反辐射空地导弹目标无源定位算法及误差分析

针对反辐射导弹在遭遇雷达突然关机而无法有效打击目标的问题,基于直升机实施反辐射导弹攻击的态势,构建三维定位的数学模型,然后利用改进卡尔曼滤波推导得到无源定位算法,在加入纯惯导和组合导航误差后对滤波前后高低角、方位角以及X,Y,Z方向定位精度进行仿真及分析,对算法的精度和可行性进行跑车实验分析验证。结果表明,所提出的基于改进扩展卡尔曼滤波(EKF)的无源定位算法精度高于传统EKF,定位精度小于4%、收敛时间小于30 s,满足反辐射导弹目标无源定位需求,验证了算法可行性。

一种小型无人机无源目标定位方法及精度分析

为了提高小型无人机无源目标定位的精度,设计了一种新的目标定位算法。首先确定目标定位过程中的坐标转换关系并推导出视轴角的计算模型;然后,利用光电侦察平台锁定跟踪目标的特性,提出了对同一目标点多次测量的目标定位框架,建立了系统状态方程和测量方程,考虑到测量方程的非线性,将无迹卡尔曼滤波应用于目标位置估计;最后,针对加性高斯白噪声的非线性目标定位系统,推导出理论上的定位误差的克拉美-罗下限。仿真结果表明,该算法具有较高的目标定位精度,滤波器估计误差均方差已逼近非线性系统的克拉美-罗下限。现场试验结果表明,在离地面约1000 m的空中,无人机对地面目标定位精度可达8.1 m。该算法易于部署,可操作性强,具有较大的实用价值。

低信噪比条件下引导源目标定位算法

为了实现引导源目标定位算法在低信噪比声源信号条件下的准确定位,在推导了引导源目标定位算法原理基础上,根据算法仿真结果的特点,提出了利用领域平均法对算法进行降噪处理的方法。对几组不同信噪比的引导声源和目标声源,进行了算法仿真,比较分析了其降噪前后的引导源目标定位算法处理结果。计算机仿真结果表明领域平均法降噪处理能有效提高引导源目标定位算法在低信噪比条件下的定位效能。

基于Gabor滤波的引导源目标定位

针对引导源目标定位算法在低信噪比声源信号条件下不能有效定位的问题,在推导了引导源目标定位(GTL,Target localization algorithm using a guide source)算法原理基础上,根据低信噪比条件下GTL算法处理结果的特点,提出了利用Gabor滤波对算法输出条纹图进行降噪处理的方法。利用几组不同信噪比的引导声源和目标声源信号,对基于Gabor滤波降噪处理的GTL算法进行了仿真,并比较分析了其降噪前后引导源目标定位算法的处理结果。仿真结果表明,基于Gabor滤波处理后的GTL算法能准确实现低信噪比条件下的目标声源定位。

基于CUDA的引导源目标定位快速算法研究

研究引导源的目标定位问题,为实现水下目标定位提供了一种新的途径。实际海洋环境中存在噪声,对定位精度的影响非常大,为了实现低信噪比条件下对目标的准确定位,提出了一种改进的邻域平均法对条纹图像进行降噪处理。同时,由于声场计算和图像处理需要非常大的计算量,实现会耗费较长的时间,提出了利用CUDA技术对GTL算法进行加速处理。处理结果表明,经降噪方法处理后,目标距离估计结果准确,误差较小;与传统CPU方法相比,CUDA技术能不改变精度,且使算法时间减少,为目标定位提供了依据。

基于速度先验的单平台快速动目标无源定位技术

针对典型的已知巡航速度范围的运动辐射源,提出了一种基于速度先验的单平台快速无源定位方法,利用单平台测得的辐射源方向信息,结合先验速度信息,实现对运动目标的单平台快速无源定位,此方法改善了地面固定单站对运动辐射源的定位可观测性,且定位解算速度较快,对运动辐射源的运动形态没有明显要求。最后,通过计算机仿真,验证了算法的有效性。

基于变分贝叶斯推理的多目标无源定位算法

为提高多目标无源定位的精度和鲁棒性,文中提出了一种基于变分贝叶斯推理的多目标无源定位算法。该算法首先建立分层的混合高斯先验模型以诱导目标位置向量的稀疏性;然后,利用变分贝叶斯推理的方法估计该先验模型中隐藏变量的后验分布;最后,根据目标位置向量的后验分布估计目标的位置。仿真结果表明,该算法较传统的基于压缩感知的多目标无源定位算法具有更高的定位精度以及更好的鲁棒性。

