弱目标线谱多帧相干检测前跟踪方法

1.涉及被动声呐信号处理目标检测跟踪领域，具体涉及弱目标线谱检测。


背景技术：

2.在水下声信道中，当连续观测线谱足够长的时间时，线谱振幅通常表现出大的周期性波动。造成这种现象的原因有很多。首先，目标辐射噪声的线谱分量主要由机械振动和螺旋桨的周期性旋转产生。这些机械行为的微小变化将导致源辐射能量的不稳定性。其次，在海洋中，特别是在浅水环境中，源和接收器之间的相对运动会导致多径干扰图像的变化，导致线谱振幅出现大周期的缓慢波动。第三，海洋通道中的随机扰动，如表面波、海水中不均匀物体的运动和内波等，会导致接收信号振幅的小周期快速波动。声学信号的波动会导致被动声呐目标检测的不稳定。当接收到的信号较强时，可以容易地检测到目标。但当信号较弱时，探测器会错过真实的目标，甚至会检测到错误的目标。
3.检测前跟踪方法可以改善被动声呐对弱目标的检测性能。例如基于隐马尔科夫模型和基于粒子滤波检测前跟踪方法已经广泛地应用，相比于隐马尔科夫模型，粒子滤波检测前跟踪方法不受网格的限制，可以对目标的频率进行更精确的估计，更重要的是其可以实现同时对多根线谱的检测跟踪，而不需要从谱图中顺次剔除已检测到的线谱后实现多次检测多根线谱。但是目前已有的针对线谱的粒子滤波检测前跟踪方法，仅仅利用了目标线谱离散傅里叶变换(dft)后单帧或多帧的幅度谱信息，忽略了相位信息，这在目标幅度有大幅度波动的情况下，总会产生不连续不稳定的跟踪结果，造成大量漏检。


技术实现要素：

4.为解决现有技术中存在的，目前已有的针对线谱的粒子滤波检测前跟踪方法，仅仅利用了目标线谱离散傅里叶变换(dft)后单帧或多帧的幅度谱信息，忽略了相位信息，这在目标幅度有大幅度波动的情况下，总会产生不连续不稳定的跟踪结果，造成大量漏检的技术问题，本发明提供的技术方案为：
5.弱目标线谱多帧相干检测前判断模型构建方法，所述方法包括：
6.采集被动声呐接收的数据，并得到相干性量测计算值的步骤；
7.采集目标线谱的存在状态的步骤；
8.根据所述计算值和状态，建立多帧相干积分量测方程的步骤；
9.根据所述量测方程，得到满足预设条件的多帧相干似然比函数，作为模型函数的步骤。
10.进一步，提供一个优选实施方式，所述相干性测量计算值具体根据分段并经过傅里叶变换后的所述数据得到。
11.进一步，提供一个优选实施方式，所述存在状态具体根据所述目标线谱随时间变化的状态方程得到。
12.进一步，提供一个优选实施方式，所述多帧相干积分量测方程具体基于批处理方
法建立。
13.进一步，提供一个优选实施方式，所述预设条件具体为：在低信噪比下能够有效判决目标存在状态的似然比函数。
14.基于同一发明构思，本发明还提供了弱目标线谱多帧相干检测前判断模型构建装置，所述装置包括：
15.采集被动声呐接收的数据，并得到相干性量测计算值的模块；
16.采集目标线谱的存在状态的模块；
17.根据所述计算值和状态，建立多帧相干积分量测方程的模块；
18.根据所述量测方程，得到满足预设条件的多帧相干似然比函数，作为模型函数的模块。
19.基于同一发明构思，本发明还提供了弱目标线谱多帧相干检测前跟踪方法，所述方法包括：
20.基于所述的方法建立的模型，根据目标状态判断目标线谱是否存在的步骤。
21.基于同一发明构思，本发明还提供了弱目标线谱多帧相干检测前跟踪装置，所述装置包括：
22.基于所述的装置建立的模型，根据目标状态判断目标线谱是否存在的模块。
23.基于同一发明构思，本发明还提供了计算机储存介质，用于储存计算机程序，其特征在于，当所述计算机程序被计算机读取时，所述计算机执行所述的方法。
24.基于同一发明构思，本发明还提供了计算机，包括处理器和储存介质，其特征在于，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行所述的方法。
