CN110542904B - 一种基于水声目标方位历程图的目标自动发现方法 - Google Patents

一种基于水声目标方位历程图的目标自动发现方法 Download PDF

Info

Publication number
CN110542904B
CN110542904B CN201910782962.XA CN201910782962A CN110542904B CN 110542904 B CN110542904 B CN 110542904B CN 201910782962 A CN201910782962 A CN 201910782962A CN 110542904 B CN110542904 B CN 110542904B
Authority
CN
China
Prior art keywords
target
azimuth
phi
correlation coefficient
observation window
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.)
Active
Application number
CN201910782962.XA
Other languages
English (en)
Other versions
CN110542904A (zh
Inventor
李超
殷凡
王海斌
汪俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN201910782962.XA priority Critical patent/CN110542904B/zh
Publication of CN110542904A publication Critical patent/CN110542904A/zh
Application granted granted Critical
Publication of CN110542904B publication Critical patent/CN110542904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于水声目标方位历程图的目标自动发现方法，所述方法包括：在水声目标方位历程图上建立当前时刻的观测窗口；将若干个预先建立的匹配模板在观测窗口上滑动，计算每个匹配模板相对于观测窗口的相关系数谱，由此建立当前观测窗口的相关系数矩阵；基于相关系数矩阵计算当前时刻的目标检测概率谱；依次判定目标检测概率谱的每个元素对应的方位上是否存在目标，并获得目标测向结果。本发明的方法对于方位变化快速的目标具有更高的发现能力；对图像级噪声具有更高的抗噪能力；可以更好的平衡虚警与漏检，具有更高的可靠性。

