论文部分内容阅读
声网络探测是无源探测技术中的一种,它通过探测低空/超低空目标的声波信号实现对目标的定位与跟踪,可以有效辅助雷达探测系统,实现早期预警。在实际应用中,利用声网络探测机动目标时,需要考虑可观测、纯方位、时延等诸多因素,同时目标机动情况复杂,特别是当被跟踪目标因对地攻击、机降登陆、躲避监控等需要发生机动时,研究更高性能的机动目标跟踪算法显得尤为重要。在总装备部武器装备预研基金项目的支持下,本文针对声网络探测机动目标时存在的不确定性问题进行了深入研究,主要研究工作和成果如下:(1)针对声网络探测低空目标时具有时延、纯方位特点,本文分析了时延产生机理及校准方法;以声探测工程应用为背景,分析了密集杂波环境对跟踪精度的影响,提出一种改进时延最小的DOA声网络目标跟踪算法,采用局部搜索的方法来最大程度的提高系统的实时性,计算量小且定位精度高。(2)针对低空目标可能出现的机动性,本文提出一种无味卡尔曼滤波的交互多模型算法。通过无味变换的方法解决声网络量测模型非线性问题,结构简单、计算量小。同时用似然函数更新模型权重,加权模型状态融合输出。仿真分析表明,实时调整模型匹配概率,提高了滤波器对状态变化的跟踪能力。(3)对于声网络探测系统,被跟踪目标机动能力越来越强,方式越来越多样,要使跟踪误差处于可接受的范围,需要调整机动目标跟踪的参数或者结构,然而固定结构的多模型算法很难做到这点。针对此问题,本文提出了基于有向图切换的变结构多模型算法。通过多个声传感器的组网将时延的方位角信息进行配准,然后依据图论中有向图切换的方法来自适应的调整模型集合。仿真分析表明,本方法能更好的匹配目标运动规律,有效降低计算复杂度,提高跟踪精度。(4)本文在声网络探测系统软件融合平台上对所提算法进行实测验证,前端预处理模块去除干扰杂波,数据融合模块实现对目标的跟踪定位,较好的解决了密集杂波环境下声网络无源跟踪工程应用问题。