独立时,多级恒模阵对目标信号的捕获、分离不依赖于阵列流形,可以在盲分离信号的基础上估计出目标方位,角度分辨率不受瑞利限的限制,而且对阵列模型误差具有较好的稳健性。该结果验证了多级恒模阵可以对统计独立的多目标方位进行稳健盲估计。     

无源声呐稀疏阵无栅瓣性能分析

计算机模拟、实际声呐信号和理论分析证明了在无源声呐中只要信号带宽足够宽(带宽大于1个倍频程),无源声呐中用稀疏阵,即基元间距大于信号波长的基阵,波束图中不会出现栅瓣特性。白化目标信号可满足尽量宽的信号带宽,有利于无栅瓣波束的设计。结论是只要保证足够宽的信号带宽,无源声呐工作频段中最高频率的波长可小于基阵中阵元间隔而可使阵波束特性不出现栅瓣。     

无源红外方位标研究

提出在现有条件下利用激光实现无源红外方位标的思路，并通过详细计算与分析，论述了无源红外方位标的可行性。     

双基阵纯方位目标运动分析研究

研究了双基阵纯方位目标运动分析的基本原理和方法,提出了方位数据关联的迭代算法,进行了仿真实验.仿真结果表明,双基阵纯方位TMA及数据关联方法不仅克服了单基阵纯方位TMA需要本舰机动的限制,而且提高了参数估计算法的稳定性和精度,具有较好的工程应用前景.     

方位/频率目标运动分析实验研究

研究了两种方位/频率目标运动分析算法:最大似然法和伪线性法,并基于这两种算法构成了一个实时实验系统。实验研究表明充分利用伪线性解的解析性和最大似然解的最佳性可以对辐射噪声中含有窄带分量的匀速直线运动目标进行最佳的无源估距,且无需本艇机动并具有稳定性好、收敛性快的优点。     

纯方位目标跟踪的ST-MEF-PDAF方法研究

传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(ST-MEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。     

基于LS的双站纯方位无源定位算法

针对基线较短情况下传统的双站三角测距精度不高的问题,利用双站方位历史信息建立了双站无源定位模型,该模型可以利用多种线性估计器来求解。采用最小二乘算法来实现对目标距离的估计。通过仿真实验说明该模型能够实现对目标距离的估计,证明该算法用于无源定位是有效的。     

单矢量水听器的高分辨目标方位跟踪算法研究

根据单矢量水听器自身具有阵列流型的特点,提出了适用于对目标保持连续跟踪的空域预滤波MUSIC算法。通过调整滤波器通带中心角使其保持在目标估计方位角附近,可以消除滤波器通带中心角偏离目标真实方位角时传统预滤波MUSIC算法产生的目标方位估计误差。仿真结果表明,改进预滤波MUSIC算法可以减小甚至消除低信噪比情况下目标方位估计存在的较大误差。海试数据结果表明,阵元域MUSIC和改进预滤波MUSIC都可实现对单频脉冲信号和线性调频信号的目标方位估计,且估计结果与GPS舰位推算结果一致,但改进预滤波MUSIC算法主瓣更尖锐。对宽带航船噪声处理结果显示,改进预滤波MUSIC算法使单矢量水听器在存在目标干扰时的探测距离从2 km提升到了5 km,验证了改进预滤波MUSIC算法可实现弱目标情况下的高分辨目标方位跟踪。     

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。     

基于状态矢量融合的多基地无源目标运动分析

在多基地独立观测估计的基础上,采用对状态矢量进行数据融合的方法对无源目标运动分析(以下简称TMA)问题进行了研究。在双基地的条件下,讨论了当双基地的无源声呐匀采用容易得到的目标方位角、频率的数据测量为输入时的无源TMA问题。利用伪线性方法或扩展Kalman滤波方法作预处理后,将所得到的各状态矢量的预估计送入融合中心再进行数据融合,最后实现对目标的最终估计。计算机仿真结果表明:状态矢量融合的方法能够进一步提高对目标运动参数的估计精度,能有效地实现无源TMA问题的估计。     

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。     

联合多传感器的水下多目标无源声学定位

在多传感器无源声学定位问题中,不同传感器接收的来自同一目标的信号均对应于此目标位置,依据这一物理基础,提出了一种基于粒子滤波的无源声学定位方法,以有效融合多传感器数据,进而提高定位性能。该方法将粒子滤波中的似然函数定义为粒子状态所对应不同传感器信号之间互相关输出的乘积。该似然函数的设计确保所提方法可以充分获取多传感器的处理增益。此外,所提方法摆脱了传统定位范式,因此可以规避传统定位范式必须面对的测量-跟踪关联问题。湖上试验表明,在强多途干扰的条件下,传统定位方法的平均定位误差为7.2 m,而所提方法的平均定位误差为1.2 m,具有更好的性能。     

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。     

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。     

联合多站阵元域数据的水下目标检测与跟踪

为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。     

多移动机器人的目标跟踪研究

本文主要对低温真空球罐三维可视化温度在线监测系统进行介绍,在真空球罐外罐内壁、内罐外壁、夹层、垂直支架等部位安装温度传感器,通过LabVIEW数据采集板卡实时采集温度信号,在Pro－E中建立球罐三维模型,划分网格后导入到LabVIEW环境中,将采集到的温度信号通过空间插值算法映射到模型中,直观显示真空球罐的整体温度信息,同时,通过LabVIEW三维模型场景对象属性节点和方法节点开发了模型隐藏、剖分、透视以及拾取传感器点等多样化功能,该套在线监测系统已经投入使用,整体性能表现优异,尤其是直观新颖的三维可视化操作界面受到操作人员的一致好评。     

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。     

基于自适应多特征整合的红外目标跟踪

建立有效的观测模型去区分目标与背景是实现稳健跟踪的核心。提出了一种基于多特征观测的红外目标跟踪算法。灰度特征、局部标准差特征和梯度特征均以直方图的形式描述目标外观;目标观测模型的构建则根据环境自适应权衡了以上三个特征,相应的各特征权值的动态选择通过最大化目标与其他图像区域的差异完成。在粒子滤波框架下,实现目标运动状态的估计与多特征权值的选择。真实场景实验结果表明,该算法在目标外观高动态、背景强杂波的红外目标跟踪中具有更强的稳健性。