基于时频单元选择的双耳目标声源定位

针对复杂声学环境下,现有目标声源定位算法精度低的问题,该文提出了一种基于时频单元选择的双耳目标声源定位算法。该算法首先利用双耳目标声源的频谱特征训练1个基于深度学习的时频单元选择模型,然后使用时频单元选择器从双耳输入信号中提取可靠的时频单元,减少非目标时频单元对定位精度的负面影响。同时,基于深度神经网络的定位系统将双耳空间线索映射到方位角的后验概率。最后,依据与可靠时频单元相对应的后验概率完成目标语音的声源定位。实验结果表明,该算法在低信噪比和各种混响环境,特别是存在与目标声源类似的噪声环境下目标声源的定位精度得到明显改善,性能优于对比算法。

一种适用于浅海小信噪比条件的声源目标定位技术

文章将匹配场处理技术引入一种新的目标运动分析方法——长时间积分法中,用根据实际海洋传播条件计算所得的声场作为拷贝场向量,替代传统方法中所采用的平面波模型。由于充分利用了声场的空间结构,使得该方法不仅能够完成传统目标运动分析中定出目标方位的功能,而且还可以定出其距离和深度。同时,因积分时间的增加还大大提高了对目标的检测性能。该方法可用于解决小信噪比条件下,声源目标的检测和定位问题。尤其适用于浅海、在声信号的传播因受波导和多途现象影响而严重偏离平面波的情况。仿真结果表明:采用平面波模型时,在信噪比低于-28dB时,声源目标参数就已相当模糊;而当采用匹配场处理技术,在信噪比降为-33dB时,仍可精确地得到声源目标的参数。

基于优化深度学习的三维无源目标定位方法

针对无源定位收敛速度慢、方位信息不准确等问题,提出面向三维无源目标定位的深度学习算法优化。利用激光雷达传感器采集目标三维数据,通过数据配准得到高质量点云数据;建立包含三层网络结构的卷积神经网络,将采集到的数据输入到网络中,确定定位边界框,计算位置置信度;针对卷积神经网络处理稀疏数据速度过慢的问题,设计一种稀疏卷积并行算法,引入检测器优化网络结构,提高运算速度;确立边界框约束条件,改善网络训练性能;设置边框位置误差、置信度误差以及定位误差三种损失函数,增强算法的特征学习能力,使算法的定位能力更强。实验结果表明,所提方法定位误差小,加快了收敛速度。

卫星观测空间目标无源定位系统设计

针对空间目标无源定位问题,建立了空间目标的系统状态模型和天基仅测角观测模型,设计了卫星观测空间目标无源定位系统。系统具有强非线性和高维度的特点,传统扩展卡尔曼滤波(EKF)算法线性化过程复杂、舍入误差大。针对上述问题,提出了贝叶斯框架下的平方根容积卡尔曼滤波(SCKF)算法,采用后验概率密度函数(PDF)对空间目标进行估计定位。仿真结果表明,SCKF算法的收敛精度优于传统的扩展卡尔曼滤波算法和无迹卡尔曼滤波算法(UKF),证明了SCKF算法在空间目标无源定位中的有效性和应用价值。

多目标无源定位跟踪中的数据关联技术

多目标的无源定位跟踪一直是目标探测与定位跟踪领域的热点问题，而数据关联技术在多目标无源定位跟踪中具有重要意义。本文着重分析了现有的静态数据关联和动态数据关联中的各类算法和思路，指出了这些算法与思路的应用前提条件以及应用环境，接着针对这些算法与思路的不足，提出了能够适应更加复杂情形的改进的思路和策略。

一种基于POS系统的航空相机目标定位方法

为实现对拍摄区域目标准确与快速的定位,提出一种针对仅依靠宽幅面阵航空相机进行无源目标定位的定位算法.利用与相机刚性连接的定位定向系统测量相机曝光时刻的位置与姿态信息,恢复摄影光束的空间位置.选取适当的物方坐标系,通过坐标变换建立共线方程,利用单幅相片辅以地面高程信息求解目标的大地坐标信息.分别采用全微分法与蒙特卡洛法建立误差模型并进行仿真计算.采用某相机挂飞数据验证算法的有效性,在飞行高度为5 000m时,定位精度可以达到30m以内,精度指标满足工程需要.

