CN111708007B - 基于模态闪烁指数匹配分析的目标深度辨识方法及*** - Google Patents
基于模态闪烁指数匹配分析的目标深度辨识方法及*** Download PDFInfo
- Publication number
- CN111708007B CN111708007B CN202010613037.7A CN202010613037A CN111708007B CN 111708007 B CN111708007 B CN 111708007B CN 202010613037 A CN202010613037 A CN 202010613037A CN 111708007 B CN111708007 B CN 111708007B
- Authority
- CN
- China
- Prior art keywords
- modal
- target
- esi
- depth
- judged
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 57
- 230000005855 radiation Effects 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000010606 normalization Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于模态闪烁指数匹配分析的目标深度辨识方法及***,本方法包括:以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法得到水面平台辐射噪声的模态域能量值,并进行归一化处理,得到模态强度分布值及矩阵表示;根据模态强度分布值,得到各阶模态分量闪烁指数,并作为匹配基准;根据深度待判决目标模态强度分布值,得到深度待判决目标的各阶模态分量闪烁指数;将深度待判决目标的各阶模态分量闪烁指数与匹配基准进行相关性分析,得到相关系数;依据相关系数对待判决目标的深度进行辨识,得到判决结果。本发明克服了深度匹配估计技术的不足,减少了海洋环境参数失配和声场模型失配对深度估计效果的影响。
Description
技术领域
本发明涉及声纳信号处理领域,尤其涉及一种基于模态闪烁指数匹配分析的目标深度辨识方法及***。
背景技术
水中目标深度辨识是现代声纳***的一个重要组成部分,是声纳***后置数据处理的一个重要环节,尤其是对于水声对抗***。由于单独依赖信号时频特征进行目标辨识的方法难以满足使用需求,迫切需要寻求新的途径加以解决从拾取声压数据中辨识目标深度问题。为了能够实现对水中目标深度有效辨识,有关学者提出采用匹配场处理方法实现对目标进行深度估计。这种方法充分简正波的模态分布,利用垂直阵实现深度上的采样,并采用简正波声传播模型计算拷贝场向量,然后将拷贝场与测量场进行匹配实现对目标深度估计,但是该方法面临计算量大、耗时长、受环境参数影响较大等问题。为了解决匹配场定位方法受环境参数影响较大等问题,有关学者提出一种基于双引导声源和warping变换的拷贝声场计算方法,该方法首先从垂直接收阵接收到的引导声源声场获取简正波本征函数,然后再从声场衰减信息和声场相位信息两个方向重构拷贝声场,并与目标声源的真实声场进行匹配实现目标定位,显著降低了环境参数对匹配声场的影响。但是该方法对引导声源有一定要求,实际应用存在一定难度,同时需要基于垂直阵实现对简正波模态深度采样。为了避免利用垂直阵解决目标深度辨识问题,有关学者陆续提出利用声强流的无功分量符号变化对浅海目标深度进行辨识,但是其临界深度过大,不宜进行深度辨识;后续又提出通过对目标频散特征提取、模态域处理等方式实现目标深度辨识,但该类方法据对海洋参数信息均有一定要求。
发明内容
本发明的目的在于克服现有技术缺陷,提出了一种基于模态闪烁指数匹配分析的目标深度辨识方法,还提出了一种基于模态闪烁指数匹配分析的目标深度辨识***。
为了实现上述目的,本发明提出了一种基于模态闪烁指数匹配分析的目标深度辨识方法,所述方法包括:
以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法得到水面平台辐射噪声的模态域能量值;
对水面平台辐射噪声的模态域能量值进行归一化处理,得到模态强度分布值及矩阵表示;
根据模态强度分布值,得到各阶模态分量闪烁指数,并作为匹配基准;
根据深度待判决目标模态强度分布值,得到深度待判决目标的各阶模态分量闪烁指数;
将深度待判决目标的各阶模态分量闪烁指数与匹配基准进行相关性分析,得到相关系数;
依据相关系数对待判决目标的深度进行辨识,得到判决结果。
作为上述方法的一种改进,所述方法具体包括:
