阅读说明：本技术 一种被动声纳目标的时频分析与跟踪方法 (Time-frequency analysis and tracking method of passive sonar target ) 是由 谢佳文 刘超 陈静 侯晓迁 崔立丹 于 2019-10-31 设计创作，主要内容包括：本发明公开一种被动声纳目标的时频分析与跟踪方法,属于水声信号检测技术领域。对每路波束域信号单独进行傅里叶变换；将傅里叶变换后的数据叠加,获得一组频域数据；根据所需频段需求,在傅里叶变换后的数据中选择相应的谱线数据；进行频域时间积累和平滑处理；获得录用目标频谱的跟踪方位,再通过卡尔曼滤波进行跟踪。通过本发明提供的方法能够获得较高分辨率的频谱信息,在跟踪显示上具有更直观的数据,噪声信号的频率信息更加明确,为后续目标识别与判定提供更为有利的数据信息。(The invention discloses a time-frequency analysis and tracking method of a passive sonar target, and belongs to the technical field of underwater acoustic signal detection. Carrying out Fourier transform on each path of wave beam domain signal independently; superposing the data after Fourier transform to obtain a group of frequency domain data; selecting corresponding spectral line data from the data after Fourier transform according to the requirement of the required frequency band; performing frequency domain time accumulation and smoothing; and obtaining the tracking orientation of the recorded target frequency spectrum, and tracking through Kalman filtering. The method provided by the invention can obtain the frequency spectrum information with higher resolution, has more visual data on tracking display, makes the frequency information of the noise signal more definite, and provides more favorable data information for subsequent target identification and judgment.)

一种被动声纳目标的时频分析与跟踪方法

技术领域

本发明涉及水声信号检测技术领域，特别涉及一种被动声纳目标的时频分析与跟踪方法。

背景技术

海洋环境噪声与本舰噪声等干扰构成随机噪声场，而目标舰的噪声及其主动声纳发出的信号构成所要检测的未知随机信号。传统的随机噪声信号时频分析算法接收来自经陷波处理、方位归一化处理后的波束域信号。传统的噪声信号时频分析主要采用了傅立叶变换、线谱叠加和频域时间积累和平滑处理；同时具有跟踪功能，能够获取频域内线谱的方位变化情况。

传统的噪声信号时频分析通过傅立叶变换获取频域信息，对频域信息中的线谱进行叠加操作，降低了频谱的分辨率。获取的噪声信号的频率是一个大概的估计值，频率值并不准确。在显示幅面没有标注频率信息，只在方位上显示某些位置的频率值比较高。针对较高的频率信息进行噪声目标跟踪过程中，只能获取目标的方位信息，而检测不出当前目标的频率是多少。这样对判别噪声目标时带来困难，不利于噪声目标的模式识别等后续检测工作。

发明内容

本发明的目的在于提供一种被动声纳目标的时频分析与跟踪方法，以解决目前在随机噪声信号时频分析算法中不能明确频率信息的问题。

为解决上述技术问题，本发明提供一种被动声纳目标的时频分析与跟踪方法，包括：

对每路波束域信号单独进行傅里叶变换；

将傅里叶变换后的数据叠加，获得一组频域数据；

根据所需频段需求，在傅里叶变换后的频域数据中选择相应的谱线数据；

进行频域时间积累和平滑处理；

获得录用目标频谱的跟踪方位，再通过卡尔曼滤波进行跟踪。

可选的，进行傅里叶变换的波束域信号为48路，傅里叶变换的点数为 4096点，谱线间隔△F＝7.8125Hz。

可选的，选择谱线的数量为768根。

可选的，进行频域时间积累和平滑处理包括：

将选取的768根谱线记为Z_{k_t}，其中k为1至768，t表示第t帧波束；通过平滑滤波器进行时间积累平滑处理，所述平滑滤波器长度M＝64，每次计算时更新帧数为N次，N为2、4或8；对平滑滤波器长度M点数据计算算术平均值；

