基于声场环境知识的多基地声呐检测跟踪算法

格式：docx
大小：2.08 MB
文档页数：13

下载文档原格式

/ 13

被动声呐信号检测、跟踪方法研究的开题报告

被动声呐信号检测、跟踪方法研究的开题报告一、研究背景随着海洋经济的不断发展，海上交通的增加以及国家对于海洋资源的开发利用，对于水下声信号的检测和跟踪的需求也日益增加。

被动声呐作为一种重要的水下信号接收装置，在海洋探测和防卫等领域有着广泛的应用。

因此，被动声呐信号检测、跟踪方法的研究具有重要的现实意义和应用价值。

二、研究目的本研究旨在探究被动声呐信号检测、跟踪方法，以提高水下声信号接收的效率以及精度，为海洋探测和防卫等领域的应用提供技术支持。

三、研究内容1. 基于信号处理的被动声呐信号检测方法研究：对被动声呐接收到的水下信号进行预处理，将其转化为可供处理的数字信号，通过数字信号处理方法实现被动声呐信号的检测和分析。

2. 基于滤波和聚焦技术的被动声呐信号跟踪方法研究：通过滤波和聚焦技术对被动声呐接收到的信号进行处理，得到信号中的目标位置信息，实现对于目标的跟踪。

3. 基于机器学习的被动声呐信号处理方法研究：利用机器学习技术对被动声呐接收到的信号进行处理，提高信号处理的自动化程度，进一步提高被动声呐信号检测和跟踪的效率和精度。

四、研究方法1. 文献综述法：对该领域的先进技术和研究成果进行深入研究和分析，了解已有的研究方法和成果，并进行总结和归纳。

2. 实验研究法：利用实验室的被动声呐设备，进行实际的实验研究，收集数据，对于不同的研究方法进行实验比较和分析，验证研究方法的有效性和实用性。

3. 数值仿真法：利用计算机软件对研究方法进行数值仿真，模拟被动声呐信号检测和跟踪的过程，对研究方法进行评价和比较，验证其有效性和实用性。

五、预期结果本研究预期可以提出一组高效、精确的被动声呐信号检测、跟踪方法，为海洋探测和防卫等领域提供技术支持，具有重要的应用价值和推广意义。

六、研究进度安排阶段性进度目标：文献综述和前期实验时间节点：2022年6月-2022年12月计划内容：查阅相关文献，对该领域的现有研究方法和成果进行深入研究和分析，同时进行前期实验研究，为后续研究提供基础。

基于加权最小二乘的多基地声呐定位算法研究

别为：
数据融合处理以达到较高的定位精度。
ｒ＝ｒｄ１，ｒｒｒ＋
２多基地声呐定位原理
用ＴＲ— ／Ｒ型多基地声呐系统模型，其几何配置如图１所示。其中ＴＲ为发射源，以接收目标回波，／可具有单基地
声呐的工作特点；。尺，，为接收站；目标位置。在尺，： … ５为双基地情况下，ＴＲ站与Ｒ站分开的距离可与声波作用距当／离相比拟时，ＴＲ站与Ｒ站之间间距为基线长度。（，称／，其中，、
ｄＸ
ｒＴ／
／
／／
／ＴＲ／０
～
ｄ。：Ｘ
Ｂ＝ＷｒＥ［］＝
ｄ２ＸＸｄ￣
ｄｄＸ．Ｘ￣
ｍ
＝
［］
Ｂ＝［ＸｄＴ（，＝，，ｍ为ｋｋＥｄ，］ｔ１２ …，） × 阶矩阵。Ｘ一ｊ
图１ＴＲ— “ ／Ｒ型多基地声呐系统模型
ｈｓｈｃｌａｏｃｕａｙａｄＣｏｅｔｒｂｅｆｉｃｌａｉｌｒｎｔｅａｅｎｉｒｔｎｉｉａｉｌａｚｔｎａｃｒｃｎｓｌｅｐｏｌｏｌａｉｔｎｅｏｓｌｅｄｓｃａｄｓｅｄｓｈｇｏｉｉｎａｖｈｍｈｇｏｚｏＴｉｈｂｉｈｔｉｄ－
ｌ＋如砌ＩｏＩＲ．肌＝
妒ｒ＝ｒ＋如ｒ／
（１）
和却
砌（＝１２ … ，分别表示为ＴＲ，， Ⅳ）／
站的距离、方位角和Ｒ，，，站的方位角和距离和的观 …