25.与现有技术相比，本发明提供的技术方案的有益之处在于：
26.本发明提供的弱目标线谱多帧相干检测前跟踪方法，利用多帧信息的相干融合，较单帧检测前跟踪方法能够提高目标信噪比，减弱目标幅度起伏的影响，可有效提高线谱检测能力。
27.本发明提供的弱目标线谱多帧相干检测前跟踪方法，可以同时检测跟踪多根线谱，避免传统方法的组合爆炸问题。
28.本发明提供的弱目标线谱多帧相干检测前跟踪方法，在时变海洋信道下进行幅度波动的弱目标检测时，利用多帧数据的幅度和相位信息，建立多帧相干的检测前跟踪方法的动态模型和量测模型，通过多帧信息的相干融合提高目标信噪比，从而提高对幅度波动目标的检测跟踪性能。
29.本发明提供的弱目标线谱多帧相干检测前跟踪方法，无需目标先验信息，简单易行，可应用于大部分声呐设备上。
附图说明
30.图1为实施方式十一提到的批处理示意图；
31.图2为实施方式十一提到的弱目标线谱多帧相干检测前跟踪方法的流程示意图；
32.图3为实施方式十一提到的两种方法得到的接收信号lofar示意图；
33.图4为图3的线谱检测跟踪结果对比示意图。
具体实施方式
34.为使本发明提供的技术方案的优点和有益之处体现得更清楚，现结合附图对本发明提供的技术方案进行进一步详细地描述，具体的：
35.实施方式一、本实施方式提供了弱目标线谱多帧相干检测前判断模型构建方法，所述方法包括：
36.采集被动声呐接收的数据，并得到相干性量测计算值的步骤；
37.采集目标线谱的存在状态的步骤；
38.根据所述计算值和状态，建立多帧相干积分量测方程的步骤；
39.根据所述量测方程，得到满足预设条件的多帧相干似然比函数，作为模型函数的步骤。
40.实施方式二、本实施方式是对实施方式一提供的弱目标线谱多帧相干检测前判断模型构建方法的进一步限定，所述相干性测量计算值具体根据分段并经过傅里叶变换后的所述数据得到。
41.具体的：
42.首先将被动声呐观测数据进行分段，则第k段数据xk(n)可以表示为：
43.xk(n)＝sk(n)+gk(n)
44.＝a
k cos[2πf0(n+km)]+gk(n)
[0045]
n＝0,1,...,m-1；k＝0,1,...,k-1；
[0046]
其中sk(n)代表第k段数据中感兴趣的信号部分，即幅度为ak，频率为f0的正弦信号；gk(n)代表第k段数据中的噪声部分；n代表离散采样点序号，m代表每段数据的采样点数；k代表分段序号，k表示数据的总段(帧)数。若仅考虑正频率值，xk(n)的m点dft结果yk(l)可以写为：
[0047][0048]
其中，l代表离散频率单元序号，gk(l)代表第k段数据中的噪声部分gk(n)的m点dft结果，j表示虚数单位。
[0049]
对多帧数据的dft结果在每个离散频率单元内沿时刻进行dft变换后取模并平方，取每个离散频率单元l内结果的最大值作为量测计算值z
κ
(l)，即实现了多帧数据的相干积分。
[0050]
实施方式三、本实施方式是对实施方式一提供的弱目标线谱多帧相干检测前判断模型构建方法的进一步限定，所述存在状态具体根据所述目标线谱随时间变化的状态方程得到。
[0051]
具体的，
[0052]
定义k时刻的状态向量为xk＝[fk,ak]
t
，fk和ak分别是目标的幅度和频率，则mfc-tbd方法的动态模型可建立为：
[0053]
x
k+1
＝xk+vk；
[0054]
其中vk＝[qf,qa]
t
,k＝1,2,...,k，qf和qa分别是频率和幅度的随机过程噪声。
[0055]
目标存在指示变量ek服从两状态的马尔可夫过程，即ek＝1代表目标存在，ek＝0代表目标不存在，则概率转移矩阵可定义为：
[0056][0057]
其中pb代表目标出生概率，pd代表目标死亡概率。
[0058]