步骤1)根据水面平台辐射噪声在水平拖线阵中的深度z0,计算水面平台辐射噪声的模态域能量值Ysum(f,l)为:
其中,ρ为密度,S(f)为目标声源在频点f处的幅频响应,φl(z)表示在深度z处的模态函数,*表示复共轭,kl表示第l阶水平波束,l=1,2,…,M,M表示模态总数,r1为目标声源到水平拖线阵第一阵元的距离,L为其他阶模态对应残留分量;
步骤2)根据距离和幅度对水平拖线阵各阶模态中的影响一致性,对水面平台辐射噪声的模态域能量值进行归一化处理,得到第l阶模态强度分布值Pl(f,z,z0)及矩阵表示形式P(f,z,z0):
其中,[·]T表示矩阵转置;
步骤3)根据模态强度分布值,得到水面平台辐射噪声在水平拖线阵中第l阶模态强度闪烁指数ESIl:
其中,var(·)为方差求取函数,E(·)为均值求取函数;
步骤4)根据深度待判决目标模态强度分布值,得到深度待判决目标第l阶模态强度闪烁指数ESIS,l:
其中,zs为待判决目标的深度;S为深度待判决目标的标识符,PS,l(f,z,zs)为深度待判决目标第l阶模态强度分布值;
步骤5)将步骤3)的ESIl作为匹配基准,计算ESIS,l与匹配基准的相关系数R(f,zs):
其中,cov[ESI,ESIS]为ESI与ESIS的协方差,d(ESI)为ESI的方差、d(ESIS)为ESIS的方差,ESI=[ESI1,ESI2,…,ESIM],ESIS=[ESIS,1,ESIS,2,…,ESIS,M];
步骤6)将相关系数R(f,zs)的最大峰值max[R(f,zs)]与阈值进行比较,得到待判决目标深度zs的判决结果:
当max[R(f,zs)]小于阈值时,目标为水下目标;否则,目标为水面目标。
一种基于模态闪烁指数匹配分析的目标深度辨识***,所述***包括:辐射噪声模态域能量值生成模块、归一化处理模块、模态分量闪烁指数生成模块和目标深度辨识模块;其中,
所述辐射噪声模态域能量值生成模块,用于以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法得到水面平台辐射噪声的模态域能量值;
所述归一化处理模块,用于对水面平台辐射噪声的模态域能量值进行归一化处理,得到模态强度分布值及矩阵表示;
所述模态分量闪烁指数生成模块,用于根据模态强度分布值,得到各阶模态分量闪烁指数,并作为匹配基准;然后根据深度待判决目标模态强度分布值,得到深度待判决目标的各阶模态分量闪烁指数;
所述目标深度辨识模块,用于将深度待判决目标的各阶模态分量闪烁指数与匹配基准进行相关性分析,得到相关系数;然后依据相关系数对待判决目标的深度进行辨识,得到判决结果。
作为上述***的一种改进,所述辐射噪声模态域能量值生成模块的具体实现过程为:
根据水面平台辐射噪声在水平拖线阵中的深度z0,计算水面平台辐射噪声的模态域能量值Ysum(f,l)为:
其中,ρ为密度,S(f)为目标声源在频点f处的幅频响应,φl(z)表示在深度z处的模态函数,*表示复共轭,kl表示第l阶水平波束,l=1,2,…,M,M表示模态总数,r1为目标声源到水平拖线阵第一阵元的距离,L为其他阶模态对应残留分量。
作为上述***的一种改进,所述归一化处理模块的具体实现过程为:
根据距离和幅度对水平拖线阵各阶模态中的影响一致性,对水面平台辐射噪声的模态域能量值进行归一化处理,得到第l阶模态强度分布值Pl(f,z,z0)及矩阵表示形式P(f,z,z0):
其中,[·]T表示矩阵转置。
作为上述***的一种改进,所述模态分量闪烁指数生成模块的具体实现过程为:
根据模态强度分布值,得到水面平台辐射噪声在水平拖线阵中第l阶模态强度闪烁指数ESIl:
其中,var(·)为方差求取函数,E(·)为均值求取函数;
根据深度待判决目标模态强度分布值,得到深度待判决目标第l阶模态强度闪烁指数ESIS,l:
其中,zs为待判决目标的深度;S为深度待判决目标的标识符,PS,l(f,z,zs)为深度待判决目标第l阶模态强度分布值。
作为上述***的一种改进,所述目标深度辨识模块的具体实现过程为:
将ESIl作为匹配基准,计算ESIS,l与匹配基准的相关系数R(f,zs):
其中,cov[ESI,ESIS]为ESI与ESIS的协方差,d(ESI)为ESI的方差、d(ESIS)为ESIS的方差,ESI=[ESI1,ESI2,…,ESIM],ESIS=[ESIS,1,ESIS,2,…,ESIS,M];
将相关系数R(f,zs)的最大峰值max[R(f,zs)]与阈值进行比较,得到待判决目标深度zs的判决结果:
当max[R(f,zs)]小于阈值时,目标为水下目标;否则,目标为水面目标。
与现有技术相比,本发明的优势在于:
克服了深度匹配估计技术的不足,减少了海洋环境参数失配和声场模型失配对深度估计效果的影响。
