CN113740858B - 一种被动声纳水下弱目标检测方法及系统 - Google Patents
一种被动声纳水下弱目标检测方法及系统 Download PDFInfo
- Publication number
- CN113740858B CN113740858B CN202111055959.1A CN202111055959A CN113740858B CN 113740858 B CN113740858 B CN 113740858B CN 202111055959 A CN202111055959 A CN 202111055959A CN 113740858 B CN113740858 B CN 113740858B
- Authority
- CN
- China
- Prior art keywords
- angle
- track
- azimuth
- image
- frame
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (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
本发明公开了一种被动声纳水下弱目标检测方法及系统。所述方法,包括:获取设定时间段内的多帧接收数据;对各帧接收数据进行角度估计,得到时间方位历程图;按照能量值的大小筛选时间方位历程图中各帧图像的候选方位角点,得到时空方位图;计算时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,基于角度距离和线性函数拟合算法预测目标的角度轨迹,确定运动轨迹;若运动轨迹为一条,则将运动轨迹确定为目标的最终角度轨迹;若运动轨迹为多条,则计算每条运动轨迹的轨迹可信度,将轨迹可信度最大的运动轨迹确定为目标的最终角度轨迹。本发明能在避免漏检的同时,降低虚警概率,从而提高水下弱目标检测的稳定性。
Description
技术领域
本发明涉及水声信号处理领域,特别是涉及一种被动声纳水下弱目标检测方法及系统。
背景技术
海洋覆盖着地球的大部分区域,海洋的军事和经济意义十分重大。军事上,控制海洋是现代高科技战争成败的一个关键因素,对沿海国家尤其如此。对于海洋的控制,其中最重要的一点就是对于水下信息的控制,它是潜艇战和反潜战赖以运作和决胜的最重要条件。谁在水下信息控制方面具有优势,谁就会在未来海战中取得最大的胜利。水声技术是水下信息战的一项最基本和最重要的因素,潜艇战和反潜战都离不开水声技术。水声设备是进行水下探测、通信、导航的最有效手段。
传统的声纳设备有主动声纳和被动声纳两种形式,主动声纳具有发射信号波形已知、处理增益大的优势,但是其在发射信号的同时也具有容易暴露、隐蔽性差的缺点;被动声纳利用接收水听器接收目标的辐射噪声信号,单程传播损失使其可能有较大的作用距离,并且隐蔽性好。随着水面舰和潜艇设备不断地提升降噪能力,被动声纳阵列对目标的观测性能降低,因此研究高效准确的水下弱目标检测方法已成为当务之急。
目前,对水下弱目标的检测通常通过一帧或几帧数据实现检测,但是在低信噪比条件下,仅通过一帧或几帧数据检测目标存在较大不确定性,会导致漏检、虚警概率增加的问题,检测的稳定性差。
发明内容
基于此,本发明实施例提供一种被动声纳水下弱目标检测方法及系统,以在提高目标检测概率,避免漏检的同时,降低虚警概率,从而提高水下弱目标检测的稳定性。
为实现上述目的,本发明提供了如下方案:
一种被动声纳水下弱目标检测方法,包括:
获取设定时间段内的多帧接收数据;所述接收数据为被动声纳接收到的数据;
对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图;
按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图;一帧图像包括至少一个所述候选方位角点;
计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹;
若所述运动轨迹为一条,则将所述运动轨迹确定为所述目标的最终角度轨迹;若所述运动轨迹为多条,则计算每条所述运动轨迹的轨迹可信度,并将所述轨迹可信度最大的运动轨迹确定为所述目标的最终角度轨迹。
可选的,所述计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹,具体包括:
步骤1:由当前帧图像的各个角度轨迹确定当前帧图像中的候选方位角点为角度轨迹的终点还是轨迹起始点;
步骤2:若当前帧图像中的候选方位角点为角度轨迹的终点,则判断所述终点所在的角度轨迹是否为已标记的角度轨迹,得到第一判断结果;所述已标记的角度轨迹为轨迹中的候选方位角点大于设定目标点数的角度轨迹;
若所述第一判断结果为是,则判断当前帧是否为最后一帧图像,得到第二判断结果;若所述第二判断结果为是,则确定当前帧图像的所述终点所在的角度轨迹为所述目标的一条运动轨迹;若所述第二判断结果为否,则计算所述终点与下一帧图像中的候选方位角点的角度距离,得到第一角度距离,基于所述第一角度距离,结合线性函数拟合算法更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1;