Description

一种基于水声目标方位历程图的目标自动发现方法
技术领域
本发明涉及被动声纳信号与信息处理技术领域，具体涉及一种基于水声目标方位历程图的目标自动发现方法。
背景技术
水声目标的辐射噪声，如发动机噪声、水声探测脉冲、水声通信脉冲等可以被被动探测声纳阵列利用进行目标发现与测向。
借助于水声目标方位历程图对目标进行发现与自动跟踪是目前常用的一种水声目标发现与方位跟踪的方法。水声目标方位历程图的获取方法为：
1、按照一定的时间间隔，截取固定长度的声纳阵列接收信号；
2、以声纳阵列的某一个阵元为基准，按照一定的方位角间隔，计算对应方位角下各个阵元接收到的目标噪声的时间差；
3、根据各个阵元接收到的目标噪声的时间差，对各个阵元的接收信号沿时间轴平移进行时间补偿，沿时间轴进行平移的量等于当前阵元信号相对于基准阵元信号的时间差；
4、将时间补偿后的接收信号进行加权或者等权融合，得到对应方位角下的合成波束；
5、计算对应方位角下的合成波束的总能量值，得到以方位角为横坐标、能量幅值为纵坐标的波束能量谱，称为合成波束的方位能量谱，也称作水声目标方位历程图的一个快拍；
6、建立时间-方位角空间坐标系，以灰度值表示对应<时间方位>下的波束能量幅值，即可得到水声目标方位历程图。
如果当前方位角方向上存在水声声源时，时间补偿后的各个阵元信号的振幅在融合过程中会同向叠加，否则会完全或者部分抵消。因此，在目标方位上的合成波束的能量会高于其他方位的合成波束。如果噪声源持续存在，在水声目标方位历程图上会呈现出一条稳定的明亮轨迹，该轨迹会随着目标声源方位角的变化产生相应的倾斜或弯曲变化。
在实际应用中可以通过肉眼识别或合成波束能量分析实现人工或自动水声目标发现：
如果水声目标方位历程图上出现明亮轨迹，则可认为对应方位角上存在声源目标，同时完成目标测向；
如果在某一方位上出现合成波束能量高于临近方位角的合成波束的情况，并且该情况持续一定的时间，则可认为对应方位存在目标，同时完成目标测向。
但是，上述传统方法面临两个挑战：
1、声纳阵列的接收信号夹杂有海洋环境噪声，容易引发漏检或虚警。
2、目标方位快速变化时会使得能量峰值对应的方位产生变化，干扰对能量峰值在某一特定方位上持续时间的累加判定。
发明内容
本发明的目的在于克服上述技术缺陷，实现了一种计算机辅助水声目标发现与测向技术，可以在低信噪比下对方位角快速变化的水下声源目标进行有效的自动发现与测向。
为了实现上述目的，本发明提出了一种基于水声目标方位历程图的目标自动发现方法，所述方法包括：
在水声目标方位历程图上建立当前时刻的观测窗口；
将若干个预先建立的匹配模板在观测窗口上滑动，计算每个匹配模板相对于观测窗口的相关系数谱，由此建立当前观测窗口的相关系数矩阵；
基于相关系数矩阵计算当前时刻的目标检测概率谱；
依次判定目标检测概率谱的每个元素对应的方位上是否存在目标，并获得目标测向结果。
作为上述方法的一种改进，所述在水声目标方位历程图上建立观测窗口，具体包括：
在当前时刻tn，在水声目标方位历程图上建立观测窗口M，M的横坐标为角度，取值范围为-180度至+180度；M的纵坐标为时间，取值范围为0至Tmin；M的第j行为tn+1-j时刻的水声目标方位历程图快拍数据，j≥1。
作为上述方法的一种改进，所述将若干个预先建立的匹配模板在观测窗口上滑动，计算每个匹配模板相对于M的相关系数谱，由此建立观测窗口的相关系数矩阵；具体为：
将第i个预先建立的匹配模板Φi的纵坐标与观测窗口M的纵坐标对齐，将Φi沿M的时间轴以Δθstep为步长进行滑动，并计算出在每个对应方位角上Φi与其在M上所覆盖数据的相关度，所述相关度为对应元素相乘求和；由此得到Φi相对于M的相关系数谱Corri；1≤i≤N，N为匹配模板的个数；
建立观测窗口M的相关系数矩阵Corr，矩阵的每一行对应一个相关系数谱Corri。
作为上述方法的一种改进，所述基于相关系数矩阵计算当前时刻的目标检测概率谱，具体为：
计算相关系数矩阵Corr每一列的最大值，组成最大相关系数序列，将该序列归一化作为tn时刻的目标检测概率谱
Figure BDA0002177149570000031
的每个元素表示对应方位下存在目标的相对概率大小；
采用均值滤波的方式对
Figure BDA0002177149570000032
进行平滑处理，得到平滑后的检测概率谱
Figure BDA0002177149570000033
作为上述方法的一种改进，所述依次判定目标检测概率谱的每个元素对应的方位上是否存在目标，并获得目标测向结果，具体为：
采用的判定依据为
Figure BDA0002177149570000034
诈且
