CN111948607B - 一种深海目标被动定位及粒子滤波跟踪方法 - Google Patents
一种深海目标被动定位及粒子滤波跟踪方法 Download PDFInfo
- Publication number
- CN111948607B CN111948607B CN202010553898.0A CN202010553898A CN111948607B CN 111948607 B CN111948607 B CN 111948607B CN 202010553898 A CN202010553898 A CN 202010553898A CN 111948607 B CN111948607 B CN 111948607B
- Authority
- CN
- China
- Prior art keywords
- target
- measurement
- deep sea
- node
- positioning
- 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
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
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种深海目标被动定位及粒子滤波跟踪方法,在类似于深海分布式垂直阵组网观测系统下实现深海目标被动定位及跟踪功能,主要利用的技术手段有宽/窄带检测及特征提取、声线逆推估距、改进的粒子滤波,相比于传统的匹配场处理、运动目标分析、几何定位法等被动目标定位技术。本发明对环境参数的要求较低,估计精度较高,且适用于静止且无水平测向能力的单节点构成的分布式系统中,仅通过目标俯仰角信息、目标多普勒信息,结合多节点的系统参数和声速剖面采集数据,即可得到对被动目标声源的实时定位与连续跟踪。该方法实现相对简单、对条件约束较小、算法运行效率高,通过海试数据验证具有较好的目标定位与跟踪性能。
Description
技术领域
本发明属于被动目标定位与跟踪技术,主要是一种深海目标被动定位及粒子滤波跟踪方法,可以应用于深海分布式潜/浮标、深海固定式基阵/传感器警戒与搜救网络等情形中。
背景技术
深海中分布式垂直阵潜标用于进行目标融合定位与跟踪是实现深远海无人警戒网络需要突破的关键技术,通常采用的方法有通过匹配场定位技术和基于多节点俯仰角的几何定位技术等等,然而前者对环境参数要求高且运算量大,不适用于长期布放在水下的自主探测节点,后者估计精度较差,并且往往会出现无解或者解不唯一的情况。本方法针对两个或者两个以上的分布式垂直阵系统,当目标出现于表层至中等深度范围内,目标线谱较稳定且掌握一定线谱模板先验信息前提下,通过波束形成获得的目标俯仰角,结合声速剖面信息进行声线逆推计算估计各节点目标距离参数,并基于目标辐射声信号线谱检测提取相应的多普勒特征,综合各节点目标测距参数和目标径向速度作为输入,通过改进的粒子滤波方法实现目标实时定位与连续跟踪。
发明内容
本发明的目的在于克服现有技术存在的不足,而提供一种深海目标被动定位及粒子滤波跟踪方法,本发明提供了在深海分布式垂直阵系统观测条件下对被动目标进行定位与跟踪的方法与技术。首先需要说明的是,单个垂直阵并无水平测向能力,若采用分段式垂直阵(同缆不同深度的两段子阵)可以提取目标距离/深度信息,目标相对于观测基阵径向速度表征在三维笛卡尔坐标系下,需要结合距离和观测深度参数,将其转化为二维平面内的径向速度。当目标线谱相对稳定且对源线谱有一定先验知识时,可以提取不同节点观测下的目标多普勒特征,从而转换为目标径向速度。依据距离与径向速度作为变量建立相应的目标动力学模型和观测模型,以目标距离估计量和径向速度估计量作为输入,通过改进的粒子滤波方法实现对目标的实时定位和连续跟踪。
本发明的目的是通过如下技术方案来完成的。这种深海目标被动定位及粒子滤波跟踪方法,包括以下步骤:
(1)对深海声速剖面进行采集,通过北斗或GPS等方式实时标定并记录各探测节点的坐标信息,并利用深度传感器测量垂直阵的工作深度,从而获得完备的系统参数;
