被动声呐非连续水声发射源检测跟踪算法研究
发布时间：2021-06-11 22:27
被动声呐系统因其隐蔽性高、抗干扰能力强、便于提取发射源属性信息等多种优点,被广泛应用于水下检测跟踪领域。非连续水声发射源具有非连续向外发射信号的特点,由于被动感知的工作机制,被动声呐接收到的非连续发射源量测是断续的。在现代化信息海战中,被动声呐系统针对非连续水声发射源的检测跟踪面临属性丢失、性能下降、跟踪失败等严重问题。因此,如何实现对非连续水声发射源的检测跟踪并提高系统识别精度,是目前亟待解决的问题。本论文以被动声呐非连续水声发射源检测跟踪为课题,重点围绕发射源非连续特性未知、低信噪比环境探测精度低、单个被动声呐观测不完全等问题展开研究,具体工作如下:1.针对被动声呐水声探测问题,分析了被动声呐接收水声信号机理及声呐量测生成模型,研究了基于贝叶斯的被动声呐目标检测跟踪算法,为后续的非连续发射源检测跟踪算法研究奠定了理论基础。2.针对被动声呐非连续水声发射源检测跟踪问题,提出了两种自适应更新时刻的卡尔曼检测后跟踪算法（BAUT-KF-DBT和FAUT-KF-DBT）。通过建立发射源非连续特性相关系统模型,推导了基于贝叶斯非连续发射源检测跟踪算法公式,实现了对非连续发射源的动力学状态及信...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
PF-TBD和KF-DBT两种算法的
第三章被动声呐非连续发射源检测跟踪算法45长度K3。如图3-14所示，本节所提出的FAUT-KF-DBT算法和BAUT-KF-DBT算法均可以很好地实现对非连续发射源的航迹跟踪，且对连续发射信号的发射源也同样适用。进一步地，估计的发射源非连续特性如图3-15所示，可以看出，两种算法估计的结果与图3-13所示的真实非连续特性大体一致，可以很好地实现对发射源发射特性属性的准确估计。一般来说，由于两种算法对非连续特性估计的策略不同，如在3.4节中讨论的一致，FAUT-KF-DBT算法对于杂波的干扰程度取决于单次门限检测的结果，因此，如图3-15中的红色圆圈中的结果可以看出，BAUT-KF-DBT算法对于杂波的干扰的鲁棒性要略强。图3-12实测数据的方位历程图图3-13非连续发射源的真实非连续特性
电子科技大学硕士学位论文46(a)(b)图3-14单次蒙特实验下的跟踪航迹图。(a)BAUT-KF-DBT；(b)FAUT-KF-DBT(a)(b)图3-15估计的非连续发射源非连续特性。(a)BAUT-KF-DBT；(b)FAUT-KF-DBT3.5本章小结本章主要研究了基于被动声呐的非连续发射源的检测跟踪问题，分析了非连续发射源检测跟踪问题的难点，提出了针对非连续发射源的检测跟踪算法。首先，将发射源的非连续特性纳入贝叶斯跟踪流程，在贝叶斯框架下对被动声呐非连续发射源跟踪问题进行系统建模，并结合已有的算法分析了非连续发射源检测跟踪问题的技术难点。然后，通过对非连续特性的研究分析，提出了BAUT-KF-DBT和FAUT-KF-DBT两种算法。相比于BAUT-KF-DBT算法，FAUT-KF-DBT算法估计时延小，但同时该算法对于杂波干扰的鲁棒性要弱于BAUT-KF-DBT算法。最后，通过仿真及声呐实测数据的分析验证，并与目前已有的解决方案进行了对比分析，充分验证了本章提出的算法可以有效地解决被动声呐非连续水声发射源的方位角状态及其非连续特性的联合估计。
【参考文献】：
期刊论文
[1]国外声呐技术研究现状与发展趋势[J]. 赵培聪. 现代雷达. 2016(08)
[2]数字式声呐中一种新的背景均衡算法[J]. 李启虎,潘学宝,尹力. 声学学报. 2000(01)
博士论文
[1]基于检测前跟踪技术的多目标跟踪算法研究[D]. 易伟.电子科技大学 2012
[2]被动多传感器探测目标跟踪技术研究[D]. 杨柏胜.西安电子科技大学 2009
本文编号：3225374
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
PF-TBD和KF-DBT两种算法的
第三章被动声呐非连续发射源检测跟踪算法45长度K3。如图3-14所示，本节所提出的FAUT-KF-DBT算法和BAUT-KF-DBT算法均可以很好地实现对非连续发射源的航迹跟踪，且对连续发射信号的发射源也同样适用。进一步地，估计的发射源非连续特性如图3-15所示，可以看出，两种算法估计的结果与图3-13所示的真实非连续特性大体一致，可以很好地实现对发射源发射特性属性的准确估计。一般来说，由于两种算法对非连续特性估计的策略不同，如在3.4节中讨论的一致，FAUT-KF-DBT算法对于杂波的干扰程度取决于单次门限检测的结果，因此，如图3-15中的红色圆圈中的结果可以看出，BAUT-KF-DBT算法对于杂波的干扰的鲁棒性要略强。图3-12实测数据的方位历程图图3-13非连续发射源的真实非连续特性
电子科技大学硕士学位论文46(a)(b)图3-14单次蒙特实验下的跟踪航迹图。(a)BAUT-KF-DBT；(b)FAUT-KF-DBT(a)(b)图3-15估计的非连续发射源非连续特性。(a)BAUT-KF-DBT；(b)FAUT-KF-DBT3.5本章小结本章主要研究了基于被动声呐的非连续发射源的检测跟踪问题，分析了非连续发射源检测跟踪问题的难点，提出了针对非连续发射源的检测跟踪算法。首先，将发射源的非连续特性纳入贝叶斯跟踪流程，在贝叶斯框架下对被动声呐非连续发射源跟踪问题进行系统建模，并结合已有的算法分析了非连续发射源检测跟踪问题的技术难点。然后，通过对非连续特性的研究分析，提出了BAUT-KF-DBT和FAUT-KF-DBT两种算法。相比于BAUT-KF-DBT算法，FAUT-KF-DBT算法估计时延小，但同时该算法对于杂波干扰的鲁棒性要弱于BAUT-KF-DBT算法。最后，通过仿真及声呐实测数据的分析验证，并与目前已有的解决方案进行了对比分析，充分验证了本章提出的算法可以有效地解决被动声呐非连续水声发射源的方位角状态及其非连续特性的联合估计。
【参考文献】：
期刊论文
[1]国外声呐技术研究现状与发展趋势[J]. 赵培聪. 现代雷达. 2016(08)
[2]数字式声呐中一种新的背景均衡算法[J]. 李启虎,潘学宝,尹力. 声学学报. 2000(01)
博士论文
[1]基于检测前跟踪技术的多目标跟踪算法研究[D]. 易伟.电子科技大学 2012
[2]被动多传感器探测目标跟踪技术研究[D]. 杨柏胜.西安电子科技大学 2009
本文编号：3225374
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3225374.html