附图说明
图1是本发明实施例1的水平拖线阵声纳结构示意图;
图2是本发明实施例1数值仿真验证实验采用的声速剖面图;
图3是深度目标在1m处的模态闪烁指数;
图4是深度目标在20m处的目标模态闪烁指数;
图5是深度目标在50m处的模态闪烁指数;
图6是深度目标在100m处的目标模态闪烁指数;
图7是60~120Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果;
图8是100~200Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果;
图9是200~400Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果;
图10是400~800Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果。
具体实施方式
针对海洋环境参数信息不完备情况的水平拖线阵目标深度辨识问题,本发明提出一种基于模态闪烁指数匹配分析的目标深度辨识方法。该方法首先以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法求取水面平台辐射噪声各阶模态分量,统计各阶模态分量闪烁指数,并将其作为匹配基准;然后再对预判决方位目标进行各阶模态分量求取,统计各阶模态分量闪烁指数,将其与匹配基准进行相关性分析;最后依据相关性分析结果实现对该方位目标深度辨识,并通过数值仿真验证了其有效性。为解决水平拖线阵水下目标判决问题提供了一种途径。
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例1
本实施例提供了一种基于模态闪烁指数匹配分析的目标深度辨识方法。
在对本发明的方法做详细说明前,首先对本发明的方法所适用水平拖线阵加以描述。如图1所示为一水平拖线阵声纳装置结构示意图,该拖线阵声纳包括6个部分,显控与信号处理机1、甲板缆2、绞车3、导缆架4、拖缆5、水平拖线阵6。其中的水平拖线阵6通过拖缆5与位于绞车3上的甲板缆2连接,所述拖缆5还安装在导缆架4上;水平拖线阵6所接收的信号传输给显控与信号处理机1。
下面对本发明方法做进一步的说明。
1、模态域波束形成
深度zs、距离r处的单频点目标信号在深度z处产生的声压简正波模型可表示为:
式中,上标*表示复共轭,km和φm(z)分别表示第m个水平波数和在深度z处的模态函数,M表示简正波模型所含模态的总数,ρ代表密度,S(f)为目标声源在频点f处的幅频响应。
如果该目标信号被一个具有N个传感器的水平拖线阵所拾取,则其拾取的声压数据可表示为:
式中,rn,n=1,2,…,N为目标声源到水平拖线阵各传感器距离,x(f,rn,z,zs)为n个传感器拾取的声压数据,[·]T表示矩阵转置。
当目标声源相对水平拖线阵符合远场条件时,水平拖线阵各传感器拾取的声压数据近似为平面波,则目标声源到水平拖线阵相邻传感器之间声程差为Δr=d cosθ,其中d为相邻传感器间距,θ为目标声源相对拖线阵水平方位角。此时,式(2)可进一步表示为:
当r1远大于拖线阵有效孔径时,式(3)可进一步表示为:
由上式可知,水平拖线阵各传感器拾取的声压数据中各阶简正波对应的水平波数不同,其对应的相位变化不同,即相邻传感器每一阶模态对应的相位差不同。此时,可按式(5)所示,采用不同模态对应水平波数对拖线阵各传感器数据进行相位差补偿,可实现不同模态声压数据同相相加,输出不同模态对应声压数据合成结果,实现目标信号在模态域上的分离。
采用第l阶模态对应水平波数对拖线阵拾取数据进行相位差补偿和各传感器拾取数据叠加时,第l=1,2,…,M阶模态分量对应数据将实现同相叠加,其他阶模态分量对应数据被抑制。相位差补偿后各传感器数据叠加输出为:
式中,L为其他阶模态对应残留分量,当拖线阵所含传感器数量较多时,相位差补偿后各传感器数据叠加输出主要受第l阶对应模态分量决定。
另外,由式(6)可知,在声源一定时,距离、信号幅度对各传感器数据叠加数据在各阶模态中的影响一致,对其做归一化处理后,模态强度主要受kl、φl(z)、φl(zs)影响,可将模态强度定义为:
此时,可根据模态阶数,采用式(8)对不同模态阶数对应水平波数进行遍历处理,可得到该目标信号的模态强度分布,即:
2、模态闪烁指数构建
受海面波浪和内波等影响,目标所在深度会在其平均深度zs附近上下波动,导致目标信号对应的各阶模态函数幅度存在波动。对此,我们可通过水平拖线阵模态域波束形成得到目标信号对应模态强度分布;基于模态强度分布,可构建第l=1,2,…,M阶模态闪烁指数ESIS,l(Energy Scintillation Index),定义如下:
