CN111427042B - 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 - Google Patents
基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 Download PDFInfo
- Publication number
- CN111427042B CN111427042B CN202010215107.3A CN202010215107A CN111427042B CN 111427042 B CN111427042 B CN 111427042B CN 202010215107 A CN202010215107 A CN 202010215107A CN 111427042 B CN111427042 B CN 111427042B
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- refresh
- detection
- rate
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 239000002245 particle Substances 0.000 claims description 52
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000012952 Resampling Methods 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G01S15/66—Sonar tracking systems
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/523—Details of pulse systems
- G01S7/524—Transmitters
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,涉及信号处理领域,针对现有技术中由于水下环境不稳定带来的干扰及刷新率低进而导致探测效率低的问题,包括以下步骤:步骤一:基于高功率低刷新率信号,使其在同一周期内增加发射声脉冲个数,且在周期内发射能量一定的情况下降低单个发射声脉冲的功率,得到低功率高刷新率信号,并将其作为发射信号;步骤二:将主动声纳探测系统接收到的回波信号进行匹配滤波处理;步骤三:结合弱目标的运动状态及步骤二中匹配滤波处理的结果建立目标的状态方程及量测方程;步骤四:将步骤二得到的量测值结合步骤三中建立的运动方程及量测方程,然后通过检测前跟踪方法进行处理,得到弱目标的检测、跟踪结果。
Description
技术领域
本发明涉及信号处理领域,具体为一种基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法。
背景技术
无论是军事还是民事领域,水下弱目标的检测与跟踪一直是一个热点与难点问题。在水声探测中,主动探测由于具有可控性强、准确性高等优点被广泛应用。但是针对于水下弱目标的主动探测仍然是一个难点。首先,对于远距离目标探测,声脉冲的发射周期长,目标在此期间极易发生机动,发射信号的刷新率低导致探测效率降低,会出现目标的错跟、漏跟等情况。其次,在探测过程中,水声环境存在着各种各样的未知干扰,十分不稳定,导致弱目标的很容易淹没在此类干扰中,检测出的可观测点迹或断断续续或虚警过多,给后续跟踪带来困难。
传统的检测与跟踪过程为获得传感器的原始数据,对单帧数据进行检测,检测门限可以为固定值或自适应值,检测出来的点迹作为量测值输入到跟踪系统中,由跟踪算法估计目标的运动航迹。针对于水下弱目标检测,由于水下环境复杂,固定检测门限设置困难,若门限太高则容易漏检,门限太低则虚警太多,对后续跟踪不利;自适应门限也容易受各种参数及强干扰影响,导致弱目标的虚警及漏检。检测效果的好坏会直接影响到后续的跟踪结果,若虚警过多,则容易导致跟踪轨迹偏移;若漏检过多,则容易导致跟踪中断。
发明内容
本发明的目的是:针对现有技术中由于水下环境不稳定带来的干扰及刷新率低进而导致探测效率低的问题,提出一种基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法。
本发明为了解决上述技术问题采取的技术方案是:
基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,包括以下步骤:
步骤一:基于高功率低刷新率信号,使其在同一周期内增加发射声脉冲个数,且在周期内发射能量一定的情况下降低单个发射声脉冲的功率,得到低功率高刷新率信号,并将其作为发射信号;
步骤二:将主动声纳探测系统接收到的回波信号进行匹配滤波处理;
步骤三:结合弱目标的运动状态及步骤二中匹配滤波处理的结果建立目标的状态方程及量测方程;
步骤四:将步骤二得到的量测值结合步骤三中建立的运动方程及量测方程,然后通过检测前跟踪方法进行处理,得到弱目标的检测、跟踪结果。
进一步的,所述步骤一中低功率高刷新率信号的单脉冲功率计算过程为:
假设发射信号为s(t),单个发射声脉冲的功率为P1ping,T0为信号脉宽,当在信号的发射周期T内信号的发射次数为1,即刷新率为1ping/T时,在周期T内的发射总能量W为:
W=PNping·NT0 (2)
通过(1)和(2)得到当信号的刷新率变为Nping/T时,发射信号的单个声脉冲的功率为:
PNping=P1ping/N。 (3)
进一步的,所述步骤二中主动声纳探测系统为收发合置主动声纳探测系统。
进一步的,所述步骤一中低功率高刷新率信号为LFM信号。
进一步的,所述步骤二中匹配滤波处理的公式为:
其中,r(k)为k时刻目标距接收基元的距离,c为声速,T0为信号脉宽,Ar为接收信号幅值,K为调制指数。
进一步的,所述步骤三中弱目标的运动状态为:
X(k)=[r(k)vr(k)A(k)]′ (5)
r(k)为k时刻目标距接收基元的距离,vr(k)为r(k)的速度,A(k)为目标的能量幅值。
进一步的,所述步骤三中运动状态方程为:
其中,qr为随机加速度,qA为能量的状态噪声。
进一步的,所述步骤三中量测方程为:
其中,
其中(k-1)T≤t≤kT,r(k)为k时刻目标距接收基元的距离,A(k)为目标的能量幅值。
进一步的,所述步骤四的具体步骤为:
步骤四一:在一定的位置、速度范围内,按照均匀分布产生N个粒子,得到各个粒子的初始状态Xi(0),同时按照目标初始存在概率PD(0)为每一个粒子赋予标记状态Ei(0);
步骤四二:对粒子标记状态进行转移,其转移过程如下:
P(Ei(k)=1|Ei(k-1)=0)=Pbirth (9)
P(Ei(k)=1|Ei(k-1)=1)=1-Pbirth (10)
P(Ei(k)=0|Ei(k-1)=1)=Pdeath (11)
P(Ei(k)=0|Ei(k-1)=0)=1-Pdeath (12)
其中,Pbirth表示目标从不存在转移至存在的概率,Pdeath表示目标从存在转移至不存在的概率;
步骤四三:对运动状态及量测值进行预测,其公式分别为
步骤四四:利用似然函数对每个粒子的权值进行计算,其具体步骤为:首先假设Ei(k)=0的粒子的权值为1,则只计算Ei(k)=1的粒子的权重,即利用二者的似然比表示Ei(k)=1的粒子的权值,
步骤四六、计算重采样后标记Ei(k)=1粒子的数量,记为Ne,则k时刻的目标存在概率定义为
将目标存在概率与给定的门限Pth(k)进行比较,若PE(k)>Pth(k),则该时刻目标检测成功,然后对目标状态进行估计:
本发明的有益效果是:
一、本发明利用传感器的原始多帧积累数据,直接利用检测前跟踪算法进行处理,再将得到的检验统计量通过门限进行判决,最终同时输出目标的检测与估计结果。直接利用传感器原始数据,不会丢失有用的量测值;
二、本发明在跟踪的状态中加入了能量的信息,拓展了跟踪的维度;
三、本发明避免了传统跟踪中的数据关联步骤;
四、本发明利用非相参积累的办法,对目标的能量进行累积,达到了弱目标检测的效果;
五、本发明增加同周期内发射脉冲的个数,既保持同一发射时间段内输出能量相同,又增加发射信号的ping率,而每一个信号的发射脉冲幅值下降。这样,虽然针对于每一个单脉冲的检测概率下降,但结合检测前跟踪方法,使得点迹的检测成为跟踪后形成的航迹检测,由能量积累后再进行检测,使得检测概率提高,虚警概率下降,探测效率高。
附图说明
图1为收发合置探测系统示意图;
图2为xy坐标目标运动轨迹图;
图3为目标接收距离历程图;
图4为目标接收信噪比图;
图5(a)为高检测门限下的先检测后跟踪结果图;
图5(b)为低检测门限下的先检测后跟踪结果图;
图6(a)为信号刷新率为3ping/T时的信号匹配滤波结果;
图6(b)为信号刷新率为3ping/T时的检测前跟踪结果;
图6(c)为信号刷新率为3ping/T时的某一时间切片下的幅值估计图;
图6(d)为信号刷新率为5ping/T时的信号匹配滤波结果;
图6(e)为信号刷新率为5ping/T时的检测前跟踪结果;
