舰船科学技术  2022, Vol. 44 Issue (1): 142-145    DOI: 10.3404/j.issn.1672-7649.2022.01.027   PDF    
近距配置声呐方位门关联分析
许林周, 夏志军, 付留芳     
海军大连舰艇学院 信息作战系,辽宁 大连 116018
摘要: 由于空间分辨率低,两声呐纯方位目标关联存在关联模糊性,从而产生虚假目标(幻影)。当两声呐配置距离较近时,利用两声呐同目标的方位相似性,提出方位门快速关联,消除关联的模糊性,分析配置距离和目标方位对关联门的影响,提供目标早期接触跟踪关联方法。随着跟踪的进行,在具有初步的距离范围信息的情况下,提出距离范围方位门关联方法,提供目标接近态势下的目标关联。计算机仿真说明这2种方法的有效性。
关键词: 纯方位关联     声呐目标关联     近距离配置     方位门关联    
Research on bearing-door association with sonars deployed shorter distance
XU Lin-zhou, XIA Zhi-jun, FU Liu-fang     
Department of Underwater Weaponry and Chemical Defense, Dalian Naval Academy, Dalian 116018, China
Abstract: Bearing-only association with two sonar systems, produces the false target (ghost), because the association ambiguity due to no distance information. Based on the bearing similarity in different sonar system for same target, bearing-door association method is proposed when two sonar systems are deployed in shorter distance. The size of bearing-door is analysis with several parameters such as sonar detection distance, systems base line length and the bearing of target. Bearing-door association method with target distance bound information is also discussed. Computer simulations show that proposed methods is validity for shorter distance deployment sonar systems.
Key words: bearing-only association     sonar target association     deployment shorter distance     bearing-door association    
0 引 言

近距配置声呐纯方位探测可应用在单平台隐蔽探测目标,也可应用于狭水道下的水雷阵等,具有重要的应用。在多传感器纯方位目标数据关联中,由于信息量少,空间分辨率低,可用的方法不多,较为著名的有多维分配法[1-2],但该方法只能用于3个以上传感器组成的纯方位测量系统中,并且实现较为复杂,计算量大。对于两站纯方位定位,修建娟等[3]利用方位关联假设得到初始的目标位置假设,再在后续的滤波中计算这些假设的概率,并进行概率加权融合,本质上是利用了目标的运动假设信息,当目标机动时,该方法的有效性需要进一步讨论。其他的方法主要是利用信号的某些特征进行关联,如信号能量[4]、特征门限[5]、D-S证据理论组合[6],为了获取这些特征,需要更多的硬件和信号处理的投入。另外可以使用或利用概率数据互联的方法[7],在多假设下跟踪,并计算互联概率,确定关联事件。而对于近距离配置的两声呐,可以根据实时的海上水文条件,估计出传感器的探测范围,根据这一重要的先验信息和两声呐近距离配置的特点,本文提出方位门关联方法。该方法可与其他方法结合,减小关联概率计算量。

1 方位门关联方法

方位门关联方法是当声呐探测到目标时,利用单平台2部声呐间距近、观测同一目标的方位接近、方位变化规律一致的特点规律,以其中1部声呐发现的目标方位为基准,设置一个方位门,与另1部声呐发现的目标进行关联的方法。方位门关联方法原理简单、便于实现、关联计算快,更好地实现目标预警的快速目标关联,缩短系统反应时间。

1.1 方位门门限的确定

方位门首先需要确定方位门的门限,即方位门的上下限。

下面推导方位门门限的计算方法,这里所有的角度都以顺时针为正,逆时针为负。

以声呐1作为声呐数据关联中的主传感器,对于选定的高威目标,首先假设目标的距离大于声呐1的作用距离。在该假设下,确定另1部声呐的方位门限,如图1所示,假设目标T刚好在传感器1的作用距离上,即 $ AT $ =传感器作用距离 $ La $ 。两声呐之间的基线为 $ Ls $ ,设声呐1和声呐2的测角误差分别为 $ {\sigma _{s1}} $ $ {\sigma _{s2}} $ ,则方位门即为声呐2测量该目标的方位范围。设目标方位线AT与声呐基线AB的夹角(以声呐基线AB为起始边)为 $ \theta = \beta - \alpha $ ,称该夹角为目标在声呐1上的基线方位角,其中 $ \alpha $ 为正北与基线的夹角,称为基线方向角, $ \beta $ 为第1部声呐的目标方位(以正北为始边)。当目标基线方位角 $ \theta < 0 $ $ AT = {L_a} $ 时,根据三角公式有:

图 1 方位关联门图解 Fig. 1 Bearing door for bearing association
$ BC = \sqrt {{L_a}^2 + {L_s}^2 - 2{L_a}{L_s}\cos ( - \theta + {\sigma _{s1}})} \text{,} $ (1)

可以使用余弦来计算 $ \angle ABC $

$ \cos \angle ABC = \frac{{B{C^2} + {L_s}^2 - {L_a}^2}}{{2{L_s}*BC}},$ (2)

当目标距离更远(目标距离大于 $ La $ )的时候,则 $ \angle ABC $ 更大,而 $ \angle ABD $ 不会超过 ${\text{π}}+ \theta + {\sigma _{s1}}$ .再加上声呐2的方位测量误差,目标应当在 $ \angle EBF $ 所围成的角度区域中。因此,以基线AB的延伸方向为起始边,该目标在声呐2中的基线方位角应当在:

$ \left( {\angle ABC - {\text{π}} - {\sigma _{s2}},\theta + {\sigma _{s1}} + {\sigma _{s2}}} \right) $ (3)

之内。目标在声呐2中的真北方位应当在

$ \left( {\alpha + \angle ABC - {\text{π}} - {\sigma _{s2}},\beta + {\sigma _{s1}} + {\sigma _{s2}}} \right) $ (4)

之内。

当目标在第1部声呐基线方位角 $ \theta > 0 $ 时,同理可得

$ BC = \sqrt {{L_a}^2 + {L_s}^2 - 2{L_a}{L_s}\cos (\theta + {\sigma _{s1}})} \text{,} $ (5)

可根据

$ \cos \angle ABC = \frac{{B{C^2} + {L_s}^2 - {L_a}^2}}{{2{L_s}*BC}} $ (6)

计算 $ \angle ABC $ 。最终,以基线AB的延伸方向为起始边,该目标在声呐2中的方位应当在

$ \left( {\theta - {\sigma _{s1}} - {\sigma _{s2}},\pi - \angle ABC + {\sigma _{s2}}} \right) 。$ (7)

$ \theta = {30^ \circ } $ $ {L_a} = 7\;000 $ m, $ {L_s} = 1\;000 $ m, $ {\sigma _{s1}} = {\sigma _{s1}} = $ $ {3^ \circ } $ 为例,则声呐2的方位在声呐1的目标方位上,向逆时针转11º,顺时针转6º,形成方位门,可以看到,声呐2中关于目标的门限并不是以声呐1的目标方位为中心的。

1.2 方位门分析

式(3)和式(7)形成方位门的上下限,上下限之差称为方位门大小,方位门大小是影响方位门关联主要因素,方位门越小,门内目标就越少,关联精度就越高,错关联的概率就越低,但漏关联概率也随之增大。在2部声呐对目标的测量在其测量误差内,则式(3)和式(7)确定的方位门基本确保没有漏关联。方位门大小与2个传感器的方位测量误差、基线长度、目标的舷角 $ \theta $ 角有关。根据式(3)和式(7),在 $ {L_a} = 7\;000 $ m, $ {L_s} = 800 $ m, ${\sigma _{s1}} = {\sigma _{s1}} = {3^ \circ }$ 下,分别对 $ \theta = [ - 160, - 20] $ º和 $\theta = [20, $ $ 160]$ º进行计算,得到 $ \theta $ 与方位门大小的关系图(见图2)。从图中可见,最大方位门是18.56º,出现在 $ \theta = \pm 80 $ º的位置。方位门大小相对 $\theta $ 左右对称。