前视声呐多特征自适应融合跟踪方法

Ａｎａｄａｐｔｉｖｅｆｕｓｉｏｎｍｅｔｈｏｄｕｓｅｄｉｎｆｏｒｗａｒｄｌｏｏｋｉｎｇｓｏｎａｒｍｕｌｔｉ — ｆｅａｔｕｒｅｔｒａｃｉｎｇｋ
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｕｎｄｅｒｗａｔｅｒｍｕｌｔｉ－ｏｂｊｅｃｔｔｒａｃｋｉｎｇｂａｓｅｄｏｎｔｈｅｆｏｒｗａｒｄｌｏｏｋｉｎｇｓｏｎｒ，ａ
ｏｎｔｈｅｂａｓｉｓｏｆｐａｒｔｉｃｌｅｉｆｌｔｅｒｔｒａｃｋｉｎｇ，ｔｈｅｍｕｌｔｉ－ｆｅａｔｕｒｅａｄａｐｔｉｖｅｃｌｕｅｆｕｓｉｏｎｍｅｔｈｏｄｗａｓｕｓｅｄｔｏｓｗｉｔｃｈｆｕｓｉｏｎｍｅｔｈ－
马珊，庞永杰，张铁栋，张英浩
（哈尔滨工程大学水下机器人技术重点实验室，黑龙江哈尔滨１５０００１）
摘
要：为了提高基于前视声呐的水下多目标跟踪精度，在粒子滤波跟踪的基础上，采用多特征自适应线索融合策略，通
过在线调整特征融合方法计算粒子权值，提取出每个粒子对应模板的多个特征，包括形状与亮度特征、不变矩数字特征和灰度共生矩阵数字特征。采用自适应融合策略对粒子的各个特征权值进行融合得到最终权值，特征线索良好时采用性融合策略，否则采用基于模糊逻辑的加权融合策略。采用２组前视声呐水池试验序列图像，通过与传统融合策略进

被动声呐信号测试、跟踪方法综述

立齿轮设计的准则，提出防止和减轻失效的措施。
关键词失效；轮齿折断；齿面点蚀；齿面胶合；齿面磨损；齿面塑性变形中图分类号Ｔ１２１Ｈ３．４文献标识码Ａ文章编号１７—６１（１）１－１８０６３９７一２０Ｉ２０４ —１０
噪声分布。Ｓｎｅ膜型，Ｓｎｅｙ１７年提出了目标机动加速度的一阶时间相关ｉｇＦｉｇｒ一９０一模型，即辛格模型。辛格模型用有色噪声来描述目标的机动加速度，它
度可用一输入为白噪声的一阶时间相关模型来表示。Ｓｇｒｉｅ￣型多年来一ｎ直受到重视，其主要原因是它采用了比白噪声更切合实际的有色噪声来捕述目标的机动加速度。 “ 当前”统计模型，我国学者周宏仁在８年代初提出了机动目标Ｏ “ 当前”统计模型，他指出，在一个确定的战术场合下，更令人关心的是目标机动的 “ 当前”统计状态。机动目标 “ 当前”统计模型在本质上仍然是非零均值时间相关模型，其机动加速度的 “ 当前 ”概率密度用修正的瑞利分布描述，均值为 “ 当前”加速度的预测值，随机机动加速度在时间轴上仍符合一阶时间相关过程。跟踪滤波和预测，跟踪滤波和预测的目的是估计当前和未来时刻目标的运动状态，包括位置、速度和加速度等。线性系统基本的跟踪滤波与预测方法有：线性自回归滤波，两点外推滤波，维纳滤波，加权最小二乘滤波，ａｂ — — 滤波，卡尔曼滤波和简化的卡尔曼滤波等。采用 — 与ａｂｇ何种滤波，主要取决于事先能掌握多少先验知识。如果能事先掌握动态噪声和量测误差的统计特性，当然要采用估计精度较高的最小方差估计算法，包括维纳滤波，ａｂ — — 滤波，卡尔曼滤波和简化的卡尔曼滤 — 与ａｂｇ波。多目标数据关联实际上就是解决阵空间覆盖区域中的重复跟踪问题，而且能区分各个不同的目。关联结果的好坏直接影响到系统的正标确判决。多目标数据关联方法通常有两种：～类是基于统计的方法，另一类是基于模糊数学的方法。统计的方法包括加权法、独立序贯法、经典分配法、广义经典分配法、独立双门限法、最近邻域法、（修止）Ｋ近邻域法等等。模糊航迹关联算法包括模糊双门限航迹关联算法、模糊综合函数的航迹关联算法、模糊综合评判航迹关联算法等。当目标比较稀疏时，最近邻域（ｅｒｓＮｉｂｒｏｄ）法、加权法Ｎａｅｔ－ｅｈｏｈｏｇ和修正法相比，加权法处理速度最．陕，存储与通讯量适中，性能比修正法略差，但明显好于最近邻域法；但在密集目标环境下和／或交叉、分叉及机动航迹较多的场合，这三种经典方法均不如其他各种方法。序贯法和双门限法均适用于密集目标环境下和／或交叉、分又及机动航迹较多的场合，双门限法在计算速度、关联检验效果上均优于序贯法，处理速度较快。它们的存储与通讯量相当，它们都要求局部跟踪系统提供状态估计协方差。双门限法的缺就是要事先确定Ｌ／Ｒ的取值，并且不能直接推广产生多局部节点情况下的多维分配算法。而序贯法则可直接推广到多局部节点构成多维分配算法。从总体上看，相关序贯法不如独立序贯法，相关双门限法也不如独立双门限法好。而（修正）Ｋ近邻域法的处理速度和独立双门限法接近，但明显快于序贯法和相关门限法，并且存储和通讯量都远低于序贯法和双门限法。它们的性能略羞于双门限法和独立序贯法，但好于相关序贯法，算法的复杂度与双门限法类似，需要实现设定Ｋ／Ｎ参数，与序贯法和双门限法相比，（修正）Ｋ近邻域法最大优点是对局部跟踪系统没有要求，修止Ｋ近邻域法在运算速度和关联性能上要比Ｋ近邻域法稍微好一些，而且算法结构相对简单，易于实现