图6(f)为信号刷新率为5ping/T时的某一时间切片下的幅值估计图;
图6(g)为信号刷新率为10ping/T时的信号匹配滤波结果;
图6(h)为信号刷新率为10ping/T时的检测前跟踪结果;
图6(i)为信号刷新率为10ping/T时的某一时间切片下的幅值估计图;
图7为几种方法的RMSE结果图。
具体实施方式
具体实施方式一:参照图1具体说明本实施方式,本实施方式所述的基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,包括以下步骤:
步骤一:基于高功率低刷新率信号,使其在同一周期内增加发射声脉冲个数,且在周期内发射能量一定的情况下降低单个发射声脉冲的功率,得到低功率高刷新率信号,并将其作为发射信号;
步骤二:将主动声纳探测系统接收到的回波信号进行匹配滤波处理;
步骤三:结合弱目标的运动状态及步骤二中匹配滤波处理的结果建立目标的状态方程及量测方程;
步骤四:将步骤二得到的量测值结合步骤三中建立的运动方程及量测方程,然后通过检测前跟踪方法进行处理,得到弱目标的检测、跟踪结果。
下面针对上述步骤进行详细说明:
步骤一、水下弱目标探测信号发射机制设计:
现主动声呐探测系统多采用高功率低刷新率信号。为对弱目标进行声探测,现设计低功率高刷新率信号:与高功率低刷新率信号相比,在同一周期内增加发射声脉冲个数,且在周期内发射能量一定的情况下降低单个发射声脉冲的功率。
计算高刷新率发射信号的发射功率为的过程为:
假设发射信号为s(t),单个发射声脉冲的功率为P1ping,T0为信号脉宽。当在信号的发射周期T内信号的发射次数为1,即刷新率为1ping/T时,在周期T内的发射总能量W为:
W=P1ping·T0 (1)
W=PNping·NT0 (2)
通过(1)-(2)可以得到刷新率为Nping/T的单个发射声脉冲的功率为:
PNping=P1ping/N (3)
步骤二、接收回波信号处理:
将主动声纳探测系统接收到的回波信号进行匹配滤波处理。
本发明利用LFM发射信号高刷新率脉冲的水下弱目标检测跟踪方法,发射及接收的信号形式为LFM信号,且利用的为系统为收发合置的主动探测系统。
声源发射的信号其周期为T信号脉宽为T0,假设探测目标做匀速直线运动。主动探测系统中我们已知信号的发射时间,通过发射信号与接收信号的时延就可以得到目标距接收阵的距离信息。假设在k时刻目标与接收基元的距离为r(k),声速为c,则k时刻的信号时延τ(k)与目标距离的关系为:
LFM信号的时域表达式为:
s(t)=Aexp[j(2πf0t+πKt2)
(18)
其中A为信号幅值,f0为中心频率,K为调制指数,K=B/T0,B为带宽,T0为信号脉宽。
LFM信号的匹配滤波器的脉冲响应函数可写为
已知匹配滤波器的输出为
为不失一般性,假设t0=0,则相关后信号的幅值在时域的变化可表示为
假设一发射信号为s(t),其接收信号为sr(t),发射信号与接收信号之间的时延差为τ0,若考虑理想情况,则接收信号sr(t)可表示为:
sr(t)=Arexp[j(2πf0(t-τ0)+πK(t-τ0)2)]
(22)
通过式(20)-(22)可得接收信号sr(t)在时域的幅值分布,
当τ0=τ(k)时,将式(27)带式(23),有:
步骤三、建立检测前跟踪弱目标状态方程、量测方程:
对弱目标的运动状态及系统获得的量测值的形式进行量测方程的建立。
只有距离信息时,针对于纯距离跟踪,k时刻目标状态为:
X(k)=[r(k)vr(k)A(k)]′
(5)
r(k)为目标与接收基元之间的距离,vr(k)为r(k)的速度,A(k)为目标的能量幅值。
状态方程可写为
X(k)=FX(k-1)+CQ
(25)
其中
检测前跟踪系统的量测值为传感器获得的原始数据,k时刻的量测方程为:
其中E(k)=0表示目标存在,E(k)=1表示目标不存在。
假设跟踪的时间间隔为T,则在k时刻可获得时间长度为T的LFM信号sr(t),((k-1)T≤t≤kT)。k时刻获得的量测值为sr(t)通过匹配滤波之后获得的信号幅值分布,结合步骤二中式(24)可得:
式(8)中,r(k)、A(k)为状态X(k)中的距离、幅值分量。
步骤四、弱目标检测前跟踪方法处理:
将步骤二获得的量测值,结合步骤三中建立的状态方程、量测方程,通过具体的检测前跟踪方法进行处理,最终获得弱目标的检测、跟踪结果。
本发明基于粒子滤波,弱目标检测前跟踪过程实现具体过程为:
设总帧数为K,当k=0时进行步骤四一的初始化过程;当1≤k≤K时进行步骤四二至步骤四六的循环:
步骤四一、初始化:在一定的位置、速度范围内,按照均匀分布产生N个粒子,得到各个粒子的初始状态Xi(0),同时按照目标初始存在概率PD(0)为每一个粒子赋予标记状态Ei(0);
步骤四二、粒子标记状态转移:
粒子标记状态转移服从马尔科夫过程,利用Pbirth表示目标从不存在转移至存在的概率,Pdeath表示目标从存在转移至不存在的概率,即有:
P(Ei(k)=1|Ei(k-1)=0)=Pbirth (9)
P(Ei(k)=1|Ei(k-1)=1)=1-Pbirth (10)
P(Ei(k)=0|Ei(k-1)=1)=Pdeath (11)
P(Ei(k)=0|Ei(k-1)=0)=1-Pdeath (12)
步骤四三a、状态预测:
步骤四三b、量测预测
步骤四四、权值计算:利用似然函数对每个粒子的权值进行计算,假设Ei(k)=0的粒子的权值为1,则只需计算Ei(k)=1的粒子的权重,即利用二者的似然比表示Ei(k)=1的粒子的权值。
针对于水下环境,通常假设背景噪声为复高斯噪声,其噪声包络服从瑞利分布。当目标不存在时,k时刻噪声包络的分布可表示为
当目标存在时,k时刻目标包络服从莱斯分布,可表示为
l0(·)表示修正的0阶贝塞尔函数。
似然比可以表示为
因此有:
利用似然比表示,有:
将权值进行归一化:
步骤四五、重采样:通过每个粒子的权值对粒子进行重采样,将权值大的粒子进行复制,权值小的粒子删除,粒子总数不变,即将粒子的权值由粒子数量的多少表示。每个粒子的权值变为粒子的后验分布由Ei(k)=1粒子的数量来表示。
步骤四六、状态估计:计算重采样后标记Ei(k)=1粒子的数量,记为Ne。则k时刻的目标存在概率定义为
可将目标存在概率与给定的门限Pth(k)进行比较,若PE(k)>Pth(k),则对目标状态进行估计:
仿真实验:
为对比性能,仿真中对刷新率为1ping/T的情况利用先检测后跟踪的方法进行处理,对同一发射周期相同发射能量情况下的3ping/T、5ping/T、10ping/T的情况进行检测前跟踪处理,并对比两者间的性能。
其中,1ping/T的信号采用先检测后跟踪的方法,将检测得到的点迹作为跟踪的量测值进行处理,再采用的PDA-Kalman滤波进行跟踪。Nping/T的信号采用基于粒子滤波的检测前跟踪方法实现。
针对于收发合置主动探测系统的声纳方程为:
Sr=SL-2TL-NL+TS+G
(33)
其中,Sr为接收信噪比,SL为发射声源级,TL为传播损失,NL为环境噪声,TS为目标强度,G为增益。
针对于刷新率为Nping/T的信号有:
SLNping=10lgPNping+C1, (34)
通过式(2)、(34)有
Sr(Nping)=10lgW-10lgN-10lgT0+C1
(35)
(35)代入(33)有:
Sr(Nping)=10lgW-10lgN-10lgT0+C1-2TL-NL+TS+G (36)
现对运动目标进行仿真分析,系统为收发合置探测系统,目标以匀速直线运动,具体参数如下:
表2仿真参数
由于目标在运动,传播损失随距离变化为TL=20lgr,因此式(36)可写为Sr(Nping)=10lgW-10lgN-2·20lgr+C1
(37)
仿真中令10lgW+C1=143dB。
通过上述条件,目标的运动轨迹、距离历程及不同条件下的接收信噪比可如图2-图4所示:
跟踪是建立在检测成功的基础上,因此对两种方法计算跟踪误差作如下约束:
跟踪误差:单次检测概率超过80%的航迹与真实航迹比较求得误差,再求得蒙特卡洛次数误差的均值。
针对于PDA-Kalman方法,检测得到的全部点迹为跟踪获得的量测值直接送入滤波器中。现仿真两种检测门限的检测结果,当检测门限较高时,获得的虚警点迹较少,但检测概率也随之降低;当检测门限较低时检测概率较高,检测出来的虚警点也增加。两种检测门限下的一次跟踪的结果如图5(a)和图5(b)所示:
TBD的方法不先进行检测,而将所有的值都当作量测值,跟踪的同时完成检测,而且检测前跟踪不仅对距离状态进行估计,同时也对信号的能量幅值进行了估计;而在相同时间内增加目标发射ping数的相当于提高了信号的刷新率,从而提高了跟踪的效果。图6(a)至图6(i)展示了不同刷新率下的信号形式一次距离跟踪结果,以及某一时间切片下的时域信号相关结果及相应的幅值估计结果。
图7展示了一次检测概率超过80%的100次蒙特卡洛统计的RMSE结果。从图7中可看出,多ping的跟踪效果整体是好于单ping效果。而多ping中,几种ping率的跟踪结果误差相近,3ping的误差略小于5ping,5ping误差略小于10ping,这是因为虽然ping率提高,但提高ping率的同时每个信号脉冲的信噪比降低,也对跟踪效果有所影响。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本发明的保护范围内。
