Self-Collected Passive Sonar Dataset / 自采被动声纳数据集

本仓库提供一套自行采集的被动声纳实测数据集，适用于方位角目标跟踪（Bearing‑Only Tracking）、信号降噪、滤波算法验证以及目标运动分析等研究方向。数据集包含观测站坐标、含噪声和真实的方位角测量值、信噪比、目标真实坐标、载体坐标系下的方位角以及时间戳等字段，适用于纯方位目标跟踪、数据降噪与滤波、信噪比影响分析等研究场景。This repository provides a self-collected passive sonar field measurement dataset, tailored for research directions including bearing-only target tracking, signal denoising, filtering algorithm validation, and target motion analysis. The dataset contains fields such as observer coordinates, noisy and true bearing measurements, signal-to-noise ratio (SNR), true target coordinates, bearings in the carrier coordinate system, and timestamps, and is applicable to research scenarios like bearing-only target tracking, data denoising and filtering, and SNR impact analysis.

原始信息汇总

自采被动声纳数据集（Passive Sonar Dataset）

数据集概述

本数据集为自行采集的被动声纳实测数据，适用于方位角目标跟踪、信号降噪、滤波算法验证及目标运动分析等研究领域。

数据字段定义

字段名	单位	描述
obs_x	米（m）	观测站（接收平台）的 X 坐标（全局坐标系）
obs_y	米（m）	观测站（接收平台）的 Y 坐标（全局坐标系）
bearing_meas	度（°）	含噪声的方位角测量值（相对于全局坐标系 X 轴，顺时针）
bearing_true	度（°）	真实方位角（无噪声真值，用于算法性能评估）
snr_meas	分贝（dB）	测量信号的信噪比（估计值）
target_x	米（m）	目标的真实 X 坐标（全局坐标系）
target_y	米（m）	目标的真实 Y 坐标（全局坐标系）
bearing_body_meas	度（°）	载体坐标系下的方位角测量值（相对艏向）
time	秒（s）	时间戳（从 1 开始递增，等间隔）

注：方位角均以正北（或 X 轴正向）为 0°，顺时针为正；部分 bearing_true 为 0 表示该时刻真值未记录，使用时请按需筛选。

适用研究场景

纯方位目标跟踪（Bearing‑Only Tracking）

利用 bearing_meas 和观测站位置 (obs_x, obs_y) 估计目标轨迹，可与 target_x, target_y 真值对比精度。

数据降噪与滤波

结合 bearing_meas 和 bearing_true，验证卡尔曼滤波、粒子滤波、自适应滤波等算法的去噪性能。

信噪比影响分析

利用 snr_meas 分析不同信噪比下方位测量误差的统计特性。

目标运动模型辨识

根据目标位置序列 (target_x, target_y) 建立匀速、匀加速或机动模型。

引用说明

若在研究中使用了本数据集，请引用以下两篇论文：

• QIU, Shaoxiong, et al. "MPPI-DWIT: Robust Bearing-Only Target Tracking of Single AUV With Detection Sector Constraints." IEEE Transactions on Automation Science and Engineering, 2026, vol. 23, pp. 6175-6189. DOI: 10.1109/TASE.2026.3669656
• QIU, Shaoxiong, et al. "Dynamic target tracking and pursuit for single AUV with bearing-only constrained sonar." Ocean Engineering, 2026, vol. 343, pp. 123409. DOI: https://doi.org/10.1016/j.oceaneng.2025.123409

搜集汇总

数据集介绍

构建方式

在复杂水声环境中，基于真实观测平台采集被动声纳数据，记录观测站坐标、含噪与真实方位角、信噪比及目标位置等关键信息，构建包含时间戳的时序数据集，并保留载体坐标系下的方位测量值，以支持多维度分析。

特点

该数据集兼具实测噪声与无噪声真值，便于评估算法性能；提供信噪比估计值以支持误差统计特性研究；涵盖全局与载体坐标系方位角，适配不同跟踪框架；字段完整，可用于纯方位跟踪、滤波验证及运动模型辨识等多种任务。

