[发明专利]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

说明书

本发明公开了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，以克服传统算法对低信噪比复杂目标检测和跟踪效果差的技术问题。本发明通过常规波束形成处理接收信号得到各分辨单元的空间谱量测，然后通过拟合量测数据统计特性的方法设计似然函数模型以计算粒子的权值实现粒子滤波算法对目标的跟踪；另外，通过积累多次快拍的粒子权值来判断目标的生成和消失。本发明的实施，有效解决了传统算法均衡量测数据损失信息，无法适用于低信噪比目标场景的跟踪和目标数目固定的问题，从而实现被动声呐复杂弱目标的有效跟踪。

技术领域

本发明属于水下目标探测领域，具体涉及声呐阵列信号处理和多目标检测和跟踪。

背景技术

被动声呐系统不主动发射信号，所接收的所有源信号均是目标自身噪声或其反射的环境噪声。上述特征使得被动声呐具有很好的隐蔽性，并被广泛研究和应用于军事和科研等领域。

对于被动声呐系统，目标发出或反射的噪声被多听声器组成的阵列接收，再通过阵列信号的波束形成算法处理生成反映目标当前入射角度的幅值信息也就是空间谱。然后根据这些信息实现对目标的纯方位(bearing-only tracking)向跟踪。由于入射信号是来自目标的噪声，虽然为被动声呐提供了隐蔽性，但信号的信噪比相比主动声呐较低。并且由于接收信号是来自目标噪声，情况较为复杂，可能随时“生成”或“消失”。这些因素均使得被动声呐目标的检测和跟踪变得困难。文献“Multi-target tracking using multiplepassive bearings-only asynchronous sensors,IEEE Trans.Aerosp.Electron.Syst.,vol.44,pp.1151–1160,2008”公开了一种用均衡后的点迹量测数据配合卡尔曼滤波算法实现对两个目标的纯方位向跟踪，但均衡处理在抑制噪声的同时损失了目标信息，使得上述跟踪方式在目标信噪比较低时跟踪效果差，并且目标的起始时刻、位置和终止时刻是已知的，不能用于随机“生成”和“消失”的复杂目标场景。

发明内容

本发明的目的是，提出一种能充分利用量测信息，适应低信噪比条件，并且能处理目标随机生成和消失的检测和跟踪方法，解决现有被动声呐目标检测跟踪算法量测信息损失，不能有效跟踪低信噪比复杂目标的问题。

本发明的解决方案是：通过常规波束形成(Conventional Beamforming，CBF)算法处理被动声呐阵列接收到的信号，得到目标的方位历程信息也就是空间谱量测，然后通过拟合量测的统计特性设计合适的似然函数模型，根据似然函数模型计算粒子权值，实现粒子滤波算法对目标的跟踪，再通过多次快拍数据粒子的权值门限来判断目标随机“起始”和“终止”。本发明能有效解决了因被动声呐系统接收信号信噪比低、目标随机变化使得目标的检测和跟踪困难的问题，从而实现了对低信噪比复杂目标的检测和跟踪。

为了阐述方便，首先对说明书中将涉及到的术语(分辨单元、纯方位向量测值、多目标粒子)解释如下：

分辨单元：观测区域的一小部分，是对观测区域的划分。每个分辨单元都有对应的量测值，此量测值一般为从信号采样或经过计算得到的某种幅值，用于表示目标是否处于该单元。本说明书中的分辨单元是对观测区域的角度划分。

纯方位向量测值：反映目标在其所处位置产生的信号的入射方向的量测值。本发明中，纯方位向量测值的计算为：根据分辨单元的角度划分的设定，采用CBF波束形成算法对接收阵列信号进行处理、计算得到各分辨单元的空间谱量测值，即为纯方位向量测值。

多目标粒子：对于多目标粒子滤波跟踪算法，粒子需要反映多个目标的状态，因此对粒子进行分区：1个粒子包含多个分区，具体分区数目等同于目标数目，分区内保存某一个目标的状态采样，分区与目标一一对应。分区也称为“子粒子”。

本发明的一种适用于拖拽被动声呐的多目标粒子滤波检测和跟踪方法，具体包括步骤：

步骤一：被动声呐系统的阵列信号与参数的初始化。