式中,var(·)为方差求取函数,E(·)为均值求取函数。
3、目标深度属性判决方法
为了克服减少深度估计效果对海洋环境参数失配和声场模型失配的影响,本发明依据水面平台深度已知特性,通过以水面平台辐射噪声作为引导源,对预判决方位目标进行模态闪烁指数匹配分析,实该方位目标深度属性判决,具体过程如下:
首先,根据水面平台辐射噪声在水平拖线阵中方位角,按式(9)形式求取水面平台辐射噪声在水平阵模态域中模态闪烁指数ESI;
然后,根据深度待估计目标在水平拖线阵中方位角,按式(9)形式求取其在水平阵模态闪烁指数ESIs;
最后,按式(10)对ESI与ESIs进行相关匹配分析,根据相关值大小实现对目标深度属性判决。
式中,cov[ESI,ESIs]为ESI与ESIs的协方差,d(ESI)、d(ESIs)分别为ESI、ESIs的方差。其中,ESI和ESIS具体形式可表示为:ESI=[ESI1,ESI2,…,ESIM]和ESIS=[ESIS,1,ESIS,2,…,ESIS,M]。
通过判决相关系数R(f,zs)的最大峰值大小实现对目标信号深度zs判决。
式中,S代表水面目标,U代表水下目标,max[·]为求取最大峰值函数。
实验分析
为了进一步验证本发明方法可以有效实现对水面/水下目标判决,进行如下数值仿真分析。数值仿真实验中采用图2所示声速剖面,水面平台深度为5m,水平拖线阵深度为25m,目标深度在1~200m内按1m等间隔设置。
如图3所示为水平阵25m,1m深度目标模态闪烁指数;
如图4所示为水平阵25m,20m深度目标模态闪烁指数;
如图5所示水平阵25m,50m深度目标模态闪烁指数;
如图6所示为水平阵25m,100m深度目标模态闪烁指数;
如图7所示为水平阵25m,60~120Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果;
如图8所示为水平阵25m,100~200Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果;
如图9所示为水平阵25m,200~400Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果;
如图10所示为水平阵25m,400~800Hz信号处,不同深度目标与5m平台模态闪烁指数匹配分析结果。
由仿真结果可知,水面平台为水面目标,在水平拖线阵位于一定深度,与水面平台辐射噪声模态闪烁指数匹配分析,由此可以实现对水面/水下目标深度属性判决。在低频信号处,可以在大深度范围内实现水面目标判决;在宽带信号处理,可有效提升目标深度辨识分辨率,在实际应用中可结合需要判决目标个数和精细度,设计处理信号频带。
实施例2
基于上述方法,本实施例提供了一种基于模态闪烁指数匹配分析的目标深度辨识***。***包括:辐射噪声模态域能量值生成模块、归一化处理模块、模态分量闪烁指数生成模块和目标深度辨识模块;其中,
辐射噪声模态域能量值生成模块,用于以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法得到水面平台辐射噪声的模态域能量值;
该模块的具体实现过程为:
根据水面平台辐射噪声在水平拖线阵中的深度z0,计算水面平台辐射噪声的模态域能量值Ysum(f,l)为:
其中,ρ为密度,S(f)为目标声源在频点f处的幅频响应,φl(z)表示在深度z处的模态函数,上标*表示复共轭,kl表示第l阶水平波束,l=1,2,…,M,M表示模态总数,r1为目标声源到水平拖线阵第一阵元的距离,L为其他阶模态对应残留分量。
归一化处理模块,用于对水面平台辐射噪声的模态域能量值进行归一化处理,得到模态强度分布值及矩阵表示;
该模块的具体实现过程为:
根据距离和幅度对水平拖线阵各阶模态中的影响一致性,对水面平台辐射噪声的模态域能量值进行归一化处理,得到第l阶模态强度分布值Pl(f,z,z0)及矩阵表示形式P(f,z,z0):
其中,[·]T表示矩阵转置。
模态分量闪烁指数生成模块,用于根据模态强度分布值,得到各阶模态分量闪烁指数,并作为匹配基准;然后根据深度待判决目标模态强度分布值,得到深度待判决目标的各阶模态分量闪烁指数;
该模块的具体实现过程为:
根据模态强度分布值,得到水面平台辐射噪声在水平拖线阵中第l阶模态强度闪烁指数ESIl:
其中,var(·)为方差求取函数,E(·)为均值求取函数;
根据深度待判决目标模态强度分布值,得到深度待判决目标第l阶模态强度闪烁指数ESIS,l:
其中,zs为待判决目标的深度;S为深度待判决目标的标识符,PS,l(f,z,zs)为深度待判决目标第l阶模态强度分布值。
