一种基于神经网络的声呐目标跟踪方法及系统技术方案

本发明专利技术涉及一种基于神经网络的声呐目标跟踪方法及系统，包括以下步骤，S1、阵列接收信号经波束形成得到方位历程图，通过自动能量阈值检测确定目标跟踪起始点，用粒子滤波法或最大值跟踪法、卡尔曼滤波法等其他除神经网络方法之外的跟踪方法进行跟踪，标注目标轨迹连续时的波束位置；S2、根据跟踪到的目标所在波束位置确定训练神经网络的目标样本和非目标样本采集范围并提取相应的波束域功率谱，当采集完提前设定好的样本数量之后，将样本输入深度神经网络进行训练。本发明专利技术将神经网络技术应用于低频探测声呐信号跟踪，能够有效解决多目标轨迹交叉下的跟踪问题。

【技术实现步骤摘要】

：本专利技术属于声信号处理，具体涉及一种基于神经网络的声呐目标跟踪方法及系统。

技术介绍

0、
技术介绍
：

1、声信号作为海洋中唯一可有效远距离传播的信号形式,是反潜作战中必不可少的技术手段。现代海军依赖声呐系统进行水下作战，在反潜防卫系统中,声呐目标跟踪效果直接影响到作战决策和敌我识别的精准度。

2、目前，基于声呐信号的跟踪方法可以分为基于滤波的算法和数据关联算法。卡尔曼滤波是最常见的目标跟踪算法，通过建立一个动态系统模型来预测目标的状态，并通过观测数据进行校正。然而，这种方法通常假设目标的运动是线性的，难以适应复杂运动情况。粒子滤波方法通过采样和加权的方式，能够解决非线性跟踪问题，适合于更复杂的场景，但当目标数量增多、在目标交叉或遮挡的情况下，可能会出现较大的跟踪误差。数据关联方法应用于多目标跟踪任务，通过分析不同时间点的观测数据，以实现轨迹与观测点的关联匹配。该方法通常依赖于距离度量、运动模型以及先验知识来进行目标身份识别，但在目标互接近或轨迹交叉时，容易导致目标身份的误判和跟踪丢失，且在实际应用中，常面临先验信息不足的问题。<本文档来自技高网...

【技术保护点】

1.一种基于神经网络的声呐目标跟踪方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述S1具体包括以下过程：

3.根据权利要求1所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述S2具体包括以下过程：

4.根据权利要求3所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述S3具体包括以下过程：

5.根据权利要求1所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述S4具体包括以下过程：

6.根据权利要求4所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述S3.1中...

【技术特征摘要】

1.一种基于神经网络的声呐目标跟踪方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述s1具体包括以下过程：

3.根据权利要求1所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述s2具体包括以下过程：

4.根据权利要求3所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述s3具体包括以下过程：

5.根据权利要求1所述的基于神经网络的声呐目标跟踪方法，其特征在于：所述s4具体包括以下过程：

6.根据权利要求4所述的基于神经网络的声呐目标跟踪方法，其...

【专利技术属性】
技术研发人员：王鲁军，王佳囡，王卓然，陈浩，
申请(专利权)人：中国船舶集团有限公司第七一五研究所，
类型：发明
国别省市：