若所述第一判断结果为否,且当前帧不为最后一帧图像时,则计算所述终点与下一帧图像中的候选方位角点的角度距离,得到第二角度距离,基于所述第二角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1;
若当前帧图像中的候选方位角点为轨迹起始点,且当前帧不为最后一帧图像时,则计算所述轨迹起始点与下一帧图像中的候选方位角点的角度距离,得到第三角度距离,基于所述第三角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1。
可选的,所述基于所述第一角度距离,结合线性函数拟合算法更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹,具体包括:
判断所述第一角度距离是否小于设定角度距离,得到第三判断结果;
若所述第三判断结果为是,则将该终点与对应的下一帧图像中的候选方位角点相连,更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹;
若所述第三判断结果为否,则判断所述已标记的角度轨迹中的预测方位角点的数量是否大于设定预测点数,得到第四判断结果;若所述第四判断结果为是,则删除所述已标记的角度轨迹;若所述第四判断结果为否,则根据所述角度轨迹的候选方位角点得到下一帧图像中的预测方位角点,将该终点与预测方位角点相连,更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹。
可选的,所述基于所述第二角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1,具体包括:
判断所述第二角度距离是否小于设定角度距离,得到第五判断结果;
若所述第五判断结果为是,则将该终点与对应的下一帧图像中的候选方位角点相连,更新角度轨迹的终点,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像,返回步骤1;
若所述第五判断结果为否,则将与该终点对应的下一帧图像中的候选方位角点确定为轨迹起始点,再将下一帧图像作为当前帧图像,返回步骤1。
可选的,所述基于所述第三角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1,具体包括:
判断所述第三角度距离是否小于设定角度距离,得到第六判断结果;若所述第六判断结果为是,则将该所述轨迹起始点与对应的下一帧图像中的候选方位角点相连,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像,返回步骤1;若所述第六判断结果为否,则删除所述当前帧图像中的所述轨迹起始点。
可选的,所述对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图,具体包括:
对各帧所述接收数据进行角度估计,得到每帧所述接收数据的空间谱图;所述空间谱图的横轴表示方位角度,纵轴表示能量值;
将所有帧的所述空间谱图中的角度估计值与相应的能量值叠加,得到时间方位历程图。
可选的,所述按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图,具体包括:
对于所述时间方位历程图中的每一帧图像,将所述图像中能量值大于能量门限点的方位角筛选出来,得到初步方位角点;
对于每一帧图像中的初步方位角点,确定所述初步方位角点中连续方位角点,将所述连续方位角点中能量值最大的方位角确定为第一方位角点,将所述连续方位角点中除所述第一方位角点之外的方位角点确定为第二方位角点,并将所述第二方位角点从所述初步方位角点中删除,得到所述图像的候选方位角点;所有帧图像的候选方位角点构成所述时空方位图。
可选的,所述角度距离的计算公式为:
l=|θk+1-θk|;
其中,l表示角度距离;θk表示第k帧图像的候选方位角点;θk+1表示第k+1帧图像的候选方位角点。
可选的,所述根据所述角度轨迹中的候选方位角点得到下一帧图像中的预测方位角点,具体包括:
构建线性函数;
将图像帧数作为所述线性函数的输入,将所述图像帧数对应的所述角度轨迹中的候选方位角点作为所述线性函数的输出,确定所述线性函数的参数,得到参数已知的线性函数;
将下一帧图像的帧数输入所述参数已知的线性函数中,对所述目标在下一帧图像中的方位角进行预测,得到下一帧图像中的预测方位角点。
本发明还提供了一种被动声纳水下弱目标检测系统,包括:
数据获取模块,用于获取设定时间段内的多帧接收数据;所述接收数据为被动声纳接收到的数据;
时间方位历程图确定模块,用于对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图;
时空方位图确定模块,用于按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图;一帧图像包括至少一个所述候选方位角点;
运动轨迹生成模块,用于计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹;
目标角度轨迹确定模块,用于若所述运动轨迹为一条,则将所述运动轨迹确定为所述目标的最终角度轨迹;若所述运动轨迹为多条,则计算每条所述运动轨迹的轨迹可信度,并将所述轨迹可信度最大的运动轨迹确定为所述目标的最终角度轨迹。