Figure BDA0002177149570000035
其中
Figure BDA0002177149570000036
为
Figure BDA0002177149570000037
的第k个元素，ε为判定阈值；
如果
Figure BDA0002177149570000038
满足判定标准，则认为对应方位上存在目标，否则不存在目标；
对于满足目标存在判定依据的检测概率谱元素
Figure BDA0002177149570000039
取其对应的方位作为目标测向结果。
作为上述方法的一种改进，所述方法还包括：预先建立若干个匹配模板的步骤，具体包括：
设置声纳阵列的最小有效距离dmin、拟观测目标的最大航行速度vmax、系统反应时间Tmin、快拍时间间隔Δtsnap和方位角间隔步长Δθstep；其中系统反应时间为声源目标出现后系统对其做出反应的最大时间延迟；
建立目标方位轨迹模板库Φ，Φ中包含全部用于目标轨迹匹配的匹配模板，每个模板对应一种目标方位角在系统反应时间Tmin内的变化状态；Φi表示第i个模板，Φi的横坐标为角度，取值范围为拟观测目标在系统反应时间内的最大方位角变化范围[-β，β]，其中
Figure BDA00021771495700000310
Φi的纵坐标对应时间，每个离散时刻为系统反应时间内的采样快拍到达时刻；在Φi的每个网格用灰度值表示在对应方位角、时间下存在目标的概率大小；所有匹配模板覆盖了不同起始、终止方位状态为基准的线性方位变化状态。
作为上述方法的一种改进，所述匹配模板的生成步骤包括：
将第i个匹配模板Φi的所有节点灰度值初始化为0；
设定目标在系统反应时间内的起始方位状态为
Figure BDA0002177149570000041
终止方位状态为
Figure BDA0002177149570000042
以线性插值的方法计算得到系统反应时间内每个离散时刻目标的方位角，并将Φi上的对应的方位、时间处的节点灰度值设置为1，将与之相邻的左侧节点和右侧节点灰度值设置为0.5。
本发明的优势在于：
1、本发明的方法对于方位变化快速的目标具有更高的发现能力；
2、本发明的方法对图像级噪声具有更高的抗噪能力；
3、本发明的方法可以更好的平衡虚警与漏检，具有更高的可靠性。
附图说明
图1为水声目标方位历程图示例；
图2为受到噪声干扰的水声目标方位历程图；
图3为本发明的目标方位轨迹匹配模板；
图4为本发明的水声目标检测概率谱；
图5为本发明的水声目标检测与测向结果；
图6为传统自动检测方法检测结果。
具体实施方式
以下结合实例的具体实施方式，对本发明的上述内容再做进一步详细说明但不应将此理解为本发明上述主题的范围仅限于以下实例。在不脱离本发明上述思想的情况下，根据本领域普通技术知识和惯用手段做出的各种替换或者变更，均应包括在本发明内。
本发明的基本原理是根据水声目标方位历程图的成像机理，以仿真的方式建立目标方位轨迹模板，然后将仿真目标方位轨迹模板与实际接收的数据进行对比，达到水声目标检测与测向的目的。
本发明包括了水声目标方位轨迹模板建立方法和基于仿真模板的水声目标检测与测向方法两部分内容。实现方法分为目标方位轨迹模板初始化方法、水声目标检测与测向两个环节。
一、目标方位轨迹模板初始化方法
1、用户根据使用需求，给出声纳阵列的最小有效距离dmin、拟观测目标的最大航行速度vmax、系统反应时间Tmin、快拍时间间隔Δtsnap和方位角间隔步长Δθstep；其中系统反应时间为声源目标出现后系统对其做出反应的最大时间延迟；
2、建立目标方位轨迹模板库Φ，Φ中包含全部用于目标轨迹匹配的二维匹配模板，每个模板对应一种目标方位角在系统反应时间Tmin内的变化状态；Φi表示第i个模板，Φi的横坐标为角度，取值范围为拟观测目标在系统反应时间内的最大方位角变化范围[-β，β]，其中
Figure BDA0002177149570000051
Φi的纵坐标对应时间，每个离散时刻为系统反应时间内的采样快拍到达时刻；在Φi的每个网格用灰度值表示在对应方位角、时间下存在目标的概率大小；
3、生成全部匹配模板。模板的生成既可根据经验采用手工设定Φi网格灰度值的方式，也可根据某一特定算法生成。不失一般性，本发明建立模板库的方法如下
3.1将初始模板Φi的所有节点灰度值初始化为0；
3.2假设系统反应时间足够短，将目标方位角状态变化视为线性变化。设定目标在系统反应时间内的起始方位状态为
Figure BDA0002177149570000052
终止方位状态为
Figure BDA0002177149570000053
