基于识别声呐的鱼群目标检测跟踪方法
基于识别声呐的鱼群目标检测跟踪方法
海洋牧场是近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变
的现代渔业形式,是指在特定海域开展类似陆地农牧场的建设,从而提高海洋生
物资源的质量和产量,实现海洋生态系统的保护与资源的可持续利用。海洋牧场
的渔业资源评估是海洋牧场开发的一个重要环节,目前海洋牧场的资源主要依靠
计量鱼探仪测量和采样捕获调查进行评估。前者通过测量回波的目标反射强度来
粗略估算鱼类数量,并无目标跟踪、定位等功能,后者的捕获方式本身就有损鱼类
资源,其精度也十分有限。而识别声呐是一种利用声学透镜发射独立波束的多波
束系统,它可以在昏暗或浑浊水域中生成几乎等同于光学影像的高清晰度图像,
达到识别目标的程度。
相对于传统的多波束系统采用时延阵列或者数字波束形成技术进行信号的
收发,识别声呐通过声学透镜实现波束形成,既降低系统功耗、减小体积,又提高
了成像效率。现阶段,识别声呐在渔业探测中的应用尚停留在个体目标计数、体
长测量以及行为观测阶段,并没有形成一套完整的资源评估体系。因此,本文在探
讨识别声呐工作原理的基础上,利用识别声呐进行渔业资源评估的理论研究和实
际应用,提出一套基于识别声呐的新型渔业资源评估方法。具体研究内容如下:
对声呐图像展开预处理并进行目标提取研究。
对采集的声呐数据进行坐标变换,利用反距离加权内插法将图像还原成水下
影像。利用线性变换增强图像,设计基于迭代最小二乘去噪法去除图像中的斑点
噪声,采用基于信号强度模型的方法去除图像背景,利用三倍标准差准则获取阈
值进行目标提取,最后针对复杂背景下的声学图像,提出一种基于Sobel算子的
边缘提取结合形态学处理的目标提取算法。对鱼类跟踪算法展开研究。由于水下
环境复杂,对于杂波横生、目标密集的多目标跟踪问题,基于数据关联的目标跟踪
算法计算量巨大,不能实现水下多目标的实时跟踪,因此在对基于贝叶斯理论的
联合概率数据关联、多假设目标跟踪等算法研究的基础上,提出基于序贯蒙特卡
罗的概率假设密度滤波结合Auction航迹识别的多目标跟踪算法,利用识别声呐
的定点采集模式获取水下鱼类信息,进行多目标跟踪研究,并利用VisualStudio
结合OpenGL实现多目标轨迹按照时间顺序显示在三维空间中。
研究基于识别声呐的鱼类数量评估方法。提出一种基于平均体密度和面密度
的鱼群数量估计算法,即首先利用识别声呐通过走航的方式采集水下数据,通过
声呐图像处理算法提取目标,利用最近邻结合扩展卡尔曼滤波算法对多目标跟踪
计数,统计声呐扫过水域体积或面积,获得对应的体密度或面密度,结合整个水域
的蓄水量或占地面积,实现鱼类数量估计。为了验证算法的可行性,在青草沙水库
进行现场试验,采用体密度估计法实现了对整片水域的鱼类数量估计。研究基于
识别声呐的水下目标定位算法。
针对识别声呐只能获取目标在波束探测范围内斜距与方位角信息的特点,提
出基于单台识别声呐在不同走航探测模式下,以及基于两台识别声呐在不同布置
模式下,实现目标空间定位的算法。通过水池试验,验证单台声呐走航定位的可行
性与准确性,并深入分析定位误差产生的原因以及被测目标的不同运动参数、位
置对误差的影响。结合数据关联算法,对滴水湖采集的现场数据进行鱼类水下定
位研究,获得目标的三维跟踪轨迹,并分析水库中鱼类的垂直分布特性以及鱼类