与现有技术相比,本发明的有益效果是:
本发明实施例提出了一种被动声纳水下弱目标检测方法及系统,利用目标在相邻两帧中位置无突变,即在时间和空间上具有连续性的特点,进行多帧图像帧间关联,计算时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于角度距离和线性函数拟合算法预测目标的角度轨迹,确定运动轨迹,该运动轨迹的确定简单高效,可防止目标闪烁造成的漏报引起轨迹截断,当运动轨迹有多条时,依据轨迹可信度输出目标的最终角度轨迹,能有效防止强干扰“诱骗”,降低虚警概率,本发明实现了在避免漏检的同时,降低虚警概率,从而提高水下弱目标检测的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的被动声纳水下弱目标检测方法的流程图;
图2为本发明实施例提供的时间方位历程图;
图3为本发明实施例提供的时空分布图;
图4为本发明实施例提供的目标的最终角度轨迹示意图;
图5为本发明实施例提供的被动声纳水下弱目标检测方法的具体实现过程图;
图6为本发明实施例提供的被动声纳水下弱目标检测系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的被动声纳水下弱目标检测方法的流程图。
参见图1,本实施例的被动声纳水下弱目标检测方法,包括:
步骤100:获取设定时间段内的多帧接收数据;所述接收数据为被动声纳接收到的数据。所述接收数据中可能包括潜在目标辐射噪声、干扰和背景噪声。
其中,步骤100中,采用固定声纳接收设定时间段(长时间)内目标的多帧接收数据,在此假设目标相对于固定声纳角度线性变化。一个时刻对应一帧接收数据。
步骤200:对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图。
其中,步骤200,具体包括:
对各帧所述接收数据进行角度估计,得到每帧所述接收数据的空间谱图;所述空间谱图的横轴表示方位角度,纵轴表示能量值。
将所有帧的所述空间谱图中的角度估计值与相应的能量值叠加,得到时间方位历程图。采用50帧固定声纳长时观测并处理得到的时间方位历程图如图2所示,时间方位历程图的横轴表示方位角度,纵轴表示帧数,右侧色棒表示能量大小,图2中,在5S时间内,目标相对于固定声纳角度几乎无变化,为10度,每帧时长为0.1s,共50帧图像,每帧图像在不同的方位角有不同的能量值(不同的深度表示的能量值不同)。将多帧的角度估计值和能量值叠加,形成时间方位历程图。
步骤300:按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图;一帧图像包括至少一个所述候选方位角点。
其中,步骤300,具体包括:通过过门限检测和二次检测,形成时空分布图。
过门限检测:对于所述时间方位历程图中的每一帧图像,将所述图像中能量值大于能量门限点的方位角筛选出来,得到初步方位角点。同时,还能得到初步方位点对应的时间和能量值信息。过门限检测,实现了对每帧图像的候选方位角点进行初步筛选,而针对在过门限检测时出现的一串连续角度均通过门限的情况,为避免影响接下来的帧间关联,采取二次检测。
二次检测:对于每一帧图像中的初步方位角点,确定所述初步方位角点中连续方位角点,将所述连续方位角点中能量值最大的方位角确定为第一方位角点,将所述连续方位角点中除所述第一方位角点之外的方位角点确定为第二方位角点,并将所述第二方位角点从所述初步方位角点中删除,得到所述图像的候选方位角点;所有帧图像的候选方位角点构成所述时空方位图。对图2所示的时间方位历程图进行过门限检测和二次检测后形成的时空分布图如图3所示。图3中仍存在较密集的随机噪声点。
步骤400:计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹。
其中,所述角度距离的计算公式为:
l=|θk+1-θk| (1)
其中,l表示角度距离;θk表示第k帧图像的候选方位角点;θk+1表示第k+1帧图像的候选方位角点。
步骤400,具体包括:
步骤1:由当前帧图像的各个角度轨迹确定当前帧图像中的候选方位角点为角度轨迹的终点还是轨迹起始点。若当前帧图像中的候选方位角点为角度轨迹的终点,则执行步骤2;若当前帧图像中的候选方位角点为轨迹起始点,则执行步骤3。
步骤2:判断所述终点所在的角度轨迹是否为已标记的角度轨迹,得到第一判断结果;所述已标记的角度轨迹为轨迹中的候选方位角点大于设定目标点数的角度轨迹。
①若所述第一判断结果为是,则判断当前帧是否为最后一帧图像,得到第二判断结果;若所述第二判断结果为是,则确定当前帧图像的所述终点所在的角度轨迹为所述目标的一条运动轨迹;若所述第二判断结果为否,则采用公式(1)计算所述终点与下一帧图像中的候选方位角点的角度距离,得到第一角度距离,基于所述第一角度距离,结合线性函数拟合算法更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1。
其中,步骤①中的所述基于所述第一角度距离,结合线性函数拟合算法更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹,具体包括:
判断所述第一角度距离是否小于设定角度距离(允许相邻两帧间角度变化的最大值),得到第三判断结果。若所述第三判断结果为是,则将该终点与对应的下一帧图像中的候选方位角点相连,更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹。若所述第三判断结果为否,则判断所述已标记的角度轨迹中的预测方位角点的数量是否大于设定预测点数(允许轨迹丢失目标点个数),得到第四判断结果;若所述第四判断结果为是,则删除所述已标记的角度轨迹;若所述第四判断结果为否,则根据所述角度轨迹的候选方位角点得到下一帧图像中的预测方位角点,将该终点与预测方位角点相连,更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹。
根据所述角度轨迹的候选方位角点得到下一帧图像中的预测方位角点,具体包括:
设当前帧的角度轨迹中的候选方位角点有Q个点,对应的坐标为(xi,yi),i=1,2,...,Q,x为帧数,y为对应方位角,构建线性函数:
y=ax+b (2)
残差平方和为将该式展开,得到
(ax1+b-y1)2+(ax2+b-y2)2+...+(axQ+b-yQ)2 (3)
分别对a、b求偏导,令偏导为0,有下式:
将图像帧数作为所述线性函数的输入,将所述图像帧数对应的所述角度轨迹中的候选方位角点作为所述线性函数的输出,联立以上两方程即可求解线性函数的参数a、b,得到参数已知的线性函数。
将下一帧图像的帧数输入所述参数已知的线性函数中,对所述目标在下一帧图像中的方位角进行预测,得到下一帧图像中的预测方位角点。
②若所述第一判断结果为否,且当前帧不为最后一帧图像时,则采用公式(1)计算所述终点与下一帧图像中的候选方位角点的角度距离,得到第二角度距离,基于所述第二角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1。
其中,步骤②中的所述基于所述第二角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1,具体包括:
判断所述第二角度距离是否小于设定角度距离,得到第五判断结果。若所述第五判断结果为是,则将该终点与对应的下一帧图像中的候选方位角点相连,更新角度轨迹的终点,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像,返回步骤1。若所述第五判断结果为否,则将与该终点对应的下一帧图像中的候选方位角点确定为轨迹起始点,再将下一帧图像作为当前帧图像,返回步骤1。
步骤3:若当前帧不为最后一帧图像时,则采用公式(1)计算所述轨迹起始点与下一帧图像中的候选方位角点的角度距离,得到第三角度距离,基于所述第三角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1;若当前帧为最后一帧图像,则删除当前帧的轨迹起始点。
其中,步骤3中的所述基于所述第三角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1,具体包括:
判断所述第三角度距离是否小于设定角度距离,得到第六判断结果;若所述第六判断结果为是,则将该所述轨迹起始点与对应的下一帧图像中的候选方位角点相连,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像,返回步骤1;若所述第六判断结果为否,则删除所述当前帧图像中的所述轨迹起始点。
步骤500:若所述运动轨迹为一条,则将所述运动轨迹确定为所述目标的最终角度轨迹;若所述运动轨迹为多条,则计算每条所述运动轨迹的轨迹可信度,并将所述轨迹可信度最大的运动轨迹确定为所述目标的最终角度轨迹。
此外,若没有形成运动轨迹,则认为没有检测到目标,此时需要返回步骤101重新获取下一设定时间段内的多帧接收数据进行下次检测。
轨迹可信度的计算公式为:
其中,m表示运动轨迹中除预测方位角点之外的候选方位角点的数量,K表示已检测的图像帧数,例如,对50帧图像进行检测,则检测后得到的每条运动轨迹对应的已检测的图像帧数均为50。
对于50帧图像,目标的最终角度轨迹如图4所示。图4中空心圆圈表示真实量测,真实量测即为相应帧图像的候选方位角点;图4中实心圆圈表示预测该帧目标位置,即该帧的预测方位角点;直线表示形成轨迹即目标的最终角度轨迹。由图4中可知,本实施例的被动声纳水下弱目标检测方法对随机噪声点有较好的滤波作用,可有效降低虚警,防“诱骗”。同时能有效地对轨迹中缺失的目标角度点预测,防止轨迹截断,为后续帧的检测提供较准确的先验条件。
在实际应用中,上述被动声纳水下弱目标检测方法的一个具体过程图如5所示。参见图5,该实现过程包括时空分布图生成部分、图像预处理部分、帧间关联部分和角度轨迹生成部分。
(1)时空分布图生成部分:
步骤1:获取固定声纳长时接收数据并进行角度估计。
步骤2:生成时间方位历程图。
(2)图像预处理部分:
步骤3:过门限检测:对于时间方位历程图中的每帧图像均筛选出能量值超过能量门限点所对应的时间、方位、能量值信息。
步骤4:二次检测:将步骤3中得到点的角度信息判别,对角度连续的点,仅保留能量值最大的点,形成新的时空分布图。该步骤针对在过门限检测时出现一串连续角度均通过门限的情况,为避免影响接下来的帧间关联,采取二次检测方法。具体为:在连续的角度中仅保留对应能量最大的值;不连续的角度全部保留。以二次检测后筛选出的角度、帧数信息形成新的时空分布图。