实施方式四、本实施方式是对实施方式一提供的弱目标线谱多帧相干检测前判断模型构建方法的进一步限定，所述多帧相干积分量测方程具体基于批处理方法建立。
[0059]
具体的，
[0060]
让h(
·
)表示被动声呐获得的测量值与目标状态之间的非线性函数，则mfc-tbd方法的量测模型可建立：
[0061][0062]
其中，gk是随机量测噪声。如果k时刻存在目标，则量测完全由目标和随机噪声决定。相反，如果k时刻没有目标，则量测仅反映噪声的特性。利用两种情况下量测的统计特征的差异，我们可以从量测中推断出目标状态(包括是否存在)。
[0063]
在mfc-tbd方法中，h(
·
)由多帧相干积分过程决定，其具体阐述如下：
[0064]
将w个时刻(帧)的dft结果合并为一个批，每次批向前移动一帧，假设每个批内的线谱频率和幅度都不变，则第κ批可定义为：
[0065][0066]
利用批内信号的相位是相干的，而噪声的相位是随机的特性，对批内的多个数据帧的dft谱值再沿时刻进行dft后取其模平方的最大值可得到多帧相干积分结果，则mfc-tbd方法的量测预测值可定义为：
[0067][0068]
其中q代表沿时刻进行dft后的离散频率单元序号。的表达式如下：
[0069][0070]
实施方式五、本实施方式是对实施方式一提供的弱目标线谱多帧相干检测前判断模型构建方法的进一步限定，所述预设条件具体为：在低信噪比下能够有效判决目标存在状态的似然比函数。
[0071]
根据多帧相干积分过程分别推导当ek＝0和ek＝1时，量测值z
κ
(l)的概率分布：
[0072][0073][0074][0075][0076]
其中i0(
·
)代表第一类修正的贝塞尔函数。p(x)和的表达式如下：
[0077][0078][0079]
因此似然比函数可写为：
[0080][0081]
粒子滤波器方法通过蒙特卡洛模拟提供了一种有效的递归tbd滤波解决方案，结合步骤一得到的多帧相干积分的量测值和步骤二到四建立的多帧相干检测前跟踪模型，使m个粒子滤波器在m个离散频率单元中并行工作，从而得到多个目标线谱的存在概率估计结果。
[0082]
实施方式六、本实施方式提供了弱目标线谱多帧相干检测前判断模型构建装置，所述装置包括：
[0083]
采集被动声呐接收的数据，并得到相干性量测计算值的模块；
[0084]
采集目标线谱的存在状态的模块；
[0085]
根据所述计算值和状态，建立多帧相干积分量测方程的模块；
[0086]
根据所述量测方程，得到满足预设条件的多帧相干似然比函数，作为模型函数的模块。
[0087]
实施方式七、本实施方式提供了弱目标线谱多帧相干检测前跟踪方法，所述方法包括：
[0088]
基于实施方式一提供的方法建立的模型，根据目标状态判断目标线谱是否存在的步骤。
[0089]
具体的，
[0090]
通过将接收到的水听器时域信号进行分帧处理，通过对多帧信号进行相干积分，
利用量测统计特征存在的差异实现幅度起伏波动的弱目标检测前跟踪，提高目标信噪比，减少漏报，减弱目标幅度起伏的影响，可有效提高线谱检测能力。即首先建立多帧相干检测前跟踪(multi-frame coherent track-before-detect,mfc-tbd)方法的状态模型，使目标状态向量包含目标存在指示变量；然后基于批处理技术根据状态模型与多帧数据相干积分过程建立多帧相干积分量测方程；根据建立的量测方程推导可判决目标存在状态的基于多帧相干积分的似然比函数；然后将状态模型、量测方程、似然比函数代入粒子滤波迭代算法中得到目标的状态和存在概率估计结果，依据目标的状态和存在概率估计结果判断目标线谱是否存在。
[0091]
具体步骤包括：
[0092]
步骤一：对被动声呐接收数据分段后进行离散傅里叶变换(dft)，对多段(或多帧)数据的dft结果进行相干积分得到量测计算值；
[0093]