在水下的游泳特性,包括游泳速度、方向等。通过对鱼类的目标数量估计、多目
标跟踪和水下分布等内容的研究,形成一套新型的基于识别声呐的渔业资源评估
体系,填补我国在渔业资源高精度评估领域中的空白,为我国海洋牧场开发提供
技术支撑。
声呐定位的基本方法
声呐定位的基本方法
1. 嘿，你知道吗，主动声呐定位就像是我们在黑暗中拿着手电筒去找东西！比如说在大海里，我们发出声波，然后等着声波碰到目标再返回来。
就像你在黑屋子里喊一声，然后根据回声来确定东西在哪里一样。
这神奇吧？
2. 还有哦，被动声呐定位呢，就好像是我们静静地听周围的动静来判断情况。
比如在海底，我们不发出声音，而是静静地听其他物体发出的声音来确定它们的位置，是不是很有意思？
3. 你想想啊，通过测量声波到达的时间来定位，不就像是跑步比赛中计算到达终点的时间来确定名次嘛！比如说测量从发出声波到收到回波的时间，就能算出目标的距离啦。
4. 另外呀，利用声波的频率变化来定位，这不就跟听不同音调的声音能分辨出是谁在说话一样嘛！像那种频率突然改变了，嘿，那就说明目标有变化啦。
5. 声呐定位还能根据声波的方向呢！这就仿佛你朝着一个方向看就能找到你要找的东西一样。
通过判断声波传来的方向，我们就能大致知道目标在哪个方位了。
6. 接着说，根据多个声呐的信息综合来定位，就像多个人一起告诉你一个东西在哪里，然后你就能更准确地知道啦。
比如不同位置的声呐都收到了信号，一综合，目标的位置就更清楚咯。
7. 还有啊，利用不同声波的特征来定位，不就跟凭借一个人的特点来认出他一样嘛！每种物体反射的声波都有独特的特征，这样就能更好地识别目标啦。
总之，声呐定位的方法真的超厉害，让我们能在大海里找到各种神秘的东西呢！
我的观点结论：声呐定位的这些基本方法真的非常神奇且实用，为我们探索海洋等领域提供了强大的工具。
水下目标识别
水下目标识别水下目标识别是指利用各种技术手段，对水下环境中的目标进行有效的识别和分类。
水下目标识别在海洋资源勘探、海洋环境监测、水下作业和军事等领域具有重要的应用价值。
本文将详细介绍水下目标识别的基本原理和常用方法。
水下目标识别的基本原理主要包括声纳识别、光学识别和化学识别。
声纳识别是利用声波在水中传播的特性，通过声纳设备对水下目标进行探测和识别。
光学识别则是利用光学传感器，对水下目标的形态和特征进行观测和分析。
而化学识别则是通过分析水下目标的化学成分和组成，进行目标的识别和分类。
目前，水下目标识别的常用方法主要包括特征提取和模式识别两个主要步骤。
特征提取是指通过对水下目标的观测数据进行处理，提取出具有代表性的目标特征。
常用的特征包括目标的形状、尺寸、纹理和颜色等。
而模式识别则是通过对提取到的目标特征进行比对和匹配，将目标识别为某一类别。
在声纳识别中，常用的方法包括目标回声信号的时域分析和频域分析。
时域分析是指对回声信号进行时间序列的处理，获得目标的形态和闪烁特征。
而频域分析则是通过将回声信号转换为频域信号，进一步分析目标的频率、相位和幅度等特征。
在光学识别中，常用的方法包括目标边缘检测、纹理分析和颜色识别。
目标边缘检测是指通过对水下目标的图像进行边缘提取，获得目标的形状和轮廓信息。
纹理分析则是通过对图像进行纹理特征的提取和分析，获得目标的细节特征。
而颜色识别则是通过对图像进行色彩空间的分析，将目标识别为某一类别。
在化学识别中，常用的方法包括目标样品的采集和分析。