目标深度辨识模块,用于将深度待判决目标的各阶模态分量闪烁指数与匹配基准进行相关性分析,得到相关系数;然后依据相关系数对待判决目标的深度进行辨识,得到判决结果。
该模块的具体实现过程为:
将ESIl作为匹配基准,计算ESIS,l与匹配基准的相关系数R(f,zs):
其中,cov[ESI,ESIS]为ESI与ESIS的协方差,d(ESI)为ESI的方差、d(ESIS)为ESIS的方差,ESI=[ESI1,ESI2,…,ESIM],ESIS=[ESIS,1,ESIS,2,…,ESIS,M];
将相关系数R(f,zs)的最大峰值max[R(f,zs)]与阈值进行比较,得到待判决目标深度zs的判决结果:
当max[R(f,zs)]小于阈值时,目标为水下目标;否则,目标为水面目标。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种基于模态闪烁指数匹配分析的目标深度辨识方法,所述方法包括:
以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法得到水面平台辐射噪声的模态域能量值;
对水面平台辐射噪声的模态域能量值进行归一化处理,得到模态强度分布值及矩阵表示;
根据模态强度分布值,得到各阶模态分量闪烁指数,并作为匹配基准;
根据深度待判决目标模态强度分布值,得到深度待判决目标的各阶模态分量闪烁指数;
将深度待判决目标的各阶模态分量闪烁指数与匹配基准进行相关性分析,得到相关系数;
依据相关系数对待判决目标的深度进行辨识,得到判决结果;
所述方法具体包括:
步骤1)根据水面平台辐射噪声在水平拖线阵中的深度z0,计算水面平台辐射噪声的模态域能量值Ysum(f,l)为:
其中,ρ为密度,S(f)为目标声源在频点f处的幅频响应,φl(z)表示在深度z处的模态函数,*表示复共轭,kl表示第l阶水平波束,l=1,2,,M,,M表示模态总数,r1为目标声源到水平拖线阵第一阵元的距离,L为其他阶模态对应残留分量;
步骤2)根据距离和幅度对水平拖线阵各阶模态中的影响一致性,对水面平台辐射噪声的模态域能量值进行归一化处理,得到第l阶模态强度分布值Pl(f,z,z0)及矩阵表示形式P(f,z,z0):
其中,[.]T表示矩阵转置;
步骤3)根据模态强度分布值,得到水面平台辐射噪声在水平拖线阵中第l阶模态强度闪烁指数ESIl:
其中,var(.)为方差求取函数,E(.)为均值求取函数;
步骤4)根据深度待判决目标模态强度分布值,得到深度待判决目标第l阶模态强度闪烁指数ESIS,l:
其中,zs为待判决目标的深度;S为深度待判决目标的标识符,PS,l(f,z,zs)为深度待判决目标第l阶模态强度分布值;
步骤5)将步骤3)的ESIl作为匹配基准,计算ESIS,l与匹配基准的相关系数R(f,zs):
其中,cov[ESI,ESIS]为ESI与ESIS的协方差,d(ESI)为ESI的方差、d(ESIS)为ESIS的方差,ESI=[ESI1,ESI2,,ESIM],ESIS=[ESIS,1,ESIS,2,,ESIS,M];
步骤6)将相关系数R(f,zs)的最大峰值max[R(f,zs)]与阈值进行比较,得到待判决目标深度zs的判决结果:
当max[R(f,zs)]小于阈值时,目标为水下目标;否则,目标为水面目标。
2.一种基于模态闪烁指数匹配分析的目标深度辨识***,其特征在于,所述***包括:辐射噪声模态域能量值生成模块、归一化处理模块、模态分量闪烁指数生成模块和目标深度辨识模块;其中,
所述辐射噪声模态域能量值生成模块,用于以水平拖线阵搭载的水面平台辐射噪声作为引导源,利用模态域波束形成方法得到水面平台辐射噪声的模态域能量值;
所述归一化处理模块,用于对水面平台辐射噪声的模态域能量值进行归一化处理,得到模态强度分布值及矩阵表示;
所述模态分量闪烁指数生成模块,用于根据模态强度分布值,得到各阶模态分量闪烁指数,并作为匹配基准;然后根据深度待判决目标模态强度分布值,得到深度待判决目标的各阶模态分量闪烁指数;
所述目标深度辨识模块,用于将深度待判决目标的各阶模态分量闪烁指数与匹配基准进行相关性分析,得到相关系数;然后依据相关系数对待判决目标的深度进行辨识,得到判决结果;
所述辐射噪声模态域能量值生成模块的具体实现过程为:
根据水面平台辐射噪声在水平拖线阵中的深度z0,计算水面平台辐射噪声的模态域能量值Ysum(f,l)为:
其中,ρ为密度,S(f)为目标声源在频点f处的幅频响应,φl(z)表示在深度z处的模态函数,*表示复共轭,kl表示第l阶水平波束,l=1,2,,M,M表示模态总数,r1为目标声源到水平拖线阵第一阵元的距离,L为其他阶模态对应残留分量;
所述归一化处理模块的具体实现过程为:
根据距离和幅度对水平拖线阵各阶模态中的影响一致性,对水面平台辐射噪声的模态域能量值进行归一化处理,得到第l阶模态强度分布值Pl(f,z,z0)及矩阵表示形式P(f,z,z0):