以线性插值的方法计算得到系统反应时间内每个离散时刻目标的方位角，并将Φi上的对应的方位、时间处的节点灰度值设置为1，将与之相邻的左侧和右侧节点灰度值设置为0.5。
3.3重复3.1-3.2步，直至为所有以不同起始、终止方位状态为基准的线性方位变化状态均建立起匹配模板。
二、水声目标检测与测向方法
1、假设当前时刻为tn，在水声目标方位历程图上建立观测窗口M，M的横坐标对应角度，取值范围为-180度至+180度；M纵坐标时间，取值范围为0至Tmin；M的第一行为tn时刻的水声目标方位历程图快拍数据，第二行为tn-1时刻的水声目标方位历程图快拍数据，第三行为tn-2时刻的水声目标方位历程图快拍数据，以此类推；
2、将第1个匹配模板Φ1的纵坐标与观测窗口M的纵坐标对齐，将Φ1沿M的时间轴以Δθstep为步长进行滑动，并计算出在每个对应方位角上Φ1与其在M上所覆盖数据的相关度，由此得到Φ1相对于M的相关系数谱Corr1。不失一般性，本发明采用对应元素相乘求和的方式计算相关度，计算结果越大表明相关性越高。
3、将匹配模板由Φ1更换为Φ2，重复步骤2，计算得到Φ2相对于M的相关系数谱Corr2，并以此类推，计算得到所有Φi的相关系数普Corri。
4、建立当前M的相关系数矩阵Corr，矩阵的每一行对应一个相关系数谱Corri，计算Corr每一列的最大值，组成最大相关系数序列，将该序列归一化作为tn时刻的目标检测概率谱
Figure BDA0002177149570000061
的每个元素表示对应方位下存在目标的相对概率大小；
5、对
Figure BDA0002177149570000062
进行平滑处理。不失一般性，本发明采用均值滤波的方式对
Figure BDA0002177149570000063
进行平滑处理，得到平滑后的检测概率谱
Figure BDA0002177149570000064
6、依次判定
Figure BDA0002177149570000065
的每个元素对应的方位上是否存在目标。不失一般性，本发明采用的判定依据为
Figure BDA0002177149570000066
并且
Figure BDA0002177149570000067
其中
Figure BDA0002177149570000068
为
Figure BDA0002177149570000069
的第k个元素，ε为用户定义的判定阈值。如果
Figure BDA00021771495700000610
满足判定标准，则认为对应方位上存在目标，否则不存在；
7、对于满足目标存在判定依据的检测概率谱元素
Figure BDA00021771495700000611
取其对应的方位作为目标测向结果。
图1给出了理想状态下的一个水声目标方位历程图示例，观测时间为13秒，快拍时间间隔Δtsnap为1秒钟，观测方位角范围为-180到180度，方位角观测间隔Δθstep为0.5度。可以看到图1中自左向右依次有强、中、中、中、弱五条目标方位轨迹，拟观测目标最大航速vmax为74公里/小时，系统最小有效距离dmin为2公里，系统反应时间Tmin为13秒。图2给出了该方位历程图受到噪声干扰的示例，可以看到中间三个目标在噪声干扰下可识别度变弱，右侧最后一个弱目标已经完全淹没在噪声中，不可识别。
采用本发明提出的方法对图2中的5个目标方位轨迹进行检测，具体步骤为：
1、建立目标方位轨迹模板库Φ，Φ中包含全部用于目标方位轨迹匹配的二维匹配模板，每个模板对应一种目标方位角在系统反应时间Tmin＝13秒内的变化状态；Φi表示第i个模板，Φi的横坐标为角度，取值范围为拟观测目标在系统反应时间内的最大方位角变化范围[-β，β]，其中
Figure BDA00021771495700000612
度，为方便计算本示例取β＝4度；Φi的纵坐标对应时间，每个离散时刻为系统反应时间内的采样快拍到达时刻，取值为1，2，3，…，13；
2、采用本发明提及的模板生成算法生成全部匹配模板，对于任一Φi(i＝1，2，3，…，17)，具体生成方法为：
2.1建立初始模板Φi，并将其所有节点灰度值初始化为0；
2.2设定目标在系统反应时间内的起始方位状态
Figure BDA00021771495700000613
终止方位状态为
Figure BDA0002177149570000071
对应的拟观测目标在系统反应时间内的方位变化Δθ等于
Figure BDA0002177149570000072
以线性插值的方法计算得到系统反应时间内每个离散时刻目标的方位角，并将Φi上的对应的方位、时间处的节点灰度值设置为1，将与之相邻的左侧和右侧节点灰度值设置为0.5。
