声纳目标运动分析的测度和可观测性

目标运动分析是声纳的一个重要问题,并经过了30多年的认真研究。目标运动分析是建立在从目标信号中提取出的测度的基础上的。不同的测度会引入不同的问题,并有不同的优缺点。因而,目标运动分析可以用从目标信号中提取出的测度来刻画。目标运动分析的特点之一就是在某些态势下目标时不可观测的。为了能够有效地提取出目标参数,选择合适的测度集合和最佳观测者机动至关重要。本文详细讨论了目标运动分析问题的测度、可观测性和最佳观察者机动问题。     

一种多目标自动跟踪的逻辑关联方法

目标跟踪是被动声纳系统的主要功能之一,跟踪器为目标运动分析和目标识别等后置处理提供输入数据。声纳操作员利用人脑独特的认知模式、先验知识和视觉的迹迹相关效应,能够很好地在声纳显示方位历程图上发现目标并录取跟踪。但实际应用中由于低信噪比、航迹交叉和转向等复杂多目标情形,声纳系统实现多目标自动跟踪十分困难。给出一种多目标自动跟踪的逻辑关联方法,利用被动声纳宽带波束输出数据,通过点迹与航迹关联、航迹评价管理和交叉处理等过程,可以较好实现多目标自动跟踪。试验数据的处理结果验证了所提方法的有效性,能够在声纳装备中得到工程应用。     

被动声纳目标识别系统设计研究

目标识别是声纳的主要功能之一,其性能包括识别正确率、泛化能力和识别距离。由于数据样本的保密特性,声纳目标识别系统设计有其自身特色。在设计过程中,应首先降低对数据样本的依赖,把目标辐射噪声的机理分析、组成、运动规律等知识巧妙地运用到系统设计中;其次还应尽可能提高泛化率,以提高声纳目标识别系统对未见过的样本的正确识别能力。讨论了声纳目标识别流程、声纳目标识别系统的设计方法;在声纳目标识别系统的性能评估中,给出了目标识别距离的估算方法。     

水下TMA的数据融合方法

提出了一种新的水下目标运动分析(TMA)的数据融合方法.针对来自同一声源的不同数据测量组合后所得到的TMA估计,在EKF组合滤波器中进行数据融合,得到最终的更精确的TMA估计.仿真结果表明数据融合后的参数估计误差曲线收敛更好,估计精度明显提高.该方法能够融合所观测的多种测量数据,充分利用来自不方面的观测信息,从而得到精度更高的目标运动参数估计结果.     

分布式MIMO声纳中运动目标参数快速估计

分布式MIMO声纳由于自身的优点而成为当前研究的热点,但常规的目标参数估计方法均存在着一定的缺陷,无法满足分布式MIMO声纳的要求.针对这种情况,本文提出一种适用于分布式多输入多输出(MIMO)声纳中使用单接收阵元的运动目标参数快速估计方法,给出了单接收阵元情况下的信号模型,提出了快速估计方法并给出了流程图,并通过数值...     

状态最优估计融合算法在伺服系统中的应用

针对如何提高伺服系统多传感器测量数据的可信度,提出了一种状态最优估计融合算法。该算法依据Bayes后验估计理论,把求n个测量数据的状态最优估计转化为求出满足Y(需要测量的状态值)的最大后验概率maxP(Y|E)的估计值Y(E?)的问题,求得多传感器对同一目标的状态测量值的最优值,来提提高伺服测量数据的可信度。该算法应用到具有三种传感器的伺服系统中,实验结果证明,系统能持久稳定、高精度地跟踪运动目标,大大提高了系统的稳定性。     

一种机动目标位置自适应估计模型

目标运动模型是机动目标跟踪的基本要素之一。现有的机动目标运动模型有的无法自适应目标运动模式,有的模型复杂,计算量较大。根据牛顿运动定律、声纳目标加速度短时间内一般不会剧烈变化的特性和高阶马尔可夫过程,推导出了适应于加速度渐变、不变等多种机动形式的声纳机动目标位置自适应估计模型。该模型采用单一的状态变量,不存在状态耦合,因此模型简单,计算实时性强。通过对不同运动模式的目标数据进行仿真估计,证明了此估计模型的正确性和自适应性。     