步骤二：建立目标线谱状态(包含频率和幅度)随时间变化的状态方程，并通过目标存在指示变量描述目标存在状态；
[0094]
步骤三：基于批处理技术，根据步骤二中目标状态向量的定义方式和步骤一中分析得到的多帧数据中信号相位的相干性建立多帧相干积分量测方程；
[0095]
步骤四：根据步骤三中建立的量测方程，推导在低信噪比下可更有效判决目标存在状态的基于多帧相干积分的似然比函数；
[0096]
步骤五：结合步骤一得到的多帧相干积分的量测值和步骤二到四建立的多帧相干检测前跟踪模型，利用粒子滤波迭代算法，得到目标的状态和存在概率估计结果，依据目标的状态和存在概率估计结果判断目标线谱是否存在。
[0097]
其中，
[0098]
对被动声呐接收数据分段后进行dft变换，对多帧数据的dft结果在每个离散频率单元内沿时刻进行dft变换后取模并平方，取每个离散频率单元l内结果的最大值作为量测计算值z
κ
(l)，即实现了多帧数据的相干积分。
[0099]
目标线谱的状态向量定义为xk＝[fk,ak]，fk和ak分别是目标的频率和幅度。定义目标存在指示变量ek服从两状态的马尔可夫过程，即ek＝1代表目标存在，ek＝0代表目标不存在。则目标线谱变化的状态方程可建立为：
[0100]
x
k+1
＝xk+vk；
[0101]
其中vk＝[qf,qa]
t
,k＝1,2,...,k，qf和qa分别是频率和幅度的随机过程噪声。
[0102]
目标存在指示变量ek服从两状态的马尔可夫过程，即ek＝1代表目标存在，ek＝0代表目标不存在，则概率转移矩阵可定义为：
[0103][0104]
其中pb代表目标出生概率，pd代表目标死亡概率。
[0105]
建立多帧相干积分量测方程：
[0106]
[0107]
其中，h(
·
)表示被动声呐获得的量测值与目标状态之间的非线性函数，gk是随机量测噪声，方差为σ2，xk代表第k时刻的接收信号。
[0108]
如果k时刻存在目标，则量测完全由目标和随机噪声决定。相反，如果k时刻没有目标，则量测仅反映噪声的特性。利用两种情况下量测的统计特征的差异，我们可以从量测中推断出目标状态(包括是否存在)。
[0109]
在mfc-tbd方法中，h(
·
)由多帧相干积分过程决定，其具体阐述如下：
[0110]
首先将观测信号进行分段，每段信号包含m个采样点，则第k段信号可以表示为：
[0111]
xk(n)＝sk(n)+gk(n)
[0112]
＝a
k cos[2πf0(n+km)]+gk(n)
[0113]
n＝0,1,...,m-1；k＝0,1,...,k-1；
[0114]
其中k表示数据的总帧数。当对信号进行离散傅立叶变换(dft)分析时，由于数据分析长度的限制，经常会出现泄漏效应。定义最接近真实线谱频率f0的dft离散单元为l0。若仅考虑正频率值，xk(n)的m点dft结果可以写为
[0115][0116]
h(
·
)由多帧相干积分过程决定：将k时刻接收信号xk的m点dft结果记作yk(l)，其中l代表离散频率单元序号。则w个时刻(帧)的dft结果合并为一个批，每次批向前移动一帧，则第κ批可定义为：
[0117][0118]
对于批内的多个数据帧的dft结果y
κ
(l),...,y
κ+w-1
(l)，将每个l对应的dft谱值再沿时刻进行dft后取其模平方的最大值可得到多帧相干积分结果，即κ时刻的量测预测结果：
[0119][0120]
其中q代表沿时刻进行dft后的离散频率单元序号。
[0121]
根据建立的量测方程分别推导在目标存在和不存在的条件下的似然函数，两者相除得到基于多帧相干积分的似然比函数l(z
κ
(l)|x
κ
,e
κ
)，表示为：
[0122][0123]
其中p(x)的表达式为其中p(x)的表达式为的表达式为
i0(
·
)代表第一类修正的贝塞尔函数。
[0124]