(2)在一定观测时间间隔内,通过目标检测与数据关联获得针对同一个目标的俯仰角测量,表示为Θ={θm|m=1,2,…,M},其中θm表示第m个节点观测得到的俯仰角-时间序列向量,M表示分布式系统中节点总数;同时获得目标相应的径向速度测量,表示为V={νm|m=1,2,…,M},其中νm表示第m个节点观测得到的径向速度-时间序列向量,M表示分布式系统中节点总数;
(3)在深海条件下,声在分层介质中传播,声线向低声速区域弯曲,假定目标深度在一定深度范围内,将目标深度至接收深度的介质层均匀等分为D层,每层深度为Δd,被分割的各单位介质层近似为均匀介质层,依据实地测量得到的声速剖面将声速向量表示为c={ci|i=1,2,…,D},利用步骤(2)中得到的入射俯仰角数据Θ={θm|m=1,2,…,M},由斯涅尔定律和递归数值计算近似估计目标声源距离L={lm|m=1,2,…,M},其中lm表示第m个节点观测得到的距离-时间序列向量,M表示分布式系统中节点总数,算法计算公式表示为其中asin(·)表示反正弦函数;
(4)利用步骤(2)和步骤(3)中获得的目标声源距离测量L={lm|m=1,2,…,M}和径向速度测量V={νm|m=1,2,…,M}作为输入,并引入步骤(1)中测量得到的系统参数,通过改进的粒子滤波算法估计目标状态,从而实现目标定位与跟踪。
需要说明的是:首先,所述的步骤(1)中的的系统参数包括节点坐标、时间、节点垂直阵深度。其次,步骤(2)中所述的测量径向速度为三维坐标系下的径向速度,其与线谱测量之间关系为ν表示径向速度,fd为检测线谱频率,fo为目标源原线谱频率,c为声速。
更进一步的,所述改进的的粒子滤波算法与常规粒子滤波不同之处在于(1)常规粒子滤波通常先通过几何数值计算得到目标位置、速度参量,并以目标位置、速度参量作为输入进行滤波,本成果中改进粒子滤波算法直接以距离测量L和径向速度测量V作为输入,不但可以减少运算量,也可以消除几何数值计算产生无解或解不唯一情形;(2)引入了径向速度约束后,将粒子权重更新函数修正为其中第k时刻距离预测/>与距离测量之间lk的误差表示为/>第k时刻径向速度预测/>与径向速度测量vk之间的误差表示为/>其中Ck和Sk分别表示分布式系统距离测量和径向速度测量的协方差矩阵,若各节点对目标检测和参数估计的性能一致且均独立测量,则协方差矩阵可以表示为单位矩阵。
本发明的有益效果为:与目前常见其他深海被动目标定位与跟踪方法相比,本发明对环境参数的要求较低,估计精度较高,且适用于运动或静止且无水平测向能力的单节点构成的分布式系统中,仅需获取目标俯仰角信息和目标多普勒信息,结合多节点的系统参数和声速剖面采集数据,通过分层介质中波传播原理和改进的粒子滤波方法,即可实现对深海被动目标声源的实时定位与连续跟踪。该方法实现相对简单、对条件约束较小、算法运行效率高,通过海试数据验证具有较好的目标定位与跟踪性能。
附图说明
图1给出了所提出的深海分布式垂直阵观测系统下的被动目标定位及跟踪方法实现流程图。
图2给出了某次深海海域进行海试过程中节点-目标态势示意图;
图3给出了某次深海海域试验模拟目标源信号示意图;
图4给出了垂直阵节点1的空间谱处理结果示意图。
图5给出了垂直阵节点2的空间谱处理结果示意图。
图6给出了垂直阵节点1提取得到的目标俯仰角和径向速度结果示意图。
图7给出了垂直阵节点2提取得到的目标俯仰角和径向速度结果示意图。
图8给出了声线逆推估距算法实现示意图。
图9给出了分布式节点-目标距离估计结果示意图。
图10给出了分布式节点-目标径向速度估计结果示意图。
图11给出了粒子滤波输出得到目标状态估计结果与目标GPS测量比较示意图。
具体实施方式
下面将结合附图对本发明做详细的介绍:
如图1所示,给出了深海分布式垂直阵观测系统下的被动目标定位及跟踪方法,具体步骤为:(1)、首先采集测量海区的声速剖面数据,并录入布放分布式垂直阵的地理坐标和深度数据,进行同步校准;(2)、对各节点窄带谱进行波束维及频率维的峰值提取,并基于特征进行目标数据关联,从而获得相应节点观测下的目标俯仰角和多普勒测量;(3)、利用目标俯仰角测量结果,基于声线逆推进行目标距离估计,同时利用多普勒测量结果得到目标径向速度估计;(4)、结合分布式节点的三维坐标等系统参数,以分布式节点观测下的目标距离和径向速度估计值作为输入,通过粒子滤波器进行目标状态滤波,可以实时输出目标定位结果,并连续给出跟踪目标运动轨迹。
具体实现步骤如下:
