CN111914641A - 一种基于模态强度匹配分析的目标深度辨识方法及*** - Google Patents
一种基于模态强度匹配分析的目标深度辨识方法及*** Download PDFInfo
- Publication number
- CN111914641A CN111914641A CN202010611697.1A CN202010611697A CN111914641A CN 111914641 A CN111914641 A CN 111914641A CN 202010611697 A CN202010611697 A CN 202010611697A CN 111914641 A CN111914641 A CN 111914641A
- Authority
- CN
- China
- Prior art keywords
- target
- modal
- depth
- radiation noise
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 230000005855 radiation Effects 0.000 claims abstract description 66
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 55
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000010606 normalization Methods 0.000 claims abstract description 18
- 238000010219 correlation analysis Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012795 verification 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
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 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
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (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强度匹配分析的目标深度辨识方法及***,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,将该矩阵表示作为匹配基准;对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域的矩阵表示;将深度待判决目标在水平拖线阵模态域的矩阵表示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,特别涉及一种基于模态强度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强度匹配分析的目标深度辨识方法及***。
为了实现上述目的,本发明提出了一种基于模态强度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,并将矩阵表示作为匹配基准;
对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示;
将深度待判决目标在水平拖线阵模态域中的矩阵表示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)对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示PS(f,z,zs)为:
其中,zs为目标深度;
步骤4)将步骤2)的P(f,z,z0)作为匹配基准,将PS(f,z,zs)与匹配基准进行相关性分析,得到相关系数R(f,zs)为:
其中,cov[P(f,z,z0),PS(f,z,zs)]为P(f,z,zs)与PS(f,z,zs)的协方差,d(P(f,z,z0))为P(f,z,z0)的方差,d(PS(f,z,zs))为PS(f,z,zs)的方差;
步骤5)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。
一种基于模态强度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,并将矩阵表示作为匹配基准;还用于对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示;
所述目标深度辨识模块,用于将深度待判决目标在水平拖线阵模态域中的矩阵表示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;
对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示PS(f,z,zs)为:
其中,zs为目标深度。
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P(f,z,z0)作为匹配基准,将PS(f,z,zs)与匹配基准进行相关性分析,得到相关系数R(f,zs)为:
其中,cov[P(f,z,z0),PS(f,z,zs)]为P(f,z,zs)与PS(f,z,zs)的协方差,d(P(f,z,z0))为P(f,z,z0)的方差,d(PS(f,z,zs))为PS(f,z,zs)的方差;
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是本发明所述水平拖线阵声纳结构示意图;
图2是数值仿真验证实验采用的声速剖面图;
图3是不同深度模态强度分布情况;
图4是目标5m深度时,模态强度分布图;
图5是目标50m深度时,模态强度分布图;
图6是目标100m深度时,模态强度分布图;
图7是频带60~250Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关结果累积;
图8是频带60~250Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关峰分布;
图9是频带60~500Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关结果累积;
图10是频带60~500Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关峰分布。
具体实施方式
针对海洋环境参数不完备情况的水平拖线阵目标深度辨识问题,本发明依据水平拖线阵各阶模态强度与目标深度关系,提出一种基于模态强度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强度,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强度求取,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。