结合步骤一得到的多帧相干积分的量测值和步骤二到四建立的多帧相干检测前跟踪模型，使m个粒子滤波器在m个离散频率单元中并行工作，从而得到多个目标线谱的存在概率估计结果。
[0125]
实施方式八、本实施方式提供了弱目标线谱多帧相干检测前跟踪装置，所述装置包括：
[0126]
基于实施方式六提供的装置建立的模型，根据目标状态判断目标线谱是否存在的模块。
[0127]
实施方式九、本实施方式提供了计算机储存介质，用于储存计算机程序，当所述计算机程序被计算机读取时，所述计算机执行实施方式一至五任意一项提供的方法。
[0128]
实施方式十、本实施方式提供了计算机，包括处理器和储存介质，其特征在于，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行实施方式一至五任意一项提供的方法。
[0129]
实施方式十一、结合图1-4说明本实施方式，本实施方式是为实施方式七提供的方法提供一个优选实施方式，具体的：
[0130]
步骤1：首先将被动声呐观测数据进行分段，则第k段数据xk(n)可以表示为：
[0131]
xk(n)＝sk(n)+gk(n)
[0132]
＝a
k cos[2πf0(n+km)]+gk(n)
[0133]
n＝0,1,...,m-1；k＝0,1,...,k-1；
[0134]
其中sk(n)代表第k段数据中感兴趣的信号部分，即幅度为ak，频率为f0的正弦信号；gk(n)代表第k段数据中的加性白噪声部分，其服从均值为0方差为σ2的高斯分布；n代表离散采样点序号，m代表每段数据的采样点数；k代表分段序号，k表示数据的总段(帧)数。
[0135]
对信号进行dft分析，仅考虑正频率值，xk(n)的m点dft结果记作y
κ
(l)，l代表离散频率单元序号，
[0136]
步骤2：基于批处理技术，对多帧数据的dft结果进行相干积分。如图1所示，将w个时刻(帧)的dft结果合并为一个批，每次批向前移动一帧，假设每个批内的线谱频率和幅度都不变，则第κ批可定义为：
[0137][0138]
利用批内信号的相位是相干的，而噪声的相位是随机的特性，对批内的多个数据帧的dft谱值再沿时刻进行dft后取其模平方的最大值可得到多帧相干积分结果，则mfc-tbd方法的量测预测值可定义为：
[0139][0140]
其中q代表沿时刻进行dft后的离散频率单元序号。的表达式如下：
[0141]
[0142][0143]
步骤3：通过步骤2的多帧相干积分过程推导得到似然比函数。
[0144]
步骤4：将上述得到的多帧相干积分的量测值输入粒子滤波器中，得到目标状态的估计值。具体实现方式为：粒子滤波器的状态模型为和量测模型为mfc-tbd方法的量测模型，以及似然比函数。使m个粒子滤波器在m个离散频率单元中协同工作，通过结合每个离散频率单元的频率估计值和目标存在概率估计值，最终我们可以得到每根线谱的检测跟踪结果。
[0145]
图3是分别利用单帧图3(a)和多帧图3(b)相干积分方法得到的lofar图，从图中可以明显看到，目标线谱频率为100hz，目标在由远及近的过程中，接收信号幅度逐渐增大，目标线谱由一开始被噪声所淹没，到后来随着时间的增长信噪比逐渐增大；从图中可以明显看到多帧相干积分方法改善了目标线谱的信噪比，可以更早地发现信号。
[0146]
图4是对图3中的lofar图进行检测跟踪的结果，展示的是目标线谱的存在概率，色棒范围为0到1；从图中可以看到本实施方式中的mfc-tbd方法可以在1000s左右发现目标，但是sf-tbd方法发现目标较晚，大约在2000s左右，且估计的线谱存在概率呈现出不连续的现象；由此可以得出结论：本发明的mfc-tbd方法通过对多帧数据进行相干积分，提高了目标信噪比，获得了更优更稳健的目标检测跟踪结果。
[0147]
