CN106842128A - 运动目标的声学跟踪方法及装置 - Google Patents
运动目标的声学跟踪方法及装置 Download PDFInfo
- Publication number
- CN106842128A CN106842128A CN201710074615.2A CN201710074615A CN106842128A CN 106842128 A CN106842128 A CN 106842128A CN 201710074615 A CN201710074615 A CN 201710074615A CN 106842128 A CN106842128 A CN 106842128A
- Authority
- CN
- China
- Prior art keywords
- signal
- target
- value
- time
- microphone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种运动目标的声学跟踪方法,其步骤包括:利用声传感器阵列同步接收运动目标发出的声音信号,按同样的时间间隔且时间同步地对所有信号均匀分段;在每一段时间间隔内,对其他路信号与基准信号的TDOA和SDOA值进行估计;建立目标运动方程和传感器观测方程;对于初始时刻运动参数,我们通过先验值获得或采用极大似然估计方法依次对目标坐标和速度矢量进行估计得到,对于后续时刻运动参数的估计,我们根据目标运动方程和传感器观测方程,采用贝叶斯递推估计算法来实现。本发明还公开了一种运动目标声学跟踪装置,包括传声器阵列、数据采集模块、数据处理模块。
Description
技术领域
本发明属于无线测量和声学领域,涉及声学测量技术和声探测技术,尤其涉及一种利用运动目标发生的声音来对目标进行定位跟踪的方法。
背景技术
目前,对于运动目标的定位和跟踪,主要采用其发射或反射的电磁波信号即通过雷达来完成。随着现代电子技术以及各种新型光电集成元器件的使用,雷达技术在目标定位和跟踪方面得到了广泛应用。然而,随着各种反雷达技术的快速发展,对雷达的“威胁”也日益增加。例如,目前日益成熟的电子侦查和电子干扰技术,各种超低空飞行的飞机和导弹,使雷达散射面积成百上千倍减少的隐身飞行器,快速反应的高速反辐射导弹,在对雷达技术应用范围构成限制的同时,也对雷达技术本身提出了越来越高的要求。
近年来,随着新探测技术的发展,基于声信号的探测和定位技术作为解决雷达技术缺陷的备选方案之一,得到了广泛关注。声探测技术是利用声学与电子装置接收目标发出的声波以确定目标位置和类型的一种技术。声探测技术与其他电子、雷达探测技术相比,具有以下优势:
(1)声探测技术完全采用被动式工作原理,不易被敌方电子侦察设备发现和摧毁,隐蔽性强;
(2)声探测技术不易受到电磁波的影响,可以在复杂电磁环境下工作,具有抗电磁干扰能力;
(3)声探测技术对低空、地面、海面目标也有效,而这三类目标是雷达探测的盲区。
基于声探测技术的以上优点,本发明对利用声信号跟踪运动目标的问题进行了研究,提出了一种运动目标的声学跟踪方法及装置。低空运动目标、地面及海面运动目标是雷达探测的盲区,同时这些运动目标所发出的声音也在我们声音传感器(简称声传感器)即传声器的接收范围之内,因此我们这里主要对这三类运动目标进行定位跟踪。本发明通过估计目标运动参数完成对目标的跟踪,某时刻的目标运动参数是指该时刻的目标位置坐标以及速度矢量和加速度,目标运动轨迹是通过各个离散时刻的目标运动参数通过一定的数据处理例如航迹平滑得到的。根据目标的具体运动特征,可以灵活选择运动参数。
对于运动目标来说,当其运动速度大于声速时,其目标声音传播慢于实际目标,此时将产生激波现象,导致声源点与目标不再位于同一点上。我们这里限定目标的运动速度小于声速,即对低于声速的运动目标进行跟踪。
发明内容
为了提高隐蔽性,这里采用被动跟踪体制,即只通过接收运动目标发出的声音来完成定位及跟踪,我们所用的声学设备只是接收目标的声音,而本身不发出声音。传声器是一种将声信号转换为电信号的换能器件,按其接收声波的方向性,我们可分为无指向性传声器和有方向性传声器两种。我们这里采用N(N≥3)个无指向性传声器来跟踪运动目标。运动目标发出的声音主要来自于其发动机的振动噪音或运动过程中其外表面与空气摩擦发出的声音,具有不规则的信号形式,我们在对其进行跟踪和定位以前难以获知其声信号形式。
在自由空间中,声音的传播是无方向性的,同时其信号功率随着距离而衰减,因此声音的接收范围是有距离限制的。由于声音接收范围的限制,我们所跟踪的目标主要是低空运动目标或地面运动目标,其发生的声音传播服从低空声场特性。基于声音传播的低空声场特性,我们对声音传播做出如下假设:
(1)声音传播距离远大于目标即声源尺寸,声源被看做点声源,声波被看做球面波;
(2)空中声场为理想自由声场,测量得到声音信号的传播路径为目标与传声器的连线,即测量得到的声音信号不包含经过二次或更多反射得到的信号;
(3)声音在某一路径上的实际传播速度c(单位m/s)受到温度T(单位℃)和平均风速影响,假设平均风速在声传播路径方向上的投影分量为va(单位m/s),则对于声音在其传播路径上的实际传播速度,我们用经验公式表示为:
c=331.4+0.6T+va (1)
关于声音低空声场传播的上述三个假设以及对目标运动速度的限定,是这里我们进行声学跟踪方法设计的基础和前提。
运动目标的声学跟踪装置包括传声器阵列、数据采集模块、数据处理模块。传声器阵列由大于等于三个传声器组成,其各个传声器分别位于不同地点。为了能准确判别不同传声器接收信号的时间差,需要对各个传声器的测量时间进行统一。各个传声器通过有线或者无线传输的方式连接到数据采集模块。当系统开机后,多个传声器统一按照数据采集模块发出的时钟指令同时开始工作,即各个传声器同步地接收目标信号。传声器将声信号转换为电信号,各路传声器的电信号以统一的通信协议,通过有线或无线方式传输到数据采集模块。数据采集模块对接收到的各路电信号进行数字化处理,对各路数字化处理后的信号,在进行存储的同时也发送给数据处理模块。数据采集模块对接收的各路传声器电信号的采样频率是一致的,开始采样的时刻也是严格一致的,从而保证了各路接收信号的时间统一性。数据处理模块通过比较前后相邻的一定时间范围内的信号功率值来确定目标信号开始时刻和终止时刻,利用两个时刻中间的信号完成对目标运动参数的估计并记录。