其中,[.]T表示矩阵转置;
所述模态分量闪烁指数生成模块的具体实现过程为:
根据模态强度分布值,得到水面平台辐射噪声在水平拖线阵中第l阶模态强度闪烁指数ESIl:
其中,var(·)为方差求取函数,E(.)为均值求取函数;
根据深度待判决目标模态强度分布值,得到深度待判决目标第l阶模态强度闪烁指数ESIS,l:
其中,zs为待判决目标的深度;S为深度待判决目标的标识符,PS,l(f,z,zs)为深度待判决目标第l阶模态强度分布值;
所述目标深度辨识模块的具体实现过程为:
将ESIl作为匹配基准,计算ESIS,l与匹配基准的相关系数R(f,zs):
其中,cov[ESI,ESIS]为ESI与ESIS的协方差,d(ESI)为ESI的方差、d(ESIS)为ESIS的方差,ESI=[ESI1,ESI2,…,ESIM],ESIS=[ESIS,1,ESIS,2,…,ESIS,M];
将相关系数R(f,zs)的最大峰值max[R(f,zs)]与阈值进行比较,得到待判决目标深度zs的判决结果:
当max[R(f,zs)]小于阈值时,目标为水下目标;否则,目标为水面目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613037.7A CN111708007B (zh) | 2020-06-30 | 2020-06-30 | 基于模态闪烁指数匹配分析的目标深度辨识方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613037.7A CN111708007B (zh) | 2020-06-30 | 2020-06-30 | 基于模态闪烁指数匹配分析的目标深度辨识方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111708007A CN111708007A (zh) | 2020-09-25 |
CN111708007B true CN111708007B (zh) | 2023-11-10 |
Family
ID=72545046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010613037.7A Active CN111708007B (zh) | 2020-06-30 | 2020-06-30 | 基于模态闪烁指数匹配分析的目标深度辨识方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111708007B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687901B (zh) * | 2022-10-18 | 2023-06-16 | 哈尔滨工程大学 | 基于浅水声场相关性的水面水下目标分辨方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5561641A (en) * | 1992-02-06 | 1996-10-01 | Furuno Electric, Company, Limited | Underwater detection system for determining carrier frequencies of signals arriving from a wide area |
CN103529441A (zh) * | 2012-07-02 | 2014-01-22 | 中国科学院声学研究所 | 一种被动合成孔径目标信号检测和分辨方法及*** |
CN103969638A (zh) * | 2013-02-04 | 2014-08-06 | 中国科学院声学研究所 | 一种水声侦听与干扰设备 |
CN105785346A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院声学研究所 | 一种基于相位方差加权的未知目标线谱检测方法及*** |
-
2020
- 2020-06-30 CN CN202010613037.7A patent/CN111708007B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5561641A (en) * | 1992-02-06 | 1996-10-01 | Furuno Electric, Company, Limited | Underwater detection system for determining carrier frequencies of signals arriving from a wide area |
