【学术论文】一种声自导鱼雷潜艇目标识别方法- 大数跨境

首页

【学术论文】一种声自导鱼雷潜艇目标识别方法

智慧海洋公众交流平台

2023-09-06

导读：本文提出一种基于不同位置亮点微多普勒差异的声自导鱼雷目标识别算法，该算法通过亮点之间的位置信息估计出亮点连线的倾角，然后利用各个亮点的径向速度和亮点连线的倾角估计出不同亮点对应的目标速度。

摘要

作者：石磊，刘罡(中国船舶集团有限公司第七〇五研究所，陕西西安 710075)

摘要: 本文利用目标不同位置回波亮点的微多普勒差异，提出一种基于微多普勒差异的声自导鱼雷目标识别算法，该算法通过亮点之间的位置信息估计出亮点连线的倾角，然后利用各个亮点的径向速度和亮点连线的倾角估计出不同亮点对应的目标速度，最后利用各个亮点获取目标运动速度的一致性来识别潜艇与对抗器材。仿真结果

表明，该方法在大部分攻击态势和攻击条件下均可有效识别目标，本方法可作为声自导鱼雷在近距离跟踪阶段传统识别方法的有效补充，从而进一步提高声自导鱼雷水下目标的识别概率和识别距离。

关键词：声自导；目标识别；径向速度；微多普勒

RECRUITMENT

一种声自导鱼雷潜艇目标识别方法

0 引言

水下目标识别是现代声自导鱼雷智能化发展的关键技术，通常采用基于目标亮点空间分布的识别技术，将各个亮点的位置通过几何方法投影至大地坐标系中，从而获取目标的水平尺度、垂直尺度以及目标的走向角，并以此作为特征量，通过判别干扰与目标的水平长度和垂直尺度差异剔除点诱饵、自航式尺度诱饵等，实现潜艇和各类干扰器材的识别[1 – 2]。但该方法进行目标识别时要求鱼雷轴向与目标航向形成20°~70°的夹角，并要求鱼雷和目标在垂直方向存在一定的深度差；其次在浅水声传播情况复杂，声线弯曲使得垂直方向的尺度识别能力下降。另外，此类方法不能识别未来可能出现的二维尺度诱饵。

由于各类干扰器材[3]，特别是自航式尺度声诱饵在声学特性上的逼真性，鱼雷通过传统的水平尺度差异、垂直尺度差异等识别方法已经难以对其进行识别[4]。尺度声诱饵的多个基元一般不能完全独立应答，通常是单点接收多点同步应答，而潜艇是真实的物理反射，各个位置的回波由于与鱼雷连线的夹角不同，径向速度就不同，导致接收到的鱼雷发射信号多普勒频移也不相同，对于不能完全独立应答的尺度声诱饵是无法对其进行模拟的[5]。因此可以利用此特征，通过不同亮点之间目标运动速度一致性来识别潜艇，提高目标识别的概率。

本文提出了一种基于微多普勒差异[6] 的声自导鱼雷识别潜艇的目标识别方法，该方法通过亮点之间的位置信息估计出亮点连线的倾角，然后利用各个亮点的径向速度和亮点连线的倾角估计出不同亮点对应的目标速度，最后利用各个亮点获取的目标运动速度的一致性来识别潜艇。

1、目标速度估计基本原理

主动自导系统接收的目标回波[7]，除相对于发射信号的延时以外，还产生多普勒频移，多普勒频移与目标的径向速度有关[8]。径向速度指鱼雷速度与目标速度在鱼雷与目标连线上的投影之和，也称鱼雷相对于目标的相对速度。f0设鱼雷主动发射信号的工作频率为，径向速度vr产生的多普勒频移为：

