多级背景均衡在多波束LOFAR处理中的应用

被动声纳检测中背景均衡通常是沿着频率或者方位对噪声进行均值估计。为了提高多波束窄带检测能力,需采用一种新的背景均衡方法来估计噪声的均值。针对水下目标辐射噪声的线谱横跨相邻多个波束,将多级背景均衡应用到被动多波束窄带检测中。它是根据所选择的数据窗,沿着频率和方位对多波束LOFAR图进行两维的背景均衡处理。该方法能够有效地抑制目标方位相邻波束线谱,提高多波束LOFAR图中窄带信号检测能力。海试数据处理结果表明,该方法不仅有效,而且计算量小。     

起伏背景下目标噪声线谱检测与频率估计

针对传统的水下目标辐射噪声线谱检测与频率估计方法所存在的不足,提出一种起伏背景下的水下目标辐射噪声线谱检测与线谱频率估计的方法。通过对观测数据的预处理,滤除目标辐射噪声起伏趋势项,再分别使用FFT方法和修正的Newton-Raphson迭代法来实现对目标辐射噪声线谱频率的粗略估计和精确估计。仿真结罘表明,该方法计算量较少,提高了检测概率和频率估计精度,且频率估计值的均方根误差较传统的周期图方法更接近Cramer-Rao界。     

水下航行器空化噪声偏度和峰度分析

空化是水下高速航行器在进行总体设计时需要考虑的重要因素。对空化产生的噪声特性进行研究有助于水下航行器航行性能和目标检测能力的提高。文章首先介绍了空化噪声的形成机理和数学模型,然后基于实测数据对空化噪声相应的统计特性进行了分析,计算了典型的单个声脉冲形式的空化噪声的概率分布、偏度和峰度,对比分析了无空化发生与空化发展比较充分条件下实测空化噪声的偏度和峰度特性。结果表明,在空化充分发展时水下航行器空化噪声具有明显的非高斯特性,其偏度和峰度值明显大于理想高斯噪声或者实际的海洋环境噪声。有利于提高空化条件下水下航行器对目标辐射噪声检测的准确性以及检测系统的环境适应能力。     

基于卡尔曼滤波的单目标后续检测与跟踪方法

研究了水下高速运动平台下的目标被动检测与跟踪,提出一种新的单目标纯方位检测与跟踪方法。基于卡尔曼滤波,建立航行器与目标的相对运动方程,充分利用相继目标方位观测量间的相关性,提高目标检测能力,并完成对目标的有效跟踪。通过计算机仿真将此方法与传统的目标检测跟踪方法进行了对比,结果表明在由于信噪比过低导致出现假目标观测值时,传统方法会导致跟踪结果发散,而采用文中方法仍能对真实目标进行有效跟踪。     

波浪滑翔器声学应用分析

波浪滑翔器作为一种跨界面无人自主航行器具有独特的优势,既可以作为水下与水面通信的中继节点,又可以搭载观测设备在大洋上长期自主航行,实现长时序、大范围观测。利用波浪滑翔器搭载声学负载组成声学探测节点,由多个节点按一定的轨迹运行组成特殊接收阵型可以提高水下目标检测概率。文章利用波浪滑翔器搭载自容式水听器在青岛近海开展了海上试验,评估了波浪滑翔器的本体噪声特性,验证了其搭载声学负载的可行性。试验过程记录了环境噪声、波浪滑翔器运行过程中产生的自噪声以及附近海域的哺乳动物的声信号。通过分析波浪滑翔器运行原理以及岸上实际模拟,给出了波浪滑翔器不同本体噪声产生的机理,在此基础上给出了消除波浪滑翔器机械噪声的建议,并给出了合理的声学负载拖曳方案。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足，提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计，动态补偿线性化带来的误差。算法的对比仿真分析结果表明，AEKF较之EKF滤波效果有所改善，增强了稳定性，提高了精度，为ST纯方位被动目标跟踪的实现提供一种新的方法。     

一种声速-位置联合估计的水声导航定位方法

长基线水声导航定位方法利用各信标到水下航行器的信号传播时间和等效声速来估计水下航行器的位置,但各信标到水下航行器的等效声速估计存在误差,导致定位误差较大,且随着导航距离的增加,定位误差呈增长趋势。针对这一问题,提出了一种基于粒子滤波的水声导航定位方法,将等效声速和水下航行器的位置作为估计状态参量,通过测量信标信号到水下航行器的传播时间,建立粒子滤波模型对其位置进行估计,准确地估计并跟踪等效声速变化,从而提高定位精度,减小估计误差。仿真结果表明,在水下航行器初始位置未知的情况下,与常规方法相比,文中所提方法的定位精度提高了4倍左右。     