平滑处理输出为J_{k_i}，i表示第i帧波束，对J_{k_i}进行归一化处理得到送至显示设备的最后处理结果D_{k_i}；D_{k_i}＝255*J_{k_i}/G，G为归一化系数，根据处理结果数据的绝对值进行选取；k为取值1～768的通道号。

可选的，获得录用目标频谱的跟踪方位，再通过卡尔曼滤波进行跟踪包括：

(1)插值测向方法：

所述插值测向方法的核心是相邻三波束方位内插方法，通过相邻三波束方位内插方法获得录用目标频谱的跟踪方位，所述相邻三波束方位内插方法利用目标相邻三波束，设置参变量，用下式求得实际目标的方位：

其中，

R_n-1表示三波束的左波束，R_n表示三波束的中间波束，R_n+1表示三波束的右波束，θ为参变量，

为两基元的水平间隔角度；

通过手动操作在显示设备上确定跟踪某一频率，利用频率所在位置找到跟踪频率的相邻三波束，再用插值测向方法在获取目标点附近的方位进行插值，估算出目标方位；其中，每个通道所占角度360/48＝7.5；

(2)卡尔曼滤波工作方法：

设卡尔曼滤波的运动方程为匀加速运动，运动模型为：

X(t+1)＝X(t)+v₀(t)T+1/2T²a

v(t)＝v₀(t)+aT

其中，a为加速度，X(t+1)是下一周期的方位，X(t)是当前方位，v₀(t) 是初始速度，T是时间，t是周期数，v(t)是实际速度；

该运动模型的状态向量包括方位和速度，控制输入变量为加速度a(t)，所以这个运动模型的状态方程为：

其中X_t是当前周期的方位，v_t是当前周期的速度，X_t-1是上一周期的方位，v_t-1是上一周期的速度，

这里对应矩阵

大小是2×2，

大小是2×1；测量值是系统状态变量映射出来的，公式为：z_k＝Hx_k+v_k；

所以系统的测量方程为：

z_k是测量值，大小为2×1，H是状态变量到测量的转换矩阵，H＝[1 0]，大小为2×1，随机变量v是测量噪声，对于状态方程中的系统噪声w和测量噪声v，假设服从如下多元高斯噪声分布：

P(w)～N(0,Q)，P(v)～N(0,R)，其中w、v是相互独立的，Q、R为噪声变量的协方差矩阵，

假设噪声在方位与速度上都存在，且噪声方差为0.01，那么：R＝0.1，根据实际情况能够调节R的值。

可选的，所述被动声纳目标的时频分析与跟踪方法还包括匹配函数：

录用目标信息的值作为第一周期的预测值，与插值测向算法获得的输出进行匹配，二者之差与波门进行比较，在波门内，则认为目标匹配，插值测向算法获得的输出作为匹配值进入卡尔曼滤波，否则认为没有目标匹配上；

若周期数大于等于3则进入卡尔曼滤波，外推三次报丢；

若周期数小于3，则直接报丢。

可选的，波门的大小根据需求进行设定，初值为2.5。

在本发明中提供了一种被动声纳目标的时频分析与跟踪方法，对每路波束域信号单独进行傅里叶变换；将傅里叶变换后的数据叠加，获得一组频域数据；根据所需频段需求，在傅里叶变换后的频域数据中选择相应的谱线数据；进行频域时间积累和平滑处理；获得录用目标频谱的跟踪方位，再通过卡尔曼滤波进行跟踪。通过本发明提供的方法能够获得较高分辨率的频谱信息，在跟踪显示上具有更直观的数据，噪声信号的频率信息更加明确，为后续目标识别与判定提供更为有利的数据信息。

附图说明

图1是本发明提供的被动声纳目标的时频分析与跟踪方法流程示意图；

图2是频域时间积累和平滑处理示意图；

图3是被动声纳目标的时频分析与跟踪方法中的跟踪方法流程图。

具体实施方式

以下结合附图和具体实施例对本发明提出的一种被动声纳目标的时频分析与跟踪方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