Claims (6)
1.基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,其特征在于包括以下步骤:
步骤一:基于高功率低刷新率信号,使其在同一周期内增加发射声脉冲个数,且在周期内发射能量一定的情况下降低单个发射声脉冲的功率,得到低功率高刷新率信号,并将其作为发射信号;
步骤二:将主动声纳探测系统接收到的回波信号进行匹配滤波处理;
步骤三:结合弱目标的运动状态及步骤二中匹配滤波处理的结果建立目标的状态方程及量测方程;
步骤四:结合步骤三中建立的运动方程及量测方程,然后通过检测前跟踪方法进行处理,得到弱目标的检测、跟踪结果;
所述步骤二中匹配滤波处理的公式为:
其中,r(k)为k时刻目标距接收基元的距离,c为声速,T0为信号脉宽,Ar为接收信号幅值,K为调制指数;
所述步骤三中运动状态方程为:
其中,qr为随机加速度,qA为能量的状态噪声;
所述步骤三中量测方程为:
其中,
其中(k-1)T≤t≤kT,r(k)为k时刻目标距接收基元的距离,A(k)为目标的能量幅值。
3.根据权利要求1所述的基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,其特征在于所述步骤二中主动声纳探测系统为收发合置主动声纳探测系统。
4.根据权利要求3所述的基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,其特征在于所述步骤一中低功率高刷新率信号为LFM信号。
5.根据权利要求1所述的基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,其特征在于所述步骤三中弱目标的运动状态为:
X(k)=[r(k)vr(k)A(k)]′ (5)
r(k)为k时刻目标距接收基元的距离,vr(k)为r(k)的速度,A(k)为目标的能量幅值。
6.根据权利要求1所述的基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法,其特征在于所述步骤四的具体步骤为:
步骤四一:在一定的位置、速度范围内,按照均匀分布产生N个粒子,得到各个粒子的初始状态Xi(0),同时按照目标初始存在概率PD(0)为每一个粒子赋予标记状态Ei(0);
步骤四二:对粒子标记状态进行转移,其转移过程如下:
P(Ei(k)=1|Ei(k-1)=0)=Pbirth (9)
P(Ei(k)=1|Ei(k-1)=1)=1-Pbirth (10)
P(Ei(k)=0|Ei(k-1)=1)=Pdeath (11)
P(Ei(k)=0|Ei(k-1)=0)=1-Pdeath (12)
其中,Pbirth表示目标从不存在转移至存在的概率,Pdeath表示目标从存在转移至不存在的概率;
步骤四三:对运动状态及量测值进行预测,其公式分别为
步骤四四:利用似然函数对每个粒子的权值进行计算,其具体步骤为:首先假设Ei(k)=0的粒子的权值为1,则只计算Ei(k)=1的粒子的权重,即利用二者的似然比表示Ei(k)=1的粒子的权值,
步骤四六、计算重采样后标记Ei(k)=1粒子的数量,记为Ne,则k时刻的目标存在概率定义为
将目标存在概率与给定的门限Pth(k)进行比较,若PE(k)>Pth(k),则该时刻目标检测成功,然后对目标状态进行估计:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010215107.3A CN111427042B (zh) | 2020-03-24 | 2020-03-24 | 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010215107.3A CN111427042B (zh) | 2020-03-24 | 2020-03-24 | 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111427042A CN111427042A (zh) | 2020-07-17 |
CN111427042B true CN111427042B (zh) | 2022-04-19 |
Family