目标样品的采集可以通过水下机器人和无人潜水器等设备进行，将水下目标的样品带回实验室进行进一步分析。
常用的分析技术包括质谱、红外光谱和核磁共振等。
总之，水下目标识别是水下工程和海洋科学中的重要研究领域。
通过对水下目标的有效识别和分类，可以提高海洋资源的开发利用效率，保护海洋环境，提升水下作业的安全性和效益。
随着技术的不断发展，水下目标识别技术也将得到进一步的提升和应用。
声呐探测鱼群原理
声呐探测鱼群原理
声呐探测鱼群的原理是利用声波在水中的传播特性来实现的。
声波是一种机械波，在水中能够以一定速度传播。
声呐通过发射脉冲声波，并接收反射回来的声波信号来探测物体，包括鱼群。
具体原理如下：
1. 发射声波：声呐会发射一系列脉冲声波信号，其频率通常在10 kHz至2 MHz之间。
这些声波信号可以通过水中传播。
2. 声波传播：当声波信号传播到水中时，会以球面波的形式向周围扩散。
3. 部分能量被鱼群反射：当声波碰撞到鱼群时，鱼群体内的组织、鳞片和其他物体会对声波产生反射。
一部分声能被反射回声呐。
4. 接收反射信号：声呐接收到反射回来的声波信号，并将其转化为电信号。
5. 信号处理：声呐通过对接收到的信号进行处理，如放大、滤波、时域分析等，可以提取出有关鱼群的信息，如鱼的位置、数量、大小等。
6. 显示结果：通过将处理后的信息转化为图像或者图表，声呐系统可以将鱼群的分布、密度等信息展示给用户。
总的来说，声呐探测鱼群的原理是利用声波在水中的传播特性，通过发射脉冲声波并接收反射回来的声波信号，从而实现对鱼群的探测。
声呐物探曲线识别
声呐物探曲线识别
声波是唯一能够在海水介质中远距离传播的波，因此是海洋探测的主要方法，而声呐则是用声波探测海洋的主要设备。
目前，声呐信号处理已经发展到了数字化阶段，获取的声呐数据都以图像的形式将目标信息显示出来，但是由于水声信道的不均匀性及其边界的不规则形，造成声呐图像斑点噪声明显、边缘模糊、亮度不均匀和分辨率低等特点，研究声呐图像处理技术具有重要意义。
前视声呐不仅可以探测海中的状况，还可以对目标进行定位，判断目标的大小以及形状信息。
对水下机器人来说，前视声呐不仅起到避障的作用，而且当水下机器人遇到感兴趣的目标时，可以利用前视声呐对其进行跟踪和分类识别。
在水下作业的应用场合中，除了需要对目标进行探测定位之外，还需要对目标进行分类识别，所以对声呐图像目标跟踪识别的研究有现实意义。
本文研究基于深度神经网络的声呐图像目标识别技术，提出一种基于卷积神经网络的声呐图像目标识别方法。
由于声呐图像含有大量的噪声，首先选择速度较快的中值滤波去噪，使用Canny边沿检测算子提取出包含白线的位置，然后使用霍夫变换提取直线，随后使用自适应阈值化算法分割目标，并使用分水岭算法连接相邻较近并且灰度相近的目标得到分割图像，最后查找分割图像中的连通区域，获得目标轮廓、方位等信息。
针对提取得到的目标信息，选用卡尔曼滤波器算法实现目标跟踪，最后使用卷积神经网络对跟踪后的目标进行分类识别。
被动声呐信号检测、跟踪方法研究（信号与信息处理专业优秀论文）
采ＨＪ何种加权方法米更加有效地抑制噪卢或者在噪卢相关性术知的情况Ｆ尝试各种加权函数来抑制噪声，达到提高信噪比的效果。
图２．６给出了当信号频率为５００ｌｔｚ时，四种算法的性能比较：０∞柏∞８０１∞１２１３１∞１∞１８０幽２．６四种算法在ｆ＝５００Ｈｚ的性能比较图２．７ＣＢＦ波束输出频率一方位图图２．８ＦＩＭ波束输山频率一方位图，∞：詈¨帔。