1.对深海声速剖面进行采集,通过北斗或GPS等方式实时标定并记录各探测节点的坐标信息,并利用深度传感器测量垂直阵的工作深度。
2.在一定观测时间间隔内,通过目标检测与数据关联获得针对同一个目标的俯仰角测量,表示为Θ={θm|m=1,2,…,M},其中θm表示第m个节点观测得到的俯仰角-时间序列向量,M表示分布式系统中节点总数。同时也可以获得目标相应的径向速度测量,表示为V={νm|m=1,2,…,M},其中νm表示第m个节点观测得到的径向速度-时间序列向量,M表示分布式系统中节点总数,需要说明的是该测量径向速度为三维坐标系下的径向速度,其与线谱测量之间关系为ν表示径向速度,fd为检测线谱频率,fo为目标源原线谱频率,c为声速。
3.在深海条件下,声在分层介质中传播,声线向低声速区域弯曲,假定目标深度在一定深度范围内,将目标深度至接收深度的介质层均匀等分为D层,每层深度为Δd,被分割的各单位介质层近似为均匀介质层,依据实地测量得到的声速剖面将声速向量表示为c={ci|i=1,2,…,D},利用步骤2中得到的入射俯仰角数据Θ={θm|m=1,2,…,M},由斯涅尔定律和递归数值计算可以近似估计目标声源距离L={lm|m=1,2,…,M},其中lm表示第m个节点观测得到的距离-时间序列向量,M表示分布式系统中节点总数。算法计算公式表示为其中asin(·)表示反正弦函数。
4.利用步骤2和步骤3中获得的目标声源距离测量L={lm|m=1,2,…,M}和径向速度测量V={νm|m=1,2,…,M}作为输入,并引入步骤1中测量得到的系统参数(节点坐标、时间、节点垂直阵深度),通过改进的粒子滤波算法估计目标状态,从而实现目标定位与跟踪。该粒子滤波算法与常规粒子滤波不同之处在于(1)常规粒子滤波通常先通过几何数值计算得到目标位置、速度参量,并以目标位置、速度参量作为输入进行滤波,本成果中改进粒子滤波算法直接以距离测量L和径向速度测量V作为输入,不但可以减少运算量,也可以消除几何数值计算产生无解或解不唯一情形;(2)引入了径向速度约束后,将粒子权重更新函数修正为其中第k时刻距离预测与距离测量之间的误差表示为/>第k时刻径向速度预测与径向速度测量之间的误差表示为其中Ck和Sk分别表示分布式系统距离测量和径向速度测量的协方差矩阵。
如图2所示,给出了某次深海海域进行海试过程中节点-目标态势,其中节点1垂直阵悬吊在无动力小船上,节点2垂直阵悬吊在低速运动的试验船上,目标信号源在两节点观测区域间保持连续运动,图中选取了试验过程中13:00-13:37时间段的记录数据进行分析,观测过程中节点1GPS测量坐标信息在图中显示为黑色实体星,节点2GPS测量坐标信息在图中显示为蓝色圈,目标信号源GPS测量坐标信息在图中显示为红色五角星,两节点垂直阵布放深度均在深海声道轴附近,约为1200m,目标信号源布放在约50m海深处。
如图3所示,给出了某次深海海域试验模拟目标源信号,由宽带噪声和3根线谱组成,噪声平台区大约为100Hz,线谱频率分别为65Hz、83Hz、103Hz。
如图4所示,给出了垂直阵节点1的空间谱处理结果,其中图(a)为宽带历程图,横轴为快拍时间,快拍间隔为32s,纵轴为波束俯仰角,从图上可以隐约看到60度附近有连续目标航迹,且在前20批次内,目标入射角度逐渐增大,在第58快拍批次时,目标接近消失,图(b)选取了第10快拍分别对65Hz、83Hz、103Hz邻近子带进行窄带多波束处理得到的窄带谱结果,横轴为频率,频点间隔为0.0313Hz,纵轴为波束俯仰角,由图上可以发现相对于目标源线谱(黑色虚线位置),接收信号线谱有一定的多普勒频偏,与目标-节点相对径向运动速度有关。
如图5所示,给出了垂直阵节点2的空间谱处理结果,其中图(a)为宽带历程图,横轴为快拍时间,快拍间隔为32s,纵轴为波束俯仰角,从图上可以隐约看到60度附近有连续目标航迹,在第60快拍批次时,目标接近消失,图(b)选取了第10快拍分别对65Hz、83Hz、103Hz邻近子带进行窄带多波束处理得到的窄带谱结果,横轴为频率,频点间隔为0.0313Hz,纵轴为波束俯仰角,由图上可以发现相对于目标源线谱(黑色虚线位置),接收信号线谱有一定的多普勒频偏,与目标-节点相对径向运动速度有关。