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
本发明的实施例1提供了一种基于模态强度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。
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个阵元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阵元距离,x(f,rn,z,zs)为n个阵元拾取的声压数据,[·]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,水平拖线阵各阵元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阵元之间声程差为Δr=dcosθ,其中d为相邻阵元间距,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,水平拖线阵各阵元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,即相邻阵元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阵元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阵元拾取数据叠加时,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。相位差补偿后各阵元数据叠加输出为:
式中,L为其他阶模态对应残留分量,当拖线阵所含阵元数量较多时,相位差补偿后各阵元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,在目标信号一定时,目标距离、信号幅度对各阵元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矩阵表示式,即:
2、不同深度模态强度分布
为了进一步说明不同深度模态强度分布存在一定差异,以图2所示声速剖面为例,图3和图4展示了该声速剖面下不同深度模态函数分布情况,图5为水平拖线阵位于20m深时,不同深度模态强度分布情况。由图3和图4可知,不同深度模态函数存在一定差异,阶数越高,模态函数随深度变越快;深度越深,模态函数随阶数变化越剧烈;较浅深度很难激发低阶模态。
由上述结果可知,对应同一水平拖线阵,不同深度目标对应的模态强度分布不同,根据该特性可对该目标实现深度估计。
目标深度属性判决方法
3、目标深度匹配估计原理
对于水平拖线阵工作深度和工作区域海洋环境参数信息已知情况下,即式(8)中除目标深度未知,其他参数信息均已被获知。此时,我们可以根据处理频带,依据简正波传播模型得到预设深度z0情况下的各阶模态强度参考值:
采用式(9),对从海面深度到海底深度按一定深度间隔Δz进行扫描,得到所有参考深度位置的模态强度样本,假设基阵接收到的声压经过模态波束形成得到的模态强度矩阵表示为PS(f,z,zs),对各参考深度模态强度进行相关处理,得到各参考深度下的相关系数为:
式中,zs为水平拖线阵接收目标信号的估计深度;cov[PS(f,z,zs),P(f,z,z0)]为PS(f,z,zs)与P(f,z,z0)的协方差,d(PS(f,z,zs))、d(P(f,z,z0))分别为PS(f,z,zs)、P(f,z,z0)的方差,搜索深度与接收信号的估计深度一致性,相关系数最大峰值最大,搜索深度与接收信号的估计深度不一致性,相关系数最大峰值较小。
然后,通过搜索相关系数R(f,z0)的最大峰值位置实现对目标信号深度zs估计。
4、基于水面平台模态强度匹配分析的目标深度属性判决方法
由上所述目标深度匹配估计过程可知,该技术对环境参数和声场模型的依赖性极高,容易受到环境参数和声场模型失配的影响。为了克服深度匹配估计技术的不足,减少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,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强度匹配分析,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(6)形式求取水面平台辐射噪声在水平拖线阵模态域中表现形式;
然后,根据深度待判决目标在水平拖线阵中方位角,按式(6)形式求取其在水平拖线阵模态域中表现形式;
最后,按式(10)形式求取深度待估计目标与水面平台辐射噪声在水平拖线阵模态域中表现形式相关系数,并按式(12)求取相关系数最大峰实现目标深度属性判决。
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
下面结合实例,对本发明方法的效果进行比较。
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。水面平台深度为5m,水平拖线阵深度为30m,目标深度在1~200m内按1m等间隔设置;如图2所示为数值仿真验证实验采用的声速剖面图;
如图3所示为不同深度模态强度分布情况;
如图4所示为目标5m深度时,模态强度分布图;
如图5所示为目标50m深度时,模态强度分布图;
如图6所示为目标100m深度时,模态强度分布图;
如图7所示为频带60~250Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关结果累积;
如图8所示为频带60~250Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关峰分布;
如图9所示为频带60~500Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关结果累积;
如图10所示为频带60~500Hz,不同深度目标模态强度与水面平台辐射噪声模态强度相关峰分布。
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,在靠近水面处目标模态强度与水面平台辐射噪声模态强度相关峰较大,由此可以实现对水面/水下目标深度属性判决。
实施例2
基于上述方法,本发明的实施例2提供了一种基于模态强度匹配分析的目标深度辨识***,该***包括:辐射噪声模态域能量值生成模块、归一化处理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,并将矩阵表示作为匹配基准;还用于对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示。
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;
