基于声纳与ARPA雷达的水上水下目标智能分选策略

本文主要探讨了在现代反潜作战中，如何有效利用拖曳线列阵声纳（Towed Array Sonar, TAS）与船载ARPA雷达（Automatic Radar Plotting Aids）的协同工作，以提高目标定位的精确性和效率。TAS作为远程探测的重要工具，特别适用于发现水上和水下的目标，而ARPA雷达则主要针对水面目标。由于TAS在水上与水下目标区分上的局限性，传统的做法通常是通过提取目标辐射噪声的特征进行分析，但这受限于噪声多样性和样本库的完整性。 为了克服这些挑战，本文提出了一种分布式信息融合策略。首先，通过空间配准技术，将声纳和雷达数据在三维空间中同步，确保数据的一致性。这个过程涉及到处理声纳和雷达的传感器噪声、定位误差等因素，以达到数据融合前的基本一致状态。接着，采用了自适应的α-β滤波算法进行时间配准，该算法能够动态调整参数，适应不同环境下目标信号的变化，提高时序数据的匹配精度。 多目标航迹关联是接下来的关键步骤，作者运用最近领域法来处理多个目标间的相似性判断，这有助于在复杂环境中找到可能的关联关系。这种方法考虑了目标运动轨迹的连续性和目标特征的相似性，从而有效地避免了误匹配和漏识别。 通过MATLAB的建模仿真，研究者展示了所提方法在空间复杂度和时间复杂度上的优势，相比于传统方法，它具有更好的性能，能够实现实时且准确的多目标分选。这对于提升潜艇探测能力、减少误报和漏报具有重要意义。此外，文章还强调了基于信息融合的目标分选在实际应用中的实用性，尤其是在面对缺乏完整信号库的情况下，能够更好地处理未知目标。 总结来说，这篇文章深入探讨了利用TAS和ARPA雷达的联合分析技术，通过分布式信息融合和自适应算法优化目标检测和分类的过程，为提升反潜作战效能提供了新的思路。关键词包括：拖曳线列阵声纳、ARPA雷达、信息融合、目标分选，这些核心概念贯穿全文，突出了研究的核心内容和价值。