水声弱信号检测前跟踪方法研究.pdfVIP

水声弱信号检测前跟踪方法研究

摘要

水声信号的信噪比随着隐身技术的发展越来越低，而远距离探测需求的提升使得

水声弱信号的探测问题成为了研究的热点。传统的水声信号先检测后跟踪(Detect-

before-track,DBT)方法，在低信噪比情况下检测易出现漏检或虚警率过高的情况。而检

测不准确将给跟踪带来一系列问题：信号漏检容易导致跟踪中断和漏跟；大量虚假量

测易导致目标错误的关联与跟踪。检测前跟踪(Track-before-detect,TBD)的方法将检测

与跟踪视为一体化过程，不预先对信号进行检测，而是将所有的数据都作为量测值同

时进行处理，在完成跟踪滤波的同时输出检测结果。这种方法被广泛的应用在雷达、

红外等低信噪比信号的检测与跟踪中。然而，检测前跟踪的方法为一种理论思想，针

对于不同的应用场景、不同的状态量测参数需要建立不同的模型，不能够直接将现有

的雷达检测前跟踪模型直接应用于水声信号的检测跟踪中。

针对以上问题，本论文从水声弱信号特性出发，以不同探测场景下水声弱信号的

检测前跟踪方法的应用为切入点，以提高水声目标检测性能、跟踪精度、多目标正确

关联率为目标，开展了以下几方面具有创新性的科学内容攻关：

1.水声弱信号检测前跟踪方法的建模。首先通过充分研究水声目标信号特性，建

立水声目标信号检测前跟踪的状态方程及量测方程，并给出不同检测跟踪场景下的参

数和方程的选取。其次给出了基于检测前跟踪的贝叶斯理论递归，以及基于粒子滤波

检测前跟踪的实现步骤，并对该方法进行了复杂度分析。

2.基于检测前跟踪技术的水声弱线谱软决策检测方法。为解决远距离被动探测的

情况下目标的线谱弱、信噪比低，目标难以被探测发现，线谱容易淹没在噪声中，能

量起伏，断断续续等问题，提出一种MLE-TBD(MaximumLikelihoodEstimationTrack-

before-detect)方法进行弱线谱软决策检测方法。该方法创新的建立了线谱检测前跟踪的

模型：通过充分研究线谱和噪声的统计特性，建立相应的状态模型、量测模型和似然

函数，并利用极大似然估计实时估计时变的噪声参数，构造了线谱软决策的检验统计

量，使检测结果为0–1之间的软判决概率，更直观的展示了线谱出现与消失的过程。

该方法对线谱检测的有效性已通过仿真和海试试验数据处理结果得以显现：在低信噪

比下，检测前跟踪方法的检测性能要好于传统的信息级线谱检测方法。

3.基于频率辅助特征多目标检测前跟踪方法。提出一种FA-TBD(Feature-aided

Track-before-detect)的方法解决小平台多目标被动跟踪中目标观测误差大、目标方位邻

哈尔滨工程大学博士学位论文

近、交叉时弱观测数据关联困难的问题。该方法将创新的建立了基于频率辅助的多目

标纯方位检测前跟踪模型，目标状态从仅有目标的运动学变量扩充至运动学变量与辅

助频率变量，以此解决多目标跟踪的关联问题，并依据辅助变量特性给出了多目标航

迹起始终结的方法，完善了多目标自动检测跟踪关联的框架。仿真与海试试验数据处

理表明，在多目标存在交叉、邻近等情况下，FA-TBD的方法可以有效地正确关联、跟

踪目标。

4.基于高刷新率弱脉冲水下信号检测前跟踪方法。针对主动探测中发射高功率低

刷新率信号易导致声纳盲区，声纳难以持续锁定目标，易漏检和跟丢等问题，提出了

高刷新低功率信号结合检测前跟踪的方法。该方法创新的建立了主动探测的检测前跟

踪模型，在保证了周期内声源发射能量相同的同时，改变主动发射信号刷新率和声源

级，并结合检测前跟踪的方法对目标距离进行检测与跟踪。仿真与外场试验数据验证

了与传统低刷新率高功率先检测后跟踪的主动探测方法相比，该方法的检测与跟踪性

能更优。

关键词：水声弱信号；检测前跟踪；被动线谱；频率辅助变量；高刷新率信号。

水声弱信号检测前跟踪方法研究

Abstract

Withthedevelopmentofstealthtechnology,thesignal-to-noiseratiooftargetisgettinglower

andlower,