们“：詈图２．９’『ＦＩＭ（８）波束输出频率一方位图幽２．１０ＷＦＩＭ（ｂ）波束输山频率一方位图图２．７—２．１０为四种算法的频率方位图，这里假设信号为Ｏ－－ｌｌⅡｌｚ的窄带信号，目标仍在９０度处，可以看出ＣＢＦ的士瓣宽度人，在高频处旁瓣趋于０．２时就不变了；Ｆｉｌｌ以及ＷＦＩＭ（ａ）、ＷＦＩＭ（ｂ）的主瓣宽度近似相等（均小于ＣＢＦ的），ＷＦＩＭ（ａ）的第一旁瓣幅度较大，此后儿乎没有旁瓣：ＦＩＭ以及ＷＦＩＭ（ｂ）的结果有些相似，旁瓣个数大于一个，但旁瓣的幅值没有ＣＢＦ的大，所不同的是，ＷＦＩＭ（ｂ）的旁瓣幅值会略小于ＦＩｋｔ的；另外，这四种算法在低频处的主瓣宽度都有明显的增人，说明这四种方法在低频处的探测性能不如其它频段好。
从幽２．７—２．１０的结果来看，不同的加权对于性能有不同的影响。
加矩形权的ＦＩＭ在旁瓣＇相当的情况下主瓣宽度约是加三角权的ｃＢＦ的詈，而本文中加余弦权和高斯权的两种ＷＦＩＭ在ｊ主瓣宽度以及旁瓣的抑制均比ＣＢＦ有所改善。
可见可以通过选取合适的权函数抑制噪卢，提高信噪比。
另外还有一点需要强调的是，由丁．本次实验采用的是仿真信号，噪卢只存在白相关，在实际应用中，在已知或估计山噪声相关？卜径的条件卜．调’１，权函数，以取得较好的噪卢抑制效果。
２．４方位历程显示（Ｂｅａｒｉｎｇ－ＴｉｍｅＲｅｃｏｒｄ，ＢＴＲ）以上我们分析的波束形成是限定于某一闱定时刻ｔ的，而实际目标是运动的，因此我们需要知道在某一段时间＾一ｆ２内水下目标的航迹，因此就需要我们在‘一屯的所有时刻对丁日标进行波束形成测向，然后再将结果投影到时间一方位坐标下，得剑最后的方位历程显示。
声纳是什么工作原理的应用
声纳是什么工作原理的应用什么是声纳声纳（Sonar）是一种利用声波在水中传播的原理来进行测距、探测和通信的技术。
通过发射声波脉冲并接收其回波，声纳可以获取目标物体的位置、形态等信息。
声纳在海洋探测、水下导航、捕鱼、测量水深等领域有着广泛的应用。
下面将详细介绍声纳的工作原理及其应用。
声纳的工作原理声纳系统主要由发射器、接收器和设备控制系统三部分组成。
工作过程如下：1.发射器发射声波脉冲：声纳系统中的发射器会产生一系列高频声波脉冲。
这些声波脉冲往往以固定的频率和振幅进行发送。
声波脉冲通过压电晶体或电磁换能器转换成机械能后，进一步转化为声能并发射出去。
2.声波脉冲在介质中传播：发射出的声波脉冲在水中以声速传播，直到遇到目标物体或水下地形。
声波在水中传播的速度取决于水的密度和温度等因素。
3.回波被接收器接收：当声波脉冲碰撞到目标物体或水下地形时，一部分声波会被反射回来，形成回波。
接收器接收并转化回波信号，将其转化为电信号。
4.回波信号的处理和分析：接收器将接收到的回波信号传输给设备控制系统进行分析、处理和解码。
设备控制系统可以根据回波信号的强度、时间和频率等信息，计算出目标物体的位置、形态、运动状态等。
声纳的应用声纳技术在海洋、水下探测、通信和测量等领域有着广泛的应用。
海洋探测声纳技术在海洋探测中起着关键的作用。
通过声纳系统可以对海底地形、海洋生物和海洋环境进行精确测量和探测，有助于地质勘探、海底管线敷设、海洋资源调查等工作的开展。
此外，在海洋科学研究中，声纳技术也被广泛应用于鱼群数量估计、海底植被调查等方面。
水下导航声纳技术在水下导航及海底遥感中也发挥着重要作用。
通过声纳技术，可以实时获取水下地形、水下物体及水下障碍物的信息，为水下机器人、潜水员等提供准确的导航和障碍物避难的能力。