一种基于多扬声器和多麦克风声波多目标追踪方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011085184.8(22)申请日 2020.10.12(71)申请人中国海洋大学地址 266100 山东省青岛市崂山区松岭路238号(72)发明人刘超　王鹏皓　蒋若冰　(74)专利代理机构青岛华慧泽专利代理事务所(普通合伙) 37247代理人赵梅(51)Int.Cl.G01S 5/18(2006.01)G01S 15/66(2006.01)(54)发明名称一种基于多扬声器和多麦克风声波多目标追踪方法(57)摘要本发明属于多目标识别与追踪技术领域，具体公开了一种基于多扬声器和多麦克风声波多目标追踪方法，包括以下步骤：设计一类自相关强互相关弱声波信号并通过扬声器发送；识别直射信号和来自若干个目标的反射信号，获得直射信号的到达时间和反射信号的到达时间，并利用反射信号的飞行时间计算反射信号的传播路径长度；以对应麦克风和扬声器为焦点，结合来自目标的反射信号传播路径长度绘制椭圆，并利用多个椭圆的交点来确定多个目标的位置。

本发明不受环境、设备自身状况等因素的影响，具有良好的可移植性，弥补了电子设备现有目标追踪方案的不足。

权利要求书2页说明书7页附图4页CN 112327252 A 2021.02.05C N 112327252A1.一种基于多扬声器和多麦克风声波多目标追踪方法，其特征在于，包括以下步骤：S1、设计一类自相关强互相关弱声波信号并通过扬声器发送；S2、识别直射信号和来自若干个目标的反射信号，获得直射信号的到达时间和反射信号的到达时间，并利用反射信号的飞行时间计算反射信号的传播路径长度；S3、以对应麦克风和扬声器为焦点，结合来自目标的反射信号传播路径长度绘制椭圆，并利用多个椭圆的交点来确定多个目标的位置。

2.根据权利要求1所述的一种基于多扬声器和多麦克风声波多目标追踪方法，其特征在于，S1中，使用若干个扬声器和若干个麦克风，包括多个扬声器和多个麦克风、或一个扬声器和多个麦克风、或多个扬声器和一个麦克风；声波信号是人耳无法听见或察觉的频率为18kHz及以上的信号。

水下声源的定位与跟踪技术研究

水下声源的定位与跟踪技术研究哎呀，说起水下声源的定位与跟踪技术，这可真是个有趣又复杂的话题。

想象一下，你在一艘潜水艇里，周围是黑漆漆的海水，这时候突然传来一阵神秘的声音。

你是不是特别想知道这声音是从哪儿来的？是友好的鲸鱼在唱歌，还是敌人的潜艇在靠近？这就需要咱们厉害的水下声源定位与跟踪技术啦！先来说说定位吧。

要在水下定位声源，可不是件容易的事儿。

水可不比空气，声音在水里传播的时候会发生折射、反射，甚至被吸收掉一部分。

就好像你在一个迷宫里，声音就是那个到处乱撞的小调皮，让你很难抓住它的踪迹。

比如说，有一次科研人员在做实验的时候，为了模拟水下环境，弄了一个大大的水池子。

他们在水里放了一个发声装置，然后在周围布置了好多传感器。

结果呢，第一次收集到的数据乱七八糟的，根本没法准确判断声源的位置。

这可把大家愁坏了，头发都快薅掉了一把。

那怎么办呢？科学家们就开始绞尽脑汁想办法。

他们不断改进传感器的精度，调整算法，就像给迷路的声音画一张超级精确的地图。

经过无数次的尝试和失败，终于找到了一些门道。

再说说跟踪技术。

一旦找到了声源的位置，还得能一直跟着它，不然一转眼又丢了。

这就像是在操场上追着一个调皮的小朋友，你得时刻盯着，不能让他跑掉。

比如说，有一艘监测船在大海上巡逻，突然检测到了一个异常的水下声源。

船上的设备马上启动跟踪模式，但是这声源一会儿快一会儿慢，一会儿左一会儿右，就像在跟监测船捉迷藏。

船员们紧张得手心出汗，眼睛一刻也不敢离开屏幕，生怕跟丢了。

为了实现更好的跟踪效果，现在有好多先进的技术和设备呢。

有一种叫做波束形成的技术，就像是给声音装上了一个导航仪，能让我们更准确地追踪它的方向。

还有一些智能算法，能够根据声音的变化预测声源的下一步动作。

总之，水下声源的定位与跟踪技术是一项非常重要又具有挑战性的研究。

它不仅能帮助我们更好地了解海洋里的生物，还能在军事、航海等领域发挥巨大的作用。

说不定未来的某一天，我们能像在陆地上追踪汽车一样轻松地在水下追踪各种声源，那该多神奇啊！这就是关于水下声源的定位与跟踪技术的一些事儿，是不是很有意思？希望未来这项技术能越来越厉害，给我们带来更多的惊喜！。