目标信号开始和终止的时刻通过如下方法确定:数据处理模块实时计算当前时刻前后一定时间范围内存储的数字信号的功率,并计算其与前一个相邻的同样时间长度范围内信号功率的比值,若二者的比值大于某一个阈值,则认为有目标出现,将当前时刻作为信号开始时刻;在认为有目标出现之后,数据处理模块将仍然比较当前时刻前后一定时间范围内的信号功率与前一个时间范围内的信号功率,若二者比值小于某一阈值,则认为目标消失,将当前时刻作为信号终止时刻。
我们这里通过利用不同传声器接收目标信号的观测量,包括到达时间差(TimeDifference of Arrive,简称TDOA)和到达时间的比例尺差(Scale Difference ofArrive,简称SDOA),来对目标的运动参数进行估计。我们这里事先并不知道目标发出的声音信号形式,另外,由于不同目标的位置及速度不同,所产生的声音信号也是不同的。基于上述原因,对于不同传声器接收到目标信号的TDOA的计算,我们无法通过在接收端构建统一的模板信号对接收信号进行相关处理的方式得到,这里我们采用比较两路接收信号波形的方法。当几路传声器接收信号的波形差异不大时,我们采用相关函数法求取其时间差;当目标的多普勒效应较为明显导致各路传声器接收信号波形的差异较大时,我们引入时间多普勒差,利用互模糊函数联合估计两路信号的时差和时间多普勒差。时间多普勒差也称为到达时间的比例尺差。
假设传声器阵列一共有N个传声器,在传声器阵列接收到的一组信号中,最早到达的一路信号为f0(t),其对应的传声器我们称之为基准传声器,其他路信号为fi(t),i=1,2,…,N-1,第i路信号的时长为Ti,数据采集模块的采样频率为fs,对应的采样周期Ts=1/fs。目标在k时刻的运动参数包括位置坐标[xk,yk,zk],速度矢量[vx,k,vy,k,vz,k]以及加速度值ak。
由于目标是运动的,不同路信号间的TDOA和SDOA是随时间变化的。这里我们对目标运动轨迹进行分段,每段长度为L(单位为米),在这一段长度内,认为目标的运动参数是不变的。目标运动轨迹是对应到接收信号的,相应地,对各路接收信号也按照相同的时间间隔进行均匀分段。通过对每一段的目标运动参数分别进行估计,即可得到目标的运动轨迹及相关运动参数。假设对目标的速度值大小v有一个先验的约束范围vmin≤v≤vmax,则目标运动距离L对应的采样点数N0应为在实际应用中,为保证定位跟踪精度,每一段信号中的采样点数目N0不能太少,采样周期Ts的取值应使大于某个预先设定的最小值N0,min,根据后续信号处理算法的实际需求,N0,min的典型值取256或者512。传感器阵列接收的各路信号组成接收信号向量[f0(t),f1(t),f2(t),…,fN-1(t)],其中f0(t)为最先到达的基准信号。将目标的运动轨迹均匀分为NL段,也就是将对应的各个接收信号按照同样的时间间隔且时间同步地均匀分为NL段,对分段后的信号向量,在每一段内取N0个采样点,对基准信号和其他各路信号的TDOA和SDOA分别进行估计。对于第i路信号fi(t),其第j段信号中取的N0个采样点的起始点在信号fi(t)所有采样点中的序号为NSij,第i路信号fi(t)的第k段信号相对于f0(t)的第k段信号的TDOA值用τik表示,其对应的采样点数用表示。我们这里采用互相关函数法对TDOA进行估计,具体做法是寻找使两段信号的归一化互相关函数取得最大值的时延即为TDOA值该过程表达为:
式(2)中,等式右边运算符号max{}中的部分为两路不同信号的第k段的归一化互相关函数R,其取值满足|R|≤1。式(2)中的搜索范围为[0,τi,max/Ts],其中τi,max=di,0/c,di,0为基准传声器到第i个传声器的距离。
当两路信号的接收波形很相近时,归一化互相关函数值|R|接近于1。当接收信号的多普勒效应较为明显时,不同路信号的波形差异较大。这里我们设定一个阈值R0,当|R|<R0时,认为进行相关运算的两路信号之间不仅仅有时间TDOA的差异,还有SDOA的差异,需要同时对TDOA和SDOA进行估计。阈值R0的具体数值的设定由接收信号的信噪比决定,信噪比越大时,阈值R0的取值越接近于1。这里我们采用互模糊函数(Cross AmbiguityFunction,简称CAF)方法进行TDOA和SDOA的联合估计。
最早接收到信号的传声器我们称为基准传声器。假设对于第k段接收信号,目标相对于基准传声器和传声器i的径向速度分别为vr0,k和vri,k。径向速度为目标相对于传声器的速度,相向取正,相离取负。我们用表示第i个传声器接收信号的第k段相对于基准传声器的SDOA,则SDOA与径向速度的关系为:
基准传声器的接收信号y0(t)可表达为:
y0(t)=x(t)+n1(t) (4)
其中,x(t)为运动目标发出的声音传播到基准传声器的信号,n1(t)为噪声。根据式(4),传声器i接收的信号可表示为:
其中,n2(t)为噪声,A为传声器i相对于基准传声器的信号相对幅度增益,τ为传声器i相对于基准传声器所接收信号之间的时差TDOA,为传声器i相对于基准传声器的时间伸缩因子SDOA,其表达式见式(3)。在得到y0(t)和yi(t)两路信号后,我们采用互模糊函数法来对τ和进行联合估计。y0(t)和yi(t)的互模糊函数CAF表达式为:
其中,T为信号时间长度。能够使CAF取得最大值的τ和的组合,分别为TDOA和SDOA的最优估计值,这里我们也选用其作为后续目标跟踪过程所使用的TDOA和SDOA值。
当联合估计TDOA和SDOA时,随着目标的运动,目标相对于传声器的径向速度是迅速变化的,导致SDOA也是快速变化的,因此我们将目标的运动轨迹划分成小段,在每一段内分别进行TDOA和SDOA的估计。目标的运动轨迹是映射到各路接收信号上的,这里在将各路接收信号划为小段时,采用连续划分的方式,即各个小段是相连的,同时每一小段内的所有信号都参与估计运算。假设最早到达的一路信号为f0(t),其与第i路信号fi(t)的TDOA和SDOA联合估计表达式为:
其中,T1为信号段的长度。假设将各路信号划分成NL段,对于第i路信号fi(t),其第k段信号中取的N0个采样点的起始点在信号fi(t)所有采样点中的序号为NSik,第i路信号fi(t)的第k段信号相对于f0(t)的第k段信号的TDOA值和SDOA值分别用τik和表示,τik对应的采样点数用表示,即根据式(3),SDOA值是一个速度差的比值,是一个无量纲量,其取值范围和迭代步长根据速度vr1和vr2的先验信息确定。对于TDOA和SDOA的估计,具体做法是通过对两个参数TDOA和SDOA的二维搜索,寻找使两个信号的互模糊函数取得最大值的参数组合。该过程可用数学表达式来表示,即和的最优估计值和为:
通过对两个参数采用二维搜索的方式,得到使式(8)取得最大值时的参数组合即为该时刻的TDOA和SDOA值。
在得到观测参数TDOA和SDOA后,我们建立目标运动方程和传感器观测方程,对目标运动参数进行估计。假设系统的运动参数为位置坐标及速度矢量,首先根据目标前后时刻运动参数的相互关系,建立目标运动方程:
其中,a为加速度值,|vk|为k时刻速度模值,加速度值通过初始时刻估计值或者先验值得到,在后续状态更新过程中作为已知值代入目标运动方程中;nk为系统随机输入噪声向量。式(9)中给出的是目标匀加速运动时的运动方程,其他情况与之类似,只需要增加相应的变量即可。
根据观测量与运动参数的相互关系,建立观测量与运动参数的解析表达式,即为传感器观测方程。当利用目标声音信号到不同声传感器的传播路径差进行定位时,其传感器观测方程为:
其中,[sxi,syi,szi]为第i个声传感器的位置坐标,[sx0,sy0,sz0]为基准声传感器的位置坐标,ωi和χi为系统观测误差。目标运动方程和传感器观测方程中的噪声量nk、ωi和χx均服从高斯分布。当利用目标声音信号传播路径与不同声传感器连线的夹角θ进行定位时,其传感器观测方程为:
其中,式(12)的等式右边分数项部分为夹角余弦cosθ。在两类传感器观测方程中,式(11)和式(13)是相同的,即两个方程对SDOA信息的利用都是相同的,其区别主要在于对TDOA的利用方式不同。另外,对多普勒效应不明显的情况,即归一化互相关函数最大值大于某一阈值的情况,其传感器观测方程中没有SDOA项,对于速度信息的估计,我们通过对前后时刻目标位置差分的方法得到。只要建立观测量与运动参数的解析表达式,就得到了传感器观测方程,因此传感器观测方程不限于上述两种。
对于初始时刻运动参数的估计,我们采用极大似然估计方法。利用传感器观测方程分别构建目标的位置坐标[x0,y0,z0]和速度矢量[vx,0,vy,0,vz,0]的似然函数p(τ/[x0,y0,z0])和再利用极大似然估计方法对目标位置坐标[x0,y0,z0]和目标速度矢量[vx,0,vy,0,vz,0]分别进行估计。这里以对位置坐标进行极大似然估计为例,对其估计过程进行说明。根据式(10),系统观测误差ωi服从高斯分布,对于某路信号的时差测量值τi0,其单路信号得到的似然函数p(τ/[x,y,z])可表达为:
其中,σω为系统观测误差变量ωi的方差。这里采用N路声传感器对目标进行测量,在同一时刻,共得到N-1个测量量,总的似然函数是各路信号得到似然函数式(14)的乘积,因此目标位置坐标的似然函数表达式为:
在无误差情况下,观测变量τi0与目标位置坐标之间的关系式为:
在某一位置坐标[x0,y0,z0]附近的区域,将式(16)用泰勒级数展开的方法,用一次多项式近似,得到的近似表达式为:
将式(17)代入式(15),可以得到:
其中,指数项部分F(x,y,z)的表达式为:
F(x,y,z)是一个二次多项式,其可以写成如下标准形式:
F(x,y,z)=a1x2+a2y2+a3z2+a4xy+a5xz+a6yz+a7x+a8y+a9z+a10 (20)
对式(20)求导,并令导数为0,即可得到目标位置坐标估计值的线性方程组:
式(21)的解能使式(15)的似然函数P(τ/[x,y,z])取得最大值,因此该解也就是我们对目标位置坐标的极大似然估计值。
在得到目标位置估计值后,下面对初始时刻速度矢量[vx,0,vy,0,vz,0]进行估计。当两路信号只有TDOA的差异时,我们用前后时刻位置估计值的差来对速度矢量进行估计;当两路信号同时存在TDOA和SDOA的差异时,根据目标位置的估计值可得初始速度值[vx,0,vy,0,vz,0]在某一传声器i方向上的投影量为:
其中,i=0,1,…,N-1。根据式(22),分别将vri,0和vri,k的表达式代入式(11),即可得到声传感器观测量SDOA与初始时刻目标速度矢量[vx,0,vy,0,vz,0]的数学关系式,依据此关系式即可得到目标初始速度矢量[vx,0,vy,0,vz,0]的似然函数针对目标速度矢量的似然函数,利用对目标位置坐标进行极大似然估计的相同步骤,采用式(14)至式(21),即可完成对目标速度矢量[vx,0,vy,0,vz,0]的极大似然估计。在得到初始目标速度后,通过计算前后两个时刻的速度变化率可得到目标加速度的估计值。
由于实际声速受到风速的影响,为提高目标跟踪精度,需要利用风速计对传声器位置处的实际风速和风向进行测量,风速和风向二者合在一起可以用风速矢量表示,利用温度计对该处温度进行测量。假设测得的第i个传声器处的风速矢量是[va,x,va,y,va,z],目标位置的估计值为则风速矢量在目标声信号传播方向上的投影值为:
传感器观测方程中的声速修正表达式为:c=331.4+0.6T+va。将含有风速值的声速修正表达式代入传感器观测方程中,再利用极大似然估计方法对位置坐标[x0,y0,z0]和目标速度矢量[vx,0,vy,0,vz,0]分别进行估计,即可完成声速修正条件下的位置坐标和目标速度矢量的估计。风速在整个测量区域中的不同位置处是不一样的,为获取整个测量区域中声速场分布情况,需要在整个测量区域空间中近似均匀地设置若干个气象气球,该气象气球含有定位装置且能够测量风速风向。利用在整个测量区域空间中近似均匀分布的气象气球,可以测得其所在位置处的风速矢量,通过三维空间坐标拟合的方式,可得到三维空间的近似风速场。对于目标发出的声音来说,其传播路径就是目标与传声器的连线,对于声信号在此路径上的传播时间,结合风速场,我们采用将整个路径离散化的方式,分段计算传播时间,最后将各分段传播时间累加,得到总传播时间。
在通过极大似然估计方法或者利用先验信息得到初始时刻目标运动参数后,后续时刻的目标运动参数根据目标运动方程和传感器观测方程,采用贝叶斯递推状态估计算法来实现。贝叶斯递推状态估计是一种通过递推计算目标状态后验概率密度函数,并利用该函数来获得目标最优估计值的方法。在最优贝叶斯估计的框架下,通过目标参数的先验概率密度和观测似然函数来构建后验概率密度函数,对目标参数进行估计。对于我们这里的目标跟踪问题,运动参数的先验概率由目标运动方程决定,观测似然函数由传感器观测方程决定。在具体实现过程中,根据我们遇到的传感器观测方程和目标运动方程的不同,选择不同的滤波算法来对贝叶斯递推状态估计进行近似实现,这些滤波算法包括卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)、点群滤波(PMF)和粒子滤波等。