如图6所示,给出了垂直阵节点1提取得到的目标俯仰角和径向速度结果,对于子带1(64.5Hz-65.5Hz)、子带2(82.5Hz-83.5Hz)和子带3(102.5Hz-103.5Hz)空间谱提取得到的目标俯仰角如图(a)所示,对于子带1(64.5Hz-65.5Hz)、子带2(82.5Hz-83.5Hz)和子带3(102.5Hz-103.5Hz)空间谱提取得到的目标径向速度如图(b)所示。
如图7所示,给出了垂直阵节点2提取得到的目标俯仰角和径向速度结果,对于子带1(64.5Hz-65.5Hz)、子带2(82.5Hz-83.5Hz)和子带3(102.5Hz-103.5Hz)空间谱提取得到的目标俯仰角如图(a)所示,对于子带1(64.5Hz-65.5Hz)、子带2(82.5Hz-83.5Hz)和子带3(102.5Hz-103.5Hz)空间谱提取得到的目标径向速度如图(b)所示。
如图8所示,给出了声线逆推估距算法实现示意图,由目标检测过程可以得到不同时刻目标在不同节点垂直阵的俯仰入射角度。若在等声速波导环境下,目标声源可以看作是直线入射至垂直接收阵,目标位于入射线上,然而在深海条件下,声在分层介质中传播,声线向低声速区域弯曲,假定目标深度在一定深度范围内,将目标深度至接收深度的介质层均匀等分为若干层,被分割的各单位介质层近似为均匀介质层,利用检测得到的入射角和实地测量得到的声速剖面,基于由斯涅尔定律和几何积分得到的数值计算算法可以近似估计目标声源距离。
如图9所示,给出了分布式节点-目标距离估计结果,图中红色实体星为节点1-目标距离估计结果,黑色圈为节点2-目标距离估计结果。该结果基于图6和图7中的俯仰角数据,在数值上进行平滑拟合后代入声线逆推估距算法,从而得到相应的距离变化曲线。
如图10所示,给出了分布式节点-目标径向速度估计结果,图中红色实体星为节点1-目标径向速度估计结果,黑色圈为节点2-目标径向速度估计结果。该结果基于图6和图7中的径向速度数据,在数值上进行平滑拟合处理,从而得到相应的径向速度变化曲线。
如图11所示,给出了粒子滤波输出得到目标状态估计结果与目标GPS测量比较,图中红色五角星为标信号源GPS测量坐标信息,蓝圈黑线为粒子滤波输出得到目标坐标位置估计结果,从图中可以看出估计得到的目标轨迹整体趋势与GPS测量结果吻合,目标估计相对误差大约在10%左右,且估计目标轨迹拐点值在13:22时刻附近,与实际测量情况较吻合,验证了该方法的有效性。
可以理解的是,对本领域技术人员来说,对本发明的技术方案及发明构思加以等同替换或改变都应属于本发明所附的权利要求的保护范围。
Claims (4)
1.一种深海目标被动定位及粒子滤波跟踪方法,其特征在于:包括以下步骤:
(1)对深海声速剖面进行采集,通过北斗或GPS实时标定并记录各探测节点的坐标信息,并利用深度传感器测量垂直阵的工作深度,从而获得系统参数;
(2)在一定观测时间间隔内,通过目标检测与数据关联获得针对同一个目标的俯仰角测量,表示为Θ={θm|m=1,2,…,M},其中θm表示第m个节点观测得到的俯仰角-时间序列向量,M表示分布式系统中节点总数;同时获得目标相应的径向速度测量,表示为V={νm|m=1,2,…,M},其中νm表示第m个节点观测得到的径向速度-时间序列向量,M表示分布式系统中节点总数;
(3)在深海条件下,声在分层介质中传播,声线向低声速区域弯曲,假定目标深度在一定深度范围内,将目标深度至接收深度的介质层均匀等分为D层,每层深度为Δd,被分割的各单位介质层近似为均匀介质层,依据实地测量得到的声速剖面将声速向量表示为c={ci|i=1,2,…,D},利用步骤(2)中得到的入射俯仰角数据Θ={θm|m=1,2,…,M},由斯涅尔定律和递归数值计算近似估计目标声源距离L={lm|m=1,2,…,M},其中lm表示第m个节点观测得到的距离-时间序列向量,M表示分布式系统中节点总数,算法计算公式表示为其中asin(·)表示反正弦函数;
(4)利用步骤(2)和步骤(3)中获得的目标声源距离测量L={lm|m=1,2,…,M}和径向速度测量V={νm|m=1,2,…,M}作为输入,并引入步骤(1)中测量得到的系统参数,通过改进的粒子滤波算法估计目标状态,从而实现目标定位与跟踪。
2.根据权利要求1所述的深海目标被动定位及粒子滤波跟踪方法,其特征在于:所述的测量径向速度为三维坐标系下的径向速度,其与线谱测量之间关系为ν表示径向速度,fd为检测线谱频率,fo为目标源原线谱频率,c为声速。