2.3重复2.1-2.2步，直至为所有以不同起始、终止方位状态为基准的线性方位变化状态均建立起匹配模板。图3给出了本示例建立的目标方位状态匹配模板。
3、开始对目标的有无进行检测。本示例中当前时刻为t13＝13秒，在水声目标方位历程图上建立观测窗口M，M的横坐标对应角度，取值范围为-180度至+180度；M纵坐标时间，取值范围为0至Tmin＝13秒；M的第一行为t13＝13秒时刻的水声目标方位历程图快拍数据，第二行为t12＝12秒时刻的水声目标方位历程图快拍数据，第三行为t11＝11秒时刻的水声目标方位历程图快拍数据，以此类推；
4、将第1个匹配模板Φ1的纵坐标与观测窗口M的纵坐标对齐，将Φ1沿M的时间轴以Δθstep＝0.5度为步长进行滑动，并采用本发明提及的对应元素相乘求和的方式依次计算出在每个对应方位角上Φ1与其在M上所覆盖数据的相关度，由此得到Φ1相对于M的相关系数谱Corr1，计算结果越大表明相关性越高。
5、将匹配模板由Φ1更换为Φ2，重复步骤4，计算得到Φ2相对于M的相关系数谱Corr2，并以此类推，计算得到所有Φi的相关系数普Corri。
6、建立当前M的相关系数矩阵Corr，矩阵的每一行对应一个相关系数谱Corri，计算Corr每一列的最大值，组成最大相关系数序列，将该序列归一化作为t13＝13秒时刻的目标检测概率谱
Figure BDA0002177149570000073
如图4所示，
Figure BDA0002177149570000074
的每个元素表示对应方位下存在目标的相对概率大小；
7、采用本发明提及的均值滤波对
Figure BDA0002177149570000075
进行平滑处理得到平滑后的检测概率谱
Figure BDA0002177149570000076
具体方法为
Figure BDA0002177149570000077
其中
Figure BDA0002177149570000078
为
Figure BDA0002177149570000079
的第k个元素；
8、采用本发明提及的判定标准依次判定
Figure BDA00021771495700000710
的每个元素对应的方位上是否存在目标，具体为
Figure BDA00021771495700000711
并且
Figure BDA00021771495700000712
其中ε为用户定义的判定阈值，本示例取ε＝0.3。如果
Figure BDA00021771495700000713
满足判定标准，则认为对应方位上存在目标，否则不存在。图5给出了本示例的目标检测结果，其中黑色“○”表示对应方位附近存在目标。
本发明以图1所示五个目标为例对所涉及发明内容进行了举例说明。如图2所示，在噪声干扰下，图1所示的最弱的目标已经无法通过肉眼识别，但是在图5所示的检测结果中被成功检测，证明了本发明相对于传统肉眼检测的优越性。
另一方面，图1所示5个目标在t13时刻真实方位分别为-158.5°，-98.5°，-13.5°，50°和109.5°，图5所示测向结果分别为-158.5°，-100°，-14°，50.5°和109.5°，平均绝对误差为0.5°，等于方位观测间隔Δθstep＝0.5°，证明了本发明采用的测向方法有效。
最后，图6给出了基于能量峰值持续时间判定的传统自动检测方法的检测结果。图6的横坐标是方位角，纵坐标是对应波束在系统反应时间内Tmin对应方位上合成波束能量高于周边合成波束能量的快拍次数。次数越多表明存在目标的可能性越高。
可以发现：
1、在水声目标辐射噪声强度相同的情况下，图6中-98.5°和50°两处目标的强度低于-13.5°目标。这是由于-98.5°和50°目标的方位在系统反应时间内出现了变化，导致传统方法性能下降。图5中-98.5°、-13.5°和50°三个目标强度相同，表明本发明受目标方位变化的影响较小；
2、图6中位于在右侧的109.5°目标已经完全淹没，无法进行辨别。图5中该目标依然可以进行有效检测，表明本发明具有更高的抗噪性；
3、图6中难以找到一个理想的检测阈值规避虚警和漏检，图5中在相关系数0.25左右存在一条明显的阈值带可以有效规避虚警和漏检，表明本发明具有更高的可靠性。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种基于水声目标方位历程图的目标自动发现方法，所述方法包括：
在水声目标方位历程图上建立当前时刻的观测窗口；
将若干个预先建立的匹配模板在观测窗口上滑动，计算每个匹配模板相对于观测窗口的相关系数谱，由此建立当前观测窗口的相关系数矩阵；
基于相关系数矩阵计算当前时刻的目标检测概率谱；
依次判定目标检测概率谱的每个元素对应的方位上是否存在目标，并获得目标测向结果；