以上通过几个具体实施方式对本发明提供的技术方案进行进一步详细地描述，是为了突出本发明提供的技术方案的优点和有益之处，不过以上所述的几个具体实施方式并不用于作为对本发明的限制，任何基于本发明的精神和原则范围内的，对本发明的合理修改和改进、实施方式的组合和等同替换等，均应当包含在本发明的保护范围之内。
[0148]
在本说明书的描述中，仅为本发明的较佳实施例，不能以此限定本发明之权利范围；另外，参考术语“一个实施方式”、“一些实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使
用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0149]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

技术特征：
1.弱目标线谱多帧相干检测前判断模型构建方法，其特征在于，所述方法包括：采集被动声呐接收的数据，并得到相干性量测计算值的步骤；采集目标线谱的存在状态的步骤；根据所述计算值和状态，建立多帧相干积分量测方程的步骤；根据所述量测方程，得到满足预设条件的多帧相干似然比函数，作为模型函数的步骤。2.根据权利要求1所述的弱目标线谱多帧相干检测前判断模型构建方法，其特征在于，所述相干性测量计算值具体根据分段并经过傅里叶变换后的所述数据得到。3.根据权利要求1所述的弱目标线谱多帧相干检测前判断模型构建方法，其特征在于，所述存在状态具体根据所述目标线谱随时间变化的状态方程得到。4.根据权利要求1所述的弱目标线谱多帧相干检测前判断模型构建方法，其特征在于，所述多帧相干积分量测方程具体基于批处理方法建立。5.根据权利要求1所述的弱目标线谱多帧相干检测前判断模型构建方法，其特征在于，所述预设条件具体为：在低信噪比下能够有效判决目标存在状态的似然比函数。6.弱目标线谱多帧相干检测前判断模型构建装置，其特征在于，所述装置包括：采集被动声呐接收的数据，并得到相干性量测计算值的模块；采集目标线谱的存在状态的模块；根据所述计算值和状态，建立多帧相干积分量测方程的模块；根据所述量测方程，得到满足预设条件的多帧相干似然比函数，作为模型函数的模块。7.弱目标线谱多帧相干检测前跟踪方法，其特征在于，所述方法包括：基于权利要求1所述的方法建立的模型，根据目标状态判断目标线谱是否存在的步骤。8.弱目标线谱多帧相干检测前跟踪装置，其特征在于，所述装置包括：基于权利要求6所述的装置建立的模型，根据目标状态判断目标线谱是否存在的模块。9.计算机储存介质，用于储存计算机程序，其特征在于，当所述计算机程序被计算机读取时，所述计算机执行权利要求1-5任意一项所述的方法。10.计算机，包括处理器和储存介质，其特征在于，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行权利要求1-5任意一项所述的方法。

技术总结
弱目标线谱多帧相干检测前跟踪方法，公开了一种基于多帧相干积分的弱目标线谱检测前跟踪方法。步骤1：对被动声呐接收数据进行多帧相干积分，得到量测计算值；步骤2：建立包含有目标存在指示变量的状态方程；步骤3：根据多帧数据中信号相位的相干性建立多帧相干积分量测方程；步骤4：推导与量测方程相匹配的基于多帧相干积分的似然比函数；步骤5：结合步骤1的量测计算值和步骤2到4建立的多帧相干检测前跟踪模型，利用粒子滤波迭代算法得到更稳健的目标线谱检测跟踪结果。本发明针对动态时变海洋声信道中，接收信号幅度波动导致的单帧检测前跟踪方法易产生大量漏报的问题。可应用于大部分声呐设备上。部分声呐设备上。部分声呐设备上。


技术研发人员：朴胜春 张柳 郭俊媛 张明辉 陈丽洁
受保护的技术使用者：哈尔滨工程大学
技术研发日：2023.06.25
技术公布日：2023/9/13