在水下勘探、水下考古、海底机器人等领域，声纳技术为相关研究和工作提供了有效的技术支持。
捕鱼声纳技术在捕鱼业中有着广泛的应用。
鱼类声学追踪定位系统概述
鱼类声学追踪定位系统概述作者：图索科技（上海）有限公司联系QQ：914774603关键词：鱼类声学遥测，Vemco，鱼类声学追踪定位，鱼类三维定位，鱼类超声波标记一、技术背景概述鱼类声学追踪定位技术逐步成为水生动物生态学研究的最主要手段。
这种技术具有原位观察的优势，利用电子鱼类超声波追踪标记，就可以实现对自然环境中水生动物行为和生理进行研究。
研究对象涵盖鱼类、甲壳类、豚类以及海龟等，帮助科学家深入了解人类活动对渔业、鱼类迁徙和行为、物种保护和栖息地恢复等方面的影响，也有利于我们管理和保护水生生态系统。
本文仅仅对国际和中国国内最主流的Vemco声学追踪技术先做重点介绍，后续文章将对各个厂家的技术进行优劣比较。
Vemco公司的鱼类声学追踪定位技术是全球行业的标准，希望本文的介绍可以使您对世界先进的鱼类声学追踪技术有所了解。
二、全球该技术应用现状声学遥测技术在发达国家已经有了50多年的应用历史，已经成为鱼类调查的常规手段。
世界上提供该设备的公司很少，目前在全球和中国最为广泛的是加拿大Vemco公司所提供的技术设备，Vemco是全球最著名的声学遥测技术提供商，是当之无愧的世界第一品牌，其技术成为行业的标准。
全球超过20,000多套VR2W 接收机布放于全球各地用于水生动物研究。
三、国内该技术的应用现状在中国，长江水产研究所最早采用世界上最著名的VEMCO公司的鱼类跟踪定位产品，其应用也有20多年的历史。
因此Vemco公司具备国内最广泛的客户群，中国的所有鱼类遥测项目均采用Vemco公司的产品，比如成功用于四大家鱼、中华鲟等诸多鱼类保护项目。
四、技术特点1）实现个体研究，每条鱼具备全球唯一的编码2）69kHz和180kHz发射频率3）探测距离在1km左右，具体要进行实地测试4）有主动跟踪系统VR100和被动接收系统VR2W可以选择，适合各类研究5）可以实现鱼类二维或三维定位研究五、全球著名案例- 海洋跟踪网络(OTN)- 澳大利亚声学跟踪和监测系统(AATAMS)- 南非声学跟踪平台(ATAP)- 太平洋大陆架跟踪项目（POST）- 五大湖观测系统（GLOS）- 佛罗里达州大西洋海岸遥测(FACT)- 大西洋合作遥测（ACT）- 芬迪湾监测鲑鱼的迁徙模式- 新斯科舍沿岸监测鳕鱼的迁徙模式- 英国蒂斯河大坝的鱼道监测- 加州沿岸濒危巨坚鳞鲈监测- 阿拉斯加沿岸鳕鱼栖息地监测- 中国四大家鱼、中华鲟等遥测六、系统组成1）鱼类超声波追踪标记（鱼类声学标记）1.1）180kHz系列声学标记V4、V5和V6三款尺寸型号，其中V4声学超声波追踪标记是全球最小的鱼类超声波标记，水中重量仅仅0.24g，特别适合幼鱼生活史研究。
声纳捕鱼工作原理
声纳捕鱼工作原理声纳捕鱼是一种利用声波传播特性进行鱼类探测和定位的技术。
它通过向水中发送声波信号，并根据声波的反射或折射来获取鱼群的信息，从而实现捕捞的目的。
声纳捕鱼工作原理涉及声波的产生、传播、接收和处理等多个方面，下面将详细介绍声纳捕鱼的工作原理。
一、声波的产生声纳捕鱼中使用的声波通常是由声纳发射器产生的。
声纳发射器会通过电信号激励压电陶瓷晶片发生机械振动，从而产生声波。
这些声波会通过声纳发射器的声波束控制系统发射到水中。