所述在水声目标方位历程图上建立观测窗口，具体包括：
在当前时刻tn，在水声目标方位历程图上建立观测窗口M，M的横坐标为角度，取值范围为-180度至+180度；M的纵坐标为时间，取值范围为0至Tmin，Tmin为系统反应时间；M的第j行为tn+1-j时刻的水声目标方位历程图快拍数据，j≥1；
所述将若干个预先建立的匹配模板在观测窗口上滑动，计算每个匹配模板相对于观测窗口的相关系数谱，由此建立当前观测窗口的相关系数矩阵；具体为：
将第i个预先建立的匹配模板Φi的纵坐标与观测窗口M的纵坐标对齐，将Φi沿M的时间轴以Δθstep为步长进行滑动，并计算出在每个对应方位角上Φi与其在M上所覆盖数据的相关度，所述相关度为对应元素相乘求和；由此得到Φi相对于M的相关系数谱Corri；1≤i≤N，N为匹配模板的个数；
建立观测窗口M的相关系数矩阵Corr，矩阵的每一行对应一个相关系数谱Corri；
所述基于相关系数矩阵计算当前时刻的目标检测概率谱，具体为：
计算相关系数矩阵Corr每一列的最大值，组成最大相关系数序列，将该序列归一化作为tn时刻的目标检测概率谱
Figure FDA0003096614380000011
Figure FDA0003096614380000012
的每个元素表示对应方位下存在目标的相对概率大小；
采用均值滤波的方式对
Figure FDA0003096614380000013
进行平滑处理，得到平滑后的检测概率谱
Figure FDA0003096614380000014
所述方法还包括：预先建立若干个匹配模板的步骤，具体包括：
设置声纳阵列的最小有效距离dmin、拟观测目标的最大航行速度vmax、系统反应时间Tmin、快拍时间间隔Δtsnap和方位角间隔步长Δθstep；其中系统反应时间为声源目标出现后系统对其做出反应的最大时间延迟；
建立目标方位轨迹模板库Φ，Φ中包含全部用于目标轨迹匹配的匹配模板，每个模板对应一种目标方位角在系统反应时间Tmin内的变化状态；Φi表示第i个模板，Φi的横坐标为角度，取值范围为拟观测目标在系统反应时间内的最大方位角变化范围[-β,β]，其中
Figure FDA0003096614380000021
Φi的纵坐标对应时间，每个离散时刻为系统反应时间内的采样快拍到达时刻；在Φi的每个网格用灰度值表示在对应方位角、时间下存在目标的概率大小；所有匹配模板覆盖了不同起始、终止方位状态为基准的线性方位变化状态；
所述匹配模板的生成步骤包括：
模板Φi的所有节点灰度值初始化为0；
设定目标在系统反应时间内的起始方位状态为
Figure FDA0003096614380000028
终止方位状态为
Figure FDA0003096614380000029
以线性插值的方法计算得到系统反应时间内每个离散时刻目标的方位角，并将Φi上的对应的方位、时间处的节点灰度值设置为1，将与之相邻的左侧节点和右侧节点灰度值设置为0.5。
2.根据权利要求1所述的基于水声目标方位历程图的目标自动发现方法，其特征在于，所述依次判定目标检测概率谱的每个元素对应的方位上是否存在目标，并获得目标测向结果，具体为：
采用的判定依据为
Figure FDA0003096614380000022
并且
Figure FDA0003096614380000023
其中
Figure FDA0003096614380000024
为
Figure FDA0003096614380000025
的第k个元素，ε为判定阈值；
如果
Figure FDA0003096614380000026
满足判定标准，则认为对应方位上存在目标，否则不存在目标；
对于满足目标存在判定依据的检测概率谱元素
Figure FDA0003096614380000027
取其对应的方位作为目标测向结果。
CN201910782962.XA 2019-08-23 2019-08-23 一种基于水声目标方位历程图的目标自动发现方法 Active CN110542904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910782962.XA CN110542904B (zh) 2019-08-23 2019-08-23 一种基于水声目标方位历程图的目标自动发现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910782962.XA CN110542904B (zh) 2019-08-23 2019-08-23 一种基于水声目标方位历程图的目标自动发现方法