ID=71555441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010215107.3A Active CN111427042B (zh) | 2020-03-24 | 2020-03-24 | 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111427042B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182868B (zh) * | 2020-09-21 | 2023-03-24 | 天津大学 | 一种基于鲸/海豚click叫声的浅海主动声呐探测方法 |
CN113126086B (zh) * | 2020-12-30 | 2022-09-02 | 西安电子科技大学 | 一种基于状态预测积累的生命探测雷达弱目标检测方法 |
CN116299490B (zh) * | 2023-01-17 | 2023-12-05 | 哈尔滨工程大学 | 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1588188A1 (en) * | 2003-01-30 | 2005-10-26 | Qinetiq Limited | Method of detecting a target |
CN102033227A (zh) * | 2010-11-30 | 2011-04-27 | 哈尔滨工程大学 | 以gps导航卫星为外辐射源的无源雷达微弱目标检测方法 |
CN102353958A (zh) * | 2011-06-10 | 2012-02-15 | 哈尔滨工程大学 | 超短基线垂直运动目标测量方法 |
CN102628936A (zh) * | 2012-04-12 | 2012-08-08 | 杭州电子科技大学 | 一种基于信息互反馈的机动弱目标检测跟踪一体化方法 |
CN102722706A (zh) * | 2012-05-24 | 2012-10-10 | 哈尔滨工程大学 | 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 |
CN104251989A (zh) * | 2014-10-09 | 2014-12-31 | 哈尔滨工程大学 | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 |
CN105182350A (zh) * | 2015-09-26 | 2015-12-23 | 哈尔滨工程大学 | 一种应用特征跟踪的多波束声呐目标探测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6606034B1 (en) * | 1995-07-31 | 2003-08-12 | Honeywell International Inc. | Terrain awareness system |
-
2020
- 2020-03-24 CN CN202010215107.3A patent/CN111427042B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1588188A1 (en) * | 2003-01-30 | 2005-10-26 | Qinetiq Limited | Method of detecting a target |
CN102033227A (zh) * | 2010-11-30 | 2011-04-27 | 哈尔滨工程大学 | 以gps导航卫星为外辐射源的无源雷达微弱目标检测方法 |
CN102353958A (zh) * | 2011-06-10 | 2012-02-15 | 哈尔滨工程大学 | 超短基线垂直运动目标测量方法 |
CN102628936A (zh) * | 2012-04-12 | 2012-08-08 | 杭州电子科技大学 | 一种基于信息互反馈的机动弱目标检测跟踪一体化方法 |
CN102722706A (zh) * | 2012-05-24 | 2012-10-10 | 哈尔滨工程大学 | 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 |
CN104251989A (zh) * | 2014-10-09 | 2014-12-31 | 哈尔滨工程大学 | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 |