(3)帧间关联部分:
步骤5:读取第一帧图像,作为轨迹起始点。
步骤6:读取第二帧图像,计算两帧之间所有目标的角度距离l,当l<lmax时,则生成一条角度轨迹,否则将此点作为新的轨迹起始点。其中,采用公式(1)计算角度距离l,lmax为允许相邻两帧间角度变化的最大值,即设定角度距离。
步骤7:读取下一帧图像,计算当前帧与前一帧目标点的角度距离l,当满足距离门限即l<lmax时,将此点关联到当前角度轨迹中;当所有角度轨迹与此点均不匹配即l≥lmax时,将此点作为新的轨迹起始点。
(4)角度轨迹生成部分:
步骤8:重复步骤7,当一条角度轨迹内的目标点数(候选方位角点数)大于设定目标点数M时,对此条角度轨迹进行标记。在检测过程中,当已标记的角度轨迹与下一帧所有候选方位角点均失配时,利用当前帧角度轨迹上的点进行线性函数拟合,预测目标在下一帧的角度值,以保证对角度轨迹的连续性。
步骤8中的轨迹预测可有效防止目标闪烁造成的漏报引起轨迹截断,且只对角度轨迹内目标点数大于M的轨迹(已标记的角度轨迹)预测,大大降低了计算量。线性函数拟合预测角度轨迹实现过程如下:通过上述公式(2)、(3)、(4)得到参数已知的线性函数,输入待预测帧数x′,得到该帧方位角y′的预测结果。
步骤9:当已标记的角度轨迹丢失的目标点(候选方位角点)达到N帧时,删除此条轨迹。当目标点频频丢失时,不可能无限制地进行预测,因此设置允许轨迹丢失目标点个数(设定预测点数)为N,当丢失点大于N时,删除轨迹。
步骤10:计算每条轨迹可信度,将可信度最大的轨迹作为目标真实的角度轨迹输出。在实际检测时,可能会产生多条目标角度轨迹,其中虚假轨迹包含随机分布的高频噪声因而关联点数少;而目标具有时空连续性,因此,认为包含点数最多的轨迹为真实目标角度轨迹(不包括预测方位角点)。轨迹可信度的计算采用公式(5)实现。
本实施例的被动声纳水下弱目标检测方法,利用目标在相邻两帧中位置无突变,即在时间和空间上具有连续性的特点,进行多帧图像帧间关联;并采用线性函数拟合算法对某帧缺失的目标角度进行预测,简单高效,可防止目标闪烁造成的漏报引起轨迹截断;最后依据轨迹可信度输出目标角度轨迹有效防止强干扰“诱骗”,该方法在避免漏检的同时,降低虚警概率,从而提高水下弱目标检测的稳定性。
本发明还提供了一种被动声纳水下弱目标检测系统,参见图6,本实施例的系统,包括:
数据获取模块601,用于获取设定时间段内的多帧接收数据;所述接收数据为被动声纳接收到的数据。
时间方位历程图确定模块602,用于对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图。
时空方位图确定模块603,用于按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图;一帧图像包括至少一个所述候选方位角点。
运动轨迹生成模块604,用于计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹。
目标角度轨迹确定模块605,用于若所述运动轨迹为一条,则将所述运动轨迹确定为所述目标的最终角度轨迹;若所述运动轨迹为多条,则计算每条所述运动轨迹的轨迹可信度,并将所述轨迹可信度最大的运动轨迹确定为所述目标的最终角度轨迹。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种被动声纳水下弱目标检测方法,其特征在于,包括:
获取设定时间段内的多帧接收数据;所述接收数据为被动声纳接收到的数据;
对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图;
按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图;一帧图像包括至少一个所述候选方位角点;
计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹;
若所述运动轨迹为一条,则将所述运动轨迹确定为所述目标的最终角度轨迹;若所述运动轨迹为多条,则计算每条所述运动轨迹的轨迹可信度,并将所述轨迹可信度最大的运动轨迹确定为所述目标的最终角度轨迹。
2.根据权利要求1所述的一种被动声纳水下弱目标检测方法,其特征在于,所述计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹,具体包括:
步骤1:由当前帧图像的各个角度轨迹确定当前帧图像中的候选方位角点为角度轨迹的终点还是轨迹起始点;
步骤2:若当前帧图像中的候选方位角点为角度轨迹的终点,则判断所述终点所在的角度轨迹是否为已标记的角度轨迹,得到第一判断结果;所述已标记的角度轨迹为轨迹中的候选方位角点大于设定目标点数的角度轨迹;
若所述第一判断结果为是,则判断当前帧是否为最后一帧图像,得到第二判断结果;若所述第二判断结果为是,则确定当前帧图像的所述终点所在的角度轨迹为所述目标的一条运动轨迹;若所述第二判断结果为否,则计算所述终点与下一帧图像中的候选方位角点的角度距离,得到第一角度距离,基于所述第一角度距离,结合线性函数拟合算法更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1;
