CN111722231B - 一种主动声纳目标运动信息融合方法 - Google Patents

一种主动声纳目标运动信息融合方法 Download PDF

Info

Publication number
CN111722231B
CN111722231B CN202010558881.4A CN202010558881A CN111722231B CN 111722231 B CN111722231 B CN 111722231B CN 202010558881 A CN202010558881 A CN 202010558881A CN 111722231 B CN111722231 B CN 111722231B
Authority
CN
China
Prior art keywords
motion
path
target
frame
potential target
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
CN202010558881.4A
Other languages
English (en)
Other versions
CN111722231A (zh
Inventor
张海如
汪俊
王海斌
张蒙
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 CN202010558881.4A priority Critical patent/CN111722231B/zh
Publication of CN111722231A publication Critical patent/CN111722231A/zh
Application granted granted Critical
Publication of CN111722231B publication Critical patent/CN111722231B/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
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S15/588—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S15/582—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse-modulated waves and based upon the Doppler effect resulting from movement of targets
    • 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
    • G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
    • 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

Abstract

本发明属于主动声纳水声目标探测技术领域，具体涉及一种主动声纳目标运动信息融合方法，包括：步骤1)获得目标候选运动路径的路径数目集合Pi,j,k′；步骤2)对获得的Pi,j,k′，进行一次虚假路径剔除和目标运动信息融合，获得剩余候选运动路径的路径数目集合Pi,j,k *和剩余候选运动路径的平均速度集合
Figure DDA0002545543840000012
步骤3)获得剩余运动路径的路径数目集合P1和剩余运动路径的平均速度集合
Figure DDA0002545543840000011
步骤4)对P1进行二次虚假路径剔除和目标运动信息融合，获得Ai的目标运动信息；步骤5)重复步骤1)‑4)，得到探测结果构成集合A中的每一帧探测结果的目标运动信息，并将每一帧探测结果的目标运动信息叠加在一起，形成主动声纳目标的运动路径。