基于识别声呐的鱼群目标检测跟踪方法

基于识别声呐的鱼群目标检测跟踪方法基于识别声呐的鱼群目标检测跟踪方法海洋牧场是近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变的现代渔业形式,是指在特定海域开展类似陆地农牧场的建设,从而提高海洋生物资源的质量和产量,实现海洋生态系统的保护与资源的可持续利用。

海洋牧场的渔业资源评估是海洋牧场开发的一个重要环节,目前海洋牧场的资源主要依靠计量鱼探仪测量和采样捕获调查进行评估。

前者通过测量回波的目标反射强度来粗略估算鱼类数量,并无目标跟踪、定位等功能,后者的捕获方式本身就有损鱼类资源,其精度也十分有限。

而识别声呐是一种利用声学透镜发射独立波束的多波束系统,它可以在昏暗或浑浊水域中生成几乎等同于光学影像的高清晰度图像,达到识别目标的程度。

相对于传统的多波束系统采用时延阵列或者数字波束形成技术进行信号的收发,识别声呐通过声学透镜实现波束形成,既降低系统功耗、减小体积,又提高了成像效率。

现阶段,识别声呐在渔业探测中的应用尚停留在个体目标计数、体长测量以及行为观测阶段,并没有形成一套完整的资源评估体系。

因此,本文在探讨识别声呐工作原理的基础上,利用识别声呐进行渔业资源评估的理论研究和实际应用,提出一套基于识别声呐的新型渔业资源评估方法。

具体研究内容如下:对声呐图像展开预处理并进行目标提取研究。

对采集的声呐数据进行坐标变换,利用反距离加权内插法将图像还原成水下影像。

利用线性变换增强图像,设计基于迭代最小二乘去噪法去除图像中的斑点噪声,采用基于信号强度模型的方法去除图像背景,利用三倍标准差准则获取阈值进行目标提取,最后针对复杂背景下的声学图像,提出一种基于Sobel算子的边缘提取结合形态学处理的目标提取算法。

对鱼类跟踪算法展开研究。

由于水下环境复杂,对于杂波横生、目标密集的多目标跟踪问题,基于数据关联的目标跟踪算法计算量巨大,不能实现水下多目标的实时跟踪,因此在对基于贝叶斯理论的联合概率数据关联、多假设目标跟踪等算法研究的基础上,提出基于序贯蒙特卡罗的概率假设密度滤波结合Auction航迹识别的多目标跟踪算法,利用识别声呐的定点采集模式获取水下鱼类信息,进行多目标跟踪研究,并利用VisualStudio 结合OpenGL实现多目标轨迹按照时间顺序显示在三维空间中。