若所述第一判断结果为否,且当前帧不为最后一帧图像时,则计算所述终点与下一帧图像中的候选方位角点的角度距离,得到第二角度距离,基于所述第二角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1;
若当前帧图像中的候选方位角点为轨迹起始点,且当前帧不为最后一帧图像时,则计算所述轨迹起始点与下一帧图像中的候选方位角点的角度距离,得到第三角度距离,基于所述第三角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1。
3.根据权利要求2所述的一种被动声纳水下弱目标检测方法,其特征在于,所述基于所述第一角度距离,结合线性函数拟合算法更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹,具体包括:
判断所述第一角度距离是否小于设定角度距离,得到第三判断结果;
若所述第三判断结果为是,则将该终点与对应的下一帧图像中的候选方位角点相连,更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹;
若所述第三判断结果为否,则判断所述已标记的角度轨迹中的预测方位角点的数量是否大于设定预测点数,得到第四判断结果;若所述第四判断结果为是,则删除所述已标记的角度轨迹;若所述第四判断结果为否,则根据所述角度轨迹的候选方位角点得到下一帧图像中的预测方位角点,将该终点与预测方位角点相连,更新已标记的角度轨迹的终点,得到下一帧图像的角度轨迹。
4.根据权利要求2所述的一种被动声纳水下弱目标检测方法,其特征在于,所述基于所述第二角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1,具体包括:
判断所述第二角度距离是否小于设定角度距离,得到第五判断结果;
若所述第五判断结果为是,则将该终点与对应的下一帧图像中的候选方位角点相连,更新角度轨迹的终点,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像,返回步骤1;
若所述第五判断结果为否,则将与该终点对应的下一帧图像中的候选方位角点确定为轨迹起始点,再将下一帧图像作为当前帧图像,返回步骤1。
5.根据权利要求2所述的一种被动声纳水下弱目标检测方法,其特征在于,所述基于所述第三角度距离,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像返回步骤1,具体包括:
判断所述第三角度距离是否小于设定角度距离,得到第六判断结果;若所述第六判断结果为是,则将该所述轨迹起始点与对应的下一帧图像中的候选方位角点相连,得到下一帧图像的角度轨迹,再将下一帧图像作为当前帧图像,返回步骤1;若所述第六判断结果为否,则删除所述当前帧图像中的所述轨迹起始点。
6.根据权利要求1所述的一种被动声纳水下弱目标检测方法,其特征在于,所述对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图,具体包括:
对各帧所述接收数据进行角度估计,得到每帧所述接收数据的空间谱图;所述空间谱图的横轴表示方位角度,纵轴表示能量值;
将所有帧的所述空间谱图中的角度估计值与相应的能量值叠加,得到时间方位历程图。
7.根据权利要求1所述的一种被动声纳水下弱目标检测方法,其特征在于,所述按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图,具体包括:
对于所述时间方位历程图中的每一帧图像,将所述图像中能量值大于能量门限点的方位角筛选出来,得到初步方位角点;
对于每一帧图像中的初步方位角点,确定所述初步方位角点中连续方位角点,将所述连续方位角点中能量值最大的方位角确定为第一方位角点,将所述连续方位角点中除所述第一方位角点之外的方位角点确定为第二方位角点,并将所述第二方位角点从所述初步方位角点中删除,得到所述图像的候选方位角点;所有帧图像的候选方位角点构成所述时空方位图。
8.根据权利要求1所述的一种被动声纳水下弱目标检测方法,其特征在于,所述角度距离的计算公式为:
l=|θk+1-θk|;
其中,l表示角度距离;θk表示第k帧图像的候选方位角点;θk+1表示第k+1帧图像的候选方位角点。
9.根据权利要求3所述的一种被动声纳水下弱目标检测方法,其特征在于,所述根据所述角度轨迹中的候选方位角点得到下一帧图像中的预测方位角点,具体包括:
构建线性函数;
将图像帧数作为所述线性函数的输入,将所述图像帧数对应的所述角度轨迹中的候选方位角点作为所述线性函数的输出,确定所述线性函数的参数,得到参数已知的线性函数;
将下一帧图像的帧数输入所述参数已知的线性函数中,对所述目标在下一帧图像中的方位角进行预测,得到下一帧图像中的预测方位角点。
10.一种被动声纳水下弱目标检测系统,其特征在于,包括:
数据获取模块,用于获取设定时间段内的多帧接收数据;所述接收数据为被动声纳接收到的数据;
时间方位历程图确定模块,用于对各帧所述接收数据进行角度估计,并将得到的各帧角度估计值与相应的能量值叠加,得到时间方位历程图;
时空方位图确定模块,用于按照能量值的大小筛选所述时间方位历程图中各帧图像的候选方位角点,得到时空方位图;一帧图像包括至少一个所述候选方位角点;