Description

一种主动声纳目标运动信息融合方法
技术领域
本发明属于主动声纳水声目标探测和定位技术领域，具体地说，涉及一种主动声纳目标运动信息融合方法。
背景技术
海洋声学目标探测技术对于维护国家主权，保障国家海洋环境安全，促进海洋探索与开发至关重要。特别是在民用领域，可用于海洋救险、鱼群探测和海上安全作业等；在军事和国防应用领域，可广泛应于军事上的各种防卫和攻击系统，例如海岸监视系统和反水雷反鱼雷系统等。
目前，水声目标一直向隐身化、长航时、大潜深、高攻击方向发展，给被动声纳探测技术带来了巨大挑战，同时促使主动声纳探测技术得到了足够的重视。当前，主动声纳探测技术的性能提升多依赖于低频大功率声源的研制和接收阵孔径的增大，其发展得益于电子元器件水平和海洋工程化能力的提高，而缺少理论上的突破，在融合目标回波信号多维度特性获取额外增益方面的研究较少，开展多维信息融合提高主动声纳目标定位精度和降低目标虚警率具有较高的实用价值。
现有的目标运动信息融合方法主要包括卡尔曼滤波、无迹卡尔曼滤波和粒子滤波，以及在现有的目标运动信息融合方法基础上的一些改进算法，现有的方法没有利用潜在目标的运动速度在各方位上投影分量对应的多普勒系数信息，存在目标跟踪速度慢、实时性差的问题，需要长时间多帧探测结果才能实现目标轨迹跟踪，而且虚警率高，常出现将混响干扰误判别为目标的问题。
发明内容
为解决现有技术存在上述缺陷，本发明提出了一种主动声纳目标运动信息融合方法，在脉冲波主动声纳系统中，每发射一次脉冲信号，获得一帧探测结果，利用水声目标运动状态具有连续性和虚警目标空间位置分布具有随机性的特点，对近邻多帧探测结果进行数据融合，以提高主动声纳系统的水声目标的定位精度，并降低目标虚警率。
本发明提供了一种主动声纳目标运动信息融合方法，该方法包括：
步骤1)针对探测结果构成集合A＝{A1 A2 … Ai … AN}，获得第i帧探测结果Ai中的Mi个潜在目标中的第j个潜在目标从时间Ti到Tk的、第i帧到第k帧的近邻帧之间的目标候选运动路径的路径数目集合Pi，j，k′；
步骤2)对获得的近邻帧之间的目标候选运动路径的路径数目集合Pi，j，k′，进行一次虚假路径剔除和目标运动信息融合，获得剩余候选运动路径的路径数目集合Pi，j，k *和剩余候选运动路径的平均速度集合
Figure BDA0002545543820000021
步骤3)基于获得的剩余候选运动路径的路径数目集合
Figure BDA0002545543820000022
获得第j个潜在目标从时间Tk到Tl的、第k帧到第l帧的近邻帧之间的剩余运动路径的路径数目集合P1和剩余运动路径的平均速度集合
Figure BDA0002545543820000023
步骤4)对剩余运动路径的路径数目集合P1，进行二次虚假路径剔除和目标运动信息融合，获得第j个潜在目标的最终的运动路径和对应的运动轨迹信息，将其作为Ai的目标运动信息；
步骤5)重复步骤1)-4)，得到探测结果构成集合A中的每一帧探测结果的目标运动信息，并将每一帧探测结果的目标运动信息叠加在一起，形成主动声纳目标的运动路径。
作为上述技术方案的改进之一，所述步骤1)具体包括：
假设某一站点共连续发射N次脉冲信号，该站点连续发射的N次脉冲信号对应的发射时间分别为T＝{T1 T2 … Ti … TN}；其对应的各帧探测结果构成集合A＝{A1 A2 … Ai… AN}；
其中，Ai为第i帧探测结果；Ai是一个Mi行4列特征向量矩阵：
Figure BDA0002545543820000024
其中，Mi为Ai中包含的潜在目标点数；xi，j、yi，j、θi，j和
Figure BDA0002545543820000025
分别为Ai中第j个潜在目标的X轴坐标、Y轴坐标、波束形成对应的方位角、第j个潜在目标的运动速度在θi，j方位上投影分量对应的多普勒系数；
假设区域Si，j，k为在Ai中以第j个潜在目标的位置为中心，以Ri，j，k为半径形成的区域，假设在区域Si，j，k中，第j个潜在目标以第i帧为初始位置，查找Ai中第j个潜在目标在第k帧中可能的位置；
其中，Ri，j，k＝(Tk-Ti)×vmax+dmax；
其中，Ti为第i帧时刻；Tk为第k帧时刻；Tk大于Ti；k＞i，k和i为近邻帧；vmax为第j个潜在目标的最大运动速度；dmax为误差值；
根据上述查找结果和预先划定的区域Si，j，k，获得在第k帧探测结果Ak中，落在区域Si，j，k中的可能的第j个潜在目标的目标数为Pi，j，k，进而获得第j个潜在目标从时间Ti到Tk、第i帧到第k帧的候选运动路径的路径数目集合为Pi，j，k′；集合Pi，j，k′中包含的元素数目为Pi，j，k。
作为上述技术方案的改进之一，所述步骤2)具体包括：
在Ai中第j个潜在目标从时间Ti到Tk的、从第i帧运动到第k帧中的任一连续两帧探测结果形成的候选运动路径进行目标运动信息融合，得到Ai和Ak的平均运动速度矢量vi，j，k，h；
获得在候选运动路径的路径数目集合Pi，j，k′中的各候选运动路径对应的平均运动速度向量构成平均速度集合Vi，j，k：
Vi，j，k＝[vi，j，k，1 vi，j，k，2 … vi，j，k，h … vi，j，k，Pi，j，k]，
其中，Ai和Ak的平均运动速度矢量vi，j，k，h的大小为|vi，j，k，h|；
Ai中第j个潜在目标的平均运动速度矢量vi，j，k，h的方向与方位角θi，j和θk，h的夹角分别为αi，j，k，h和βi，j，k，h；则Ai中第j个潜在目标的平均运动速度矢量vi，j，k，h在方位角θi，j和θk，h上投影分量对应的多普勒系数分别为
Figure BDA0002545543820000031
和
Figure BDA0002545543820000032
Figure BDA0002545543820000033
Figure BDA0002545543820000034
其中，c为水中声波传播速度；
假设
Figure BDA0002545543820000041
其中，
Figure BDA0002545543820000042
为在Ak中第h个潜在目标的运动速度矢量在θk，h方位上投影分量对应的多普勒系数；
Figure BDA0002545543820000043
为在Ai中第j个潜在目标的运动速度矢量在θi，j方位上投影分量对应的多普勒系数；εmax为多普勒判别阈值；
如果εi，j，k，h≥εmax；则vi，j，k，h对应的候选运动路径为虚假路径，将其从候选运动路径的路径数目集合Pi，j，k′中剔除；
对Ai中第j个潜在目标从时间Ti到Tk的、从第i帧运动到第k帧中的剩余的每一连续两帧探测结果，重复上述过程，进行一次虚假路径剔除，将在候选运动路径的路径数目集合Pi，j，k′中剔除虚假路径后，获得剩余候选运动路径的路径数目集合
Figure BDA0002545543820000044
同时，在剩余候选运动路径的路径数目集合
Figure BDA0002545543820000045
中的各剩余候选运动路径对应的平均运动速度向量构成剩余候选运动路径的平均速度集合
Figure BDA0002545543820000046
Figure BDA0002545543820000047
其中，
Figure BDA0002545543820000048
为Ai和Ak的剩余候选路径的平均运动速度矢量。
作为上述技术方案的改进之一，所述步骤3)具体包括：
根据构成的剩余运动路径的平均速度集合
Figure BDA0002545543820000049
Figure BDA00025455438200000410
将
Figure BDA00025455438200000411
对应的潜在目标在第k帧中特征向量表示为：
Figure BDA00025455438200000412
其中，
Figure BDA00025455438200000413
和
Figure BDA00025455438200000414
分别为Ak中第h个潜在目标的X轴坐标、Y轴坐标、波束形成对应的方位角、第h个潜在目标的运动速度在
Figure BDA00025455438200000415
方位上投影分量对应的多普勒系数；
该第j个潜在目标沿着
Figure BDA00025455438200000416
对应的剩余候选运动路径进行运动，第j个潜在目标在第l帧中位置坐标的估计值为：
Figure BDA0002545543820000051
其中，l＞k；k和l为近邻帧；
Figure BDA0002545543820000052
和
Figure BDA0002545543820000053
分别为第j个潜在目标沿着
Figure BDA0002545543820000054
对应的剩余候选运动路径进行运动，其在第l帧中X轴坐标和Y轴坐标的估计值；
假设剔除区域Si，j，k，h，l为在Al中以坐标
Figure BDA0002545543820000055
为中心，以dmax为半径形成的区域，在剔除区域Si，j，k，h，l中，第j个潜在目标以第k帧为初始位置，查找Ai中第j个潜在目标在第l帧中可能的位置；