Publications (2)

Publication Number Publication Date
CN110542904A CN110542904A (zh) 2019-12-06
CN110542904B true CN110542904B (zh) 2021-09-10

Family

ID=68711908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910782962.XA Active CN110542904B (zh) 2019-08-23 2019-08-23 一种基于水声目标方位历程图的目标自动发现方法

Country Status (1)

Country Link
CN (1) CN110542904B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111123275B (zh) * 2020-01-02 2022-01-25 中国科学院声学研究所 一种侧扫声纳回波信号的匹配方法及系统
CN111220158B (zh) * 2020-01-15 2022-09-09 哈尔滨工程大学 一种基于时间方位历程图的线谱目标运动参数估计方法
CN111562584B (zh) * 2020-04-30 2022-08-16 北京中安智能信息科技有限公司 被动声纳方位历程图处理方法和装置及设备
CN111882585B (zh) * 2020-06-11 2022-05-06 中国人民解放军海军工程大学 被动声呐多目标方位迹提取方法、电子设备及计算机可读存储介质
CN112801065B (zh) * 2021-04-12 2021-06-25 中国空气动力研究与发展中心计算空气动力研究所 一种基于时空多特征信息的被动声纳目标探测方法及装置
CN113239775B (zh) * 2021-05-09 2023-05-02 西北工业大学 一种基于分层关注深度卷积神经网络的方位历程图中航迹检测与提取方法
CN114442871B (zh) * 2021-12-29 2022-12-16 中国船舶重工集团公司第七一五研究所 被动声纳宽带警戒长历程显示方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09251071A (ja) * 1996-03-13 1997-09-22 Nippon Avionics Co Ltd 船舶レーダ目標追尾装置
CN103529441A (zh) * 2012-07-02 2014-01-22 中国科学院声学研究所 一种被动合成孔径目标信号检测和分辨方法及系统
CN103543289A (zh) * 2013-09-30 2014-01-29 北京邮电大学 一种获取终端运动方向的方法及装置
CN103675819A (zh) * 2012-09-06 2014-03-26 中国科学院声学研究所 一种可用于被动合成孔径阵列偏航的目标检测方法及系统
CN104101871A (zh) * 2013-04-15 2014-10-15 中国科学院声学研究所 一种用于被动合成孔径的抑制窄带干扰方法及系统
CN109782290A (zh) * 2019-02-12 2019-05-21 中国科学院声学研究所 一种防止跟踪偏离的自动水声目标方位跟踪方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101666876B (zh) * 2008-09-05 2012-05-30 中国科学院声学研究所 一种双线阵声纳左右舷识别方法及相应系统
DE102009024339B3 (de) * 2009-06-09 2010-09-16 Atlas Elektronik Gmbh Peilverfahren sowie Peilanlage zum Detektieren und Tracken zeitlich aufeinanderfolgender Peilwinkel
CN104730528A (zh) * 2013-12-19 2015-06-24 中国科学院声学研究所 一种水声多目标自主检测与方位跟踪方法
US10852429B2 (en) * 2014-05-30 2020-12-01 FLIR Belgium BVBA Sonar history display control systems and methods