被动定向浮标阵卡尔曼滤波目标跟踪研究

文章研究利用被动定向浮标阵定位跟踪水下机动目标的方法,基于卡尔曼滤波(Kalman Filter, KF)原理提出一种定位跟踪滤波器的具体实现方法。该方法能够整合多枚浮标现在及过去有误差的测量数据,提高定位精度,同时连续输出水下目标运动参数估计从而锁定目标运动轨迹。该方法实现的关键在于建立水下目标与浮标阵的数学迭代运算模型,包括状态空间的动态与观测过程。由于被动定向浮标阵目标跟踪是一个非线性估计问题,而卡尔曼滤波器是线性的,因此文章设计了近似的线性观测方程以利用卡尔曼滤波来解决这个问题。通过计算机仿真研究该滤波器的跟踪效果并与最小二乘法进行比较,估计精度明显高于最小二乘法。同时通过仿真验证该滤波器可以自适应跟踪目标的非稳态运动过程。该方法在工程实践上具有一定应用前景与指导意义。     

水下机动目标跟踪技术研究

水下目标跟踪是海洋国土监视、反潜战等环境下的关键技术。以往的跟踪滤波算法主要基于卡尔曼滤波、扩展卡尔曼滤波等算法,这些方法实现比较复杂,滤波精度不高。最近出现了不敏卡尔曼滤波、粒子滤波、转换瑞利滤波、双多基地跟踪算法等,需要研究这些算法在水下目标跟踪中的性能。总结对比了国内外学者在此领域的研究成果,得出了这些滤波算法在水下目标跟踪中的优缺点。重点论述了纯角度跟踪和非线性滤波算法的发展、在水下目标跟踪中的应用以及多基地声纳跟踪水下目标技术的发展,回顾了机动目标跟踪和多目标数据互联算法。研究表明,非卡尔曼滤波算法能够更高精度地跟踪水下目标,双多基地声纳是今后发展的重点。为今后的研究提供参考。     

倒谱和复倒谱在被动声纳目标识别中的应用

基于声纳员的感受被动声纳可以认为是一个发声体,这个发声体可以表示为激励噪声源与发声体冲激响应的卷积。在这种情况下,使用倒谱和复倒谱的形式分析被动声纳目标噪声的时域特征,得到的目标特征不够明显,因此提出了利用指数倒谱和指数复倒谱的频谱特性来提取目标噪声的特征,进行分类识别。设计了BP神经网络分类器,利用实测数据对三类目标进行分类。分析比较了两种方法的分类结果,验证了基于倒谱和复倒谱的指数运算的被动声纳目标特征提取方法的可行性。     

Three dimensional passive underwater target motion analysis using correlated data fusion

In this paper a new method of passive underwater TMA (target motion analysis) using data fusion is presented. The findings of this research are based on an understanding that there is a powerful sonar system that consists of many types of sonar but with one own-ship, and that different target parameter measurements can be obtained simultaneously. For the analysis 3 data measurements, passive bearing, elevation and multipath time-delay, are used, which are divided into two groups: a group with estimates of two preliminary target parameter obtained by dealing with each group measurement independently, and a group where correlated estimates are sent to a fusion center where the correlation between two data groups are considered so that the passive underwater TMA is realized. Simulation results show that curves of parameter estimation errors obtained by using the data fusion have fast convergence and the estimation accuracy is noticeably improved. The TMA algorithm presented is verified and is of practical significance because it is easy to be realized in one ship.     