双平行线阵的水下二维DOA估计算法

利用集群自主式水下航行器（Autonomous Underwater Vehicles,AUV）进行的水下协同作业的需求越来越多。对于水下集群作业来说,AUV的水下定位非常重要。目前,AUV通常采用声学定位的工作模式,利用长、短基线阵对水下目标的二维波达方向（Direction of Arrival,DOA）进行估计,但在小型AUV上,基阵的阵列尺寸等受载体体积和换能器尺寸的共同限制,多信源条件下DOA估计的精度不高。设计低功耗平台,采用双平行线阵及传播算子算法来对多源目标进行二维DOA估计,结合通信与声学定位一体化方法,利用高频通信信号作为定位信号源,实现多信源环境中估计角度自动配对,在阵列尺寸受限的小型AUV上布放时,有较好的DOA估计效果。仿真结果验证了该方法的有效性。     

水下航行器声振特性的统计能量法研究

针对有限元法和边界元法难以分析结构的中高频声振特性,采用统计能量分析方法,建立了带动力设备的水下水下航行器结构机械噪声预报模型.通过理论和试验相结合的方法确定水下航行器结构统计能量分析模型的基本参数,对水下航行器结构在宽频带范围内的水下振动和声辐射规律进行了分析与研究.     

基于GPS/MATLAB的AUV路径优化分析

介绍一种基于全球定位系统(GPS)的水下航行器(AUV)路径定位的控制系统设计方法。鉴于水下航行器在自主路径规划上出现偏差,水下航行器利用STM32型ARM微控制器与GPS数据交换,并通过GPS反馈数据与MATLAB规划路径结合和STM32均值处理,调整出合适的运动轨迹并进行了精度分析。实验结果表明:控制器设计的行驶轨迹符合期望且精度较好;基于GPS路径优化精度得到明显提高,为纠正路径规划偏差提供了一种参考方法。     

复杂非均匀背景下的鲁棒声呐恒虚警检测算法

针对复杂非均匀水下环境中目标检测问题,提出了一种基于背景统计特性的鲁棒声呐恒虚警(Background Statistical Characteristics based Robust Sonar Target Constant False Alarm Ratio,BSCR-CFAR)检测算法。该算法将自动删除平均级检测(Automatic Censored Mean Level Detection,ACMLD)和排序统计恒虚警(Order Statistic CFAR,OS-CFAR)检测算法引入可变指数恒虚警(Variability Index CFAR,VI-CFAR)检测算法中,并通过评估背景特性,自适应选择更匹配的CFAR检测方法。仿真和声呐实测数据分析结果表明,相比较单元平均恒虚警(Cell Average CFAR,CA-CFAR)、单元平均选大恒虚警(Greatest of CFAR,GO-CFAR)、单元平均选小恒虚警(Smallest of CFAR,SO-CFAR)和OS-CFAR、VI-CFAR等检测算法,该算法在混响边缘、混响区、单/多强离散干扰等典型非均匀背景下的恒虚警检测保持了良好的鲁棒性。     

低频脉冲信号的频域恒虚警检测

为提高低频背景噪声中弱声呐脉冲信号的检测能力,给出了一种频域恒虚警检测方法。该方法针对低频背景噪声平稳性较差、起伏较大的特点,将频域中峰值点或极值点认为是疑似脉冲信号,通过对疑似点能量与历史背景进行比对的方式完成脉冲信号的检测判决,并且给出了相应的检验统计量获取方法、背景噪声估计方法和恒虚警检测门限的计算方法。仿真分析和实际数据处理结果表明,频域恒虚警检测方法对单频脉冲、单频-线性调频组合脉冲等包含窄带成分的弱声呐脉冲信号有非常好的检测性能。     

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection, LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle, ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。     

Analysis of an automatic sinusoidal detector with FFT and cell‐averaging processor

Abstract

A sinusoidal detector with adaptive thresholding CFAR (constant‐false‐alarm‐rate) processor operating in noise of changing statistics is analyzed for some very general situations. The detector contains FFT and a cell‐averaging processor, which can be easily implemented for real time applications, such as in pulse doppler radar. For signals in stationary noise in particular, the second‐order statistics of the FFT‐based periodogram of the windowed data are derived. In the AWGN case, this detector possesses the desired CFAR characteristics. For Gaussian colored noise, the detector performance is derived analytically with certain reasonable approximations. It is shown from some numerical examples that in this case the variation of the false alarm probability with respect to the unknown sinusoidal frequency and noise spectrum is not significant, which reveals the property of robustness. Moreover, the detection probability is satisfactory for most cases.     

