一种基于MMPF-TBD的机动弱目标检测方法

针对低信噪比条件下机动目标实时检测与跟踪问题,提出一种改进的基于多模型粒子滤波的检测前跟踪(MMPF-TBD)方法.通过滑窗平均法判断粒子集是否受上一时刻目标估计结果的影响,当判断值超过设定阈值时,则根据上一时刻的目标检测概率与状态估计分布添加新粒子集,再用扩展后的粒子集对目标进行检测与估计,与现有方法的仿真比较表明,本丈所提的改进方法能够有效地解决粒子退化问题,并在满足系统实时性的前提下,提高了对于机动微弱目标的检测概率和跟踪精度.     

基于DS-VSMM的声网络低空机动目标跟踪

针对低空机动目标的声网络无源跟踪问题,提出一种基于有向图切换的变结构多模型算法.首先,将多个声传感器组网并对其时延的方位角数据进行配准,改善无源声探测网络的融合性能.其次,通过变结构多模型对目标状态进行估计,并利用有向图切换方法对新激活的模型分配权重,跟踪结果为多个模型估计结果的融合输出.通过与交互式多模型算法的仿真比...     

一种新的目标跟踪算法研究

当采用概率母函数将单传感器PHD滤波推广到多传感器情形时,针对计算繁琐,难于实现的问题,本丈基于集中式融合系统的有序滤波思想,提出多传感器、多目标有序粒子PHD跟踪算法,该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪.实验结果表明,当仅仅使用单传感器对多目标进行跟踪时,虚警概率较高时一些粒子会严重偏离原始目标轨迹,导致目标数目估计出现偏差,而采用多传感器多目标有序PHD跟踪可以有效减小多目标距离跟踪误差,提高跟踪精度.     

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。     

基于自适应因子化 H∞滤波的单站无源跟踪

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化 H∞滤波的单站无源跟踪算法.该算法利用 sigma 点转换和鲁棒 H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于 UT 变换的 H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性.仿真实验结果表明,本文方法通过对 UT 变换进行简化,在自适应因子化的同时,算法的计算量与基于 UT 变换的 H∞滤波基本持平,且跟踪精度优于基于 UT 变换的 H∞滤波算法.该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法.     

基于特征置信度的无源域自适应方法

由于隐私保护和数据安全等原因，传统的域自适应问题通常假设神经网络在向目标域迁移时源域数据是可读取的。假设并不总能被满足，为此提出一种无源域自适应方法，不需要读取源域数据，即可实现神经网络由源域向目标域的迁移。该方法将目标域数据依置信度的高低划分为两部分，并基于分而治之的策略设计伪标签。对于高置信度数据，直接将神经网络预测作为伪标签；低置信度数据的伪标签则由神经网络的预测和周围高置信度数据的标签共同决定，这一过程被建模为一个优化问题，由优化问题的解析解给出了低置信度数据的伪标签。为更好地估计低置信度数据的伪标签，利用在低置信度数据上的信息最大化损失促使这些数据特征具有很好的聚类结构；同时，在高置信度数据上使用自监督损失，使得高置信度数据尽可能均匀的分散在特征空间中，从而保证每一个低置信度数据周围都存在高置信度数据。实验结果表明，本文所提方法不仅超过了最新的无源域自适应方法的表现，还取得了优于传统的域自适应方法的表现。     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

集中交互式多传感器联合概率数据互联算法

为了解决杂波环境下多传感器多机动目标跟踪问题,本文提出了一种集中交互式多传感器联合概率数据互联算法。本文提出的算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,并对所有的测量组合进行有效性判断,然后应用数据压缩的方法将每个有效量测组合压缩成一个等效量测点并根据每个等效量测点的联合似然函数计算其联合互联概率,最后在此基础上应用交互式多模型算法的思想以处理目标出现机动的问题。本文最后给出了该算法的分析,仿真结果表明,本文算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题。     

基于粒子滤波的多枚声呐浮标联合跟踪定位算法

由于被动声呐浮标目标测量源的不确定性以及位置解算方程的非线性,声呐浮标联合跟踪定位面临着非线性非高斯问题,提出一种基于粒子滤波的多枚声呐浮标联合跟踪定位算法。该算法将最优贝叶斯滤波与蒙特卡洛随机采样方法相结合,在更广义的条件下实现了目标最优状态估计。算法仿真结果表明,可以较大程度的提高目标位置估计精度。     

