[发明专利]多目标击水声特征关联方法

说明书

多目标击水声特征关联方法，解决了分布式定位系统不同观测节点间同一目标的击水声信号难以正确关联的问题，属于水下定位领域。本发明包括：确定观测区域内观测节点个数N和击水目标个数M；将N个观测节点接收到的所有目标信号进行经验模态分解，得到各阶IMF，进行频谱分析，获得目标信号的线谱特征，同时，提取目标信号中的各击水声瞬态信号的特征，利用目标信号的线谱特征和各击水声瞬态信号的特征形成M×N组目标特征序列；利用模糊C均值聚类方法对M×N组目标特征序列进行聚类，确定聚类中心和隶属度矩阵，由隶属度矩阵得到每组目标特征序列隶属于每个击水目标的概率，根据概率确定各组目标特征序列的关联结果。

技术领域

本发明涉及一种多目标击水声特征关联方法，属于水下定位领域。

背景技术

在非合作定位的过程中，为了对单落点位置进行估计，可以通过三个或三个以上的观测节点获得的目标的定位参数在几何上形成的定位曲面或平面在三维空间内相交从而得到单目标的落点位置。但是当存在多个目标密集、不等间隔入水时，由于水声信道的复杂性、入水声信号距某些观测节点过远等原因，往往会导致观测节点出现信号漏检、虚警、接收信号时序错乱等现象的发生，此类现象会大大提高分布式观测节点对同一目标入水声信号的关联难度，从而给目标定位解算带来麻烦。因此在对多目标落点位置进行估计之前，需要优先解决同一目标入水声信号在不同节点处的关联问题。

发明内容

针对分布式定位系统不同观测节点间同一目标的击水声信号难以正确关联的问题，本发明提供一种多目标击水声特征关联方法。

本发明的一种多目标击水声特征关联方法，包括：

S1、确定观测区域内观测节点个数N和击水目标个数M；

S2、将N个观测节点接收到的所有目标信号进行经验模态分解，得到各阶固有模态函数IMF，进行频谱分析，获得目标信号的线谱特征，同时，提取目标信号中的各击水声瞬态信号的特征，利用目标信号的线谱特征和各击水声瞬态信号的特征形成M×N组目标特征序列；

S3、利用模糊C均值聚类方法对M×N组目标特征序列进行聚类，确定聚类中心和隶属度矩阵，由隶属度矩阵得到每组目标特征序列隶属于每个击水目标的概率，根据概率确定各组目标特征序列的关联结果。

作为优选，S3包括：

S31、对M×N组目标特征序列中的特征x_i(j)进行标准化处理，标准化处理后的特征为X_i(j)，R＝M×N,x_i(j)为M×N组目标特征序列中的一个特征，一组目标特征序列中的特征个数为K，i＝1,2,…,R,j＝1,2,…,K；

S32、指定聚类中心数目为M，随机初始化聚类中心C，优化目标函数：

其中，J(·)表示目标函数，A＝[a_ki]_M×R为隶属度矩阵，聚类中心为C＝[c₁,c₂,…,c_M]^T，X_i(j)与聚类中心间的距离为D＝[d_ki]_M×R，m为模糊因子；

S33、利用迭代算法，求取目标函数，得到聚类中心c_i及隶属度矩阵A，由隶属度矩阵A得到每组目标特征序列隶属于每个击水目标的概率，根据概率确定各组目标特征序列的关联结果。

作为优选，S31中，标准化处理后的特征X_i(j)为：

其中

并将标准化后的特征序列中的0值及无穷值置1。