声波的频率和幅度通常根据具体的捕鱼需求进行调整。
二、声波的传播声波一旦进入水中，就会以声速传播。
声速在水中的传播速度通常约为1500米/秒。
声波会在水中以球面扩散的方式传播，同时会遇到水中的各种杂散物体和界面。
当声波遇到物体或界面时，会发生反射、折射和散射等现象。
三、声波的接收声波的接收通常是通过声纳接收器完成的。
声纳接收器会将接收到的声波信号转换成电信号，并通过处理电路进行放大和滤波等处理。
接收到的信号会在显示器上进行实时显示，以便捕捞人员观察鱼群的情况。
四、声波的处理声波处理是声纳捕鱼中非常重要的一个环节。
通过对接收到的声波信号进行处理，可以提取出鱼群的信息。
常用的处理方法包括滤波、增强、频谱分析、目标检测和跟踪等。
这些处理方法可以帮助捕捞人员更好地了解鱼群的分布、数量和运动状态。
五、声纳捕鱼的应用声纳捕鱼技术在渔业中有着广泛的应用。
通过声纳捕鱼，可以有效地提高捕鱼的效率和精度，减少不必要的损失。
声纳捕鱼技术可以帮助捕捞人员准确地定位鱼群的位置，了解鱼群的大小和密度，并根据实时的监测结果进行调整和决策。
这不仅可以提高渔业资源的利用率，还可以减少不必要的对环境的影响。
六、声纳捕鱼的发展趋势随着科技的不断进步，声纳捕鱼技术也在不断发展。
目前，声纳捕鱼技术已经实现了数字化、智能化和网络化等多个方面的创新。
声纳捕鱼设备可以与其他设备和系统进行联动，实现更加智能化的捕鱼操作。
同时，声纳捕鱼技术还在不断优化和改进，以适应不同渔业环境和捕鱼需求的变化。
基于声图像序列的快速目标跟踪算法
（ ｃ ｄｍ ｆ ｌｃ ｏｉ Ｅ ｇ ｅｒ ｇ ａａ Ｕ ｉｅｓｙｏ ｎｉｅｒ ｇＷｕ ａ ｕ ｅ４ ０ ３ ，ｈｎ ） Ａ ａｅ ｙｏ ｅｔ ｎｃ ｎ ｉ ｅ ｎ ，Ｎ ｖｌ ｎｖｒｔ ｆ ｇｎｅ ｎ ， ｈ ｎＨ ｂｉ ３０ ３ Ｃ ｉａ Ｅ ｒ ｎ ｉ ｉ Ｅ ｉ Ａ Ｓ Ｒ Ｔ： ｉ ｉｇａ ｔｅｃａａｔｒｔ ｓｏ ｓｎｒｉａｅｓｃ ｓｌ Ｂ Ｔ ＡＣ Ａ ｍｎ ｔｈ ｈｒｃ ｉ ｉ ｆ ｏ ａ ｍ ｇ ｕｈａ ｗ—ｃｎｒ ｔ ｎ ｔ ｓｙｏ ｊｃ ｖｒ ｓ ｒａ ｙ ｅ ｓｃ ｏ ｏｔ ｓ ａ ｄｉ ｅ ｉ ｆ ｂｅｔ ａｉ ｅｔ ａ ｎ ｎｔ ｏ ｅｇ ｌ
ｉ ａａｙｅ ．Ｓｍ ｌｔ ｎｒｓｌｉｄ ａ ｓｈ ｔｈ ｌ ｒｈ ｒｓｎｅ ｉｐ ｐｒ ａ ａｋｏｊｃ ｉ ｓｎ ｇ ｒ— ｓ ｎ ｚｄ ｉ ｕａ ｏ ｕ ｉ ｔ ａ ｔｅａ ｏ ｔ ｐｅｅ ｔ ｉ ｔ ｓ ａｅ ｎｔ ｃ ｂｅｔｎ ｏａ ｉ ｅｐｅ ｌ ｉ ｅ ｔｎ ｃ ｅ ｔ ｇｉ ｍ ｄｎ ｈ ｃ ｒ ｒ ｍａ
Ｆｉｓ ，ｔ ｓａｌｏ ｔ ｍ ｉｉｅ ｕｓ ｉｎ ｆｌｅ ｄ ａ ｐ ｉｅ ｔ ｒ ｓ ｌ ｎ ｔ ｄ ｔ ｒ ｐｒｃ ｓ ｏ ｒｉ ｒ ｔ ｈｉ ｇ ｒ ｈ ｕｔｌｚ ｓ Ｇａ ｓａ ｉｔｒａｎ ｄａ ｔｖ ｈ ｅ ｈｏｄｉｇ ｍｅｈｏ ｏ ｐ ｅ ｏ ｅ ｓｓ ｎａ ｍａｇ Ｓ ｃ ｎ ｙ， ｉ ｅ． ｅ ｏ ｄｌ ａ
被动声呐信号测试、跟踪方法综述
关键词 失效 ；轮齿折断 ；齿面点蚀 ；齿 面胶合 ；齿面磨损 ；齿 面塑性 变形 中图分 类号 Ｔ １２ １ Ｈ ３． ４ 文 献标识 码 Ａ 文章 编号 １７—６ １（ １）１－ １８０ ６ ３９７一２ ０Ｉ２０４ —１ ０
噪声 分 布 。 Ｓｎｅ膜型 ，Ｓｎｅｙ １７年提 出了 目标机动加速度的一 阶时间相关 ｉｇＦ ｉｇｒ一 ９０ 一 模型 ，即辛格模型。辛格模型用有色噪声来描述 目标的机动加速度 ，它