根据上述查找结果和预先划定的剔除区域Si，j，k，h，l，获得在第l帧探测结果Al中，落在剔除区域Si，j，k，h，l中的可能的第j个潜在目标的目标数为
Figure BDA0002545543820000056
进而获得第j个潜在目标从时间Tk到Tl、第k帧到第l帧的剩余运动路径的路径数目集合为P1，其中，集合P1中包含的元素数目为
Figure BDA0002545543820000057
同时，在Ai中第j个潜在目标从时间Tk到Tl的、从第k帧运动到第l帧中的任一连续三帧探测结果形成的剩余运动路径进行目标运动信息融合，
得到第j个潜在目标从第k帧运动到第l帧的、Ak和Al的剩余运动路径的平均运动速度矢量
Figure BDA0002545543820000058
进而构成剩余运动路径的平均速度集合
Figure BDA0002545543820000059
Figure BDA00025455438200000510
其中，
Figure BDA00025455438200000511
为Ak和Al的剩余运动路径的平均运动速度矢量。
作为上述技术方案的改进之一，所述步骤4)具体包括：
根据构成的剩余运动路径的平均速度集合
Figure BDA00025455438200000512
Figure BDA00025455438200000513
将
Figure BDA00025455438200000514
对应的第j个潜在目标在第l帧中的特征向量表示为：
Figure BDA00025455438200000515
其中，剩余运动路径的平均运动速度矢量
Figure BDA00025455438200000516
的大小为
Figure BDA00025455438200000517
剩余运动路径的平均运动速度矢量
Figure BDA00025455438200000518
的方向与方位角
Figure BDA00025455438200000519
和
Figure BDA00025455438200000520
的夹角分别为
Figure BDA00025455438200000521
和
Figure BDA00025455438200000522
则剩余运动路径的平均运动速度矢量
Figure BDA0002545543820000061
在方位角
Figure BDA0002545543820000062
和
Figure BDA0002545543820000063
上投影分量对应的多普勒系数分别为
Figure BDA0002545543820000064
和
Figure BDA0002545543820000065
假设
Figure BDA0002545543820000066
如果
Figure BDA0002545543820000067
则
Figure BDA0002545543820000068
对应的剩余运动路径为虚假路径，将其从剩余运动路径的路径数目集合P1中剔除；
对Ai中第j个潜在目标从时间Tk到Tl的、从第k帧运动到第l帧中的剩余的每一连续三帧探测结果，重复上述过程，进行二次虚假路径剔除，将在剩余运动路径的路径数目集合P1中剔除虚假路径后，
得到第j个潜在目标的最终的运动路径，则该运动路径为当
Figure BDA0002545543820000069
时，Ai中第j个潜在目标的运动轨迹在时刻Ti、Tk和Tl，依次对应的经过Ai、Ak、Al的坐标依次顺序连接(xi，yi)、
Figure BDA00025455438200000610
和
Figure BDA00025455438200000611
形成的运动路径；
进而获得第j个潜在目标的最终的运动路径的运动轨迹信息；
其中，第j个潜在目标的最终的运动路径为当
Figure BDA00025455438200000612
时，Ai中第j个潜在目标的运动轨迹在时刻Ti、Tk和Tl的坐标依次为(xi，yi)、
Figure BDA00025455438200000613
和
Figure BDA00025455438200000614
并将在时刻Ti、Tk和Tl依次对应的经过Ai、Ak、Al的坐标依次顺序连接(xi，yi)、
Figure BDA00025455438200000615
和
Figure BDA00025455438200000616
形成的运动路径；
所述最终的运动路径的运动轨迹信息包括：在时刻Ti、Tk和Tl对应的Ai、Ak和Al的坐标依次为(xi，yi)、
Figure BDA00025455438200000617
和
Figure BDA00025455438200000618
从时刻Ti到Tk的平均运动速度矢量为
Figure BDA00025455438200000619
和从时刻Tk到Tl的平均运动速度矢量为
Figure BDA00025455438200000620
本发明与现有技术相比的有益效果是：
本发明的方法充分利用水声目标运动状态具有连续性，虚警目标空间位置分布具有随机性，提出目标运动信息融合方法，提高了主动声纳目标定位精度，同时，降低了目标虚警率。
附图说明
图1是本发明的一种主动声纳目标运动信息融合方法的流程图；
图2是本发明的一种主动声纳目标运动信息融合方法的一个具体实施例的合作目标的运动轨迹图；
图3是未采用本发明的一种主动声纳目标运动信息融合方法的虚警目标和合作目标的运动轨迹示意图。
具体实施方式
现结合附图对本发明作进一步的描述。
在本发明提供的方法中，对如下表述进行了具体限定：
近邻帧是指从第i帧到第k帧，且k＞i，第i帧到第k帧之间存在多帧。
近邻帧之间目标候选运动路径是指第j个潜在目标从时间Ti到Tk的、从第i帧到第k帧、记录第j个潜在目标的运动信息的运动路径；
其中，所述潜在目标的运动信息包括：第i帧探测结果Ai中第j个潜在目标的X轴坐标xi，j、Y轴坐标yi，j、波束形成对应的方位角θi，j、第j个潜在目标的运动速度在θi，j方位上投影分量对应的多普勒系数
Figure BDA0002545543820000071
候选运动路径是指潜在目标的运动路径；
以第i帧探测结果Ai中的Mi个潜在目标中的每一个潜在目标的位置为圆心，以Ri，j，k为半径形成区域Si，j，k，在该区域内获得多条针对该潜在目标的候选运动路径，再利用本发明的方法进行一次虚假路径剔除和二次虚假路径剔除，最后得到一个针对该潜在目标的运动路径，并获取该潜在目标的运动轨迹信息；对每一帧探测结果均重复上述过程，获得对应的潜在目标的运动轨迹，及其对应的潜在目标的运动轨迹信息。
连续两帧潜在目标的运动信息融合是指针对第j个潜在目标，从时间Ti到Tk内、从第i帧到第k帧中任选连续两帧，获取该连续两帧之间形成的运动路径对应的平均运动速度向量，根据预先设定的多普勒判别阈值，判断该运动路径是否为虚假路径，进行一次虚假路径剔除，对非虚假路径的运动路径进行目标运动信息融合。
每连续多帧进行潜在目标的运动信息融合是指针对第j个潜在目标，从时间Ti到Tk内、从第i帧到第k帧中任选至少连续三帧，获取该至少连续三帧之间形成的运动路径对应的平均运动速度向量，根据预先设定的多普勒判别阈值，判断该运动路径是否为虚假路径，对非虚假路径的运动路径进行目标运动信息融合。
实施例1.
如图1所示，本发明提供了一种主动声纳目标运动信息融合方法，该方法包括：
步骤1)针对探测结果构成集合A＝{A1 A2 … Ai … AN}，获得第i帧探测结果Ai中的Mi个潜在目标中的第j个潜在目标从时间Ti到Tk的、第i帧到第k帧的近邻帧之间的目标候选运动路径的路径数目集合Pi，j，k′；
具体地，假设某一站点共连续发射N次脉冲信号，该站点连续发射的N次脉冲信号对应的发射时间分别为T＝{T1 T2 … Ti … TN}；其对应的各帧探测结果构成集合A＝{A1A2 … Ai … AN}；
其中，Ai为第i帧探测结果；Ai是一个Mi行4列特征向量矩阵：
Figure BDA0002545543820000081
其中，Mi为Ai中包含的潜在目标点数；xi，j、yi，j、θi，j和
Figure BDA0002545543820000082
分别为Ai中第j个潜在目标的X轴坐标、Y轴坐标、波束形成对应的方位角、第j个潜在目标的运动速度在θi，j方位上投影分量对应的多普勒系数；
假设区域Si，j，k为在Ai中以第j个潜在目标的位置为中心，以Ri，j，k为半径形成的区域，假设在区域Si，j，k中，第j个潜在目标以第i帧为初始位置，查找Ai中第j个潜在目标在第k帧中可能的位置，即第j个潜在目标从第i帧运动到第k帧的可能位置；
其中，Ri，j，k＝(Tk-Ti)×vmax+dmax；
其中，Ti为第i帧时刻；Tk为第k帧时刻；Tk大于Ti；k＞i，k和i为近邻帧；vmax为第j个潜在目标的最大运动速度；dmax为误差值；其中，该误差值为声速估计误差、测时误差和测向误差导致的定位误差最大值；
根据上述查找结果和预先划定的区域Si，j，k，获得在第k帧探测结果Ak中，落在区域Si，j，k中的可能的第j个潜在目标的目标数为Pi，j，k，进而获得第j个潜在目标从时间Ti到Tk、第i帧到第k帧的候选运动路径的路径数目集合为Pi，j，k′；集合Pi，j，k′中包含的元素数目为Pi，j，k。