基于主动探测的移动机器人声源目标距离测定方法

针对移动机器人声源定位技术的研究大都只实现了对声源的定向,而无法获得准确的声源距离信息的问题,提出了通过移动机器人主动运动实现声源目标距离测定的方法,以及一种基于粒子群优化算法的最优探测点计算方法.通过仿真验证了该方法的可行性和有效性,并且在室内环境下进行测试.试验结果表明:移动机器人可以通过主动运动到达最优探测点,并且实现对声源目标距离的测定.

基于约束加权最小二乘的时差频差联合定位算法

针对运动目标源定位问题,提出了一种基于约束加权最小二乘(Constrained Weighted Leas-tSquares,CWLS)的时差频差定位算法。该算法利用目标源到达多个接收站的时差和频差信息,对目标源的位置和速度进行估计。通过引入中间变量,将时差频差非线性方程转换成伪线性方程(中间变量与目标源位置和速度之间存在约束关系),再对此约束条件引入拉格朗日乘子技术,将此伪线性方程的求解转化为求条件极值问题,创造性地求解了此非线性定位方程,提高了定位精度,并能满足实时性和全局收敛要求。仿真实验表明,该算法在保持相近复杂度的同时,进一步提高了定位性能,优于两步加权最小二乘算法,在噪声较高时仍然能达到克拉美罗下限。

基于声场干涉谱图的目标距离提取技术

由于噪声的影响,基于引导源定位算法中形成的声场干涉条纹图像模糊不清,利用图像特征提取技术无法提取出距离特征量。为了实现低信噪比条件下对目标的准确定位,提出了先对干涉图像进行降噪处理,再进行特征提取的解决思路。介绍了3种去噪方法,并对它们的性能进行比较。研究结果表明,降噪能有效克服定位失准问题,且小波阈值方法效果最好。

声场干涉条纹图像的降噪研究与性能仿真

引导源目标定位算法形成的声场干涉条纹图像中常附带有噪声,这对定位性能的影响非常大。为了实现低信噪比条件下对目标的准确定位,根据算法仿真结果的特点,提出了利用小波阈值去噪法对图像进行降噪处理。针对软硬阈值去噪的不足,采用了阈值函数的改进方案。对小波去噪后图像再进行二值化设置,能有效提高算法去噪效果。仿真结果表明小波降噪处理能有效提高引导源目标定位算法在低信噪比条件下的定位性能。

校正源存在下抑制部分同步时钟偏差和传感器位置误差的时差定位闭式解

同步时钟偏差和传感器位置先验观测误差是影响时差(TDOA)定位精度的重要因素。针对部分同步模型,提出一种协同校正源观测信息的TDOA定位新方法,旨在显著抑制两类模型误差影响。针对TDOA观测模型的强非线性特征,提出一种两阶段(称为阶段A和阶段B)闭式定位方法,可实现对各类参数解耦合估计,并且避免迭代运算。阶段A仅利用校正源观测,基于线性消元思想,利用贝叶斯(Bayesian)估计和加权最小二乘(WLS)估计,分步获得传感器位置和同步时钟偏差闭式解。阶段B则联合目标源观测与阶段A估计结果,推导新的伪线性观测方程,并利用WLS估计和拉格朗日乘子法获得目标源位置闭式解,随后基于Bayesian估计得到更精确的同步时钟偏差和传感器位置联合闭式解。此外,推导了相关克拉美罗界(CRB),并通过数学分析,证明新方法具有渐近统计最优性。仿真实验验证了文中理论分析有效性和新方法优越性。

人工智能技术的水声探测应用

人工智能技术是当前信息技术领域的研究热点,以深度学习、强化学习等方法为代表的新一代人工智能技术对众多行业发展具有重要影响,形成了整个人类社会进步的重要驱动力。文章在总结当前主要人工智能方法的基础上,针对目标检测、水下目标识别、目标自动跟踪、无源目标定位、声呐效能评估与工作参数推荐、人机交互、水声数据仿真、集群协同等水声探测重点应用方向,讨论了人工智能方法运用机制,利用部分典型场景的智能化处理结果验证了可行性,可以为水声探测的智能化技术研究与应用提供基础。