[发明专利]运动目标的声学跟踪方法及装置

权利要求书

1.一种运动目标的声学跟踪方法，包括：

利用声传感器阵列同步接收运动目标发出的声音信号，声传感器阵列中声传感器的数量应大于等于3，将各个声传感器接收的信号转化为数字信号，再按同样的时间间隔且时间同步地对所有信号均匀分段，以最先到达的一路声传感器接收信号作为基准信号；

在每一段时间间隔内，对每一路非基准信号，计算其与基准信号的归一化互相关函数，若其最大归一化互相关函数值大于某一预先设定阈值时，则将该最大值对应的时延作为该路信号与基准信号的到达时间差(TDOA)，若其最大归一化互相关函数值小于某一预先设定阈值时，以到达时间差和到达时间比例尺差(SDOA)为两个自变量，建立两路信号的互模糊函数，对两个参数TDOA和SDOA进行二维搜索，寻找使互模糊函数取得最大值的参数组合，即为该路信号与基准信号的TDOA和SDOA值；

根据前后时刻目标运动参数的相互关系，建立目标运动方程，根据声传感器观测量TDOA和SDOA与运动参数的相互关系，建立观测量与运动参数的解析表达式，即为传感器观测方程；

对于初始时刻目标运动参数，通过先验值获得或采用极大似然估计方法依次对目标坐标和速度矢量进行估计得到，对于后续时刻运动参数的估计，根据目标运动方程和传感器观测方程，采用贝叶斯递推估计算法来实现。

2.根据权利要求1所述的方法，假设分段后的每段信号对应到目标运动轨迹的长度为L，对目标的速度值大小v的先验约束范围为v_min≤v≤v_max，则声传感器接收信号的数字化采样周期T_s的取值应满足使大于某个预先设定值N_0,min。

3.根据权利要求1所述的方法，目标运动参数是指目标位置坐标以及速度矢量和加速度。

4.根据权利要求1所述的方法，其特征在于，所述的贝叶斯递推估计算法从卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、不敏卡尔曼滤波(UKF)、点群滤波(PMF)和粒子滤波中选择一种滤波算法来近似实现。

5.根据权利要求1所述的方法，为进一步提高TDOA值的观测精度，对两个信号的归一化互相关函数峰值附近波形用二次多项式近似为f(t)≈at²+bt+c，将已知的最大互相关值及其邻近若干个点的时延和互相关值作为已知值，对二次多项式f(t)中的参数b和c进行最小二乘求解，则二次多项式峰值对应的时间t＝-b/2c，将该值对应为相应的时延值，该时延值就是TDOA的新观测值。

6.根据权利要求1所述的方法，其特征在于，利用风速计对声传感器位置处的风速矢量进行测量，利用温度计对该处温度进行测量，计算风速矢量在目标声信号传播方向上的投影值，利用风速矢量投影值和该处温度值对风速值进行修正，将该修正的风速值应用于目标运动参数估计过程中。

7.根据权利要求6所述的方法，其特征在于，在整个测量区域空间中近似均匀地设置若干个气象气球，所述气象气球含有定位装置且能够测量风速风向和温度，利用其测量的各个点的风速风向和温度信息，通过三维空间坐标拟合的方式，得到三维空间的近似风速场，基于此风速场采用目标声传播路径离散化的方式，分段计算声音传播时间，最后将各个分段传播时间累加得到总传播时间，并将得到的总传播时间用于目标运动参数估计中。

8.根据权利要求1所述的方法，其特征在于，通过比较前后相邻的一定时间范围内的信号功率比值来确定目标信号的开始时刻和终止时刻。