声源定位技术在声呐追踪中的应用探究

声源定位技术在声呐追踪中的应用探究声源定位技术是一种通过分析声音传播路径、接收声波信号以及计算声源位置的技术。

在声呐追踪中，声源定位技术可以帮助人们准确追踪和定位目标。

本文将探究声源定位技术在声呐追踪中的应用。

声呐系统是一种利用声波进行探测和追踪的技术。

它广泛应用于海洋探测、水下航行和军事安全等领域。

声源定位技术是声呐系统中的关键技术之一，它可以通过计算目标发出的声波信号到达不同接收器的时间差、相位差等信息，从而准确地确定目标的位置。

声源定位技术的发展经历了多个阶段。

早期的声源定位技术主要依靠简单的传感器数组，例如三角测量和交叉关联等方法。

然而，这些传统方法存在定位精度低、抗噪性差等问题。

随着技术的不断进步，新一代声源定位技术逐渐应用于声呐系统中。

一种被广泛使用的声源定位技术是多传感器阵列方法。

它利用多个传感器分布在空间中，通过接收声波信号独立计算目标位置。

多传感器阵列方法可以大大提高声源定位的精度和可靠性。

它还可以通过合理的传感器布局和信号处理算法，实现对声源的方向、距离和速度等信息的估计。

除了多传感器阵列方法，其他一些声源定位技术也被应用于声呐追踪中。

例如，自适应声源定位技术可以根据环境的变化自动调整传感器的参数，提高定位精度。

另外，协同定位技术利用多个声呐系统共同工作，相互之间进行数据共享和处理，从而实现更高精度的声源定位。

声源定位技术在声呐追踪中起到了重要的作用。

首先，它可以帮助人们准确追踪目标，例如潜艇、船只或者海洋生物。

通过声源定位技术，人们可以了解目标的位置、运动轨迹和速度等信息，对相关任务进行有效管理和决策。

其次，声源定位技术可以用于研究海洋环境、生态和生物多样性等领域。

人们可以通过声源定位技术了解海洋中的声波传播规律、生物活动等信息，有助于保护海洋生态系统和资源。

此外，声源定位技术还可以应用于军事领域，帮助军事力量追踪和监测敌方目标，增强国家安全。

然而，声源定位技术在应用中还面临着一些挑战和限制。

基于微波声纳的目标检测与跟踪技术研究

基于微波声纳的目标检测与跟踪技术研究近年来，随着科技的不断发展，基于微波声纳的目标检测与跟踪技术已经成为研究的热点之一。

微波声纳技术以其不受光照、云雾等气候条件的限制，具有广泛的应用前景。

本文将针对基于微波声纳的目标检测与跟踪技术进行深入研究，探讨其技术原理、应用领域以及存在的挑战。

首先，我们来了解一下基于微波声纳的目标检测与跟踪技术的原理。

微波声纳技术通过发射微波信号，并接收目标物体反射回来的信号，利用信号的时间延迟和频谱特征来检测目标。

与传统的光学图像相比，微波声纳技术可以在较长距离内实现目标的准确检测，而且对于大气条件的影响较小，具有更好的鲁棒性。

基于微波声纳的目标检测与跟踪技术在许多领域都有着广泛的应用。

首先是军事领域，可以利用微波声纳技术实现对敌方目标的探测和跟踪，提供战场态势感知和战术指挥支持。

其次，在海洋领域，可以利用微波声纳技术实现对海洋生物、岩石、海底地貌等的探测和研究，为海洋资源勘探和海洋环境保护提供数据支持。

此外，基于微波声纳的目标检测与跟踪技术还可以应用于交通领域，用于车辆、行人等目标的识别和跟踪，提升交通管理的智能化水平。

然而，基于微波声纳的目标检测与跟踪技术也存在一些挑战。

首先是分辨率问题，由于微波信号的频率较低，目标的细节信息可能无法被完整地捕捉到，影响检测的准确性。

其次是复杂环境下的干扰问题，微波信号容易受到地形、大气等因素的干扰，可能导致目标的漏检或误检。

此外，目前基于微波声纳的目标检测与跟踪技术在实时性和精确性方面仍有待提高，需要进一步优化算法和硬件设备。

为了解决上述挑战，研究人员正在积极探索新的方法和技术。

首先，可以结合其他传感器技术，如红外传感器、摄像头等，提高目标检测与跟踪系统的综合性能。

其次，可以引入深度学习和机器学习等人工智能技术，通过模型训练和优化算法，提高目标检测与跟踪的准确性和实时性。

此外，还可以利用多波束技术，即利用多个发射和接收阵元，增加系统的分辨率和抗干扰能力。

海洋工程中的声呐测量技术研究

海洋工程中的声呐测量技术研究海洋工程是一门涉及海洋资源开发、海洋环境保护和海洋科学研究的多学科交叉领域。

在海洋工程中，声呐测量技术被广泛应用于海洋地质勘探、水声通信、海洋生物学等多个方面。

本文将对海洋工程中的声呐测量技术进行研究和探讨。

声波在水中的传播速度较快，并且能够穿透水下介质，因此声呐作为一种声波发射和接收装置，在海洋工程中具有得天独厚的优势。

声呐测量技术主要利用声波的传播和传感特性，通过发射声波并接收其回波来获取海洋中的信息。

下面将从海洋地质勘探、水声通信和海洋生物学三个方面介绍声呐测量技术的应用。

在海洋地质勘探中，声呐测量技术被广泛用于获取海底地形、测量水深以及发现水下物体。

声呐发射声波，当声波遇到海底或其他物体时会发生反射，并返回到声呐接收器，通过测量声波往返时间和信号返回的强度，可以确定水深和海底地形。

这对于沉船搜寻、海底管道敷设、海底资源勘探等海洋工程活动具有重要意义。

水声通信是一种在水下进行信息传递的通信方式，广泛应用于海洋工程领域。

声呐测量技术可以实现水声通信的发射和接收功能。

通过控制声波频率和编码方式，可以在水下传递语音、数据和图像等信息。