度可用一输入为 白噪声的一阶时间相关模型来表示 。Ｓ ｇｒ ｉ ｅ￣型多年来一 ｎ 直受到重视，其主要原 因是它采用 了比白噪声更切合实际的有色噪声来 捕 述 目标 的机 动加 速度 。 “ 当前”统计模型 ，我 国学者周宏仁在 ８ 年代初提出了机动 目标 Ｏ “ 当前”统计模型，他指出 ， 在一个确定的战术场合下 ， 更令人关心的 是 目标机动的 “ 当前”统计状态 。机动 目标 “ 当前”统计模型在本质上 仍然是非零均值 时间相关模型 ，其机动加速度 的 “ 当前 ”概率密度用修 正的瑞利分布描述 ，均值 为 “ 当前”加速度的预测值，随机机动加速度 在时间轴上仍符合一阶时间相关过程。 跟踪滤波和预测，跟踪滤波和预测的 目 的是估 计当前和未来时刻目 标的运动状态，包括位 置、速度和加速度等。线性系统基本的跟踪滤波 与预测方法有：线性 自回归滤波 ，两点外推滤波 ，维纳滤波，加权最小 二乘滤波 ，ａｂ — — 滤波，卡尔曼滤波和简化的卡尔曼滤波等。采用 — 与ａｂ ｇ 何种滤波 ，主要取决于事先能掌握多少先验知识。如果能事先掌握动态 噪声和量测误差的统计特性 ，当然要采用估计精度较高的最小方差估计 算法 ，包括维纳滤波 ，ａ ｂ — — 滤波 ，卡尔曼滤波和简化的卡尔曼滤 — 与ａ ｂ ｇ 波。 多 目标数据关联实际上就是解决 阵空间覆盖区域中的重复跟踪问 题 ，而且能区分各个不同的 目 。关联结果的好坏直接影响到系统的正 标 确判决。 多 目标数据关联方法通常有两种：～类是基于统计 的方法 ，另一类 是基于模糊数学 的方法。统 计的方法包括加权法 、独立序贯法、经典分 配法 、广义经典分配法、独立双 门限法、最近邻域法 、 （ 修止 ）Ｋ 近邻 域法等等 。模糊航迹关联算法包括模糊双门限航迹关联算法、模糊综合 函数的航迹关联算法 、 模糊综合评判航迹关联算法等。 当目标 比较稀疏时 ，最近邻域 （ ｅｒｓ Ｎ ｉ ｂ ｒｏｄ）法、加权法 Ｎ ａｅｔ－ｅ ｈ ｏｈｏ ｇ 和修正法相比，加权法处理速度最． 陕，存储与通讯量适中 ，性能 比修正 法略差 ，但明显好于最近邻域法；但在密集 目标环境下和 ／ 或交叉 、 分 叉及机动航迹较多的场合 ，这三种经典方法均不如其他各种方法。序贯 法和双门限法均适用于密集 目标环境下和 ／或交叉 、分又及机动航迹较 多的场合 ，双门限法在计算速度 、关联检验效果上均优于序贯法 ，处理 速度较快 。它们的存储与通讯量相当 ， 它们都要求局部跟踪系统提供状 态估计协方差。双门限法 的缺 就是要事先确定Ｌ ／Ｒ的取值，并且不能 直接推广产生多局部节点情况下 的多维分配算法 。而序贯法则可直接推 广到多局部节点构成 多维分配算法 。从总体上看 ，相关序贯法不如独立 序贯法 ，相关双 门限法也 不如独立双门限法好 。而 （ 修正 ）Ｋ 近邻域法 的处理速度和独立双 门限法接近 ，但明显快于序贯法和相关 门限法 ，并 且存储和通讯量都远低于序贯法和双门限法。它们的性能略羞于双门限 法和独立序贯法，但好于相关序贯法 ，算法的复杂度与双 门限法类似， 需要实现设定Ｋ／Ｎ 参数 ，与序贯法和双门限法相 比， （ 修正 ）Ｋ 近邻域 法最大优点是对局部跟踪系统没有要求 ，修止Ｋ 近邻域法在运算速度和 关联性能上要 比Ｋ 近邻域法稍微好一些 ， 而且算法结构相对简单 ，易于 实现