一种基于水下传感器网络的多目标被动定位方法技术

本发明专利技术属于多传感器融合估计领域，提出了一种基于水下传感器网络的多目标被动定位方法，采用了特征级和决策级信息融合相结合的策略。基于水声传感器网络的多目标探测存在能耗高、定位精度低、时延大等问题，针对这些缺陷，本发明专利技术所提出的算法在单节点阵列进行多目标方位估计，并提取多种目标信号的特征，传输至融合中心进行处理，实时对多目标进行方位估计，并进一步得到位置信息。算法提高多目标位置估计的准确性的同时降低了节点间通讯信息量。因此，本发明专利技术对于解决实际的水下多目标被动定位问题具有重要的现实意义。

A multi-target passive location method based on underwater sensor network

【技术实现步骤摘要】
一种基于水下传感器网络的多目标被动定位方法
本专利技术属于多传感器融合估计领域，尤其涉及一种基于水下传感器网络的多目标被动定位方法。
技术介绍
水下目标探测是海洋监测网和海洋预警系统必不可少的组成部分。在军事上，潜艇等非合作目标严重威胁了我国海洋安全，为了长期持续监测海洋环境，水下传感器网络将成为重要的技术依托。在民用领域，水下传感器网络也可用于水下目标的搜救、智能运输监测、海洋生物探测等。但传统的主动探测方式将消耗较大的能量，不利于水下传感器网的维护，且容易暴露己方位置。而普通的被动探测方案对威胁目标的定位效果较差，且近年来随着消噪技术的发展，潜艇、航行器等非合作目标的噪声级越来越低，出现许多无声潜艇等，增加了被动监听的难度。因此，将水下传感器网络与被动探测方案结合，将能够实时监测较大水域范围，水下无线传感器网络(UnderwaterWirelessSensorNetworks,UWSNs)主要由多个水下传感器节点组成，节点搭载水听器阵列，同时可与水下航行器和水面基站等进行通信。水下节点监听海洋目标水下声学信息，经一定的本地处理后传到融合中心本文档来自技高网...

【技术保护点】
1.一种基于水下传感器网络的多目标被动定位方法，其特征在于，该方法应用于包含多个被动监听节点的水下传感器网络中，每个节点搭载矢量水听器阵列，针对静止目标，将多个单节点的多目标方位估计结果和量测信号特征信息提交中心节点进行多节点信息融合，得到多目标位置估计，从而对水下多目标进行实时定位。/n

【技术特征摘要】
1.一种基于水下传感器网络的多目标被动定位方法，其特征在于，该方法应用于包含多个被动监听节点的水下传感器网络中，每个节点搭载矢量水听器阵列，针对静止目标，将多个单节点的多目标方位估计结果和量测信号特征信息提交中心节点进行多节点信息融合，得到多目标位置估计，从而对水下多目标进行实时定位。


2.根据权利要求1中所述基于水下传感器网络的多目标被动定位方法，其特征在于，对单水听器的量测信号进行傅里叶变换，提取窄带信号并进行信源方位估计作为多目标方位估计结果；在时域上进行能量监测，根据能量比标出能量大于背景噪声平均能量的时间帧，计算该帧内信号过零率作为特征信息，并计算该高频宽带噪声的信源方位估计作为特征信号方位估计；将目标信源及方位估计结果、特征及方位估计结果传入中心节点，在中心节点处，将目标与特征进行关联，对信源方位估计与特征方位估计结果进行融合，得到多目标位置估计结果。


3.根据权利要求2中所述基于水下传感器网络的多目标被动定位方法，其特征在于，窄带的信号信源方位(Directionofarrival,DOA)估计采用盖尔圆算法结合ESPRIT算法；高频宽带噪声DOA估计采用ISM算法估计特征数目及方位角，融合时将目标和特征进行数据关联，得到多目标位置估计结果。


4.根据权利要求3中所述基于水下传感器网络的多目标被动定位方法，其特征在于，具体包含以下几个步骤：
步骤一，建立目标信源模型S并获得节点量测模型P。设置网络中节点数i＝1:N，N为正整数，并设置量测时间序列t。
步骤二，每个处理时段内，利用盖尔圆算法结合ESPRIT算法在每个节点处进行信源数估计，得到结果信源数估计值ki。
步骤三，对节点信号进行傅里叶变换，得到窄带频率f0,i，并进行DOA估计得到空间方位角
步骤四，通过计算能量峰提取特征，得到宽带噪声特征F、聚焦频率fm(m＝1,2…J,J为正整数)及空间方位角
步骤五，将步骤三、四中信息和结果传入中心节点，进行特征及信源的数据关联，并计算得到位置融合估计结果


5.根据权利要求4中所述一种基于水下传感器网络的多目标被动定位方法，其特征在于，所述步骤一中，节点量测模型P描述为：
P(t)＝ΗS(t)+N(t)(1)
其中P(t)＝[p1(t),p2(t),...,pK(t)]T表示量测声压向量，S(t)＝[s1(t),s2(t),...,sK(t)]T表示目标信源向量，N(t)＝[n1(t),n2(t),...,nK(t)]T表示量测噪声向量，H＝[h(θ1),h(θ2),...,h(θK)]表示远场阵列流型，其中，K表示目标信源数，h(θk)表示来向为θk的第k(k＝1,2,…，K)个信源的方向向量，且其中M为阵元数，τm(θk)表示为来自θk方向的信号源投射到第m个阵元时，相对于选定参考点的时延，ω0＝2πf为信号源的频率，t为量测时间序列，j是虚数。


6.根据权利要求4所述基于水下传感器网络的多目标被动定位方法，其特征在于，所述步骤二中，利用盖尔圆算法在第i个节点进行信源数估计得到结果ki具体为：
首先求第i个节点处量测信号协方差矩阵R：
R＝E[P(t)PH(t)](2)
其中，(·)H表示矩阵的转置运算。
对协方差矩阵R作酉变换：
Rσ＝THRT(3)
其中N0为协方差矩阵R的阶数，为的特征向量构成的酉矩阵，为R去除末行末列后构成的子矩阵。
经变换后可得到：



其中：ρ、σ、λ、c均为变换后矩阵元素。
根据盖尔圆定理，信号对应的盖尔圆半径噪声对应的盖尔圆半径ri＝0，则利用盖尔圆半径估计信源数目的准则：



其中ki(M)为调整因子，取值在0～1之间，令k0由小变大，若k0＝kζ时，GDE(k0)第一次出现非正值，则信源数估计值ki＝kζ-1。


7.根据权利要求4所述基于水下传感器网络的多目标被动定位方法，其特征在于，所述步骤三中，具体为：
在第i个节点处，采用ESPRIT算法进行目标信源DOA估计。对节点水听器接收得到的水声信号pk(t)进行傅里叶变换得到频谱，取频谱峰值对应的频率得到窄带频率f＝f0。由步骤一可知，节点处可探测到ki个目标信源，声波信号入射到节点的M(M＞ki)个声矢量水听器上，DOA可表示为其中φk和分别为第k个信源的方位角和俯仰角，声波信号的振速vk(r,t)和声压pk(r,t)可表示为距离r和时间t的函数：

【专利技术属性】
技术研发人员：刘妹琴，田一玮，郑荣濠，张森林，樊臻，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33