使用方法

使用者可直接加载包含obs_x、obs_y、bearing_meas等字段的时序数据，通过bearing_meas与bearing_true对比验证滤波算法；结合snr_meas分析不同信噪比下的测量误差；利用target_x、target_y获取目标真实轨迹，构建并评估运动模型。

背景与挑战

背景概述

自采被动声纳数据集由邱少雄、徐红丽等研究人员于2026年创建，旨在为水下自主航行器（AUV）在被动声纳约束下的纯方位目标跟踪提供关键实测数据。该数据集聚焦于如何从噪声环境中提取目标运动信息这一核心研究问题，凭借其包含观测站坐标、含噪与真实方位角、信噪比及目标真值等多维度字段，为验证滤波算法、分析信噪比影响及构建运动模型提供了可靠基准。发布以来，该数据集已成为AUV目标跟踪与信号处理领域的重要验证平台，相关研究成果发表于IEEE Transactions on Automation Science and Engineering与Ocean Engineering等权威期刊。

当前挑战

当前该数据集面临的主要挑战包括：其一，纯方位目标跟踪问题本身具有严重非线性和弱可观测性，仅依靠含噪方位角测量准确定位机动目标极为困难，对滤波算法的鲁棒性与收敛速度提出了严苛要求。其二，实测环境中信噪比动态变化显著，导致方位角测量误差的统计特性复杂且非高斯，传统滤波方法难以适应。其三，数据采集过程中部分字段存在丢失或异常，如真实方位角为零时表示无效数据，需谨慎筛选处理，增加了算法验证的复杂度。其四，载体坐标系与全局坐标系间的坐标转换以及检测扇区约束进一步加大了运动建模与滤波设计的难度。

常用场景

经典使用场景

在被动声纳探测领域，方位角目标是实现水下目标跟踪与态势感知的核心挑战之一。该自采被动声纳数据集专为纯方位目标跟踪研究而设计，提供了包含观测平台位置、含噪方位角测量值及对应真实方位角与目标真实轨迹的完整时序数据。研究人员可借助该数据集，在已知平台运动信息的前提下，通过方位角测量序列对水下移动目标进行轨迹估计与状态预测。此外，数据集还提供了信噪比估计值，便于研究者深入分析不同信噪比环境下方位角测量噪声的统计特性，从而为滤波算法的鲁棒性验证与参数调优提供标准化的评测基准。

解决学术问题

该数据集直接回应了被动声纳系统中因仅能获取方位角信息而无法直接获得目标距离所导致的观测不确定性这一根本性学术难题。通过提供带有真实真值的精确测量数据，它使得研究者能够系统地评估和比较各类滤波算法（如卡尔曼滤波、粒子滤波、自适应滤波）在弱可观条件下的状态估计性能。同时，该数据集还支撑了对信噪比与方位角测量误差之间定量关系的深入探究，为建立更精确的噪声模型提供了宝贵素材。此外，基于提供的目标位置序列，研究者可以识别和建模匀速、匀加速或机动等不同运动模式，从而推动目标运动模型辨识与自适应跟踪理论的完善与验证。

衍生相关工作

该数据集已直接或间接地催生了多项经典工作，集中体现在两篇高水平学术论文中。其中一篇发表在《IEEE Transactions on Automation Science and Engineering》，提出了一种融合检测扇区约束的MPPI-DWIT鲁棒纯方位目标跟踪方法，通过引入模型预测路径积分与动态窗口交互技术，显著提升了单AUV在受限探测条件下的跟踪稳健性。另一篇发表在《Ocean Engineering》，聚焦于动态目标跟踪与追捕问题，提出了一种针对单AUV搭载方位角约束声纳的解决方案，深入探讨了观测几何与平台机动策略对跟踪性能的影响。这些工作不仅验证了数据集的有效性，更为水下无人系统的自主决策与智能跟踪提供了理论支撑与算法范例。