水下目标多亮点回波仿真及应用研究

水下目标回波的亮点结构是重要的目标特征,因此,水下目标亮点特征的提取也是主动探测系统进行目标识别与跟踪的主要内容.该文研究了水下目标亮点的结构模型及亮点回波信号模型,重点分析了窄带系统中目标亮点回波信号的幅度、时延、频移以及相位的仿真计算方法.配合波束形成、参数估计及弹道逻辑,实现了对水下目标进行动态跟踪的仿真弹道,并给出了仿真实例.该仿真方法已经在水下武器仿真系统中得到了很好的应用,具有重要的使用价值.     

水下声自导武器目标跟踪方法研究

水下声自导武器采用主动方式检测、跟踪目标时,目标跟踪过程表现为一个动基座时变过程,难以直接运用卡尔曼滤波进行目标跟踪。利用水下声自导武器导航定位及航行姿态参数和水下声自导武器检测到的目标信息,通过坐标变换将目标坐标从水下声自导武器坐标系变换到大地坐标系解决了观测基座运动的问题,通过每次观测时间实时计算每次观测的采样时间解决了观测时变问题,建立了基于自适应衰减记忆卡尔曼滤波的水下声自导武器目标跟踪模型,给出了滤波初值选取的工程方法,仿真实验证明该模型正确,跟踪算法能够在10次观测内实现对目标的跟踪,具有较强的机动目标跟踪能力,算法收敛速度较快。     

基于水下传感器网络的目标跟踪技术研究现状与展望

水下目标跟踪在海洋资源的开发利用以及国家安全的防御等方面都具有广泛的应用价值和重要的战略意义. 基于水下传感器网络(Underwater sensor networks, USNs)的目标跟踪技术凭借其覆盖范围广、观测时间长和实时融合等优势已经成为一个新的研究热点. 本文针对基于USNs的目标跟踪关键技术的基本思想、研究进展、应用及局限性进行了综述, 主要从以下几个角度对其展开论述: USNs的建设现状、系统组成及其分类、目标跟踪系统模型、单目标跟踪技术、多目标跟踪技术以及能效优化措施. 最后, 本文不仅指出了基于USNs的目标跟踪研究目前存在的主要挑战, 并对该领域的未来发展方向进行了展望.     

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(STMEF-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。     

融合视觉深度的特征计算与水下目标跟踪

目的：受水下复杂光学环境以及水下运动目标特性影响,水下视频图像中难以获取准确的目标特征,也难以准确预测目标空间尺寸,使得目标跟踪过程中跟踪窗偏移量较大且无法准确地包络目标区域。本文提出一种新的以视觉深度信息为核心的目标特征计算和跟踪方法。方法：首先,基于暗原色先验计算视觉深度信息,提取目标的空间位置特征;然后,基于深度信息对水下图像进行去光幕及色彩恢复,增强图像目标特征,最后,在贝叶斯滤波框架下对水下目标进行跟踪,同时结合目标深度信息及尺度变化规律自适应调整跟踪窗口大小。结果：实验结果表明,本文提出的方法能够根据视觉深度信息准确计算目标特征并优化跟踪窗口,实现对水下目标的自适应跟踪。结论：本文提出了一种新的水下目标跟踪方法,以视觉深度信息计算为核心。实验结果验证了该方法在水下目标自适应跟踪方面的鲁棒性,可适用于各种非线性非高斯水下目标跟踪框架中。     

不完全量测下的水下纯方位系统目标跟踪算法

针对观测器探测概率小于1的不完全量测情况下的水下纯方位系统的目标跟踪问题,提出了不完全量测下的基于扩展卡尔曼滤波的目标跟踪算法。首先,建立不完全量测情况下的水下纯方位目标跟踪数学模型;其次,在数据出现不完全量测时,采用前一次的更新值对缺失数据进行弥补并完成滤波;最后,采用最优理论性能下界(CRLB)和均方根误差(RMSE)这两种评价准则对此算法进行评估。仿真实验结果表明:在不完全量测下的水下纯方位系统的目标跟踪问题中,所提出的基于扩展卡尔曼滤波的目标跟踪算法在保证预期跟踪精度的前提下,具有较高的实时性。     