对于TDOA值的估计,我们采用的是对离散接收信号进行相关运算的方式,因此其观测精度受到离散采样周期的制约。这里采用二次函数拟合的方式提高其观测精度。信号相关函数在峰值附近波形变化较慢,对于截取峰值附近的小段信号,可将其展开为泰勒级数,并用最高二次多项式进行近似。假设信号相关函数峰值附近波形可以近似为:
f(t)≈at2+bt+c (24)
其峰值对应的时间为:
t=-b/2c (25)
取已知的最大互相关函数值邻近若干个点,这些点的时延和对应的互相关值是已知的,利用这些点的值对式(24)中的多项式参数b和c进行最小二乘求解,再利用式(25)计算得到峰值对应的时间,将该值对应为相应的时延值,该时延值就是TDOA的新观测值。在该方法中,已知的最大互相关函数值附近取的点数量应大于2个,一般为4至6个。
综上所述,本发明对运动目标进行声学跟踪的基本步骤为:利用声传感器阵列同步接收运动目标发出的声音信号,声传感器阵列中声传感器的数量应大于等于3,将各个声传感器接收的信号转化为数字信号,再按同样的时间间隔且时间同步地对所有信号均匀分段,以最先到达的一路声传感器信号作为基准信号;在每一段时间间隔内,对每一路非基准信号,计算其与基准信号的归一化互相关函数,若其最大归一化互相关函数值大于某一预先设定阈值时,则将该最大值对应的时延作为该路信号与基准信号的到达时间差(TDOA),若其最大归一化互相关函数值小于某一预先设定阈值时,以到达时间差和到达时间比例尺差(SDOA)为两个自变量,建立两路信号的互模糊函数,对两个参数TDOA和SDOA进行二维搜索,寻找使互模糊函数取得最大值的参数组合,即为该路信号与基准信号的TDOA和SDOA值;根据目标前后时刻运动参数的相互关系,建立目标运动方程,根据声传感器观测量TDOA和SDOA与运动参数的相互关系,建立观测量与运动参数的解析表达式,即为传感器观测方程;对于初始时刻运动参数,我们通过先验值获得或采用极大似然估计方法依次对目标坐标和速度矢量进行估计得到,对于后续时刻运动参数的估计,我们根据目标运动方程和传感器观测方程,采用贝叶斯递推估计算法来实现。图1是该方法实现目标跟踪的流程图。
运动目标的声学跟踪装置包括传声器阵列、数据采集模块、数据处理模块。传声器阵列由大于等于三个传声器组成,其各个传声器分别位于不同地点,传声器将声信号转换为电信号,各路传声器的电信号以统一的通信协议,通过有线或无线方式传输到数据采集模块,各个传声器按照数据采集模块发出的时钟指令同步工作。数据采集模块也按相同的时钟指令同步地对接收到的各路电信号进行数字化处理,对各路数字化处理后的信号,在进行存储的同时也发送给数据处理模块;数据处理模块通过比较前后相邻的一定时间范围内的信号功率值来确定目标信号开始时刻和终止时刻,利用两个时刻中间的信号完成对目标运动参数的估计并记录。
运动目标声学跟踪装置的系统组成框图如图2所示。图2中,不同模块之间的数据沿箭头方向传输。各个传声器向数据采集模块发送采集的数据,数据采集模块向各个传声器发出工作时钟指令,二者之间的通信链路可采用有线或无线方式,所以图2中用虚线表示。数据采集模块将数字化处理后的信号发送给数据处理模块。
为提高跟踪精度,运动目标声学跟踪装置还包括风速计模块和温度计,每个传声器处设置一个风速计和温度计,利用风速计和温度计分别对声传感器位置处的风速矢量和温度进行测量并将测量结果发送给数据处理模块,数据处理模块计算风速矢量在目标声信号传播方向上的投影值va,利用风速矢量投影值和该点温度值对风速值进行修正,将该修正的风速值应用于目标运动参数估计过程中。进一步地,为提高跟踪精度,在整个测量区域空间中近似均匀地设置若干个气象气球,该气象气球含有定位装置且能够测量风速风向和温度,并能够将测得的风速风向和温度及对应的定位坐标发送给数据处理模块,数据处理模块利用其测量的各个点的风速风向信息,通过三维空间坐标拟合的方式,得到三维空间的近似风速场,基于此风速场采用目标声传播路径离散化的方式,分段计算声音传播时间,最后将各个分段传播时间累加得到总传播时间,并将该结果用于目标运动参数估计中。
附图说明
图1是该方法实现目标跟踪的流程图。
图2是运动目标声学跟踪装置的系统组成框图。
图3是实施例一的目标运动以及声传感器阵位置示意图。
图4是对接收信号按照相同的时间间隔且时间同步地进行分段的示意图。
图5是实施例二的目标运动以及声传感器阵位置示意图。
具体实施方式
下面结合两个典型实施例对本发明方案的实施过程进行具体说明。
实施例一
应用场景说明:
传声器阵列由5个传声器组成,这5个传声器在同一条直线上,目标运动方向与传声器阵列所在直线平行,目标作匀速直线运动,目标运动方向与位置关系如图3所示。需要说明的是,图3只是给出了目标与传声器阵列的相对位置关系,目标与传声器的相对距离并不与图中间距成严格比例关系。
具体实现步骤:
①利用5个传声器接收目标发出的声音信号,其中第1路信号最先到达,确立第1路为基准信号;
②将各路信号进行数字化处理,再按同样的时间间隔且时间同步地均匀分段,分段示意图如图4所示,图中虚线为信号分段线,由于篇幅所限,图4中只给出了3路信号的划分示意图;
③对分段后的每一个时间间隔内的一组信号,计算基准信号与其他路信号的归一化互相关函数的最大值,并将最大值与预先设定的阈值比较,这里设定阈值为0.8,经过比较,其他4路信号与基准信号的最大归一化互相关值均大于0.8,因此这里主要对时延进行估计;将其他每一路信号与基准信号的最大归一化互相关值所对应的时延,作为该路信号与基准信号的TDOA值,对一段信号共得到4个TDOA值;完成对这一段信号TDOA值的估计后,再对下一段信号重复步骤③;
④利用风速计对传声器位置处的风速矢量进行测量,假设测得的第i个传声器处的风速矢量是[va,x,va,y,va,z],目标位置的估计值为[x0,y0,z0],则风速矢量在目标声信号传播方向上的投影值为:
则声速修正表达式为:
c=331.4+0.6T+va (27)
⑤在得到每一段信号的TDOA值后,构建目标运动方程为:
