基于合成时空谱的多目标运动分析

　　传统的目标运动分析以方位或方位、频率的测量值作为算法输入[1,2],当信噪比较低,或测量序列中有异常点和不连续点时,性能会严重下降.基于合成时空谱的目标运动分析方法[3,4]直接以水听器信号作为算法输入,利用长时间合成的时空谱完成目标检测、定位、跟踪和运动分析的一体化处理.由于时空谱的合成是动态的,积分时间不受限制,提高了对弱目标的检测和定位性能.对于单频窄带信号,合成的时空谱是单峰的,目标参数的估计可通过网格法、牛顿迭代法或普通的遗传算法获得.但对于实际的声纳信号,一方面有可能存在多个目标,另一方面由于噪声和干扰的影响,合成的时空谱具有多峰性.为了避免谱峰搜索时陷入局部最优解,采用上述方法估计目标参数时,需要一定的频率先验信息,这限制了算法的适用范围.利用遗传算法的小生境技术[5],可以在一定频率范围内,自动实现合成时空谱的多峰搜索,既提高了单目标定位的可靠性,又可实现多目标的检测、定位、跟踪和运动分析一体化处理,同时还避免了多目标跟踪中的数据关联、轨迹交叉等信号处理难点,提高了算法的适用性.本文首先介绍基于合成时空谱的目标运动分析方法的原理,然后将该方法推广到多目标,研究采用遗传算法小生境技术实现多目标的轨迹参数估计,最后给出仿真结果.

　　1 时空谱合成目标运动分析方法

　　假定目标作匀速直线运动,接收基阵为线列阵,接收信号具有窄带线状谱,则整个观测时间内接收信号的合成时空谱为

　　bk为水听器信号的二维傅立叶变换.其中,wh,wf分别为空间、时间窗函数;Hk(m,n)为k时刻水听器收到的信号;fk,Bk分别为k时刻的信号频率和目标方位;fs为采样频率;d为基元间距;M为基元数;c为水中声速;/*0表示取共轭. Bk(fk,cosBk)为k时刻的信号短时功率谱(1≤k≤K);K为总的观测时间段;p=(ri,Bi,rf,Bf,f0)为目标参数矢量,其中,ri,Bi表示起始的目标距离和方位;rf,Bf表示终止的目标距离和方位;f0为静止声源的信号频率.目标运动时信号频率、方位与p之间的关系为

　　式中,(x0,y0)为目标起始时刻的位置;(xf,yf)为目标终止时刻的位置;(xk,yk)为第k时刻的目标位置;rk为第k时刻的目标距离;(vx,vy)为目标的2个速度分量;tK为总的观测时间.

　　基于时空谱合成的目标运动分析方法,通过合成谱谱峰的搜索实现目标运动参数的估计.时空谱合成过程中信号能量的非相干积累提高了对弱目标的检测和定位能力.对于单目标单频窄带信号,合成的时空谱是单峰的;对于多目标或存在噪声和干扰时,合成的时空谱具有多峰性,利用遗传算法的小生境技术,可以实现多峰时空谱的优化,同时完成多个目标的检测、定位、跟踪和运动分析.由于每一个目标的轨迹作为一个整体处理,不存在交叉后目标丢失的问题.