基于PF和UKF的水下目标运动估计方法研究

针对无人水下航行器（UUV）目标跟踪控制需求,分别提出了水下目标的粒子滤波（PF）和无迹卡尔曼滤波（UKF）运动估计方法,建立了目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了建立了目标的典型运动模型和非线性随机运动模型,利用前视声呐实测实验数据,完成水下目标运动估计。通过与扩展卡尔曼滤波器（EKF）的目标运动估计对比仿真实验,验证了PF和UKF两种目标运动估计方法的有效性。     

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。     

基于声呐图像的水下目标检测、识别与跟踪研究综述

水下目标检测、识别和跟踪是具有重要意义的热点研究问题,在军事和民用领域都有重要的应用.鉴于此,对基于声呐图像的水下目标检测、识别和跟踪原理、方法以及典型算法的研究进展进行全面阐述.首先论述基于声呐图像的水下目标检测、图像去噪、图像分割等方面的主要进展以及典型算法和算法扩展;然后对水下目标声呐图像识别中的特征提取、特征分类方法和主要技术难点进行讨论;最后阐述基于水声信号处理和声呐图像信息的水下目标跟踪方法和算法.通过对水下目标处理过程各个过程的深入讨论和对比分析,指出基于声呐图像的水下目标检测、识别和跟踪中急需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做进一步的展望.     

欠驱动水下航行器三维直线航迹跟踪控制

针对欠驱动水下航行器的三维直线航迹跟踪控制问题,基于虚拟向导建立了三维航迹跟踪误差模型,采用反馈增益反步法设计航迹跟踪控制器,通过合理选择控制器参数消除了部分非线性项,与传统反步法设计相比简化了虚拟控制量的形式,并且能够避免基于视线法设计导引律时存在固有奇异值点的问题.基于李雅普诺夫稳定性理论分析了闭环跟踪误差系统的渐近稳定性.最后将设计的控制器应用于欠驱动水下航行器进行仿真实验,结果表明控制器具有精确的三维航迹的跟踪能力,并对外界干扰和模型参数不确定性具有较好的鲁棒性.     

基于DSP的多目标方位估计并行处理软件的设计

在水下目标检测和跟踪系统中,多目标方位估计算法起着重要的作用,MUSIC算法是最具代表性的方法;为了满足目标方位估计对高速实时并行处理技术的要求,针对水下阵列信号处理的实际应用,采用有效的并行算法和并行结构来减少运算量,设计并研制了一种基于4片ADSP-TS101S的多处理器并行实时处理系统;经过对算法的运算时间和方位估计的性能进行分析,表明该系统提高了处理效率,解决了阵列信号处理中大运算量的高速实时处理的问题,具有良好的方位估计性能和实时处理能力,满足工程实际需求。     

基于矢量信号处理的水下目标定位和跟踪设计

通过仿真实验,提出基于矢量信号处理的水下目标定位和跟踪设计.以传统的三元对称阵和单站纯方位目标被动测距方法为基础,根据被动测向得到的目标方位信息,利用三个矢量传感器阵元组成联合测量阵,进行水下目标的被动定位和轨迹跟踪.考虑现场实际测量情况,对目标测向得到的方向信号就时间延迟进行补偿,提高了水下目标被动定位和跟踪的精度及可靠性.仿真实验说明,设计实际操作性好,能够对目标进行更加理想的跟踪定位.     

Study and implementation of an EKF GIB-based underwater positioning system

The paper addresses the problem of estimating the position of an underwater target in real time. In the scenario adopted, the target carries a pinger that emits acoustic signals periodically, as determined by a very high precision clock that is synchronized with GPS, prior to system deployment. The target is tracked from the surface by using a system of four buoys equipped with hydrophones and electronic circuitry that measures the times of arrival of the acoustic signals emitted by the pinger or, equivalently, the four target-to-buoy range measurements (a commercial version of this setup is the GIB system). Due to the finite speed of propagation of sound in water, these measurements are obtained with different latencies. The paper tackles the problem of underwater target tracking in the framework of extended Kalman filtering by relying on a purely kinematic model of the target. The paper further shows also how the differently delayed measurements can be merged using a back and forward fusion approach. A measurement validation procedure is introduced to deal with dropouts and outliers. Simulation as well as experimental results illustrate the performance of the filter proposed.