图 2 方位门与 $ \theta $ 的关系图 Fig. 2 Bearing door vs bearing

方位门也与传感器的作用距离 ${L_a}$ 有关,根据式(2),如果 ${L_a}$ 越大, $ BC $ 越大,式(2)右边的分子越小,分母越大,则 $ \cos \angle ABC $ 越小, $\angle ABC$ 越大,而 $\angle ABC$ 包含在方位门的下限中,因此整个方位门的大小会越小。因此方位门与传感器作用距离 ${L_a}$ 成单调递减关系,如图3所示。由此可见,随着声呐作用距离的增加,方位门减小,有利于减小关联的模糊性,增加关联正确性。

图 3 传感器作用距离 ${L_a}$ 与方位门的关系图 Fig. 3 Bearing door vs maxim distance

方位门与传感器之间的基线长度 ${L_s}$ 呈单调递增的关系,并且在目标基线方位角一定的情况下,方位门与基线长度 ${L_s}$ 呈近似线性关系如图4所示。由此可见,基线长度越长,方位门增大,从而增加了关联的模糊性,因此本方法只能使用在近距离配置的声呐方位目标关联中。

图 4 基线长度 ${L_s}$ 与方位门的关系图 Fig. 4 Bearing door vs baseline distance
1.3 性能仿真

为了验证这种方位门关联的基本性能,进行计算机典型态势下的方位门关联仿真,态势如图5所示。目标1和目标2分别在一定距离上对本艇实施鱼雷攻击,攻击后分别从不同方向撤离。本艇发现鱼雷时,2个鱼雷距离分别为10 km和9 km,方位分别为90º和110º,航向分别为−63.7º和−46.2º,航速都是30 m/s。2个撤离的目标距离分别为12 km和10 km,方位分别为95º和120º,航向分别为60º和−135º,航速都是10 m/s。假设鱼雷目标和撤离目标都作匀速直线运动。本艇沿着正北方向以10 m/s的速度前进,其中一个传感器初始位置在原点,其对目标的方位测量误差3º;另一个传感器在(0,−800) m,即传感器基线 $ {L_s} = 800 $ m,其对目标的方位测量误差为3º。假设两传感器同步测量,测量周期为3 s,在计算关联方位门时不考虑有虚警和漏检的情况,并设鱼雷报警最小距离为7 km。传感器1的方位时间序列显示在图6中。

图 5 鱼雷攻击态势仿真 Fig. 5 Situation of torpedo attack in sim

图 6 传感器1的方位时间序列仿真 Fig. 6 Bearing-time record in sensor 1 in sim

仿真结果显示在图7(a)中,关联的前100 s放大显示在图7(b)中。从图中可以看到,在关联的前100 s中,两声呐的关联非常好,100 s的时间足够系统建立航迹,因此方位门关联方法能够为建航提供早期的关联信息。

图 7 传感器2方位时间序列仿真及鱼雷目标方位门局部放大 Fig. 7 Bearing-time record and bearing door in sensor 1 and their larger image
2 具有距离范围的方位门关联 2.1 关联门计算

虽然在目标发现时利用目标发现最小距离进行关联是可行的,但是随着目标的接近,最小发现距离有可能远远大于目标的真实距离,这样计算出来的关联门就不正确了,这一点从图7中可以看到。但是随着滤波的进行,距离的估计会越来越正确,因此,可以假设目标在一定的距离范围内,也即目标在该距离范围内的概率很高,此时,可以利用目标距离方位建立正确的方位门。

具有距离范围的目标关联门的上下限可以使用距离的上下限来计算,设距离的目标上下限为 $ [{L_{low}},{L_{up}}] $ ,仍然使用图1的目标传感器相对几何位置关系来说明。

首先讨论目标在右舷的情况,即 $ \theta < 0 $ 的情况。传感器2的目标方位线的下限可以用目标距离的下限来计算,只需要将式(1)和式(2)中的 $ {L_a} $ 使用 $ {L_{low}} $ 替换就可以了,在这里重写为:

$ BC = \sqrt {{L_{low}}^2 + {L_s}^2 - 2{L_{low}}{L_s}\cos ( - \theta + {\sigma _{s1}})} ,$ (8)
$ \cos \angle ABC = \frac{{B{C^2} + {L_s}^2 - {L_{low}}^2}}{{2{L_s}*BC}} 。$ (9)

因此,以基线AB的延伸方向为起始边,该目标在传感器2中的方位下限为:

$ \angle ABC - {\text{π}} - {\sigma _{s2}} ,$ (10)

同样,传感器2目标方位线的上限可以用目标距离的上限来计算,只需要将式(1)和式(2)中的 $ {L_a} $ 使用 $ {L_{up}} $ 替换就可以计算 $ BD $ 的长度和 $ \angle ABD $ 的余弦,注意这里是计算传感器2目标方位角的上限,要使用传感器1的目标距离的上限。 $ BD $ 的长度和 $ \angle ABD $ 的余弦分别为:

$ BD = \sqrt {{L_{up}}^2 + {L_s}^2 - 2{L_{up}}{L_s}\cos ( - \theta - {\sigma _{s1}})} \text{,} $ (11)
$ \cos \angle ABD = \frac{{B{D^2} + {L_s}^2 - {L_{up}}^2}}{{2{L_s}*BD}} ,$ (12)

因此,以基线AB的延伸方向为起始边,该目标在传感器2中的方位的下限为:

$ \angle ABD - {\text{π}} + {\sigma _{s2}} 。$ (13)
2.2 关联仿真

利用与上文仿真条件相同的态势进行仿真,目标距离范围假设在真实距离上下浮动50%,其他仿真条件与上文相同。由于本艇是向正北运动,传感器基线与正北的交角为180°,则传感器2的方位门为:

$ (\angle ABC - {\sigma _{s2}},\angle ABD + {\sigma _{s2}}) 。$ (14)

仿真的结果如图8所示。与图7比较可以看出,在200 s以后,方位门覆盖了传感器2对鱼雷目标的测量方位,说明随着目标距离范围的给出,尽管给出的距离范围较大,达到目标距离本身,但是由于传感器基线较短,使得方位门关联方法仍具有很好的关联性能,特别是在目标数量不是非常密集的水下环境中。

图 8 具有距离范围的鱼雷目标方位门关联 Fig. 8 Bearing door of torpedo target with distance scope

随着目标的关联的进行,目标会进一步确定其目标范围,并且可以进一步地计算传感器2的方位测量与传感器1目标的关联概率,从而可以利用概率数据互联等软判决的方法进行目标跟踪的滤波。

3 结 语

2部近距离配置的声呐,可以利用配置的特点,采用方位门关联方法,解决目标接触初期的目标定位问题,而不需要进行机动,对于平台来说,有利于其隐蔽,对于网络雷阵来说,有利于目标初步定位。在接触初期,通过方位门关联,可以进行快速的目标定位,提供早期提供信息;随着跟踪的进行,在较大定位误差的情况下,仍然可以通过具有距离范围的方位门关联,继续定位关联,解决目标接近状态下的目标跟踪问题。

参考文献
[1]
DEB S, PATTIPATI K R, BAR-SHALOM Y. PASSDAT: passive sensor data association for tracking-A PC software[C]//SPIE: Signal and Data Processing of Small Targets. 1990: 274-186.
[2]
PATTIPATI K R, DEB S, BAR-SHALOM Y, et al. A new relaxation algorithm and passive sensor data association[J]. IEEE Transactions on AC, 1992, 37(2): 198-213. DOI:10.1109/9.121621
[3]
修建娟, 何友, 王国宏, 等. 两站无源定位系统中的多目标跟踪算法研究[J]. 电子学报, 2002, 30(12): 1763-1767. DOI:10.3321/j.issn:0372-2112.2002.12.008
[4]
MA N, CHIA C W. Target localization by two fixed non-coherent passive linear arrays[J]. IEEE, 2008.
[5]
KADAR I. Passive multisensor multitarget feature-aided unconstrained tracking: a geometric perspective[C]//FUSION 2000: 17-24.
[6]
韩崇昭, 李晨, 朱洪艳. 红外搜索跟踪系统的数据关联算法研究[J]. 控制与决策, 2008, 23(2): 171-176. DOI:10.3321/j.issn:1001-0920.2008.02.010
[7]
苏骏, 李亚安, 陈晓, 等. 双观测站水下纯方位多目标跟踪的数据关联算法[J]. 水下无人系统学报, 2018, 26(2): 115-121.