论文部分内容阅读
由于电磁波和光在水体传播时衰减很大,海洋是声透明的,声波是水下信息传输、水下目标探测、水底成像等的主要手段。随着声隐身技术的发展,以及水声信道的复杂性,水下目标探测面临着“两个一千”问题,即干扰数是目标数的一千倍以上,干扰强度是目标强度的一千倍以上,给水下目标跟踪检测带来了困难。跟踪置前检测(Track-Before-Detect, TBD)方法是弱目标检测跟踪的重要研究方向,与传统的先检测后跟踪(Track-After-Detect, TAD)方法不同,该方法并不设定门限对目标的存在性进行判断,而是通过关联目标的物理运动轨迹特征,挖掘原始数据中的有效信息,通过时间积累,实现弱目标的航迹提取。粒子滤波(Particle Filter, PF)是处理非线性序贯滤波问题的一个重要手段,是目标跟踪问题的一个重要研究方向。本文基于PF技术开展水下弱目标的跟踪置前检测方法研究,主要工作如下:首先,研究利用序贯贝叶斯滤波方法开展水下目标跟踪方法研究。建立了水下目标状态空间变化模型,针对水声传播过程的非线性特点,研究扩展卡尔曼滤波(Extended Kalman Filter, EKF)、集合卡尔曼滤波(Ensemble Kalman Filter, EnKF)和粒子滤波技术,通过对比试验验证了利用粒子滤波技术跟踪水下目标的可行性。其次,根据匹配场处理思想(Matched Field Processing, MFP),建立了水声被动目标检测的TBD处理模型,研究粒子滤波实现跟踪置前检测的原理,提出了一种应用于水下弱目标检测和跟踪的PF-TBD算法,通过仿真分析验证了算法的可行性,并优于传统的PF方法。最后,开展了海上实验研究,将自主水下航行器(Autonomous Underwater Vehicle, AUV)作为检测和跟踪对象,AUV辐射噪声作为被动声源并用垂直阵接收,利用PF-TBD对实测的海试数据进行处理,结果表明,该算法可实现AUV的有效跟踪。