这里利用目标声音信号到不同声传感器的传播路径差进行定位,其传感器观测方程为:
其中,声速的表达式为式(27)所示;对于初始时刻k=0的位置值,利用式(29)得到目标位置坐标[x0,y0,z0]的似然函数p(τ/[x0,y0,z0]),利用极大似然方法对目标位置进行估计,时刻k=1时的目标位置,采用同样的方法进行估计,利用两个时刻的位置值计算初始速度,从而得到初始目标运动参数;
⑥对时刻k=2及以后时刻的目标运动参数,根据目标运动方程式(28)和传感器观测方程式(29),采用扩展卡尔曼滤波来进行估计,综合步骤⑤和步骤⑥的估计结果,即可得到所有离散时刻的目标运动参数。
实施例二
应用场景说明:
传声器阵列由5个传声器组成,这5个传声器在同一条直线上,目标运动方向与传声器阵列所在直线垂直,目标作匀速直线运动,目标运动方向与位置关系如图5所示。需要说明的是,图5只是给出了目标与传声器阵列的相对位置关系,目标与传声器的相对距离并不与图中间距成严格比例关系。
具体实现步骤:
①利用5个传声器接收目标发出的声音信号,其中第1路信号最先到达,确立第1路为基准信号;
②将各路信号进行数字化处理,再按同样的时间间隔且时间同步地均匀分段;
③对分段后的每一个时间间隔内的一组信号,计算基准信号与其他路信号的归一化互相关函数的最大值,并将最大值与预先设定的阈值比较,这里设定阈值为0.8,经过比较,其他4路信号与基准信号的最大归一化互相关值均小于0.8,因此这里将对TDOA和SDOA进行联合估计,对其他4路信号分别按照式(7)建立其与基准信号的互模糊函数,对该函数的两个变量τ和进行二维搜索,寻找使互模糊函数最大的τ和的组合,即为TDOA和SDOA,对同一时间间隔内的一组信号,共得到4组TDOA和SDOA;完成对这一段信号的SDOA和TDOA值的估计后,再对下一段信号重复步骤③;
④利用风速计对传声器位置处的风速矢量进行测量,假设测得的第i个传声器处的风速矢量是[va,x,va,y,va,z],目标位置的估计值为[x0,y0,z0],则风速矢量在目标声信号传播方向上的投影值为:
则声速修正表达式为:
c=331.4+0.6T+va (31)
⑤在得到每一段信号的TDOA值后,构建目标运动方程为:
当利用目标声音信号传播路径与不同声传感器连线的夹角θ进行定位时,其传感器观测方程为:
对于式(34),其中声速c的表达式为式(31);对于初始时刻k=0的位置值,利用式(33)得到目标位置坐标[x0,y0,z0]的似然函数p(τ/[x0,y0,z0]),利用极大似然方法对目标位置进行估计,将位置估计值作为已知值代入式(22)和式(30),再将修正声速表达式和径向速度表达式代入式(34),并依据式(34)得到目标初始速度矢量[vx,0,vy,0,vz,0]的似然函数利用对目标位置坐标进行极大似然估计的相同步骤,完成对目标速度矢量[vx,0,vy,0,vz,0]的极大似然估计,从而完成对初始时刻目标运动参数的估计;
⑥对时刻k=2及以后时刻的目标运动参数,根据目标运动方程式(32)和传感器观测方程式(33)和式(34),采用扩展卡尔曼滤波来进行估计,综合步骤⑤和步骤⑥的估计结果,即可得到所有离散时刻的目标运动参数。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此。任何采用声传感器阵列接收目标信号并测量各路信号之间的TDOA和SDOA值,构建目标运动方程和传感器观测方程,利用先验值或极大似然估计方法获得目标运动参数,再利用贝叶斯递推估计算法获得后续时刻运动参数,从而实现对运动目标的声学跟踪的思路,均应属于本发明所阐明的技术构思的保护范围,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,或者与现有公知技术的显而易见的结合,都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种运动目标的声学跟踪方法,包括:
利用声传感器阵列同步接收运动目标发出的声音信号,声传感器阵列中声传感器的数量应大于等于3,将各个声传感器接收的信号转化为数字信号,再按同样的时间间隔且时间同步地对所有信号均匀分段,以最先到达的一路声传感器接收信号作为基准信号;
在每一段时间间隔内,对每一路非基准信号,计算其与基准信号的归一化互相关函数,若其最大归一化互相关函数值大于某一预先设定阈值时,则将该最大值对应的时延作为该路信号与基准信号的到达时间差(TDOA),若其最大归一化互相关函数值小于某一预先设定阈值时,以到达时间差和到达时间比例尺差(SDOA)为两个自变量,建立两路信号的互模糊函数,对两个参数TDOA和SDOA进行二维搜索,寻找使互模糊函数取得最大值的参数组合,即为该路信号与基准信号的TDOA和SDOA值;
根据前后时刻目标运动参数的相互关系,建立目标运动方程,根据声传感器观测量TDOA和SDOA与运动参数的相互关系,建立观测量与运动参数的解析表达式,即为传感器观测方程;
对于初始时刻目标运动参数,我们通过先验值获得或采用极大似然估计方法依次对目标坐标和速度矢量进行估计得到,对于后续时刻运动参数的估计,我们根据目标运动方程和传感器观测方程,采用贝叶斯递推估计算法来实现。
2.根据权利要求1所述的方法,假设分段后的每段信号对应到目标运动轨迹的长度为L,对目标的速度值大小v的先验约束范围为vmin≤v≤vmax,则声传感器接收信号的数字化采样周期Ts的取值应满足使大于某个预先设定值N0,min。
3.根据权利要求1所述的方法,目标运动参数是指目标位置坐标以及速度矢量和加速度。
4.根据权利要求1所述的方法,其特征在于,所述的贝叶斯递推估计算法可用卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)、点群滤波(PMF)和粒子滤波来近似实现。
5.根据权利要求1所述的方法,为进一步提高TDOA值的观测精度,对两个信号的互相关函数峰值附近波形用二次多项式近似为f(t)≈at2+bt+c,将已知的最大互相关值及其邻近若干个点的时延和互相关值作为已知值,对二次多项式f(t)中的参数b和c进行最小二乘求解,则二次多项式峰值对应的时间t=-b/2c,将该值对应为相应的时延值,该时延值就是TDOA的新观测值。