合成孔径雷达图像的恒虚警率目标检测

目的　对合成孔径雷达 (SAR)图像实施恒虚警率 (CFAR)目标检测 .方法　利用 K-Gamma和Weibull分布的杂波模型分别对海面和陆地的人造目标实施检测 ;同时 ,对不同杂波背景下 CFAR检测方法进行比较 .结果与结论　通过检测结果的比较 ,证实了 K-Gamma分布和 Weibull分布分别适合于海面和陆地杂波背景下的目标检测 ;在非均匀杂波背景中 ,有序统计量 (OS)较单元平均 (CA)方法具有优越性     

Network Intrusion Detection Using CFAR Abrupt-Change Detectors

In this paper, the constant false alarm rate (CFAR) detectors are proposed for network intrusion detection. By using an autoregressive system to model the network traffic, predictor error is shown to closely follow a Gaussian distribution. CFAR detector approaches are then developed on the prediction error distribution. In the present study, we consider the optimal CFAR, the cell-averaging CFAR, and the order statistics CFAR. The use of these CFAR techniques can significantly improve the detection performance. In addition, we propose the use of fusion of these CFAR detectors by using Dempster-Shafer and Bayesian techniques. Computer simulations based on the DARPA traffic data show that the proposed approach achieves higher detection probabilities than the conventional detection method. Even under different types of attacks, the intrusion detection performances based on the proposed CFAR detectors shows consistent improvement.     

水下小孔径阵列远程目标检测方法研究

匹配滤波器频域自适应线谱增强方法是一种基于递归算法的非线性滤波技术,它大大提高了匹配滤波器的检测性能。针对当前该技术使用窄带信号作为发射信号存在可利用的带宽有限,不能充分发挥自适应线谱增强器性能的问题,文章提出将该技术与宽带信号相结合来检测远程目标。仿真显示,该方法在低信噪比条件下获得了较高的信噪比增益和检测概率。海试数据处理结果表明,该技术的处理增益较传统方法高6.24 dB。该方法的高处理增益适合应用在水下无人平台上,弥补了小孔径阵列空间增益不足的缺点,可以实现远程目标的检测。     

极化合成孔径雷达图像船舶目标检测算法

结合区域划分和结构检测模板提出了改进极化白化滤波(IPWF)算法,利用IPWF算法融合极化合成孔径雷达(POL-SAR)中各极化通道图像,同时抑制相干斑,然后利用双参数恒虚警率(CFAR)检测方法对融合后的图像进行船舶目标检测.本文利用香港地区SIR-C全极化单视复数据进行了实验,结果表明IPWF算法更好地降低了相干斑因子,提高了船舶目标的检测率、控制了虚警率,同时可以更好地保持船舶目标的结构信息.     

一种恒虚警线谱检测算法研究

提出基于高低分辨率功率谱匹配度估计的线谱检测算法,该算法对信号分别进行高分辨率功率谱估计和多段低分辨率功率谱估计,然后以高分辨率功率谱估计为模板,用多段低分辨率功率谱估计进行校验的方式进行线谱检测。基于单频信号加高斯白噪声假设条件,理论上导出该检测方法的检测率和虚警率,并进行了仿真验证。与传统的线谱检测方法相比,该线谱检测算法不需要预知噪声功率谱,且具有恒虚警的特点。在车辆目标远距离声学检测应用中,该检测算法具有较好的检测性能。     

Performance analysis of ordered-statistic greatest of-constant false alarm rate with binary integration for M-sweeps

The performance of the ordered-statistic greatest of (OSGO) constant false alarm rate (CFAR) scheme with binary integration for M non-coherent sweeps in Weibull background was investigated for homogeneous and non-homogeneous backgrounds, with an assumption of known shape parameter. This kind of processing is based on the fact that the clutter can be segmented in regions in many real radar scenarios where a timevarying two-parameter distribution function family can be fitted, but the clutter power may vary locally inside the region. Under the assumption of known shape parameter, the authors examined the changes of the false alarm rate and detection probability of the OSGO-CFAR with binary integration when the shape parameter differs from the nominal one, and compared them to those of the OSGO-CFAR with single pulse processing. The authors have derived analytic expressions of the detection probability and false alarm rate during clutter power transitions for the OSGO-CFAR with binary integration in Weibull background. It is shown that the OSGO-CFAR with binary integration can not only improve the detection performance significantly, but it also control the rise of the false alarm rate at clutter edges more effectively compared to the OSGO-CFAR with single pulse processing. Moreover, it exhibits a good immunity to the variation of the shape parameter.