因此，通过回波频率估计后即可获取多普勒频移，从而可计算得到目标的径向速度。

2、目标速度估计基本原理

基于微多普勒差异的目标识别[9] 中，首先需要以传统多亮点检测为基础，进行目标的二维尺度识别，获取目标的二维尺度信息及姿态信息[10]，然后再进行亮点的选取，并获取所选亮点的亮点距离、方位和径向速度，最后根据参数估计值，计算亮点连线的倾角以及各个亮点对应的目标运动速度，获得亮点之间的运动速度差值，并以此判断该目标是否为潜艇。

2.1 亮点选取

对于自导系统检测到的多个亮点（大于 2 个）中选择水平方位角度差最大的 2 个亮点，分别为 1 号和2 号亮点作为目标识别的有效亮点，如图 1 所示。

2.2 亮点距离和径向速度计算

对于选取的 1 号和 2 号亮点，其距离分别为：

式中：和R1和R1分别为自导系统计算得到的 1 号和 2 号亮点的距离；τ1和τ2分别为对应 1号和 2 号亮点反射回波相对于发射信号的时延。径向速度分别为：

式中：vr1和vr2分别为自导系统计算得到的 1 号亮点和2 号亮点径向速度，也称鱼雷相对于目标的相对速度；f0为自导系统发射信号的工作频率；fd1和fd2分别为自导系统检测到的 1 号亮点和 2 号亮点对应的多普勒频移。

2.3 估计亮点连线的倾角

如图 1 所示，OXZ坐标系为鱼雷坐标系，原点O为鱼雷质心，鱼雷纵轴指向雷头方向为OX轴。亮点连线的倾角为：

式中：φ为 2 个亮点连线的倾角；α1和α2分别为自导系统检测到的 1 号和 2 号亮点的水平方位，以鱼雷轴向指向头部为参考方向，指向左边为正，指向右边为负。

2.4 估计各个亮点对应的目标运动速度

2.5 潜艇识别

1 号亮点和 2 号亮点目标速度差值按下式计算：

3、仿真及性能分析

为了验证该特征的有效性，参考既往型号研制的工程经验和相关文献资料选取鱼雷及目标参数，进行仿真研究。其中，设计输入为鱼雷速度 50 kn，目标长度 100 m，目标速度−8 kn，目标距离 800～300 m，目标走向角 0°～90°。

图 2 和图 3 分别为在鱼雷采用 15°提前角导引法跟踪目标时，目标与鱼雷态势图和微多普勒识别特征输出图。其中，微多普勒识别特征门限取 2 kn，由此可以得出，在此条件下，该特征的识别距离为 600 m。图 4 和图 5 分别为在鱼雷采用尾追导引法跟踪目标时，目标与鱼雷态势图和微多普勒识别特征输出图。在此条件下，该特征的识别距离为 300 m。

图 6 和图 7 分别为提前角导引和尾追导引法跟踪目标时，微多普勒识别特征在不同目标走向角下的识别距离。可以看出，在提前角导引时，该特征在走向角大于 33°时可以满足识别距离大于 300 m，可进行线−体目标的识别，在尾追导引时，该特征在走向角大于 40°时满足识别距离大于 300 m，可进行线−体目标的识别。

4、仿真及性能分析

本文提出一种基于不同位置亮点微多普勒差异的声自导鱼雷目标识别算法，该算法通过亮点之间的位置信息估计出亮点连线的倾角，然后利用各个亮点的径向速度和亮点连线的倾角估计出不同亮点对应的目标速度。最后利用各个亮点获取的目标运动速度的一致性识别潜艇与对抗器材，并通过仿真分析在各种攻击态势和攻击条件下，本文提出的目标识别方法的识别距离，从而证明方法的有效性。本方法可作为声自导鱼雷在近距离跟踪阶段传统识别方法的有效补充，能够提高声自导鱼雷对潜艇的识别概率。

【参考文献】

[1] 田坦, 刘国枝, 孙大军. 声纳技术 [M]. 哈尔滨: 哈尔滨工程大学出版社, 2000.