对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示PS(f,z,zs)为:
其中,zs为目标深度。
目标深度辨识模块,用于将深度待判决目标在水平拖线阵模态域中的矩阵表示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P(f,z,z0)作为匹配基准,将PS(f,z,zs)与匹配基准进行相关性分析,得到相关系数R(f,zs)为:
其中,cov[P(f,z,z0),PS(f,z,zs)]为P(f,z,zs)与PS(f,z,zs)的协方差,d(P(f,z,z0))为P(f,z,z0)的方差,d(PS(f,z,zs))为PS(f,z,zs)的方差;
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 (6)
1.一种基于模态强度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,并将矩阵表示作为匹配基准;
对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示;
将深度待判决目标在水平拖线阵模态域中的矩阵表示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。
2.根据权利要求1所述的基于模态强度匹配分析的目标深度辨识方法,其特征在于,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)对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示PS(f,z,zs)为:
其中,zs为目标深度;
步骤4)将步骤2)的P(f,z,z0)作为匹配基准,将PS(f,z,zs)与匹配基准进行相关性分析,得到相关系数R(f,zs)为:
其中,cov[P(f,z,z0),PS(f,z,zs)]为P(f,z,zs)与PS(f,z,zs)的协方差,d(P(f,z,z0))为P(f,z,z0)的方差,d(PS(f,z,zs))为PS(f,z,zs)的方差;
步骤5)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。
3.一种基于模态强度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,并将矩阵表示作为匹配基准;还用于对深度待判决目标辐射噪声的模态域能量值进行归一化处理,得到深度待判决目标在水平拖线阵模态域中的矩阵表示;
所述目标深度辨识模块,用于将深度待判决目标在水平拖线阵模态域中的矩阵表示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。
6.根据权利要求5所述的基于模态强度匹配分析的目标深度辨识***,其特征在于,所述目标深度辨识模块的具体实现过程为:
将P(f,z,z0)作为匹配基准,将PS(f,z,zs)与匹配基准进行相关性分析,得到相关系数R(f,zs)为:
其中,cov[P(f,z,z0),PS(f,z,zs)]为P(f,z,zs)与PS(f,z,zs)的协方差,d(P(f,z,z0))为P(f,z,z0)的方差,d(PS(f,z,zs))为PS(f,z,zs)的方差;
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 |
---|---|---|---|
CN202010611697.1A CN111914641B (zh) | 2020-06-30 | 2020-06-30 | 一种基于模态强度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 |
---|---|---|---|
CN202010611697.1A CN111914641B (zh) | 2020-06-30 | 2020-06-30 | 一种基于模态强度匹配分析的目标深度辨识方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111914641A true CN111914641A (zh) | 2020-11-10 |
CN111914641B CN111914641B (zh) | 2023-07-18 |
Family
ID=73226257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010611697.1A Active CN111914641B (zh) | 2020-06-30 | 2020-06-30 | 一种基于模态强度匹配分析的目标深度辨识方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111914641B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589298A (zh) * | 2021-06-16 | 2021-11-02 | 中国船舶重工集团公司第七一五研究所 | 一种拖线阵湍流边界层噪声测试数据线谱净化方法 |
CN114509736A (zh) * | 2022-01-19 | 2022-05-17 | 电子科技大学 | 一种基于超宽带电磁散射特征的雷达目标识别方法 |
CN115542329A (zh) * | 2022-10-09 | 2022-12-30 | 哈尔滨工程大学 | 基于模态滤波的浅水低频声源深度判决方法 |
CN117991241A (zh) * | 2024-01-19 | 2024-05-07 | 中国科学院声学研究所 | 一种基于模态波数谱变换的目标深度信息提取方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030231547A1 (en) * | 2002-06-18 | 2003-12-18 | Tsih Yang | Method and apparatus for passive acoustic imaging using a horizontal line array |
CN107132503A (zh) * | 2017-03-23 | 2017-09-05 | 哈尔滨工程大学 | 基于矢量奇异值分解的声矢量圆阵宽带相干源方位估计方法 |
CN108845325A (zh) * | 2018-05-25 | 2018-11-20 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 拖曳线列阵声纳子阵误差失配估计方法 |
CN111273297A (zh) * | 2019-03-06 | 2020-06-12 | 哈尔滨工程大学 | 一种基于ar波数谱的水平阵动目标深度估计方法 |
-
2020
