浏览排行
针对无源声呐多目标方位跟踪问题, 研究了一种基于粒子滤波的检测前跟踪方法, 关注于改善邻近目标和机动目标的跟踪性能。首先, 提出了一种考虑了邻近目标影响的似然函数; 其次, 采用辅助变量利用量测信息优化粒子采样, 当算法运动模型与目标实际运动状态失配时, 这种策略具有很大优势。结合以上两点, 提出了一种检测前跟踪算法, 该算法将邻近目标划分为一组, 使用邻近目标的预测状态计算目标的似然, 计算效率较高。利用仿真生成的数据和海上采集的实际数据分别验证了该算法的性能, 并与其他多目标粒子滤波检测前跟踪算法进行比较, 证明了该算法具有良好的跟踪性能。在目标邻近和目标机动的情况下, 该算法的优势更加明显。
针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题, 提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数, 将所得分量分为信号分量、含噪信号分量与噪声分量, 然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号, 最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪, 信噪比0 dB以下时CW信号重构后信噪比提升约12 dB, 宽带LFM信号信噪比提升约8~9 dB, 有效提升了低虚警概率下信号的检测概率。湖试结果表明, 虚警概率为0.1时检测概率可提升至0.9以上, 验证了该方法的有效性。
围绕水声分布式纯方位定位问题, 针对传统方法的远距离定位精度低、定位结果易受初值影响等缺点, 提出了一种测向误差特征辅助两步式全连接层神经网络(DFE-TS-FCNN)的纯方位定位方法。使用神经网络进行定位, 提高远距离定位精度并消除初值影响, 输入特征是目标方位角测量值和测向误差标准差估计值。使用两步式网络结构抑制网络过拟合, 分类网络确定目标区域后, 再用对应的定位网络估计目标位置。蒙特卡洛仿真实验中, 所提方法在近距离达到了与迭代加权最小二乘算法和迭代总体最小二乘算法相近的定位精度, 在远距离定位精度大幅提高、约束均方根误差(RMSE)小于2.5 km的条件下, 最远可定向距离相比传统方法从12.6 km提升至22.7 km。在实际数据中, 该方法也获得了较好的定位结果。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:5页