实施例一

本发明提供了一种被动声纳目标的时频分析与跟踪方法，其流程如图 1所示，包括：对每路波束域信号单独进行傅里叶变换；将傅里叶变换后的数据叠加，获得一组频域数据；根据所需频段需求，在傅里叶变换后的频域数据中选择相应的谱线数据；进行频域时间积累和平滑处理；获得录用目标频谱的跟踪方位，再通过卡尔曼滤波进行跟踪。

对多路波束域信号的每路信号单独进行傅里叶变换，傅里叶变换的点数为4096点，谱线间隔△F＝7.8125Hz，设进行傅里叶变换的波束域信号为48路。每路束域信号进行傅里叶变换后的数据进行叠加操作，最后获得一组4096点的频域数据。

根据所需频段需求，在上述操作基础上，选择相应的谱线，将选取的768根谱线记为Z_{k_t}，其中k为1至768，t表示第t帧波束；通过平滑滤波器进行时间积累平滑处理，所述平滑滤波器长度M＝64，每次计算时更新帧数为N次，N为2、4或8；对平滑滤波器长度M点数据计算算术平均值；平滑处理输出为J_{k_i}，i表示第i帧波束，对J_{k_i}进行归一化处理得到送显的最后处理结果D_{k_i}；D_{k_i}＝255*J_{k_i}/G其中，G为归一化系数，根据处理结果数据的绝对值进行选取；k为通道号，取值范围为1～768，频域时间积累和平滑处理的示意图见图2。

最后获得录用目标频谱的跟踪方位，再通过卡尔曼滤波进行跟踪：

(1)插值测向方法：

所述插值测向方法的核心是相邻三波束方位内插方法，通过相邻三波束方位内插方法获得录用目标频谱的跟踪方位，所述相邻三波束方位内插方法利用目标相邻三波束，设置参变量，用下式求得实际目标的方位：

其中，R_n-1表示三波束的左波束，R_n表示三波束的中间波束，R_n+1表示三波束的右波束，θ为参变量，

为两基元的水平间隔角度。

通过手动操作在显示设备上确定跟踪某一频率,利用频率所在位置找到跟踪频率的相邻三波束，再用插值测向方法在获取目标点附近的方位进行插值，，估算出目标方位；其中，每个通道所占角度360/48＝7.5；

(2)卡尔曼滤波工作方法：

设卡尔曼滤波的运动方程为匀加速运动，运动模型为：

X(t+1)＝X(t)+v₀(t)T+1/2T²a

v(t)＝v₀(t)+aT

其中，a为加速度，X(t+1)是下一周期的方位，X(t)是当前方位，v₀(t) 是初始速度，T是时间，t是周期数，v(t)是实际速度；

该运动模型的状态向量包括方位和速度，控制输入变量为加速度a(t)，所以这个运动模型的状态方程为：其中X_t是当前周期的方位，v_t是当前周期的速度，X_t-1是上一周期的方位，v_t-1是上一周期的速度，这里对应矩阵

大小是2×2，

大小是2×1；测量值是系统状态变量映射出来的，公式为：z_k＝Hx_k+v_k；

所以系统的测量方程为：

z_k是测量值，大小为2×1，H是状态变量到测量的转换矩阵，H＝[1 0]，大小为2×1，随机变量v是测量噪声，对于状态方程中的系统噪声w和测量噪声v，假设服从如下多元高斯噪声分布：

P(w)～N(0,Q)，P(v)～N(0,R)，其中w、v是相互独立的，Q、R为噪声变量的协方差矩阵，

假设噪声在方位与速度上都存在，且噪声方差为0.01，那么：

R＝0.1，根据实际情况能够调节R的值。

跟踪流程图见图3，录用目标信息的值作为第一周期的预测值，周期计数器开始计数，预测值与插值测向方法获得的输出进行匹配，二者之差与波门进行比较，在波门内，则认为目标匹配，插值测向方法获得的输出作为匹配值进入卡尔曼滤波，否则认为没有目标匹配上；若周期数大于等于 3则进入卡尔曼滤波，外推三次报丢；若周期数小于3，则直接报丢；其中波门的大小根据需求进行设定，初值为2.5。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。