其中，Pi，j，k′中包含多条候选运动路径；上述候选运动路径为Ai中第j个潜在目标从Ai运动到Ak可能的第j个潜在目标的运动路径。
步骤2)对获得的近邻帧之间的目标候选运动路径的路径数目集合Pi，j，k′，进行一次虚假路径剔除和目标运动信息融合，获得剩余候选运动路径的路径数目集合Pi，j，k *和剩余候选运动路径的平均速度集合
Figure BDA0002545543820000091
具体地，在Ai中第j个潜在目标从时间Ti到Tk的、从第i帧运动到第k帧中的任一连续两帧探测结果形成的候选运动路径进行目标运动信息融合，得到Ai和Ak的平均运动速度矢量vi，j，k，h；
获得在候选运动路径的路径数目集合Pi，j，k′中的各候选运动路径对应的平均运动速度向量构成平均速度集合Vi，j，k：
Vi，j，k＝[vi，j，k，1 vi，j，k，2 … vi，j，k，h … vi，j，k，Pi，j，k]，
其中，Ai和Ak的平均运动速度矢量vi，j，k，h的大小为|vi，j，k，h|；
Ai中第j个潜在目标的平均运动速度矢量vi，j，k，h的方向与方位角θi，j和θk，h的夹角分别为αi，j，k，h和βi，j，k，h；则Ai中第j个潜在目标的平均运动速度矢量vi，j，k，h在方位角θi，j和θk，h上投影分量对应的多普勒系数分别为
Figure BDA0002545543820000092
和
Figure BDA0002545543820000093
Figure BDA0002545543820000094
Figure BDA0002545543820000095
其中，c为水中声波传播速度；
假设
Figure BDA0002545543820000096
表示求
Figure BDA0002545543820000097
和
Figure BDA0002545543820000098
的最大值；其中，函数max(a，b)为求两个数a和b的最大值；
其中，
Figure BDA0002545543820000101
为在Ak中第h个潜在目标的运动速度矢量在θk，h方位上投影分量对应的多普勒系数；
Figure BDA0002545543820000102
为在Ai中第j个潜在目标的运动速度矢量在θi，j方位上投影分量对应的多普勒系数；εmax为多普勒判别阈值；其取值决定于方位角上径向速度的最大误差。
如果εi，j，k，h≥εmax；则vi，j，k，h对应的候选运动路径为虚假路径，将其从候选运动路径的路径数目集合Pi，j，k′中剔除；
对Ai中第j个潜在目标从时间Ti到Tk的、从第i帧运动到第k帧中的剩余的每一连续两帧探测结果，重复上述过程，讲行一次虚假路径剔除，将在候选运动路径的路径数目集合Pi，j，k′中剔除虚假路径后，获得剩余候选运动路径的路径数目集合
Figure BDA0002545543820000103
同时，在剩余候选运动路径的路径数目集合
Figure BDA0002545543820000104
中的各剩余候选运动路径对应的平均运动速度向量构成剩余候选运动路径的平均速度集合
Figure BDA0002545543820000105
Figure BDA0002545543820000106
其中，
Figure BDA0002545543820000107
为Ai和Ak的剩余候选路径的平均运动速度矢量。
所述目标信息融合是指Ai中Mi个潜在目标中的每一个潜在目标均进行一次虚假路径剔除，得到满足判决条件：εi，j，k，h＜εmax的每一个潜在目标对应的X轴坐标、Y轴坐标、波束形成对应的方位角、该潜在目标的运动速度在方位角方位上投影分量对应的多普勒系数的运动信息，形成一个新的
Figure BDA0002545543820000108
行4列特征向量矩阵。
步骤3)基于获得的剩余候选运动路径的路径数目集合
Figure BDA0002545543820000109
获得第j个潜在目标从时间Tk到Tl的、第k帧到第l帧的近邻帧之间的剩余运动路径的路径数目集合P1和剩余运动路径的平均速度集合
Figure BDA00025455438200001010
具体地，根据构成的剩余运动路径的平均速度集合
Figure BDA00025455438200001011
Figure BDA00025455438200001012
将
Figure BDA00025455438200001013
对应的潜在目标在第k帧中特征向量表示为：
Figure BDA00025455438200001014
其中，
Figure BDA0002545543820000111
和
Figure BDA0002545543820000112
分别为Ak中第h个潜在目标的X轴坐标、Y轴坐标、波束形成对应的方位角、第h个潜在目标的运动速度在
Figure BDA0002545543820000113
方位上投影分量对应的多普勒系数；
该第j个潜在目标沿着
Figure BDA0002545543820000114
对应的剩余候选运动路径进行运动，第j个潜在目标在第l帧中位置坐标的估计值为：
Figure BDA0002545543820000115
其中，l＞k；k和l为近邻帧；
Figure BDA0002545543820000116
和
Figure BDA0002545543820000117
分别为第j个潜在目标沿着
Figure BDA0002545543820000118
对应的剩余候选运动路径进行运动，其在第l帧中X轴坐标和Y轴坐标的估计值；
假设剔除区域Si，j，k，h，l为在Al中以坐标
Figure BDA0002545543820000119
为中心，以dmax为半径形成的区域，在剔除区域Si，j，k，h，l中，第j个潜在目标以第k帧为初始位置，查找Ai中第j个潜在目标在第l帧中可能的位置，即第j个潜在目标从第k帧运动到第l帧的可能位置；
根据上述查找结果和预先划定的剔除区域Si，j，k，h，l，获得在第l帧探测结果Al中，落在剔除区域Si，j，k，h，l中的可能的第j个潜在目标的目标数为
Figure BDA00025455438200001110
进而获得第j个潜在目标从时间Tk到Tl、第k帧到第l帧的剩余运动路径的路径数目集合为P1，其中，集合P1中包含的元素数目为
Figure BDA00025455438200001111
同时，在Ai中第j个潜在目标从时间Tk到Tl的、从第k帧运动到第l帧中的任一连续三帧探测结果形成的剩余运动路径进行目标运动信息融合，
得到第j个潜在目标从第k帧运动到第l帧的、Ak和Al的剩余运动路径的平均运动速度矢量
Figure BDA00025455438200001112
进而构成剩余运动路径的平均速度集合
Figure BDA00025455438200001113
Figure BDA00025455438200001114
其中，
Figure BDA00025455438200001115
为Ak和Al的剩余运动路径的平均运动速度矢量。
步骤4)对剩余运动路径的路径数目集合P1，进行二次虚假路径剔除和目标运动信息融合，获得第j个潜在目标的最终的运动路径和对应的运动轨迹信息，将其作为Ai的目标运动信息；
具体地，根据构成的剩余运动路径的平均速度集合
Figure BDA0002545543820000121
Figure BDA0002545543820000122
将
Figure BDA0002545543820000123
对应的第j个潜在目标在第l帧中的特征向量表示为：
Figure BDA0002545543820000124
其中，剩余运动路径的平均运动速度矢量
Figure BDA0002545543820000125
的大小为
Figure BDA0002545543820000126
剩余运动路径的平均运动速度矢量
Figure BDA0002545543820000127
的方向与方位角
Figure BDA0002545543820000128
和
Figure BDA0002545543820000129
的夹角分别为
Figure BDA00025455438200001210
和
Figure BDA00025455438200001211
则剩余运动路径的平均运动速度矢量
Figure BDA00025455438200001212
在方位角
Figure BDA00025455438200001213
和
Figure BDA00025455438200001214
上投影分量对应的多普勒系数分别为
Figure BDA00025455438200001215
和
Figure BDA00025455438200001216
假设
Figure BDA00025455438200001217
如果
Figure BDA00025455438200001218
则
Figure BDA00025455438200001219
对应的剩余运动路径为虚假路径，将其从剩余运动路径的路径数目集合P1中剔除；