水声通信可以用于潜水器和遥控无人潜水器的远程操控，海底测量仪器的遥测数据传输以及水下无线传感网络的建立等应用场景。

声呐测量技术在海洋生物学研究中也发挥着重要作用。

声呐可以用于探测和监测海洋生物的分布和迁徙。

通过发射特定频率的声波，可以对水中的鱼群、海豚和鲸鱼等海洋生物进行跟踪和观察。

这对于了解海洋生物的行为、种群数量和生态系统健康状况具有重要意义。

此外，声呐测量技术还可以用于海洋生物声学研究，通过分析海洋生物的声音可以了解它们的交流行为和生态环境。

尽管声呐测量技术在海洋工程中的应用非常广泛，但还存在一些挑战需要克服。

首先，海洋环境复杂多变，声波传播受海洋水质、海底地形和水下物体等影响，因此需要进行精确的声呐测量技术校准和数据处理。

其次，声呐测量需要考虑到对海洋生物的潜在影响，特别是对于敏感的海洋生物如鲸鱼和海豚等。

声呐跟踪算法的软件实现

声呐跟踪算法的软件实现
周莉
【期刊名称】《声学与电子工程》
【年(卷),期】2001(000)001
【摘要】本文主要介绍了基于ADSP-2106xDSP硬件的主、被动声呐多目标跟踪的软件实现,并对相关实现技术进行了阐述.
【总页数】4页(P39-41,48)
【作者】周莉
【作者单位】第七一五研究所,富阳,311400
【正文语种】中文
【中图分类】O4
【相关文献】
D激光经纬仪自动跟踪算法及软件实现方案 [J], 徐晶;杨华民;方明;佟首峰
2.多波束成像声呐显控软件设计与实现 [J], 孙裕超;张学磊;田甜;王文琮
3.基于GPS单频软件接收机的捕获与跟踪算法实现 [J], 全鹏;朱桂斌;叶久志;孙奥
4.基于软件相关器的GPS跟踪算法研究与实现 [J], 李兴国; 仇跃华
5.基于软件相关器的GPS跟踪算法研究与实现 [J], 李兴国; 仇跃华
因版权原因，仅展示原文概要，查看原文内容请购买。

多基地声纳距离信息定位算法研究及精度分析

R2 (x R 2 , y R 2 ) ,…, RN (x RN , y RN ) ，则可以写出定位方程为：
令： B = (C T C ) -1C T 故定位误差的协方差为：
T Pdx = E[dXdX T ] = B{E[dVdV T ] + E[dX s dX s ]}BT
⎧ r∑ 1 = (x - xT ) 2 + (y - yT ) 2 + (x - x R1 ) 2 + (y - y R1 ) 2 ⎪ ⎪ r∑ 2 = (x - xT ) 2 + (y - yT ) 2 + (x - x R 2 ) 2 + (y - y R 2 ) 2 ⎪ ⎪ ⎨ ... ⎪ 2 2 2 2 ⎪ r∑ N = (x - xT ) + (y - yT ) + (x - x RN ) + (y - y RN ) ⎪ 2 2 ⎪ ⎩ rT = (x - xT ) + (y - yT )
水中声速 vc =1.5km/s, 时间测量误差 σ τ T =5ms, σ τ 1 =5ms,
由方程(5)所表示的 N 个方程可写成如下的矩阵形式： AX = f (6) 式中： X = [ x , y ]T ， f = [ g1 ,..., g N ]T
στ =5ms, T/R 站坐标为(-10， 0)km， R1 站坐标为（10， 11.55）
及定位误差的表达式，讨论了多基地声纳系统利用距离信息进行定位的定位原理，讨论了站址测量误差和时间测量误差对系统定位精度的影响，并对不同站址布局下，系统的误差分布特点进行了研究，得出了使定位精度达最高的一种站址布局方案。关键词：多基地声纳；站址测量误差；时间测量误差；定位精度；站址布局中图分类号: TB56 文献标识码: A 文章编号: 1004-731X (2009) 06-1570-03

低信噪比条件下多节点声呐目标跟踪算法

低信噪比条件下多节点声呐目标跟踪算法李嶷;陈新华;郑恩明;方华;王麟煜【摘要】低信噪比条件下,单个主动或单个被动声呐节点难以实现目标跟踪.多节点声呐系统希望通过增加探测节点提高系统探测能力,但其性能提高与否取决于选择合适的数据融合算法.该文利用双节点声呐实验数据研究低信噪比条件下的目标跟踪方法,采用\"结合置信度水平的表决融合\"算法对多个探测节点得到的数据进行融合,既考虑了目标回波信号的信噪比特性,又考虑了目标运动的连续性特征,还考虑了各节点探测结果的决策优化,最终实现较高精度的目标跟踪.算法实现了数据级、特征级和决策级的统一、融合,通过对判决依据进行量化、分层,简化判决的复杂性.实验数据处理结果表明,该方法能较好地解决低信噪比条件下多节点声呐目标跟踪问题,目标跟踪精度较高.【期刊名称】《应用声学》【年(卷),期】2019(038)003【总页数】6页(P434-439)【关键词】信号处理;多节点声呐系统;数据融合;目标跟踪【作者】李嶷;陈新华;郑恩明;方华;王麟煜【作者单位】中国科学院声学研究所北京 100190;中国科学院声学研究所北京100190;中国科学院声学研究所北京 100190;中国科学院声学研究所北京100190;中国科学院声学研究所北京 100190【正文语种】中文【中图分类】TB560 引言随着减震降噪技术的不断发展，水中目标变得日益安静，而浅海声传播又非常复杂，所以导致单个声呐探测目标的难度越来越大。

因此，人们考虑建立以主动声呐为基础的多节点探测警戒网络，它由多组主/被动结合的双节点声呐构成，通过增加探测节点来获取更多的信息，相对于单节点声呐有可能提高系统探测能力。

