声诱饵干扰主动声纳浮标声探测效能分析

根据主动声纳方程和声探测效能,建立了主动声纳浮标的探测概率模型,研究了声诱饵作用时主动声纳浮标的有效探测距离和定位精度,得出了声诱饵干扰主动声纳浮标的仿真结果。仿真结果表明,声诱饵对抗主动声纳浮标具有一定的效果。     

一种新的单枚被动定向浮标目标定位方法

为解决单枚被动定向(DIFAR)浮标目标定位的问题,提出一种新的DIFAR浮标目标定位方法。该方法针对下一代新型高性能浮标处理平台,在使用目标方位数据同时,充分利用目标的多普勒信息,实现了单枚DIFAR浮标对目标的发现、定位、追踪。在计算目标参数时,新算法利用多次测量数据,以最小二乘原理,进一步提高了目标参数的计算精度。仿真结果表明了新算法的正确性。整个算法简单、稳定,易于工程实现,克服了传统算法至少需要2枚DIFAR浮标参与才能完成目标定位的缺点。     

一种多基地声纳的联合估计定位算法

为了改善双基地声纳在某些区域(如基线区、发射和接收站的侧边区)定位性能,最有效的方法就是增加发射和接收站的数量,形成多基地声纳系统.而目前较成熟的多基地算法的测量子集都包含3个测量量,基于此提出了一种将基于波达时间的多基地声纳定位算法(TOL)和基于方位测量的多基地声纳定位算法(BOL)的测量子集进行联合估计,并将这种新算法与包含6个测量量的测量子集的多基地声纳定位算法做比较.仿真结果证明,提出的联合测量子集定位算法的定位精度要比多基地TOL、BOL以及多个测量的多基地声纳定位算法的定位精度都要高.     

一种改进的逆合成孔径声纳距离-瞬时多普勒成像方法

介绍了基于时频分析的逆合成孔径声纳距离-多普勒成像的数学模型，并针对传统时频分析方法中交叉项对成像质量的影响，使用了新的时频分析方法，从而较好地抑制了交叉项的干扰。数字仿真结果表明，该改进方法是可行的。     

一种遗传模糊神经网络算法及其在舰船声纳目标识别中的应用

针对常规模糊神经网络的不足之处,设计一种用遗传算法确定其网络权值和系统参数的算法,先确定编码,通过交叉、变异、定义适值函数等步骤实现.将该算法应用于舰船声纳目标识别实例之中,实验结果表明,经遗传算法的优化搜索,该算法比一般的模糊神经网络训练方法有更高的学习效率,具有实用意义.     

分布式目标方位估计的一种改进算法

在分布式目标方位估计中,若不同的分布源相干,则一般的分布式目标方位估计算法很难将其区分,另外,要进行准确的方位估计,一般的估计算法往往要求较高的信噪比.文中提出了一种对现有的谱峰搜索算法进行改进的方法,实验证明,改进后的算法可以解决相干源的方位估计问题并可在较低信噪比下进行方位估计.     

一种基于TDOA时差法声被动定位算法研究

文中用TDOA测量,提出了一种定位机动目标的最大似然-卡尔曼滤波算法.首先根据高斯牛顿法推导出最大似然估计实现对固定目标的静态定位,然后根据目标机动模型把得到的连续的固定目标位置估计作为卡尔曼滤波的观测输入实现对目标的精确定位.仿真结果表明这种算法有较好的定位跟踪效果.     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法,首先将视频序列中的一整幅画面进行分割,对分割产生的每块图像进行连续检测,一旦检测到有变化,即提取运动目标。接着将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,由此提高运动目标检测的效果。     

移动机器人的卡尔曼滤波定位算法改进与仿真

针对传统卡尔曼滤波算法和扩展卡尔曼滤波算法应用于移动机器人定位系统时出现的误差值较大和算法发散现象,在定位算法中引入修正因子对状态估计方程进行优化.分析传统卡尔曼滤波和扩展卡尔曼滤波的定位算法原理,研究运动过程中驱动力和摩擦力对移动机器人的影响,引入修正因子改进卡尔曼滤波算法,并对传统卡尔曼滤波算法、扩展卡尔曼滤波算法和改进算法做仿真对比和研究.仿真结果表明:修正因子对传统卡尔曼滤波算法和扩展卡尔曼滤波算法都具有改进效果,能提高定位精度.     