对Ai中第j个潜在目标从时间Tk到Tl的、从第k帧运动到第l帧中的剩余的每一连续三帧探测结果，重复上述过程，进行二次虚假路径剔除，将在剩余运动路径的路径数目集合P1中剔除虚假路径后，
得到第j个潜在目标的最终的运动路径，则该运动路径为当
Figure BDA00025455438200001220
时，Ai中第j个潜在目标的运动轨迹在时刻Ti、Tk和Tl，依次对应的经过Ai、Ak、Al的坐标依次顺序连接(xi，yi)、
Figure BDA00025455438200001221
和
Figure BDA00025455438200001222
形成的运动路径；
进而获得第j个潜在目标的最终的运动路径的运动轨迹信息；
其中，第j个潜在目标的最终的运动路径为当
Figure BDA00025455438200001223
时，Ai中第j个潜在目标的运动轨迹在时刻Ti、Tk和Tl的坐标依次为(xi，yi)、
Figure BDA00025455438200001224
和
Figure BDA00025455438200001225
并将在时刻Ti、Tk和Tl依次对应的经过Ai、Ak、Al的坐标依次顺序连接(xi，yi)、
Figure BDA00025455438200001226
和
Figure BDA00025455438200001227
形成的运动路径；
所述最终的运动路径的运动轨迹信息包括：在时刻Ti、Tk和Tl对应的Ai、Ak和Al的坐标依次为(xi，yi)、
Figure BDA0002545543820000131
和
Figure BDA0002545543820000132
从时刻Ti到Tk的平均运动速度矢量为
Figure BDA0002545543820000133
和从时刻Tk到Tl的平均运动速度矢量为
Figure BDA0002545543820000134
步骤5)重复步骤1)-4)，得到探测结果构成集合A中的每一帧探测结果的目标运动信息，并将每一帧探测结果的目标运动信息叠加在一起，形成主动声纳目标的运动路径，为实现低误判率主动声纳目标探测系统做准备。
实施例2.
采用2018年4月在某一海域开展的一次浅海双基地主动声纳探测试验进行说明。海试中，采用吊放换能器作为声源，在某站点共发射8次脉冲信号，各脉冲信号相对于第1次脉冲信号发射时刻的时间T分别为0秒、120秒、341秒、541秒、891秒、1231秒、1731秒和2301秒；采用“实验1号”双体船的水下潜体作为合作目标；接收信号的基阵位于海底。经过预处理，各帧探测结果构成集合为：
A＝{A1 A2 … Ai … A8}；
在各帧探测结果中包含的潜在目标数分别为51、40、69、81、294、271、84、103；
假设潜在目标最大运动速度为vmax＝8节；由于声速估计误差、测时误差和测向误差等导致的定位误差最大值为dmax＝150米；
本发明的具体方法如下：
步骤1)针对探测结果构成集合A＝{A1 A2 … Ai … A8}，获得第1帧探测结果A1中的51个潜在目标中的第j个潜在目标从时间T1到T2的、第1帧到第2帧的近邻帧之间的目标候选运动路径的路径数目集合；
具体地，假设区域S1，j，2为在A1中以第j个潜在目标的位置为中心，以R1，j，2＝120×8+150＝1110米为半径形成的区域，假设在区域S1，j，k中，第j个潜在目标以第1帧为初始位置，查找A1中第j个潜在目标在第2帧中可能的位置；
根据上述查找结果和预先划定的区域S1，j，2，获得在第2帧探测结果A2中，落在区域S1，j，2中的可能的第j个潜在目标的目标数为P1，j，2，其中，j取值为37、39、40、41时，P1，j，2＞0；j取其他值时，P1，j，2＝0。其中P1，37，2＝1、P1，39，2＝2、P1，40，2＝2、P1，41，2＝2。进而获得第j个潜在目标从时间T1到T2的、第1帧到第2帧的候选运动路径的路径数目集合为P1，j，2′，P1，j，2′中包含7个元素，即有7条符合要求的运动路径。
步骤2)从获得的近邻帧之间的目标候选运动路径的路径数目集合中，进行一次虚假路径剔除和目标运动信息融合，获得剩余候选运动路径的路径数目集合P1，j，2*和剩余运动路径的平均速度集合
Figure BDA0002545543820000141
具体地，多普勒判别阈值εmax＝2e-4；如果ε1，j，2，h≥εmax；则v1，j，2，h对应的候选运动路径为虚假路径，将其从候选运动路径的路径数目集合P1，j，2′中剔除；
对A1中第j个潜在目标从时间T1到T2的、从第1帧运动到第2帧中的剩余的每一连续两帧探测结果，重复上述过程，进行一次虚假路径剔除，将在候选运动路径数目集合P1，j，2′中剔除虚假路径后，获得剩余候选运动路径的路径数目集合
Figure BDA0002545543820000142
Figure BDA00025455438200001414
中包含1个元素。
同时，在A1中第j个潜在目标从时间T1到T2的剩余候选运动路径的路径数目集合
Figure BDA0002545543820000143
中的各剩余候选运动路径对应的平均运动速度向量构成剩余候选运动路径的平均速度集合
Figure BDA0002545543820000144
根据构成的剩余运动路径的平均速度集合
Figure BDA0002545543820000145
其中，
Figure BDA0002545543820000146
Figure BDA0002545543820000147
其方向为274.51度。
步骤3)基于获得的剩余候选运动路径的路径数目集合
Figure BDA0002545543820000148
获得第j个潜在目标从时间T2到T3的、第2帧到第3帧的近邻帧之间的剩余运动路径的路径数目集合P1和剩余运动路径的平均速度集合
Figure BDA0002545543820000149
该第j个潜在目标沿着
Figure BDA00025455438200001410
对应的剩余候选运动路径进行运动，第j个潜在目标在第3帧中位置坐标的估计值为：
Figure BDA00025455438200001411
和
Figure BDA00025455438200001412
假设区域S1，j，2，1，3为在A3中以坐标
Figure BDA00025455438200001413
为中心，以dmax为半径形成的区域，在区域S1，j，2，1，3中，第j个潜在目标以第2帧为初始位置，查找A1中第j个潜在目标在第3帧中可能的位置，即第j个潜在目标从第2帧运动到第3帧的可能位置；
根据上述查找结果和预先划定的区域S1，j，2，1，3，获得在第3帧探测结果A3中，落在区域S1，j，2，1，3中的可能的第j个潜在目标的目标数为
Figure BDA0002545543820000151
进而获得第j个潜在目标从时间T2到T3、第2帧到第3帧的剩余运动路径的路径数目集合为P1，其中，集合P1中包含的元素数目为
Figure BDA0002545543820000152
则第j个潜在目标从时间T2到T3、第2帧到第3帧的各剩余运动路径对应的平均速度集合
Figure BDA0002545543820000153
其中，
Figure BDA0002545543820000154
其方向为296.21度。
步骤4)对剩余运动路径的路径数目集合P1，进行二次虚假路径剔除和目标运动信息融合，获得第j个潜在目标的最终的运动路径和对应的运动轨迹信息，将其作为Ai的目标运动信息；
具体地，根据构成的剩余路径的平均速度集合
Figure BDA0002545543820000155
在A1中第j个潜在目标从时间T2到T3的、从第2帧运动到第3帧中的任一连续三帧探测结果形成的剩余运动路径进行目标运动信息融合，得到第j个潜在目标从第2帧运动到第3帧的、A2和A3的剩余运动路径的平均运动速度矢量
Figure BDA0002545543820000156
经计算ε2，1，3，1＝1e-4，满足ε2，1，3，1＜εmax，则A1中第j个潜在目标的运动轨迹在时刻T1、T2和T3的坐标依次为(-138.09米，-1582.3米)、(-276.00米，-1581.2米)和(-547.65米，-1568.3米)。
第j个潜在目标的最终的运动路径为在时刻T1、T2和T3对应的A1、A2和A3的坐标依次顺序连接(-138.09米，-1582.3米)、(-276.00米，-1581.2米)和(-547.65米，-1568.3米)形成的运动路径；
第j个潜在目标的最终的运动路径的运动轨迹信息包括：在时刻T1、T2和T3对应的A1、A2和A3的坐标依次为(-138.09米，-1582.3米)、(-276.00米，-1581.2米)和(-547.65米，-1568.3米)，从时刻T1到T2的平均运动速度矢量为
Figure BDA0002545543820000157
Figure BDA0002545543820000158
从时刻T2到T3的平均运动速度矢量为
Figure BDA0002545543820000159
