基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

联合NSCT模糊域的声呐图像目标增强方法研究

提出一种基于非下采样轮廓波变换（NSCT）结合模糊域的噪声抑制和目标增强方法。使用NSCT将含噪声呐图像分解为不同的频率和方向响应子带,利用V-Bayes估计理论推导了模型的相应非线性二元阈值函数对NSCT系数的子带进行去噪。结合领域信息和空间信息构造模糊特征,再构建出模糊隶属度收缩函数对降噪后的NSCT分量执行二次降噪,最后以重建降噪后的声呐图像数据,使用综合数据和效果图示例来证明所提出的方法能够有效的去除声呐图像噪声,且优于基于小波变换的阈值去噪方法。