3.根据权利要求1所述的深海目标被动定位及粒子滤波跟踪方法,其特征在于:所述的步骤(1)中的的系统参数包括节点坐标、时间、节点垂直阵深度。
4.根据权利要求1所述的深海目标被动定位及粒子滤波跟踪方法,其特征在于:所述改进的粒子滤波算法直接以距离测量L和径向速度测量V作为输入,引入了径向速度约束后,将粒子权重更新函数修正为其中第k时刻距离预测/>与距离测量lk之间的误差表示为/>第k时刻径向速度预测/>与径向速度测量vk之间的误差表示为/>其中Ck和Sk分别表示分布式系统距离测量和径向速度测量的协方差矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553898.0A CN111948607B (zh) | 2020-06-17 | 2020-06-17 | 一种深海目标被动定位及粒子滤波跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553898.0A CN111948607B (zh) | 2020-06-17 | 2020-06-17 | 一种深海目标被动定位及粒子滤波跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948607A CN111948607A (zh) | 2020-11-17 |
CN111948607B true CN111948607B (zh) | 2023-08-15 |
Family
ID=73337104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010553898.0A Active CN111948607B (zh) | 2020-06-17 | 2020-06-17 | 一种深海目标被动定位及粒子滤波跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948607B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117595943B (zh) * | 2024-01-17 | 2024-05-14 | 之江实验室 | 一种目标特征频点快速回溯分析方法、系统、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633259B1 (en) * | 1999-03-05 | 2003-10-14 | Rannuch Corporation | Method and apparatus for improving utility of automatic dependent surveillance |
RU2526896C1 (ru) * | 2013-04-08 | 2014-08-27 | Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг) | Способ определения местоположения объектов в пассивной системе мониторинга |
CN108061875A (zh) * | 2016-11-08 | 2018-05-22 | 福特全球技术公司 | 基于无线局域网络节点的车辆定位 |
CN108562891A (zh) * | 2018-04-04 | 2018-09-21 | 西北工业大学 | 一种深海低信噪比条件下声源深度自主实时跟踪方法 |
-
2020
- 2020-06-17 CN CN202010553898.0A patent/CN111948607B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633259B1 (en) * | 1999-03-05 | 2003-10-14 | Rannuch Corporation | Method and apparatus for improving utility of automatic dependent surveillance |