一种水下被动目标运动分析与仿真

文章讨论了一种水下运动的目标和观测平台在不同平面的三维情形下,被动目标运动分析与仿真问题,文中从声呐测量的方位角、爷角和频率的数据入手,采用伪线性估计、最大似然估计两种不同的方法,对水下被动TMA问题进行了研究,并分析了两种不同方法的状态参数估计的误差特性。仿真结果表明：由于增加了观测的信息量,上述方法均能得到较好的参数估计结果,且伪线性估计方差向CRLB界接近。上述方法可推广到目标和观测平台处于同一平面的二维情形。     

利用空间填充曲线和灰度分布估计的声图分割

针对声图中的目标分割问题,提出了一种利用空间填充曲线和灰度分布估计的声图目标分割方法。该方法首先利用空间填充曲线将声图由二维矩阵变换为一维向量;其次在一维空间下进行滤波、灰度分布估计、阈值计算、分割处理;最后将分割后的一维向量逆变换为二维矩阵,得到目标分割结果。实际的声图处理验证了方法的有效性。     

一种被动双阵航迹关联新方法

在被动系统中。多传感器多目标数据关联一直是一个难解决的问题。对静态数据关联多维指派“组合爆炸”问题，许多外学者提出了像最小距离法、最大似然算法等多种解决方法，但它们或正确相关率较低，或计算量较大。基于上述问题，提出了一种基于运动目标在时间上具有连续性的先验知识的新的航迹关联算法，该算法根据数据列之间发展态势的相似或相异程度来衡量航迹间接近的程度，使航迹关联问题突破了样本容量和典型分布这两条限制。仿真结果表明该算法计算量小，正确关联率高，具有较高的工程应用价值。     

水下小目标合成孔径声呐层析成像技术研究

水下小目标精细成像对于正确识别水下目标具有重要意义。目前,多波束成像声呐和条带合成孔径声呐是获取水下小目标图像的主要手段。水下目标的判别主要利用了目标图像的亮点特征,即使是同一目标从不同方位观测时得到的结果也可能差异较大,这给快速识别确认目标带来了困难。为解决该问题,提出了利用圆周合成孔径声呐对水下小目标进行水声层析成像信号处理方法,提高了声呐的多角度融合观测能力。仿真及试验数据处理结果表明,合成孔径声呐层析成像方法能够获得目标外形轮廓精细特征,有利于水下小目标的正确识别。     

声呐目标跟踪关联中的模糊关联方法

声呐目标跟踪关联是为了获得精确的状态和属性估计、完全和实时的态势和威胁评估。在多台声呐系统联合探测中,根据相同目标、不同观测具有相似特征,提出了声呐目标模糊关联算法。模糊关联能够处理模糊性和不确定性信息,求解具有相似特征目标的关联值。通过将探测目标的方位数据模糊化,利用观测的模糊量和模糊隶属度函数进行数据关联,计算关联时长内两台声呐探测目标方位的关联值,仿真分析验证了上述算法的有效性并取得了较好的实验效果。     

Simulation study of passive target motion analysis

In this paper, the problem of underwater passive target motion analysis (TMA) in three dimensions is discussed using the measurements of passive bearings and elevation and frequency on the condition that acoustic source and observer are in different horizontal planes. Simulation results with both of the PLE (pseudo-linear estimation) and MLE (Maximum likelihood estimation) show that the TMA method is effective in oceanic environment. Its error covariance curves tend to its Cramer-Rao lower bounds.     

基于空间平滑的多波束测深声呐相干分布源方位估计

在多波束测深声呐的工作环境中,若海底反向散射信号不满足点源假设,方位估计精度将严重下降,而基于分布源模型的方位估计算法可以适应这种环境。目前,大多数分布源算法要求分布源之间不相干,有人提出采用Toeplitz方法估计相干分布源,但该方法精度不高并且忽略了角度扩展参数。为解决多波束测深声呐相干分布源的方位估计问题,提出了基于空间平滑的广义MUSIC方法,公式推导证明了算法的有效性,通过计算机仿真给出算法方位估计的精度以及不同信噪比条件下的性能,最后采用多波束测深系统的实验数据对算法进行了验证。