Page 154 - 201903

436 2019 年 5 月

X k+1 = Φ k X k + w k , (3)
其中，k 对应主动脉冲信号发射批次，且
௑ᫎ t  x k   x (t k ) 

 y k   y (t k ) 



X k =   =   , (4)
   
 ˙x k   ˙x (t k ) 
˙ y k ˙ y (t k )
0  
வͯᝈ θ 0
1 0 ∆t k
 
图 2 目标回波探测结果 Φ k =  0 1 0 ∆t k  , (5)


0 0 1 

Fig. 2 Echo of target 0 
0 0 0 1
对于主被动一体的声呐节点，得到目标定位
其中 ∆t k = t k+1 − t k ，w k 为零均值高斯白噪声，满
结果为 足 w k ∼ N(0, Q k )，x k 、y k 为由公式 (1)、公式 (2) 计

ct 2
x T = cos α, 算得到的目标坐标，˙x k 、˙y k 为由目标前后时刻坐标

2 (1)
ct 2 推算得到的目标运动速度。由式(3) 可知，由于水中

 y T = sin α.
2 目标运动速度较慢、运动方向变化缓慢，所以当主
同理，对于被动声呐节点，得到目标定位结果为 动声呐发射脉冲时间间隔较短时，被动声呐检测到

( )
t 2
 ′ 的目标位置坐标变化不会太大。
x = c t 3 − cos α,
T
2
( ) (2) 根据目标匀速运动特性，可对图 3 采用 M/N
t 2

 ′
y = c t 3 − sin α.
T 确认逻辑进行目标轨迹判断，即：当在 N 个连续的
2
1.2 双节点声呐探测结果 脉冲批次中有 M 个亮点的位置在预测范围内变化
实际工作中，很难准确地判定哪个信号为回波 时，认为这 N 个亮点为目标轨迹点，否则认为是杂
信号，因此通常会把大量的杂波信号作为可能的 波点。如图 3 所示，图中星点为确认得到的目标轨
回波信号进行处理。将这些信号参数代入式 (1) 或 迹点，其余为需要剔除的杂波点。
式 (2)后，可计算得到亮点坐标位置。针对每批次主 1.3 多节点声呐数据融合
动脉冲信号，能计算得到一批亮点，它们中的大部分 理论上，各声呐节点探测得到的真实目标轨迹
可能都是由杂波信号计算得到。将各批次亮点按照 应该重合。但是，当信噪比较低时，各节点得到的轨
时间排序，得到如图3所示结果。 迹为散乱的断续轨迹线段，其中很多轨迹为虚假轨
n੻൓ 迹，各节点得到的轨迹线段间也没有重合区段。因
ೝ฾ᑢф
此，这给后续的多节点数据融合增加了难度。
为充分利用多节点探测的优势，本文利用 “结
合置信度水平的表决融合” 算法来研究目标真实
轨迹。
首先，对目标轨迹进行置信度划分，用轨迹上
x
亮点对应的回波信噪比来描述置信度水平，当轨迹
上各点的信噪比 (S/N) 较高时，认为这条轨迹的置
信度水平也较高；否则，认为置信度水平较低。例如：
y
在图 4中，根据目标的匀速运动特性，可以由左边的
图 3 亮点数据的空、时分布图
亮点得到右边两种目标轨迹。但是，图4中轨迹2 上
Fig. 3 Space and time distribution of contacts
的定位点信噪比高于轨迹 1 上的定位点信噪比，所
对于水中运动目标，其航速较低，运动方向变 以轨迹2的置信度水平更高。
化缓慢，所以可以用匀速运动模型来表示。即：单个 在确定了轨迹置信度后，算法对轨迹进行投票
观测节点在时间序列 t k ∈ (t n1 , t n2 , · · · ) 上观测到 表决。当认定目标轨迹“存在”的声呐节点个数达到
目标状态为 一定门限且轨迹的综合置信度水平达到一定程度