运动轨迹生成模块,用于计算所述时空方位图中每相邻两帧图像的候选方位角点之间的角度距离,并基于所述角度距离,采用线性函数拟合算法对目标的角度轨迹进行预测,确定运动轨迹;
目标角度轨迹确定模块,用于若所述运动轨迹为一条,则将所述运动轨迹确定为所述目标的最终角度轨迹;若所述运动轨迹为多条,则计算每条所述运动轨迹的轨迹可信度,并将所述轨迹可信度最大的运动轨迹确定为所述目标的最终角度轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111055959.1A CN113740858B (zh) | 2021-09-09 | 2021-09-09 | 一种被动声纳水下弱目标检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111055959.1A CN113740858B (zh) | 2021-09-09 | 2021-09-09 | 一种被动声纳水下弱目标检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113740858A CN113740858A (zh) | 2021-12-03 |
CN113740858B true CN113740858B (zh) | 2023-09-26 |
Family
ID=78737722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111055959.1A Active CN113740858B (zh) | 2021-09-09 | 2021-09-09 | 一种被动声纳水下弱目标检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113740858B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7667638B1 (en) * | 2009-02-26 | 2010-02-23 | Northrop Grumman Systems Corporation | Detection and resolution of closely spaced targets in a monopulse system |
WO2012143348A1 (de) * | 2011-04-20 | 2012-10-26 | Atlas Elektronik Gmbh | Verfahren und vorrichtung zum bestimmen und darstellen von möglichen zielparametern |
CN107202989A (zh) * | 2017-05-08 | 2017-09-26 | 电子科技大学 | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 |
CN109946671A (zh) * | 2019-04-12 | 2019-06-28 | 哈尔滨工程大学 | 一种基于双门限判决的水下机动弱目标检测跟踪方法 |
CN110221307A (zh) * | 2019-05-28 | 2019-09-10 | 哈尔滨工程大学 | 一种多被动声纳非合作多目标线谱信息融合方法 |
CN111505649A (zh) * | 2020-04-14 | 2020-08-07 | 西北工业大学 | 一种拖曳式被动阵列声呐低信噪比舰船运动目标检测方法 |
CN111882585A (zh) * | 2020-06-11 | 2020-11-03 | 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 |
CN112285720A (zh) * | 2020-09-25 | 2021-01-29 | 中国人民解放军海军工程大学 | 柔性拖曳线列阵声呐噪声目标的方位迹获取方法及装置 |
CN112799074A (zh) * | 2020-12-16 | 2021-05-14 | 海鹰企业集团有限责任公司 | 被动声呐交叉目标的自动跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008030053B4 (de) * | 2008-06-25 | 2010-03-18 | Atlas Elektronik Gmbh | Verfahren und Vorrichtung zum passiven Bestimmen von Zielparametern |
-
2021
- 2021-09-09 CN CN202111055959.1A patent/CN113740858B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7667638B1 (en) * | 2009-02-26 | 2010-02-23 | Northrop Grumman Systems Corporation | Detection and resolution of closely spaced targets in a monopulse system |
