水下航行器多目標(biāo)檢測技術(shù)研究.pdf

1、多目標(biāo)檢測在參數(shù)估計、系統(tǒng)建模、目標(biāo)識別等許多方面都發(fā)揮著重要的作用，在眾多的應(yīng)用領(lǐng)域也有很強的工程應(yīng)用前景，尤其對于水下航行器遠(yuǎn)程探測自導(dǎo)系統(tǒng)是迫切希望能有所突破的一項關(guān)鍵技術(shù)。本文在國家安全重大基礎(chǔ)研究項目的資助下，對多目標(biāo)檢測方法進行了深入的研究，并且通過西工大水池試驗和×××湖上試驗對本文提出的多目標(biāo)檢測方法進行了試驗驗證。本文的主要研究工作及研究成果如下： 1、論述了窄帶信號模型白噪聲背景下多目標(biāo)檢測方法的理論，給出了

2、4種典型檢測方法RAIC、EIT、MEGM、GDE的理論及算法實現(xiàn)。逐一分析了均勻線列陣情況下各方法的檢測性能以及信號入射角度、快拍數(shù)、陣元數(shù)等參數(shù)的選取對其檢測性能的影響，并與ET、EDC、AIC等多目標(biāo)檢測算法進行了比較。結(jié)果表明：多個目標(biāo)源夾角越大，快拍數(shù)越多，陣元個數(shù)越多，各算法的檢測性能越好，可工作的信噪比越低，相同信噪比下的正確概率越高，另外還給出了較完整的多目標(biāo)檢測性能評估指標(biāo)。針對基于特征值梯度的EGMs類算法均有高虛警

3、概率的風(fēng)險，本文對算法進行了修正，修正后算法的虛警概率可以控制在給定的水平，而正確檢測概率幾乎不受影響。對比分析了上述7種方法的檢測性能，對它們的正確檢測概率和統(tǒng)計性能進行了大量的計算機仿真，并根據(jù)仿真結(jié)果對它們的性能做出了評估?？臻g有色噪聲背景下，除GDE算法外上述其它算法需要比較高的信噪比才能正確檢測到目標(biāo)，利用特征值修正算法改善了上述算法在低信噪比下的正確檢測性能，但其性能要受到噪聲相關(guān)系數(shù)的影響。 2、研究了寬帶多目標(biāo)檢

4、測陣列信號處理的典型算法一相干信號子空間算法(CSM：Coherent Signal Subspace Method)。CSM以窄帶處理算法為基礎(chǔ)，其性能受到不同的聚焦矩陣和聚焦頻率的影響，在20元非均勻線列陣、限帶白噪聲的背景下，計算機仿真結(jié)果表明，TCT聚焦的效果相對較好，但其計算量大。選取窄帶信噪比最大的頻率為聚焦頻率的效果相對最優(yōu)。結(jié)合實際情況，詳細(xì)分析了寬帶陣列處理方法與窄帶陣列處理方法的各自特點，并對寬帶聚焦算法的參數(shù)選擇進

5、行了討論。 3、在理論分析研究的基礎(chǔ)上，結(jié)合均勻線列陣水池試驗系統(tǒng)和非均勻線列陣湖上試驗系統(tǒng)開展了大量的試驗研究。針對在利用水池試驗數(shù)據(jù)分析中由于陣列誤差和環(huán)境噪聲的影響使上述多目標(biāo)檢測算法在高信噪比下性能下降的問題，本文提出了對角加載修正算法改善了算法的性能。對莫干湖試驗數(shù)據(jù)進行了大量的分析，選取此條件下的最優(yōu)參數(shù)設(shè)置和處理方法，利用多目標(biāo)檢測處理軟件對×××試驗中的數(shù)據(jù)進行實時分析?！痢痢猎囼炛猩鲜鯮AIC方法可以正確檢測