- 2020-06-30 CN CN202010611697.1A patent/CN111914641B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030231547A1 (en) * | 2002-06-18 | 2003-12-18 | Tsih Yang | Method and apparatus for passive acoustic imaging using a horizontal line array |
CN107132503A (zh) * | 2017-03-23 | 2017-09-05 | 哈尔滨工程大学 | 基于矢量奇异值分解的声矢量圆阵宽带相干源方位估计方法 |
CN108845325A (zh) * | 2018-05-25 | 2018-11-20 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 拖曳线列阵声纳子阵误差失配估计方法 |
CN111273297A (zh) * | 2019-03-06 | 2020-06-12 | 哈尔滨工程大学 | 一种基于ar波数谱的水平阵动目标深度估计方法 |
Non-Patent Citations (1)
Title |
---|
李鹏 等: "一种基于模态域波束形成的水平阵被动目标深度估计", 《物理学报》, vol. 66, no. 8, pages 1 - 13 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589298A (zh) * | 2021-06-16 | 2021-11-02 | 中国船舶重工集团公司第七一五研究所 | 一种拖线阵湍流边界层噪声测试数据线谱净化方法 |
CN113589298B (zh) * | 2021-06-16 | 2023-08-11 | 中国船舶重工集团公司第七一五研究所 | 一种拖线阵湍流边界层噪声测试数据线谱净化方法 |
CN114509736A (zh) * | 2022-01-19 | 2022-05-17 | 电子科技大学 | 一种基于超宽带电磁散射特征的雷达目标识别方法 |
CN114509736B (zh) * | 2022-01-19 | 2023-08-15 | 电子科技大学 | 一种基于超宽带电磁散射特征的雷达目标识别方法 |
CN115542329A (zh) * | 2022-10-09 | 2022-12-30 | 哈尔滨工程大学 | 基于模态滤波的浅水低频声源深度判决方法 |
CN115542329B (zh) * | 2022-10-09 | 2023-07-07 | 哈尔滨工程大学 | 基于模态滤波的浅水低频声源深度判决方法 |
CN117991241A (zh) * | 2024-01-19 | 2024-05-07 | 中国科学院声学研究所 | 一种基于模态波数谱变换的目标深度信息提取方法及*** |
CN117991241B (zh) * | 2024-01-19 | 2024-07-16 | 中国科学院声学研究所 | 一种基于模态波数谱变换的目标深度信息提取方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111914641B (zh) | 2023-07-18 |
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*** | |
US9869752B1 (en) | System and method for autonomous joint detection-classification and tracking of acoustic signals of interest | |
CN111273297A (zh) | 一种基于ar波数谱的水平阵动目标深度估计方法 | |
CN103076604B (zh) | 一种基于频散特征的低频水声脉冲信号距离的测量方法 | |
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 | |
CN104793212A (zh) | 利用声波海底反射实现主动声纳远程探测的方法 | |
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 | |
Malyshkin et al. | Optimal and adaptive methods of processing hydroacoustic signals | |
US6424596B1 (en) | Method and apparatus for reducing noise from near ocean surface sources | |
KR20210037407A (ko) | 빅데이터 기반의 소나 성능 검증 시스템 및 그 방법 | |
CN111929665B (zh) | 一种基于波数谱主瓣位置的目标深度辨识方法及*** | |
CN111708007B (zh) | 基于模态闪烁指数匹配分析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*** | |
CN111679248B (zh) | 一种基于海底水平l型阵列的目标方位和距离联合稀疏重构定位方法 | |
CN113109794B (zh) | 一种强噪声环境下基于深度神经网络的深海声源定深方法 | |
CN113671507B (zh) | 一种基于深海垂直阵的波导不变量估计方法 | |
CN113075645B (zh) | 一种基于主成分分析-密度聚类的畸变阵形线谱增强方法 | |
CN114019452A (zh) | 基于垂直波束谱空间差异因子的浅海目标深度分辨方法 | |
Zamanizadeh et al. | Source localization from time-differences of arrival using high-frequency communication signals | |
CN115656994A (zh) | 双基地有源探测拖曳阵阵形实时校准方法 | |
Li et al. | Source depth discrimination using wavenumber domain feature with a horizontal array | |
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*** | |
CN113138365B (zh) | 一种基于深度学习的单矢量水听器方位估计方法 | |
CN113325401A (zh) | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 | |
Wu et al. | Feature enhancement technique with distorted towed array in the underwater radiated noise |
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 |