在多节点声呐探测方面开展工作较多的是北大西洋公约组织的水下研究中心，他们着重在目标自动跟踪和多节点信息处理方面展开研究，在目标跟踪方面的创新点包括：分析亮点协方差的统计特性，采用计算高效的多假设数据联合算法，利用集中式和分布式数据融合架构来优化跟踪性能等[1−5]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于声场环境知识的多基地声呐检测跟踪算法作者：刘东涛卢术平来源：《声学与电子工程》2022年第03期摘要针对复杂水声环境下多基地声呐系统联合水下多目标检测跟踪问题，提出了基于声场环境知识的多基地声呐检测跟踪算法。

该算法在多传感器集中式融合框架下，利用海洋声场环境分析设备提供的辅助知识，自适应调整多基地声呐系统联合目标检测准则和多目标跟踪策略。

仿真结果表明，相比多基地声呐系统非知识辅助方法，该算法能够有效降低浅海混响区的目标跟踪虚假航迹率。

关键词多基地声呐；检测跟踪；声场环境；知识辅助主动多基地声呐系统通常由多个声源和多个接收阵组成，能够对水下目标进行协同探测，收一发多节点提供了多角度目标测量数据，有效提升了水下目标的探测性能[1-3]。

相较于传统单节点声呐系统，更高的数据率也带来了更多的虚假目标。

尤其是在浅海环境中，存在大量强混响区和强离散干扰，比如海底山、海底管道、礁石等，导致多基地声呐在协同跟踪处理后出现很多虚假目标航迹[4、5]。

针对主动声呐探测时浅海混响区虚假目标航迹多的问题，当前的解决思路主要有以下几种：一是在检测前抑制混响，2017年郝程鹏等提出了基于空时自适应处理的移动平台主动声呐混响抑制算法[6]；二是选择适配的检测算法，2020年卢术平等提出了复杂非均匀背景下的鲁棒声呐恒虚警检测算法，该方法基于背景的统计分析，选择适配的恒虚警检测器，能够有效抑制混响边缘处干扰点迹[7]；三是跟踪过程中，通过航迹管理等方式删除虚假目标航迹[8]。

雖然针对混响区主动声呐跟踪虚假航迹过多问题已有一定研究，但面向多基地声呐协同探测方面的研究还很少。

本文在集中式多基地声呐架构的基础上[9，10]，提出一种基于声场环境知识的多基地声呐检测跟踪算法。

S Haykin在2006年首次提出了认知雷达[11]，随后该想法也被引入声呐领域[12，13]。

认知声呐能够与环境（包括目标）进行智能交互，通过利用目标特性和先验的海洋环境知识，不断地调整参数和操作策略[14]。

本文拟利用海洋声场环境分析提供的辅助知识（比如强离散干扰源位置、强混响区域等），适配地调整多基地声呐联合检测准则和多目标跟踪策略，进而减少多基地声呐浅海混响区的跟踪虚假航迹率。

1 多基地声呐联合检测跟踪算法假设无人水面艇（ Unmanned Surface Vessel，USV）多基地声呐系统由多个声源和接收阵组成，形成M个发一收节点，如图1所示。

图中，组成了1发3收共计3个发一收节点的多基地声呐系统。

本文采用集中式融合框架开展多基地声呐联合探测，各节点将初步检测结果传输到融合中心，由融合中心进行集中式检测判决，然后进行多目标跟踪处理。

此外，在多基地声呐航迹管理方面，采用经典的M/N逻辑准则管理航迹的起始、维持和终止。

起始之后，该航迹将成为试验航迹。

在航迹维持阶段，使用下列条件做出判决：● 如果在连续Ⅳ帧中有至少M次成功的数据关联，则该试验航迹将转化为确认航迹；● 如果有至少P次连续未关联，则该试验航迹将被终止。

最后，确认航迹直到连续L次未关联，则终止该航迹。

2 本文方法USV载多基地声呐系统在浅海环境中执行水下监视任务时，往往会遭遇强混响、强离散点干扰，同时在缺乏足够的目标特性信息条件下，强混响区极易出现虚假目标，严重干扰真实目标潜艇跟踪。

声场环境分析设备能够根据海深、海底地貌、底质、水文信息等分析出可能存在强混响反射、强离散干扰等区域[3.13，14]。

水下探测区域为Ω，海洋声场环境分析设备提供了强混响区域和强离散干扰点位置信息，其中强混响区域范围为Ω，强离散干扰点集合为ψr={xl，．．．，XN}。

根据海洋声场环境分析仪提供的强混响区Ω信息，针对所有量测单元xi，进行融合检测判决：3 数值仿真图3为USV载多基地声呐系统探测场景示意图，整个探测区域为25 kmx40 km，共1000 krri2，包括4艘USV和一个目标，USV1载有发射声源和接收阵、USV2-USV 4载有接收阵，箭头为各USV及目标的运动方向。