将第j个潜在目标的最终的运动路径及其对应的运动轨迹信息作为第1帧探测结果A1的目标运动信息；
步骤5)重复步骤1)-4)，得到该站点连续发射8次脉冲信号的0-2301s时间段内，探测结果构成集合A中剩下的A2、A3、A4、A5、A6、A7、A8中每一帧探测结果的目标运动信息，其中，由于A7、A8中的连续帧数少于2帧，不满足本发明的处理条件。因此，本发明的方法不对A7、A8探测结果进行处理，探测结果构成集合A中剩下的A2、A3、A4、A5、A6处理结果如下：
A2的目标运动信息包括：在时刻T2、T3和T4对应的A2、A3和A4的坐标依次为(-138.08米，-1582.3米)、(-276.00米，-1581.2米)和(-547.51米，-1567.9米)，从时刻T2到T3的平均运动速度矢量为
Figure BDA0002545543820000161
其方向为274.51度，从时刻T3到T4的平均运动速度矢量为
Figure BDA0002545543820000162
其方向为296.21度；
A3的目标运动信息包括：在时刻T3、T4和T5对应的A3、A4和A5的坐标依次为(-547.65米，-1568.3米)、(-272.71米，-1562.3米)和(136.17米，-1560.4米)，从时刻T3到T4的平均运动速度矢量为
Figure BDA0002545543820000163
其方向为77.84度，从时刻T4到T5的平均运动速度矢量为
Figure BDA0002545543820000164
其方向为87.28度；
A4的目标运动信息包括：目标1)在时刻T4、T5和T6对应的A4、A5和A6的坐标依次为(-136.37米，-1562.6米)、(-544.89米，-1560.4米)和(-812.16米，-1549.7米)，从时刻T4到T5的平均运动速度矢量为
Figure BDA0002545543820000165
Figure BDA0002545543820000166
其方向为273.19度，从时刻T5到T6的平均运动速度矢量为
Figure BDA0002545543820000167
Figure BDA0002545543820000168
其方向为291.75度；目标2)在时刻T4、T5和T6对应的A4、A5和A6的坐标依次为(-272.71米，-1562.3米)、(-544.89米，-1560.4米)和(-677.01米，-1550.6米)，从时刻T4到T5的平均运动速度矢量为
Figure BDA0002545543820000169
其方向为274.15度，从时刻T5到T6的平均运动速度矢量为
Figure BDA00025455438200001610
其方向为291.75度；目标3)在时刻T4、T5和T6对应的A4、A5和A6的坐标依次为(-272.71米，-1562.3米)、(-545.46米，-1562.0米)和(-812.16米，-1549.7米)，从时刻T4到T5的平均运动速度矢量为
Figure BDA00025455438200001611
其方向为270.74度，从时刻T5到T6的平均运动速度矢量为
Figure BDA00025455438200001612
其方向为294.73度；目标4)在时刻T4、T5和T6对应的A4、A5和A6的坐标依次为(-954.33米，-1560.3米)、(-1092.1米，-1561.8米)和(-1226.1米，-1557.9米)，从时刻T4到T5的平均运动速度矢量为
Figure BDA0002545543820000171
Figure BDA0002545543820000172
其方向为264.02度，从时刻T5到T6的平均运动速度矢量为
Figure BDA0002545543820000173
Figure BDA0002545543820000174
其方向为286.34度；
A5的目标运动信息包括：目标1)在时刻T5、T6和T7对应的A5、A6和A7的坐标依次为(-544.89米，-1560.4米)、(-812.16米，-1549.7米)和(-1214.9米，-1543.7米)，从时刻T5到T6的平均运动速度矢量为
Figure BDA0002545543820000175
Figure BDA0002545543820000176
其方向为291.75度，从时刻T6到T7的平均运动速度矢量为
Figure BDA0002545543820000177
Figure BDA0002545543820000178
其方向为275.57度；目标2)在时刻T5、T6和T7对应的A5、A6和A7的坐标依次为(-545.46米，-1562.0米)、(-812.16米，-1549.7米)和(-1214.9米，-1543.7米)，从时刻T5到T6的平均运动速度矢量为
Figure BDA0002545543820000179
其方向为294.73度，从时刻T6到T7的平均运动速度矢量为
Figure BDA00025455438200001710
其方向为275.57度；目标3)在时刻T5、T6和T7对应的A5、A6和A7的坐标依次为(-1092.1米，-1561.8米)、(-1498.2米，-1556.0米)和(-2048.0米，-1555.6米)，从时刻T5到T6的平均运动速度矢量为
Figure BDA00025455438200001711
其方向为278.12度，从时刻T6到T7的平均运动速度矢量为
Figure BDA00025455438200001712
其方向为270.35度；
A6的目标运动信息包括：目标1)在时刻T6、T7和T8对应的A6、A7和A8的坐标依次为(-677.01米，-1550.6米)、(-1214.9米，-1543.7米)和(-1750.0米，-1536.0米)，从时刻T6到T7的平均运动速度矢量为
Figure BDA00025455438200001713
Figure BDA00025455438200001714
其方向为277.30度，从时刻T7到T8的平均运动速度矢量为
Figure BDA00025455438200001715
Figure BDA00025455438200001716
其方向为276.94度；目标2)在时刻T6、T7和T8对应的A6、A7和A8的坐标依次为(-812.16米，-1549.7米)、(-1214.9米，-1543.7米)和(-1750.0米，-1536.0米)，从时刻T6到T7的平均运动速度矢量为
Figure BDA00025455438200001717
其方向为278.43度，从时刻T7到T8的平均运动速度矢量为
Figure BDA00025455438200001718
其方向为276.94度；目标3)在时刻T6、T7和T8对应的A6、A7和A8的坐标依次为(-1226.1米，-1557.9米)、(-1216.5米，-1545.8米)和(-1216.6米，-1545.9米)，从时刻T6到T7的平均运动速度矢量为
Figure BDA0002545543820000181
其方向为4.50度，从时刻T7到T8的平均运动速度矢量为
Figure BDA0002545543820000182
其方向为184.50度。
经过上述结果，可以确定，目标1)、目标2)、目标3)、目标4)各自对应的运动路径为每个潜在目标的最终的运动路径，
如图2所示，将上述每一帧探测结果的4个潜在目标的最终的运动路径进行叠加，形成图2所示的合作目标运行轨迹，完成主动声纳目标运动信息融合，为后续处理做好准备。其中，图2所示的合作目标运行轨迹是将每一帧探测结果的运动路径进行叠加的结果。
图2为采用本发明方法后，在某站点进行探测的结果图，图2以接收阵所在位置，即接收阵位置为坐标原点(0，0)，横坐标表示该站点探测区域的X轴坐标，纵坐标表示该站点探测区域的Y轴坐标，发射船位置坐标为(1071.9米，-4257.9米)，图2中的合作目标运行轨迹每一帧探测结果Ai的最终的运动路径叠加后形成的运动路径，图2中发现1个合作目标(实验1号)和1个非合作目标，其中，所发现的合作目标的真实运动轨迹采用GPS进行记录，本发明方法所发现的合作目标的运动轨迹，即定位结果，与GPS记录的真实运动轨迹相比，平均定位误差为135米，误差率为0.87％；1个非合作目标为虚警目标，非合作目标运动轨迹为经过本发明的方法剔除后剩余的虚假运动路径。
图3为该站点未采用本发明的方法进行运动信息融合的探测结果图，图3以接收阵所在位置为坐标原点(0，0)，横坐标表示该站点探测区域的X轴坐标，纵坐标表示该站点探测区域的Y轴坐标，发射船位置坐标为(1071.9米，-4257.9米)，图3中包含大量虚警目标，不能有效的获取合作目标运动轨迹信息。
图2与图3相比，通过对近邻多帧探测结果进行数据融合，将潜在目标数目从993个降低到13个，其中保留下来的12个潜在目标是合作目标(实验1号)及其多途产生的，虚假目标得到较大程度的剔除。
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 (5)