RU2526896C1 (ru) * | 2013-04-08 | 2014-08-27 | Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг) | Способ определения местоположения объектов в пассивной системе мониторинга |
CN108061875A (zh) * | 2016-11-08 | 2018-05-22 | 福特全球技术公司 | 基于无线局域网络节点的车辆定位 |
CN108562891A (zh) * | 2018-04-04 | 2018-09-21 | 西北工业大学 | 一种深海低信噪比条件下声源深度自主实时跟踪方法 |
Non-Patent Citations (1)
Title |
---|
基于UKF的移动信标辅助节点定位算法;肖胜;邢昌风;石章松;;电光与控制(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111948607A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11733381B2 (en) | Sound velocity profile inversion method based on inverted multi-beam echo sounder | |
CN108226933B (zh) | 一种基于条纹干涉结构的深海宽带目标深度估计方法 | |
CN112083404B (zh) | 一种基于多途特征匹配的单矢量水听器声源深度估计方法 | |
CN108828522B (zh) | 一种利用垂直阵lcmv波束形成的水下目标辐射噪声测量方法 | |
US7307914B1 (en) | Hypothesized range and depth sonar processing method | |
CN110764053A (zh) | 一种基于水下传感器网络的多目标被动定位方法 | |
CN104678384B (zh) | 一种波束域的声压差互相关谱分析水下目标速度估计方法 | |
CN108562891B (zh) | 一种深海低信噪比条件下声源深度自主实时跟踪方法 | |
CN113109817B (zh) | 一种矢量水听器布放深度估计方法 | |
CN114280541B (zh) | 一种基于深海分布式垂直线列阵的目标被动定位方法 | |
CN101915922A (zh) | 拖曳线列阵被动测距方法 | |
CN115038165B (zh) | 一种水下无线传感网目标位置和环境传播参数的联合估计方法 | |
CN107515390B (zh) | 一种基于单矢量传感器的空中目标定位方法 | |
CN111948607B (zh) | 一种深海目标被动定位及粒子滤波跟踪方法 | |
CN110135299B (zh) | 一种用于浅水测深的单波段蓝绿激光波形分析方法及系统 | |
CN109444864B (zh) | 一种深海微弱多目标深度长时累积估计方法 | |
CN106019290B (zh) | 加权宽带时反算子分解多目标声成像方法 | |
CN106546947A (zh) | 一种联合波导不变量和线谱的单水听器被动定位方法 | |
Jiang et al. | Improvement of the position estimation for underwater gliders with a passive acoustic method | |
CN111679248A (zh) | 一种基于海底水平l型阵列的目标方位和距离联合稀疏重构定位方法 | |
CN101533105B (zh) | 基于激光光斑漂移的水中动态目标尾迹探测系统及方法 | |
CN116008913A (zh) | 基于stm32和小型麦克风阵列的无人机检测定位方法 | |
CN115902849A (zh) | 一种基于波束输出强度重采样的深海声源深度估计方法 | |
CN115015839A (zh) | 一种浅海水下目标被动定位系统 | |
CN112612027B (zh) | 一种浅海环境下利用声能量起伏的海洋内波监测方法 |
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 |