6.根据权利要求1所述的方法,其特征在于,利用风速计对声传感器位置处的风速矢量进行测量,利用温度计对该处温度进行测量,计算风速矢量在目标声信号传播方向上的投影值,利用风速矢量投影值和该点温度值对风速值进行修正,将该修正的风速值应用于目标运动参数估计过程中。
7.根据权利要求6所述的方法,其特征在于,在整个测量区域空间中近似均匀地设置若干个气象气球,该气象气球含有定位装置且能够测量风速风向和温度,利用其测量的各个点的风速风向和温度信息,通过三维空间坐标拟合的方式,得到三维空间的近似风速场,基于此风速场采用目标声传播路径离散化的方式,分段计算声音传播时间,最后将各个分段传播时间累加得到总传播时间,并将该结果用于目标运动参数估计中。
8.根据权利要求1所述的方法,其特征在于,通过比较前后相邻的一定时间范围内的信号功率比值来确定目标信号的开始时刻和终止时刻。
9.一种运动目标声学跟踪装置,包括传声器阵列、数据采集模块、数据处理模块;
传声器阵列由大于等于三个传声器组成,其各个传声器分别位于不同地点,传声器将声信号转换为电信号,各路传声器的电信号以统一的通信协议,通过有线或无线方式传输到数据采集模块,各个传声器按照数据采集模块发出的时钟指令同步工作;
数据采集模块也按相同的时钟指令同步地对接收到的各路电信号进行数字化处理,对各路数字化处理后的信号,在进行存储的同时也发送给数据处理模块;
数据处理模块通过比较前后相邻的一定时间范围内的信号功率值来确定目标信号开始时刻和终止时刻,利用开始时刻和终止时刻中间的信号,按照权利要求1所述的方法,完成对目标运动参数的估计并记录。
10.根据权利要求9所述的装置,其所述的目标信号开始和终止的时刻通过如下方法确定:数据处理模块实时计算当前时刻前后一定时间范围内的信号功率,并计算其与前一个相邻的同样长度时间范围内信号功率的比值,若二者的比值大于某一个阈值,则认为有目标出现,将当前时刻作为信号开始时刻;在认为有目标出现之后,数据处理模块将仍然比较当前时刻前后一定时间范围内的信号功率与前一个相邻的同样长度时间范围内的信号功率,若二者比值小于某一阈值,则认为目标消失,将当前时刻作为信号终止时刻。
11.根据权利要求9所述的运动目标声学跟踪装置,其特征在于,该装置还包括风速计和温度计,每个传声器处设置一个风速计和温度计,利用风速计和温度计分别对声传感器位置处的风速矢量和温度进行测量并将测量结果发送给数据处理模块,数据处理模块计算风速矢量在目标声信号传播方向上的投影值,利用风速矢量投影值和该点温度值对风速值进行修正,将该修正的风速值应用于目标运动参数估计过程中。
12.根据权利要求11所述的运动目标声学跟踪装置,其特征在于,该装置还包括近似均匀地设置于整个测量区域空间中的若干个气象气球,该气象气球含有定位装置且能够测量风速风向和温度,并能够将测得的风速风向和温度及对应的定位坐标发送给数据处理模块,数据处理模块利用其测量的各个点的风速风向信息,通过三维空间坐标拟合的方式,得到三维空间的近似风速场,基于此风速场采用目标声传播路径离散化的方式,分段计算声音传播时间,最后将各个分段传播时间累加得到总传播时间,并将该结果用于目标运动参数估计中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710074615.2A CN106842128B (zh) | 2017-02-11 | 2017-02-11 | 运动目标的声学跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710074615.2A CN106842128B (zh) | 2017-02-11 | 2017-02-11 | 运动目标的声学跟踪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106842128A true CN106842128A (zh) | 2017-06-13 |
CN106842128B CN106842128B (zh) | 2019-04-23 |
Family
ID=59127571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710074615.2A Expired - Fee Related CN106842128B (zh) | 2017-02-11 | 2017-02-11 | 运动目标的声学跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106842128B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271955A (zh) * | 2017-07-25 | 2017-10-20 | 西安电子科技大学 | 一种宽带线性调频信号的时差和尺度差估计方法 |
CN108614268A (zh) * | 2018-04-26 | 2018-10-02 | 中国人民解放军91550部队 | 低空高速飞行目标的声学跟踪方法 |
CN109100727A (zh) * | 2018-06-06 | 2018-12-28 | 江苏大学 | 一种使用运动虚拟声源识别声源运动轨迹的方法 |
CN109283491A (zh) * | 2018-08-02 | 2019-01-29 | 哈尔滨工程大学 | 一种基于矢量探测单元的无人机定位系统 |
CN110132281A (zh) * | 2019-05-21 | 2019-08-16 | 哈尔滨工程大学 | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 |
CN110173398A (zh) * | 2019-04-17 | 2019-08-27 | 扬州大学 | 一种风力机远距离传播噪声与发电功率协同主动控制方法 |
CN110274595A (zh) * | 2018-03-16 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 飞行器落地检测的方法和装置 |
CN110441735A (zh) * | 2019-08-15 | 2019-11-12 | 陕西金蝌蚪智能科技有限公司 | 一种低空无人机被动声探测装置及方法 |
CN110495185A (zh) * | 2018-03-09 | 2019-11-22 | 深圳市汇顶科技股份有限公司 | 语音信号处理方法及装置 |
