[发明专利]一种运动特征辅助的主动声呐小目标实时跟踪方法

说明书

本发明涉及一种运动特征辅助的主动声呐小目标实时跟踪方法，首先对主动声呐回波序列进行运动特征提取，获得目标位置量测信息和目标运动特征；再利用目标位置量测信息和目标运动特征估计目标的速度量测信息；然后进行目标状态的预测(如果是跟踪起始时刻或新生成的轨迹则需要进行状态的初始化，如果是现有的轨迹则利用前一时刻估计的状态进行预测)；接下来进行量测关联；最后进行状态更新，并判断是否到达终止时刻，到达则输出跟踪轨迹，未到达则继续下一时刻的状态预测。本发明计算量更少，可以满足实时运动目标检测。在复杂杂波背景且目标存在机动的情况下，能够建立量测和目标的有效对应关系，有效地防止了跟踪精度降低和目标丢失的发生。

技术领域

本发明属于声纳信息处理领域，涉及一种运动特征辅助的主动声呐小目标实时跟踪方法，可用于对主动声纳系统探测到的水下小目标进行实时的跟踪。

背景技术

利用主动声呐系统跟踪复杂水下环境中的运动小目标是具有重要意义的热点研究问题，在军事和民用领域都有重要的应用。现有的方法通常以经典的卡尔曼滤波器为基础，通过对目标状态真实值进行最优估计，并对其进行量测更新以实时跟踪目标状态，进而实现水下目标的自动跟踪。但是，对于机动目标，由于其速度和运动方向可能在短时间内发生较大变化，即使微小的目标检测误差都会导致滤波发散和跟丢现象的发生。另外，受杂波等因素影响，声呐系统可能产生水下单个目标的多个量测航迹，导致将单个目标误判为多个目标。因此，水下目标跟踪算法需要建立有效量测和目标的对应关系，即需要多目标的数据关联，以防跟踪精度降低甚至目标丢失。

在数据关联方法中，最为重要的是贝叶斯类的数据关联方法。包括最近邻(Nearest Neighbor,NN)数据关联方法、全局最近邻(Global Nearest Neighbor,GNN)数据关联方法、概率数据关联(Probabilistic Data Association,PDA)方法、联合概率数据关联(Joint Probabilistic Data Association,JPDA)方法以及多假设跟踪(MultipleHypothesis Tracking,MHT)方法等。而此类方法的一致问题是当水下目标较多且存在大量水下杂波和虚警时，关联会带来组合爆炸、计算量急剧增加等问题。

因此，上述的基于卡尔曼滤波器和贝叶斯数据关联的目标跟踪方法虽然已经广泛应用于雷达、视频跟踪等领域，但是受到水下环境复杂杂波的干扰和蛙人、UUV等水下运动小目标机动特性的挑战，这些技术直接应用于水下小目标跟踪尚存在虚警率高、跟踪精度差等问题。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种运动特征辅助的主动声呐小目标实时跟踪方法。

技术方案

一种运动特征辅助的主动声呐小目标实时跟踪方法，其特征在于步骤如下：

步骤1：在t时刻，利用主动声呐系统获得的回波序列，提取得到运动特征：

M_t＝{m_t(x,y):-B≤x≤B；0≤y≤L}；

其中，m_t(x,y)为主动声呐系统每个空间分辨单元的运动特征，B和L分别代表波束开角和回波距离极限；

对M_t进行阈值检测，获得潜在运动目标k在t时刻的运动特征和位置量测信息

步骤2、目标速度估计：

利用提取出的运动特征M_t＝{m_t(x,y):-B≤x≤B；0≤y≤L}估计目标的运动速度作为t时刻运动目标k的速度量测信息

步骤3、状态初始化：