1.一种主动声纳目标运动信息融合方法，其特征在于，该方法包括：
步骤1)针对探测结果构成集合A＝{A1 A2 … Ai … AN}，获得第i帧探测结果Ai中的Mi个潜在目标中的第j个潜在目标从时间Ti到Tk的、第i帧到第k帧的近邻帧之间的目标候选运动路径的路径数目集合Pi，j，k′；
步骤2)对获得的近邻帧之间的目标候选运动路径的路径数目集合Pi，j，k′，进行一次虚假路径剔除和目标运动信息融合，获得剩余候选运动路径的路径数目集合
Figure FDA0002807471940000011
和剩余候选运动路径的平均速度集合
Figure FDA0002807471940000012
步骤3)基于获得的剩余候选运动路径的路径数目集合
Figure FDA0002807471940000013
获得第j个潜在目标从时间Tk到Tl的、第k帧到第l帧的近邻帧之间的剩余运动路径的路径数目集合P1和剩余运动路径的平均速度集合
Figure FDA0002807471940000014
步骤4)对剩余运动路径的路径数目集合P1，进行二次虚假路径剔除和目标运动信息融合，获得第j个潜在目标的最终的运动路径和对应的运动轨迹信息，将其作为Ai的目标运动信息；
步骤5)重复步骤1)-4)，得到探测结果构成集合A中的每一帧探测结果的目标运动信息，并将每一帧探测结果的目标运动信息叠加在一起，形成主动声纳目标的运动路径。
2.根据权利要求1所述的主动声纳目标运动信息融合方法，其特征在于，所述步骤1)具体包括：
假设某一站点共连续发射N次脉冲信号，该站点连续发射的N次脉冲信号对应的发射时间分别为T＝{T1 T2 … Ti … TN}；其对应的各帧探测结果构成集合A＝{A1 A2 … Ai …AN}；
其中，Ai为第i帧探测结果；Ai是一个Mi行4列特征向量矩阵：
Figure FDA0002807471940000015
其中，Mi为Ai中包含的潜在目标点数；xi，j、yi，j、θi，j和
Figure FDA0002807471940000016
分别为Ai中第j个潜在目标的X轴坐标、Y轴坐标、波束形成对应的方位角、第j个潜在目标的运动速度在θi，j方位上投影分量对应的多普勒系数；
假设区域Si，j，k为在Ai中以第j个潜在目标的位置为中心，以Ri，j，k为半径形成的区域，假设在区域Si，j，k中，第j个潜在目标以第i帧为初始位置，查找Ai中第j个潜在目标在第k帧中可能的位置；
其中，Ri，j，k＝(Tk-Ti)×vmax+dmax；
其中，Ti为第i帧时刻；Tk为第k帧时刻；Tk大于Ti；k＞i，k和i为近邻帧；vmax为第j个潜在目标的最大运动速度；dmax为误差值；
根据上述查找结果和预先划定的区域Si，j，k，获得在第k帧探测结果Ak中，落在区域Si，j，k中的可能的第j个潜在目标的目标数为Pi，j，k，进而获得第j个潜在目标从时间Ti到Tk、第i帧到第k帧的候选运动路径的路径数目集合为Pi，j，k′；集合Pi，j，k′中包含的元素数目为Pi，j，k。
3.根据权利要求1所述的主动声纳目标运动信息融合方法，其特征在于，所述步骤2)具体包括：
在Ai中第j个潜在目标从时间Ti到Tk的、从第i帧运动到第k帧中的任一连续两帧探测结果形成的候选运动路径进行目标运动信息融合，得到Ai和Ak的平均运动速度矢量vi，j，k，h；
获得在候选运动路径的路径数目集合Pi，j，k′中的各候选运动路径对应的平均运动速度向量构成平均速度集合Vi，j，k：
Figure FDA0002807471940000021
其中，Ai和Ak的平均运动速度矢量vi，j，k，h的大小为|vi，j，k，h|；
Ai中第j个潜在目标的平均运动速度矢量vi，j，k，h的方向与方位角θi，j和θk，h的夹角分别为αi，j，k，h和βi，j，k，h；则Ai中第j个潜在目标的平均运动速度矢量vi，j，k，h在方位角θi，j和θk，h上投影分量对应的多普勒系数分别为
Figure FDA0002807471940000022
和
Figure FDA0002807471940000023
Figure FDA0002807471940000031
Figure FDA0002807471940000032
其中，c为水中声波传播速度；
假设
Figure FDA0002807471940000033
其中，
Figure FDA0002807471940000034
为在Ak中第h个潜在目标的运动速度矢量在θk，h方位上投影分量对应的多普勒系数；
Figure FDA0002807471940000035
为在Ai中第j个潜在目标的运动速度矢量在θi，j方位上投影分量对应的多普勒系数；εmax为多普勒判别阈值；
如果εi，j，k，h≥εmax；则vi，j，k，h对应的候选运动路径为虚假路径，将其从候选运动路径的路径数目集合Pi，j，k′中剔除；
对Ai中第j个潜在目标从时间Ti到Tk的、从第i帧运动到第k帧中的剩余的每一连续两帧探测结果，重复上述过程，进行一次虚假路径剔除，将在候选运动路径的路径数目集合Pi，j，k′中剔除虚假路径后，获得剩余候选运动路径的路径数目集合
Figure FDA0002807471940000036
同时，在剩余候选运动路径的路径数目集合
Figure FDA0002807471940000037
中的各剩余候选运动路径对应的平均运动速度向量构成剩余候选运动路径的平均速度集合
Figure FDA0002807471940000038
Figure FDA0002807471940000039
其中，
Figure FDA00028074719400000310
为Ai和Ak的剩余候选路径的平均运动速度矢量。
4.根据权利要求1所述的主动声纳目标运动信息融合方法，其特征在于，所述步骤3)具体包括：
根据构成的剩余运动路径的平均速度集合
Figure FDA00028074719400000311
Figure FDA00028074719400000312
将
Figure FDA00028074719400000313
对应的潜在目标在第k帧中特征向量表示为：
Figure FDA00028074719400000314
其中，
Figure FDA0002807471940000041
和
Figure FDA0002807471940000042
分别为Ak中第h个潜在目标的X轴坐标、Y轴坐标、波束形成对应的方位角、第h个潜在目标的运动速度在
Figure FDA0002807471940000043
方位上投影分量对应的多普勒系数；
该第j个潜在目标沿着
Figure FDA0002807471940000044
对应的剩余候选运动路径进行运动，第j个潜在目标在第l帧中位置坐标的估计值为：
Figure FDA0002807471940000045
其中，l＞k；k和l为近邻帧；
Figure FDA0002807471940000046
和
Figure FDA0002807471940000047
分别为第j个潜在目标沿着
Figure FDA0002807471940000048
对应的剩余候选运动路径进行运动，其在第l帧中X轴坐标和Y轴坐标的估计值；
假设剔除区域Si，j，k，h，l为在Al中以坐标
Figure FDA0002807471940000049
为中心，以dmax为半径形成的区域，在剔除区域Si，j，k，h，l中，第j个潜在目标以第k帧为初始位置，查找Ai中第j个潜在目标在第l帧中可能的位置；其中，dmax为误差值；
根据上述查找结果和预先划定的剔除区域Si，j，k，h，l，获得在第l帧探测结果Al中，落在剔除区域Si，j，k，h，l中的可能的第j个潜在目标的目标数为
Figure FDA00028074719400000410
进而获得第j个潜在目标从时间Tk到Tl、第k帧到第l帧的剩余运动路径的路径数目集合为P1，其中，集合P1中包含的元素数目为
Figure FDA00028074719400000411
同时，在Ai中第j个潜在目标从时间Tk到Tl的、从第k帧运动到第l帧中的任一连续三帧探测结果形成的剩余运动路径进行目标运动信息融合，
得到第j个潜在目标从第k帧运动到第l帧的、Ak和Al的剩余运动路径的平均运动速度矢量
Figure FDA00028074719400000412
进而构成剩余运动路径的平均速度集合
Figure FDA00028074719400000413
Figure FDA00028074719400000414
其中，
Figure FDA00028074719400000415
为Ak和Al的剩余运动路径的平均运动速度矢量。
5.根据权利要求1所述的主动声纳目标运动信息融合方法，其特征在于，所述步骤4)具体包括：
根据构成的剩余运动路径的平均速度集合
Figure FDA0002807471940000051
Figure FDA0002807471940000052
将
Figure FDA0002807471940000053
对应的第j个潜在目标在第l帧中的特征向量表示为：
Figure FDA0002807471940000054
其中，剩余运动路径的平均运动速度矢量
Figure FDA0002807471940000055
的大小为
Figure FDA0002807471940000056
剩余运动路径的平均运动速度矢量
Figure FDA0002807471940000057
的方向与方位角
Figure FDA0002807471940000058
和
Figure FDA0002807471940000059
的夹角分别为
Figure FDA00028074719400000510
和
Figure FDA00028074719400000511
则剩余运动路径的平均运动速度矢量
Figure FDA00028074719400000512
在方位角
Figure FDA00028074719400000513
和
Figure FDA00028074719400000514
上投影分量对应的多普勒系数分别为
Figure FDA00028074719400000515
和
Figure FDA00028074719400000516
假设
Figure FDA00028074719400000517
其中，c为水中声波传播速度；
Figure FDA00028074719400000518
为Ak中第h个潜在目标的运动速度在
Figure FDA00028074719400000519
方位上投影分量对应的多普勒系数；
如果
Figure FDA00028074719400000520
则
Figure FDA00028074719400000521
对应的剩余运动路径为虚假路径，将其从剩余运动路径的路径数目集合P1中剔除；其中，εmax为多普勒判别阈值；
对Ai中第j个潜在目标从时间Tk到Tl的、从第k帧运动到第l帧中的剩余的每一连续三帧探测结果，重复上述过程，进行二次虚假路径剔除，将在剩余运动路径的路径数目集合P1中剔除虚假路径后，
得到第j个潜在目标的最终的运动路径，则该运动路径为当
Figure FDA00028074719400000522
时，Ai中第j个潜在目标的运动轨迹在时刻Ti、Tk和Tl，依次对应的经过Ai、Ak、Al的坐标依次顺序连接(xi，yi)、
Figure FDA00028074719400000523
和
Figure FDA00028074719400000524
形成的运动路径；
进而获得第j个潜在目标的最终的运动路径的运动轨迹信息；
其中，第j个潜在目标的最终的运动路径为当
Figure FDA00028074719400000525
时，Ai中第j个潜在目标的运动轨迹在时刻Ti、Tk和Tl的坐标依次为(xi，yi)、
Figure FDA00028074719400000526
和
Figure FDA00028074719400000527
并将在时刻Ti、Tk和Tl依次对应的经过Ai、Ak、Al的坐标依次顺序连接(xi，yi)、
Figure FDA0002807471940000061
和
Figure FDA0002807471940000062
形成的运动路径；
所述最终的运动路径的运动轨迹信息包括：在时刻Ti、Tk和Tl对应的Ai、Ak和Al的坐标依次为(xi，yi)、
Figure FDA0002807471940000063
和
Figure FDA0002807471940000064
从时刻Ti到Tk的平均运动速度矢量为
Figure FDA0002807471940000065
和从时刻Tk到Tl的平均运动速度矢量为
Figure FDA0002807471940000066
CN202010558881.4A 2020-06-18 2020-06-18 一种主动声纳目标运动信息融合方法 Active CN111722231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010558881.4A CN111722231B (zh) 2020-06-18 2020-06-18 一种主动声纳目标运动信息融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010558881.4A CN111722231B (zh) 2020-06-18 2020-06-18 一种主动声纳目标运动信息融合方法