[2] 李志舜. 鱼雷自导信号与信息处理 [M]. 西安: 西北工业大学出版社, 2004.05

[3] 施丹华, 胡必楠, 黄俊希. 水声对抗器材发展及其趋势分析[J]. 舰船科学技术, 2020, 42(9): 174–180.

SHI Dan-hua, HU Bi-nan, HUANG Jun-xi. State-of-the-art of foreign underwater acoustic countermeasures and their development trends[J]. Ship Science and Technology, 2020, 42(9): 174–180.

[4] 唐波, 孟荻, 范文涛. 国外水声对抗器材发展现状与启示-潜用器材 [J]. 水下无人系统学报, 2022, 30(01): 15–22.

TANG Bo, MENG Di, FAN Wen-tao. Current Situation and Enlightenment of Foreign Underwater Acoustic Countermeasure Equipment for Submarine[J]. Journal of Unmanned Undersea System, 2022, 30(01): 15–22.

[6] 程彩, 陈丹平, 刘大利, 等. 水下目标回波的多普勒频移仿真与研究 [J]. 现代电子技术, 2011, 34(9): 73–76.

CHENG Cai, CHEN Dan-ping, LIU Da-li, et al. Simulation and Research on Doppler Frequency Shift of Underwater Target Echo[J]. Modern Electronics T echnique, 2011, 34(9): 73–76.

[7] 蒋楚鸥, 向小梅. 多亮点水下靶标回波与理想水下目标回波的频率差别分析 [C]//中国声学学会水声学分会 2013 年全国水声学学术会议论文集, 2013: 349-351.

[8] 李昌志, 田杰, 张扬帆, 等. 基于亮点模型的典型水下目标回波信号仿真 [J]. 应用声学, 2010, 29(3): 196–201.

LI Chang-Zhi, TIAN Jie, ZHANG Yang-Fan, et al. Simulation of echoes from underwater target based on highlight model[J]. Applied Acoustics, 2010, 29(3): 196–201.

[9] 冯淼, 安良, 方世良. 水声目标信号多普勒特性实时仿真方法研究 [C]//. 中国声学学会 2017 年全国声学学术会议论文集, 2017: 263-264.

LIU Yu, ZHU Xiao-meng, YAN She-feng, et al. Underwater

target feature recognition based on distribution of highlights[J].

Chinese Journal of Acoustics, 2016, 35(4): 394–405.

[10] 周明, 初磊, 朱慧, 等. 一种反潜声自导鱼雷目标尺度识别方法研究 [J]. 弹箭与制导学报, 2008(5): 237–240.

ZHOU Ming, CHU Lei, ZHU Hui, et al. Study on Target Dimension Recognition of Ant-i submarine Homing Torpedoes[J]. Journal of Projectiles Rockets Missiles and Guidance, 2008(5): 237–240.

声明：本公众号相关内容均来自主流媒体及公众号，非商业用途，并不意味着赞同其观点或证实其内容的真实性。版权归原作者所有，如有发现侵犯您的权益，请后台联系编辑，我们会尽快删除相关侵权内容。

【声明】内容源于网络

智慧海洋公众交流平台

我们旨在给对智慧海洋感兴趣的朋友提供一个相互交流学习的平台！这里汇聚了来自海洋领域的顶级专家、计算机通信高手、各大著名研究机构学者以及奋斗在海洋产业化一线的管理、研发、销售人才……欢迎大家随时随意交流，共同促进智慧海洋事业的快速发展！

内容 928

粉丝 0

智慧海洋公众交流平台我们旨在给对智慧海洋感兴趣的朋友提供一个相互交流学习的平台！这里汇聚了来自海洋领域的顶级专家、计算机通信高手、各大著名研究机构学者以及奋斗在海洋产业化一线的管理、研发、销售人才……欢迎大家随时随意交流，共同促进智慧海洋事业的快速发展！

总阅读1.7k

粉丝0

内容928