USV的航速分别为5、6、8、6 m/s，目标速度为4 m/s。

阴影区为强混响区域，强混响区域混响噪声比为20 dB的K分布随机值。

符号“◇”为强干扰源。

设置发射声源扫描周期为42 s，总计30帧。

对比图4 （a）和（b），在非强混响区域，二者的虚假接触分布基本一致；而在强混响区域，知识辅助算法处理后虚假接触明显减少。

在检测门限为10 dB时，常规算法在多基地声呐融合检测后的虚假接触为260，而基于声场环境知识的多基地声呐融合检测处理后虚假接触为192，融合检测虚假接触降低了26.2%。

3.2 联合跟踪性能分析利用虚假航迹率和航迹检测概率两个指标评估多基地声呐系统联合跟踪性能。

虚假航迹率表示多基地声呐系统在单位时间内虚假航迹数，可表示为针对图3的仿真场景，检测门限从8-15 dB，蒙特卡洛50次，在强离散源剔除过程中，设置门限值λ= 2/3，设置非混响区确认航迹阈值和删除航迹阈值分别为VH =15和V1=1-0.1T，强混响区航迹阈值附加值Ph=P1 =3。

图5为不同检测门限下，未利用辅助信息与基于环境辅助信息的两种集中式多基地声呐跟踪虚假航迹率对比。

检测门限为10 dB时，常规算法的虚假航迹率达到了26.8%，而基于声场环境知识的多基地声呐检测跟踪算法处理后虚假航迹率为13.89%，虚假航迹率降低了48.2%。

对比常规算法，基于声场环境知识辅助的多基地声呐检测跟踪算法能够有效降低多基地声呐系统虚假航迹率。

图6为不同检测门限下，未利用辅助信息与基于环境辅助信息的两种集中式多基地声呐跟踪航迹检测概率对比。

由图可见，在不同检测门限下，二者对真实目标的航迹检测概率基本一致。

说明本文提出的算法在保障目标有效跟踪的同时能够大幅降低多基地声呐系统虚假航迹率。

4 总结本文借鉴认知声呐的思想，提出了一种适用于多基地声呐系统浅海水下目标联合检测跟踪新方法。

从仿真结果看，与常规方法对比，该算法利用强离散源位置、强混响区域等先验声场环境信息，在保持对真实水下目标有效检测的基础上，能够有效降低目标跟踪虚假航迹率，可用于提升声呐系统环境适应性。

而声场环境先验信息与实际探测情况的匹配性严重影响算法性能，后续将探索声场环境先验信息高效率获取方法。

参考文献：[1]POLMAR N，WHITMAN E.Hunters and killers： anti-submarine warfare from 1943[M]. Annapolis：Naval Institute Press. 2016[2] LEPAGE K D， GOLDHAHN R，ALCES J，et al Autonomous networked antisubmarine warfare research and development at CMRE[C] Oceans 2015. 2015： 1-6[3] FERRI G，MUNAFO A，TESEI A，et al Cooperative robotic networks for underwater surveillance： an overview[J]IET Radar. Sonar& Navigation， 2017. 11（12）： 1740-1761[4] HAN D，ZHANG H，HUANG H，et alTowed line array sonar platform radiated noise spatial matrix filter based on far-field and near-field sound propagation[J] Acta Electronica Sinica. 2014 （3）： 432-438[5] LU S，SUN X，DING F，et al Robust distributed sonar CFAR detection based on modified VI-CFAR detector[C]International Conference on Control. Automation and Information Sciences，Chengdu， China. 2019： 1-6[6] HAO C，SHI B，YAN S，et al Reverberation suppression and target detection for active sonar[J]. Science& Technology Review. 2017. 35（20）： 102-108[7]盧术平，胡鹏，丁烽复杂非均匀背景下的鲁棒声呐恒虚警检测算法[J]声学技术，2020， 39（5）： 99-107[8] BLANDING W R，WILLETT P K，BAR-SHALOM. et al Multisensor track management for targets with fluctuating SNR[J]. IEEE Transactions on Aerospace and Electronic Systems， 2009. 45（4）： 1275-1292[9] HE Y，GUAN J， MENG X. et al Radar target detection and CFAR processing[M]. Beijing：Tsinghua University Press，2011[10] FAUN M EHLERS. Tracking algorithms for multistatic sonar systems[J]. EURASIP Journal on Advances in Signal Processing， 2010： 1-28[11] HAYKIN S Cognitive radar：a way of the future[J]. IEEE Signal Processing Magazine，2006. 23（1）： 30-40.[12] 11 X， LI Y. CUI L. et al. Research of new concept sonar-cognitive sonar[J]. Joumal of Marine Science Application， 2011. 11： 502-509.[13] WILLIAMS D. FAKIRIS E. Exploiting environmental information for improved underwater target classification in sonar imagery[J]. IEEE Transactions on Geoscience Remote Sensing， 2014，52（ 10）： 6284-6297.[14] LU S， WEI Y. CUI G. et al. Design and application of dynamic environmental knowledge base[J]. IET Radar Sonar & Navigation. 2016. 10（6）： 1118-1126.[15] BENACOLI A. CHISCI L. FARINA A. et al. Knowledge- based systemfor multi-target tracking in a littoral environment[J]. IEEE Transactions on Aerospace and Electronic Systems， 2006. 42（3）： 1100-1119.。