Publications (2)

Publication Number Publication Date
CN111722231A CN111722231A (zh) 2020-09-29
CN111722231B true CN111722231B (zh) 2021-03-16

Family

ID=72567446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010558881.4A Active CN111722231B (zh) 2020-06-18 2020-06-18 一种主动声纳目标运动信息融合方法

Country Status (1)

Country Link
CN (1) CN111722231B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105182350B (zh) * 2015-09-26 2017-10-31 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
KR102048125B1 (ko) * 2017-02-20 2019-11-22 한양대학교 에리카산학협력단 수중 표적 움직임 분석 방법
CN109901205B (zh) * 2019-03-14 2022-07-01 南京信息工程大学 一种水下机器人多传感器融合与运动轨迹预测方法

Also Published As

Publication number Publication date
CN111722231A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
US10725149B1 (en) System and method for autonomous joint detection-classification and tracking of acoustic signals of interest
Braca et al. Bayesian tracking in underwater wireless sensor networks with port-starboard ambiguity
Karoui et al. Automatic sea-surface obstacle detection and tracking in forward-looking sonar image sequences
US20100046326A1 (en) Method and apparatus for detection and classification of a swimming object
Vinutha et al. Under water mine detection using SONAR
De Magistris et al. Automatic object classification for low-frequency active sonar using convolutional neural networks
CN110346802B (zh) 基于计算水声信道参数的水下目标探测方法
CN112684453B (zh) 一种基于无人潜航器双基地声纳系统的定位误差修正方法
CN111722231B (zh) 一种主动声纳目标运动信息融合方法
Soldi et al. Underwater tracking based on the sum-product algorithm enhanced by a neural network detections classifier
Orlando et al. A maximum likelihood tracker for multistatic sonars
CN116400335B (zh) 一种水平阵主动声纳目标回波检测方法及系统
Zhang et al. Underwater target detection based on machine learning
Grimmett Multistatic target tracking using specular cue initiation and directed data retrieval
CN115657045A (zh) 基于方位信息多被动探测平台水下航行器数据的融合方法
CN110441779B (zh) 一种多声纳浮标分布式协同定位方法
Lang et al. Evaluation of an MHT-enabled tracker with simulated multistatic sonar data
CN112630783A (zh) 一种被动声呐目标跟踪方法
Grimmett Specular-cued multistatic sonar tracking on the seabar'07 dataset
Zhang et al. Underwater multi-source DOA tracking using uniform linear array based on improved GM-PHD filter
Wang et al. Track Before Detect for Low Frequency Active Towed Array Sonar
Zhang et al. The Positioning Accuracy Analysis of Mobile Multi-Base Sonar Range Information Based on Clusters of UUVs
Stender et al. Sensitivity to target behaviour in automatic classification on kinematic track features
CN115657044A (zh) 基于水下航行器方位信息压缩的多平台被动数据融合方法
Yang et al. Research on scattering feature extraction of underwater moving cluster targets based on the highlight model

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