WO2012143348A1 (de) * | 2011-04-20 | 2012-10-26 | Atlas Elektronik Gmbh | Verfahren und vorrichtung zum bestimmen und darstellen von möglichen zielparametern |
CN107202989A (zh) * | 2017-05-08 | 2017-09-26 | 电子科技大学 | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 |
CN109946671A (zh) * | 2019-04-12 | 2019-06-28 | 哈尔滨工程大学 | 一种基于双门限判决的水下机动弱目标检测跟踪方法 |
CN110221307A (zh) * | 2019-05-28 | 2019-09-10 | 哈尔滨工程大学 | 一种多被动声纳非合作多目标线谱信息融合方法 |
CN111505649A (zh) * | 2020-04-14 | 2020-08-07 | 西北工业大学 | 一种拖曳式被动阵列声呐低信噪比舰船运动目标检测方法 |
CN111882585A (zh) * | 2020-06-11 | 2020-11-03 | 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 |
CN112285720A (zh) * | 2020-09-25 | 2021-01-29 | 中国人民解放军海军工程大学 | 柔性拖曳线列阵声呐噪声目标的方位迹获取方法及装置 |
CN112799074A (zh) * | 2020-12-16 | 2021-05-14 | 海鹰企业集团有限责任公司 | 被动声呐交叉目标的自动跟踪方法 |
Non-Patent Citations (2)
Title |
---|
基于Hough变换的声呐目标曲线轨迹的提取;张路蔚;王嘉玮;郑佳;陶剑锋;;声学与电子工程(01);全文 * |
标记关联的多声呐多目标航迹融合方法;生雪莉 等;《哈尔滨工程大学学报》;第41卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113740858A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414396B (zh) | 一种基于深度学习的无人艇感知融合算法 | |
CN110221307B (zh) | 一种多被动声纳非合作多目标线谱信息融合方法 | |
CN109597065B (zh) | 一种用于穿墙雷达检测的虚警抑制方法、装置 | |
CN108171672B (zh) | 基于红通道和全卷积神经网络的水下光学智能感知方法 | |
CN110208766B (zh) | 海面漂浮类微弱目标检测方法 | |
CN107942329A (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN112703421B (zh) | 回波信号处理方法、装置、系统及存储介质 | |
CN110400294B (zh) | 一种红外目标探测系统及探测方法 | |
CN108646249B (zh) | 一种适用于部分均匀混响背景的参数化泄露目标检测方法 | |
CN111443344B (zh) | 一种侧扫声呐海底线自动提取方法及装置 | |
CN109298417A (zh) | 一种基于雷达信号处理的建筑物内部结构探测方法及装置 | |
CN113740858B (zh) | 一种被动声纳水下弱目标检测方法及系统 | |
CN105093187A (zh) | 一种基于目标轨迹提取的穿墙雷达的成像预处理方法 | |
CN106570889A (zh) | 一种检测红外视频中弱小目标的方法 | |
CN107132532B (zh) | 基于海尖峰抑制和多帧联合的小目标检测方法 | |
CN110988808B (zh) | 一种两坐标舰载雷达信号级融合方法 | |
CN110208808B (zh) | 一种被动声纳非合作目标线谱信息融合方法 | |
CN103809183B (zh) | 一种多制式水下双向超声制导系统及方法 | |
Zhang et al. | Object detection and tracking method of AUV based on acoustic vision | |
CN110441761B (zh) | 基于分布式浮标探测的多源信息融合方法 | |
CN116400360A (zh) | 一种方位历程轨迹增强方法、系统、电子设备及存储介质 | |
CN111458683B (zh) | 一种分区域雷达信号处理的方法 | |
CN111077515B (zh) | 一种基于模拟电视外辐射源雷达的目标检测方法 | |
Meiyan et al. | M-FCN based sea-surface weak target detection |
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 |