基于非线性最小二乘的双基地声纳定位优化算法

双基地声纳定位是一种重要的定位方法,采用优化算法来提高定位精度是其重要的研究内容。本文采用了将双基地声纳定位方程转化为非线性最小二乘(NLS)问题的技术方法,并后置最优化方法LMF算法,研究了基于多基地接收源的目标定位性能和定位精度的几何稀释(GDOP),给出了定位误差分布。通过数值仿真,研究了不同基线长度时双基地声纳的定位精度,并将NLS拟和算法的多接收源定位性能与纯时间估计定位性能进行了比较。研究表明,本文的基于多基地接收源的目标定位方法相对于纯时间估计定位方法提高了定位精度,特别是在相对短的基线(7.4 km基线长度)情况下,可提高30%的精度。该研究为最优化方法在水声定位中的应用提供了依据。     

一种基于单移动GPS智能浮标的AUV导航方法

针对传统全球定位系统（GPS）辅助自主式水下航行器（AUV）导航的局限性,给出了一种基于单移动GPS智能浮标（GIS）的自主水下航行器（AUV）导航方法。利用超短基线（USBL）原理设计了AUV导航天线,通过该导航天线测量GIS与天线上水听器间的角度和距离,并由两者的向量关系和GIS的坐标位置导出了系统的量测方程。应用标准卡尔曼滤波（KF）解算水听器的坐标,进而求得AUV的位置坐标。仿真结果表明,该导航方法能较好地克服GPS在水下导航中的局限性,具有机动性好、隐蔽性强等优点,研究成果有望为AUV远程精确定位、路径规划和多AUV协同导航等方面提供理论基础。     

基于声信息的匀加速目标快速目标运动分析解算

目前水下目标运动分析（TMA）基本上以目标作匀速运动为前提进行研究,而少有以目标做匀加速运动为前提的TMA解算研究。提出一种在观测平台不机动时求解匀加速直线运动目标参数的内点-Levenberg-Marquard解算方法,并结合多普勒效应双模型与解算方法,提出一种参数搜索优化方法,使得求解参数的过程快速收敛。仿真结果表明,所提解算方法能够有效地求解匀加速直线运动目标的运动参数,并且降低了对本艇机动的依赖程度。     

基于塔型对偶树方向滤波器组的弱小目标背景抑制方法

复杂背景抑制是红外监视告警系统探测远距离目标的一个难题,提出了一种将塔型对偶树方向滤波器组与改进的视网膜皮层理论相结合的弱小目标背景抑制方法。首先,采用塔型对偶树方向滤波器组对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征;然后,根据目标和背景杂波信号的差异,通过应用改进的视网膜皮层理论公式调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背景的目的。与二维最小均方误差和最大中值滤波方法相比较,实验结果显示该方法能有效地检测出信杂比在1.6以上的目标。     

基于观测域平方根UKF的机载无源定位算法

针对机载无源定位存在滤波稳定性差、收敛速度慢、定位精度低等问题,提出一种观测域平方根UKF滤波算法,新算法充分利用了观测域滤波的自动解耦功能和平方根UKF良好的数值稳定性及非线性滤波能力,并通过最小偏度单形采样的UT变换减少了算法在状态域与观测域之间转换时存在的舍入误差,同时也提高了算法的运行效率。仿真结果表明新算法提高了滤波稳定性、收敛速度和定位精度。     

基于卡尔曼滤波的水下近距目标运动分析

为跟踪水下近距目标,设计采用被动声纳平台获得目标的方位数据,用扩展卡尔曼滤波算法对测量数据进行目标运动分析来实现.建立了目标相对观测平台在固定深度做直线运动时的理论模型,针对非线性测量方程,采用雅可比矩阵来近似处理.采用标准卡尔曼滤波进行了实例仿真.结果表明,该方法将估计误差控制在8%以下,并有较好的稳定性.     

一种目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于扩展卡尔曼滤波器的目标状态与系统偏差的联合估计算法,并在此基础上探讨了三种系统偏差条件下状态估计的初始化方法。Monte-Carlo仿真表明,ASEKF算法能有效地对目标状态和系统偏差进行实时联合估计。     

一种水下静止平台对目标运动参数的联合估计方法

针对方位-频率目标运动分析在水下静止小平台上的应用,提出了一种基于方位- 频率测量的目标运动参数联合估计方法。该方法以最小二乘估计算法估计结果作为卡尔曼滤波估计算法的初值,解决了迭代初值对卡尔曼滤波估计算法的估计性能影响较大的问题,从而提高了算法的收敛速度和估计精度。湖试结果表明：该算法具有较好的估计性能,可以作为解决水下静止平台对目标被动定位问题的一种有效方案。     

状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用

为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波（UKF）跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明：该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。     

高度机动目标Jerk模型及改进算法

针对Jerk模型常规算法跟踪Jerk机动时存在稳态确定性误差的固有缺陷,提出了Jerk模型改进算法。改进算法融合了Jerk模型及当前Jerk模型。Jerk模型描述弱Jerk机动,采用位置估计偏差和加速度变化率方差之间的关系调整系统噪声方差;当前Jerk模型描述强Jerk机动,采用修正瑞利分布描述加速度变化率方差统计特性。在滤波算法方面,引入模糊分布函数和强跟踪滤波器,改善了对弱Jerk机动的跟踪精度,并提高了对强Jerk机动的跟踪能力。理论分析和仿真结果表明,改进算法克服了Jerk模型常规算法的缺陷,能自适应地逼近不同强度的Jerk机动并进行准确跟踪。该算法在不同强度信号噪声比和不同量测噪声下,误差变化相对稳定,具有较好的跟踪精度。