多观测量融合的水下被动目标跟踪方法研究

Passive under water target localization and tracking has a very stong characteristic of concealment and practicability, and it has become an important part of modern underwater weapon system. But the acoustic signals will become very complex in marine environment. There will exist large position error when only use the target's azimuth information for target location and tracking. To solve these problems, this project propse to study the issue of pssive under water target tracking by multi-observations fusion. The main research contents are: 1. Analyze the influence of multi-observations on system observability and study the maneuver route optimization strategy for monostatic sonar system. 2. Study the multi-observations fusion based target tracking method by combining multi-measurements such as the Doppler shift of the line spectrum, the delay of the noise and so on. 3. In intensive multi-targets environments, discuss the data association method using support vector machine. Innovation points of the projects are :1. The proposed edge tracking edge optimizaion route optimizaiton method can improve the engineering feasibility. 2. The accuracy of the localozation and tracking can be improved by combining the multi-measurements. 3. The support vector machine based data association method can reduce the calculaiton amount of the traditional method.

在复杂的海洋环境中，仅依靠测量到的目标方位信息对目标进行被动定位与跟踪将存在较大误差。为此，本课题提出对多观测量融合的水下目标被动定位与跟踪技术进行研究。主要研究内容包括：1.通过深入分析各种观测量对系统可观测性的影响，研究单观测站系统观测平台的机动航路优化方法；2.结合目标方位角、阵元接收噪声时延差、线谱多普勒频移等多种观测量，研究多观测量融合的被动目标定位与跟踪方法；3.针对多目标跟踪环境，研究基于支持向量机的多目标跟踪数据关联方法。课题的创新点在于：提出在单步递推计算中，研究边跟踪边优化的航路优化方法，提高工程可行性；除了目标方位信息外，提出融合多种观测信息，提高目标定位与跟踪的精度；在多目标数据关联方面，提出建立基于支持向量机的多目标数据关联处理模型，降低传统算法的数据运算量.

在复杂的海洋环境中水声信号复杂多变，鱼雷、潜艇等武器隐身技术的不断发展，多目标跟踪和被动跟踪技术急需快速发展。针对这些问题，本课题针对多观测量融合的水下目标跟踪问题进行了深入系统的研究。. 具体研究成果包括：（1）研究了基于方位-多普勒量测信息的单目标跟踪原理及系统状态模型和量测模型，提出基于方位-多普勒频率信息的目标跟踪方法。（2）针对密集海杂波环境，引入二次距离加权概念，提出了利用距离加权的概率数据关联滤波算法；（3）针对强干扰环境和不完全检测目标的水下多目标跟踪问题，结合期望极大化算法和概率多假设跟踪算法的思想，提出了基于期望极大化法的相似概率多假设跟踪算法；（4）针对概率多假设跟踪算法对目标状态初始值较敏感的问题，借鉴确定性退火技术，提出了确定性退火概率多假设跟踪算法。（5）为提高杂波环境中多目标跟踪的实时性和精确性，提出基于最大熵模糊聚类的快速多目标跟踪算法。. 课题的研究成果经过实验验证，在水下目标跟踪中具有良好的效果，在军事及民用领域有较好的应用前景。