CN105182350A (zh) * | 2015-09-26 | 2015-12-23 | 哈尔滨工程大学 | 一种应用特征跟踪的多波束声呐目标探测方法 |
Non-Patent Citations (2)
Title |
---|
"Underwater moving target detection using track-before-detect method with low power and high refresh rate signal";Dianlun Zhang等;《Applied Acoustics》;20201127;第1-13页 * |
"连续主动声呐信号在高刷新率目标探测中的应用";李锐等;《声学技术》;20171031;第36卷(第5期);第275-276页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111427042A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111427042B (zh) | 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 | |
CN105929378B (zh) | 基于外辐射源联合时延与多普勒频率的直接跟踪方法 | |
CN104076355B (zh) | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 | |
CN103323815B (zh) | 一种基于等效声速的水下声学定位方法 | |
JP2008527394A (ja) | マルチパス信号を用いて位置決めを行うためのシステム及び方法 | |
CN109814094B (zh) | 一种多目标水声定位时延估计算法 | |
CN104007435B (zh) | 一种基于中频相邻回波相位差的精确测速方法 | |
US9213099B1 (en) | Sonar-based underwater target detection system | |
CN105116387A (zh) | 基于位置和多普勒速度信息的pd雷达抗速度拖引方法 | |
CN112162244A (zh) | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 | |
Zhang et al. | Moving target detection based on time reversal in a multipath environment | |
Gu et al. | Joint range-Doppler estimation based on multipulse processing of composite hyperbolic frequency modulated waveforms | |
CN110109092A (zh) | 多径环境下基于时间反演的雷达测速方法 | |
CN108650043B (zh) | 一种高精度水声通信信道建模方法 | |
CN111812586A (zh) | 一种采用听音定位技术实时监测目标物体运动轨迹的方法 | |
CN116359901A (zh) | 一种基于粒子滤波的5g外辐射源雷达低空目标定位方法 | |
CN110471032A (zh) | 一种水下目标被动定位的方法 | |
WO2005006009A2 (en) | Noise adaptive sonar signal processor | |
CN113589297B (zh) | 联合利用收发合置回波与收发分置回波的目标速度估计方法 | |
CN113359095B (zh) | 一种相干被动mimo雷达克拉美罗界的计算方法 | |
CN103969648A (zh) | 抗噪声超声波测距设备及方法 | |
CN112749481A (zh) | 一种基于最大相关熵的因子图协同定位算法 | |
CN104678380A (zh) | 一种高速小目标检测中基于lms算法的直达波抑制方法 | |
CN111337881B (zh) | 一种利用螺旋桨噪声的水下目标探测方法 | |
CN114114170B (zh) | 一种雷达信号处理机目标测量的数学建模方法 |
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 |