CN112526369A (zh) * | 2019-09-18 | 2021-03-19 | 广州极飞科技有限公司 | 基于电压值对电量的计量方法、电量确定方法及其装置 |
CN112710984A (zh) * | 2020-12-11 | 2021-04-27 | 中国人民解放军海军航空大学 | 一种基于同伦延拓的无源定位方法及系统 |
CN114594480A (zh) * | 2022-03-11 | 2022-06-07 | 北京女娲补天科技信息技术有限公司 | 一种基于声波定位的投掷项目测试方法及装置 |
US11388343B2 (en) * | 2018-08-17 | 2022-07-12 | SZ DJI Technology Co., Ltd. | Photographing control method and controller with target localization based on sound detectors |
WO2022233169A1 (zh) * | 2021-05-06 | 2022-11-10 | 山东省科学院海洋仪器仪表研究所 | 非规则轨迹水中运动目标前向声散射多普勒频移计算方法 |
CN116449291A (zh) * | 2023-06-12 | 2023-07-18 | 中国人民解放军国防科技大学 | 基于定位误差分析的被动全向声呐浮标补投方法和装置 |
CN116703975A (zh) * | 2023-06-13 | 2023-09-05 | 武汉天进科技有限公司 | 一种用于无人机的智能化目标图像跟踪方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080180325A1 (en) * | 2007-01-31 | 2008-07-31 | L3 Communication Integrated Systems | Method and apparatus for estimating geolocations |
CN101986169A (zh) * | 2010-08-10 | 2011-03-16 | 重庆星熠导航设备有限公司 | 基于蜂窝移动通信基站及其网络的分布式无源探测系统 |
CN103176166A (zh) * | 2013-03-14 | 2013-06-26 | 东南大学 | 一种用于水声被动定位的信号到达时延差跟踪算法 |
CN105044667A (zh) * | 2015-07-29 | 2015-11-11 | 中国电子科技集团公司第三十六研究所 | 一种运动目标的双星跟踪方法、装置和系统 |
-
2017
- 2017-02-11 CN CN201710074615.2A patent/CN106842128B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080180325A1 (en) * | 2007-01-31 | 2008-07-31 | L3 Communication Integrated Systems | Method and apparatus for estimating geolocations |
CN101986169A (zh) * | 2010-08-10 | 2011-03-16 | 重庆星熠导航设备有限公司 | 基于蜂窝移动通信基站及其网络的分布式无源探测系统 |
CN103176166A (zh) * | 2013-03-14 | 2013-06-26 | 东南大学 | 一种用于水声被动定位的信号到达时延差跟踪算法 |
CN105044667A (zh) * | 2015-07-29 | 2015-11-11 | 中国电子科技集团公司第三十六研究所 | 一种运动目标的双星跟踪方法、装置和系统 |
Non-Patent Citations (1)
Title |
---|
王钊等: "宽带无源时差尺度差联合估计算法研究", 《无线电工程》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107271955A (zh) * | 2017-07-25 | 2017-10-20 | 西安电子科技大学 | 一种宽带线性调频信号的时差和尺度差估计方法 |
CN110495185A (zh) * | 2018-03-09 | 2019-11-22 | 深圳市汇顶科技股份有限公司 | 语音信号处理方法及装置 |
CN110274595A (zh) * | 2018-03-16 | 2019-09-24 | 北京京东尚科信息技术有限公司 | 飞行器落地检测的方法和装置 |
CN110274595B (zh) * | 2018-03-16 | 2021-12-31 | 北京京东尚科信息技术有限公司 | 飞行器落地检测的方法和装置 |
CN108614268B (zh) * | 2018-04-26 | 2021-12-07 | 中国人民解放军91550部队 | 低空高速飞行目标的声学跟踪方法 |
CN108614268A (zh) * | 2018-04-26 | 2018-10-02 | 中国人民解放军91550部队 | 低空高速飞行目标的声学跟踪方法 |
CN109100727A (zh) * | 2018-06-06 | 2018-12-28 | 江苏大学 | 一种使用运动虚拟声源识别声源运动轨迹的方法 |
CN109283491A (zh) * | 2018-08-02 | 2019-01-29 | 哈尔滨工程大学 | 一种基于矢量探测单元的无人机定位系统 |
US11388343B2 (en) * | 2018-08-17 | 2022-07-12 | SZ DJI Technology Co., Ltd. | Photographing control method and controller with target localization based on sound detectors |
CN110173398A (zh) * | 2019-04-17 | 2019-08-27 | 扬州大学 | 一种风力机远距离传播噪声与发电功率协同主动控制方法 |