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09251071A (ja) * 1996-03-13 1997-09-22 Nippon Avionics Co Ltd 船舶レーダ目標追尾装置
CN103529441A (zh) * 2012-07-02 2014-01-22 中国科学院声学研究所 一种被动合成孔径目标信号检测和分辨方法及系统
CN103675819A (zh) * 2012-09-06 2014-03-26 中国科学院声学研究所 一种可用于被动合成孔径阵列偏航的目标检测方法及系统
CN104101871A (zh) * 2013-04-15 2014-10-15 中国科学院声学研究所 一种用于被动合成孔径的抑制窄带干扰方法及系统
CN103543289A (zh) * 2013-09-30 2014-01-29 北京邮电大学 一种获取终端运动方向的方法及装置
CN109782290A (zh) * 2019-02-12 2019-05-21 中国科学院声学研究所 一种防止跟踪偏离的自动水声目标方位跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于方位历程的多目标自动检测与跟踪";孟彧仟等;《声学技术》;20160831;第35卷(第4期);69-72 *
"基于无人平台的水下目标自动检测方法";李子高等;《哈尔滨工程大学学报》;20170131;第38卷(第1期);103-108 *

Also Published As

Publication number Publication date
CN110542904A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN110542904B (zh) 一种基于水声目标方位历程图的目标自动发现方法
Kirubarajan et al. Probabilistic data association techniques for target tracking in clutter
CN107861123B (zh) 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法
CN107153180B (zh) 一种目标信号检测方法及系统
US5914912A (en) Sonar array post processor
CN109459744B (zh) 一种实现多干扰抑制的稳健自适应波束形成方法
CN113311388B (zh) 一种水下机器人的超短基线定位系统
CN109782290B (zh) 一种防止跟踪偏离的自动水声目标方位跟踪方法
CN111580079A (zh) 一种基于单矢量水听器的水下运动目标最近接近距离估计方法
CN113484866B (zh) 一种基于被动声呐方位历程图的多目标检测跟踪方法
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd方法
CN110133641B (zh) 一种尺度自适应的穿墙成像雷达目标跟踪方法
Zhang et al. Object detection and tracking method of AUV based on acoustic vision
CN110456360A (zh) 一种针对非连续目标被动多阵列声呐检测跟踪方法
Bennaceur et al. Target localization in depth and range from passive sonar
CN112415469B (zh) 一种两维数字阵列雷达快速干扰测向方法
RU2196341C1 (ru) Способ определения параметров движения маневрирующего объекта
JPH10246778A (ja) 目標探知追尾装置
CN111273299B (zh) 一种针对组网声纳的水下分布式压制性干扰布置方法
CN110764092B (zh) 一种基于方位历程图的水声目标方位跟踪方法及系统
US6683820B1 (en) Method and apparatus for tracking sonar targets
Seget et al. Multi-hypothesis tracking and fusion techniques for multistatic active sonar systems
Zhang et al. Underwater multi-source DOA tracking using uniform linear array based on improved GM-PHD filter
KR101334734B1 (ko) 빔 함수를 이용한 입사신호의 도래각 추정방법 및 장치
CN112198474A (zh) 一种声源定位方法、装置、介质和设备

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