一种纯方位跟踪中的在线式伪线性算法

针对伪线性参数估计不能进行实时状态跟踪的问题，讨论了一种新的在线式的伪线性跟踪算法．对算法的实现过程进行了推导，并应用于纯方位目标的跟踪问题中．仿真结果表明，与传统累积形式的伪线性跟踪算法相比，该算法在保证一定精度的同时，能够降低每个估计时刻的计算量，减少计算占用的资源，是一种有效的算法．     

被动声呐信号检测技术发展

水声信号检测是被动声呐系统进行目标探测所需的重要支撑技术,信号检测的性能直接影响到被动声呐系统对目标探测的能力。对被动声呐信号检测技术的研究情况进行了梳理,将其归纳为基于时域信息的信号检测技术和基于空域信息的信号检测技术两大类。在分析现有技术不足和应用需求的基础上,指出弱信号、低虚警率和有效利用水声传播信息等是被动声呐信号检测技术可能的发展方向。     

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。     

三元相关被动测距方法探讨

提出了在被动测距声纳工作背景下的三元相关被动测距方法。通过仿真分析,比较了二元极性相关、三元极性相关和三元非极性相关法在时延估计精度和目标检测性能上的差异。仿真实验结果表明,相对于二元极性相关法,三元非极性相关法在信噪比为13dB到4dB范围内的时延准确估计概率提高了6%到14%,时延估计根方差减小了5到30个采样周期,检测性能上提高了近4 dB。但三元相关法在时延估计和目标检测上所需计算量较大,需要进一步研究相应的快速算法。     

一种基于线谱特征函数提取LOFAR图线谱的方法

水声信号被动检测中广泛使用LOFAR图对接收信号进行处理和分析。针对LOFAR图中线谱信号检测问题,根据线谱信号特征设计特征函数,提出频域滑动窗线谱特征累积检测法。该方法在频率轴移动观察窗,用多步决策算法计算每个观察窗的最优解,得到最优路径,如果最优路径特征值大于阈值,则累积LOFAR图像素点被该最优路径经过的次数,次数越多对应点为线谱点的概率越大。仿真研究表明,该方法对频率时变、低信噪比的线谱信号具有良好的检测能力,可实现多根线谱的增强与检测。海试数据处理结果证明了该方法的可行性和稳健性。该算法对于辐射线谱信号的水下目标远距离探测识别有较高的参考价值。     

基于波导不变量的双阵元被动探测方法研究

利用一种水声信道统计不变特征(波导不变量)实现被动探测。采用双阵元,分别对每一个阵元接收的宽带噪声信号进行LOFAR分析,对LOFAR图利用Hough变换等图像处理方法进行参数估计,得到波导不变量和曲线(文中讨论抛物线)参数估计值,进而运用几何关系估计出运动目标的航向角、速度和距离信息。利用Matlab仿真验证了该方法的正确性。     

被动声纳方位估计的宽带盲源分离算法

针对实际被动声纳信号宽带非平稳且统计特性无法预知的特点,由宽带卷积混合模型,建立了融合时间延迟结构与非参数化特性的代价函数,通过核密度技术同时估计目标源的概率密度函数和解混矩阵,并对估计的最优解混矩阵与目标源信号求取每个频点内方位能量谱,最后累加所有子带构成宽带方位能量谱。宽带仿真结果与实际海试表明本文方法在方位分辨率和估计精度方面接近最小方差无失真响应（Minimum variance distortionless response, MVDR）和多重信号分类（Multiple signal classification, MUSIC）算法,在弱目标检测方面具有一定优势。     

一种实现目标定位与跟踪的新方法

本文介绍了一种采用圆周阵对目标声源进行被动定位和跟踪的方法，与线阵不同，圆四可对目标进行全方位跟踪，且测距精度不受目标方位变化的影响，文中给出了圆周阵的测距，测向公式，并从理论上分析了测距性能，计算机仿真结果验证了理论分析的正确性。     

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.     

被动定向浮标探潜模型研究

反潜战中,被动定向声呐浮标是一种主要的探潜手段,两枚被动定向浮标同时发现目标即可对其进行定位。研究了初始浮标阵中仅有一枚浮标能够发现目标但不能实现定位的情况下,如何通过补投被动定向浮标对目标进行定位的模型问题。根据水下目标和反潜机的运动特点,将实际中所有可能出现的情况进行了分类讨论,建立了被动定向浮标的补投模型。通过仿真分析了模型的探测效能,验证了模型的正确性和可用性,为被动定向浮标的战术使用提供了一定的理论基础。