CN110173398B (zh) * | 2019-04-17 | 2021-05-11 | 扬州大学 | 一种风力机远距离传播噪声与发电功率协同主动控制方法 |
CN110132281B (zh) * | 2019-05-21 | 2023-10-20 | 哈尔滨工程大学 | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 |
CN110132281A (zh) * | 2019-05-21 | 2019-08-16 | 哈尔滨工程大学 | 一种基于询问应答模式的水下高速目标高精度自主声学导航方法 |
CN110441735A (zh) * | 2019-08-15 | 2019-11-12 | 陕西金蝌蚪智能科技有限公司 | 一种低空无人机被动声探测装置及方法 |
CN112526369A (zh) * | 2019-09-18 | 2021-03-19 | 广州极飞科技有限公司 | 基于电压值对电量的计量方法、电量确定方法及其装置 |
CN112526369B (zh) * | 2019-09-18 | 2024-03-01 | 广州极飞科技股份有限公司 | 基于电压值对电量的计量方法、电量确定方法及其装置 |
CN112710984A (zh) * | 2020-12-11 | 2021-04-27 | 中国人民解放军海军航空大学 | 一种基于同伦延拓的无源定位方法及系统 |
WO2022233169A1 (zh) * | 2021-05-06 | 2022-11-10 | 山东省科学院海洋仪器仪表研究所 | 非规则轨迹水中运动目标前向声散射多普勒频移计算方法 |
CN114594480A (zh) * | 2022-03-11 | 2022-06-07 | 北京女娲补天科技信息技术有限公司 | 一种基于声波定位的投掷项目测试方法及装置 |
CN116449291B (zh) * | 2023-06-12 | 2023-08-25 | 中国人民解放军国防科技大学 | 基于定位误差分析的被动全向声呐浮标补投方法和装置 |
CN116449291A (zh) * | 2023-06-12 | 2023-07-18 | 中国人民解放军国防科技大学 | 基于定位误差分析的被动全向声呐浮标补投方法和装置 |
CN116703975A (zh) * | 2023-06-13 | 2023-09-05 | 武汉天进科技有限公司 | 一种用于无人机的智能化目标图像跟踪方法 |
CN116703975B (zh) * | 2023-06-13 | 2023-12-15 | 武汉天进科技有限公司 | 一种用于无人机的智能化目标图像跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106842128B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842128B (zh) | 运动目标的声学跟踪方法及装置 | |
CN103869311B (zh) | 实波束扫描雷达超分辨成像方法 | |
CN108614268B (zh) | 低空高速飞行目标的声学跟踪方法 | |
CN108489498A (zh) | 一种基于最大互相关熵无迹粒子滤波的auv协同导航方法 | |
CN108872971B (zh) | 一种基于运动单阵列的目标定位方法与装置 | |
CN106443615A (zh) | 一种双基地mimo雷达高速目标跨距离门测速定位方法 | |
CN110749891B (zh) | 一种可估计未知有效声速的自适应水下单信标定位方法 | |
CN110646783B (zh) | 一种水下航行器的水下信标定位方法 | |
CN111460597B (zh) | 一种基于改进的多目标粒子群优化算法的雷达布站方法 | |
CN108957403B (zh) | 一种基于广义互相关的高斯拟合包络时延估计方法及系统 | |
CN108761387B (zh) | 一种固定辐射源的双站时差频差联合定位方法 | |
CN113342059B (zh) | 基于位置和速度误差的多无人机跟踪移动辐射源方法 | |
CN110794409A (zh) | 一种可估计未知有效声速的水下单信标定位方法 | |
CN105044667A (zh) | 一种运动目标的双星跟踪方法、装置和系统 | |
Yang et al. | UGHF for acoustic tracking with state-dependent propagation delay | |
Zhu et al. | Direct localization based on motion analysis of single-station using TOA | |
CN113671443A (zh) | 基于掠射角声线修正的水声传感器网络深海目标定位方法 | |
CN110471029B (zh) | 一种基于扩展卡尔曼滤波的单站无源定位方法及装置 | |
CN107884743A (zh) | 适用于任意结构声音阵列的波达方向智能估计方法 | |
CN104101869A (zh) | 一种极坐标下的地波雷达运动目标仿真建模方法 | |
Chen et al. | TDOA/FDOA mobile target localization and tracking with adaptive extended Kalman filter | |
CN110728026B (zh) | 一种基于角速度量测的末端弹道目标被动跟踪方法 | |
CN115031585B (zh) | 一种双阵列声学立靶斜入射弹着点定位方法 | |
CN106842151B (zh) | 基于模拟雷达系干扰源方位角不变的被动定位测试方法 | |
Nikoo et al. | A disambiguation technique for passive localization using trajectory analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190423 Termination date: 20210211 |
|
CF01 | Termination of patent right due to non-payment of annual fee |