CN103529441A (zh) * | 2012-07-02 | 2014-01-22 | 中国科学院声学研究所 | 一种被动合成孔径目标信号检测和分辨方法及*** |
CN103969638A (zh) * | 2013-02-04 | 2014-08-06 | 中国科学院声学研究所 | 一种水声侦听与干扰设备 |
CN105785346A (zh) * | 2014-12-26 | 2016-07-20 | 中国科学院声学研究所 | 一种基于相位方差加权的未知目标线谱检测方法及*** |
Non-Patent Citations (2)
Title |
---|
拖船辐射噪声特性分析及实用抵消;赵闪;孙长瑜;陈新华;田甜;;声学技术(02);全文 * |
赵闪 ; 孙长瑜 ; 陈新华 ; 田甜 ; .拖船辐射噪声特性分析及实用抵消.声学技术.2013,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111708007A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111914641B (zh) | 一种基于模态强度匹配分析的目标深度辨识方法及*** | |
US10725149B1 (en) | System and method for autonomous joint detection-classification and tracking of acoustic signals of interest | |
CN111580048B (zh) | 一种利用单矢量水听器的宽带声源深度估计方法 | |
CN112965053B (zh) | 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法 | |
CN112987004A (zh) | 一种浅海环境下基于水平阵列的水面水下目标分类方法 | |
CN111708007B (zh) | 基于模态闪烁指数匹配分析的目标深度辨识方法及*** | |
CN111487628B (zh) | 一种下视多波束合成孔径成像声纳“零度”干扰抑制方法 | |
CN110763327A (zh) | 一种平面障板条件下单矢量水听器信号检测方法 | |
CN113011006A (zh) | 一种基于互相关函数脉冲波形匹配的目标深度估计方法 | |
CN111929665B (zh) | 一种基于波数谱主瓣位置的目标深度辨识方法及*** | |
CN112034440B (zh) | 一种基于波数谱能量累积分布的目标深度辨识方法及*** | |
CN115656994B (zh) | 双基地有源探测拖曳阵阵形实时校准方法 | |
CN114909610B (zh) | 一种水下油气管道泄漏检测与定位的方法及控制*** | |
CN116523822A (zh) | 一种基于侧扫声呐的海缆检测识别方法 | |
CN110837085B (zh) | 一种用于水底目标判别的波动指数计算方法 | |
KR101948459B1 (ko) | 다중 경로 전파 효과가 제거된 신뢰 음향 신호를 산출하고 음원까지의 거리 및/또는 방향을 결정하는 방법 및 그 장치와 선체 | |
CN213813947U (zh) | 海上风电基础海缆接入端检测*** | |
CN117991241B (zh) | 一种基于模态波数谱变换的目标深度信息提取方法及*** | |
CN113009419B (zh) | 一种基于频域互相关匹配的目标深度估计方法 | |
Lu et al. | Array shape estimation method based on extraction of single normal mode | |
CN113687364B (zh) | 一种三维成像声纳图像假底的抑制方法 | |
CN116774201A (zh) | 一种基于深海垂直阵的水下目标自主分辨及深度估计方法 | |
CN115754897A (zh) | 一种用于微小阵的水声目标方位估计方法 | |
CN117538820A (zh) | 基于浅海信道模型的单矢量水听器多维高精度测向方法 | |
Wang et al. | A depth discrimination method based on the scintillation of frequency domain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |