CN113011006A - 一种基于互相关函数脉冲波形匹配的目标深度估计方法 - Google Patents
一种基于互相关函数脉冲波形匹配的目标深度估计方法 Download PDFInfo
- Publication number
- CN113011006A CN113011006A CN202110211679.9A CN202110211679A CN113011006A CN 113011006 A CN113011006 A CN 113011006A CN 202110211679 A CN202110211679 A CN 202110211679A CN 113011006 A CN113011006 A CN 113011006A
- Authority
- CN
- China
- Prior art keywords
- target
- acoustic array
- acoustic
- array
- depth
- 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 40
- 238000005314 correlation function Methods 0.000 title claims abstract description 21
- 238000004613 tight binding model Methods 0.000 claims abstract description 53
- 238000003491 array Methods 0.000 claims abstract description 21
- 230000005855 radiation Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 101100532584 Clostridium perfringens (strain 13 / Type A) sspC1 gene Proteins 0.000 description 2
- 241001386813 Kraken Species 0.000 description 2
- 101150038317 SSP1 gene Proteins 0.000 description 2
- 101100125020 Schizosaccharomyces pombe (strain 972 / ATCC 24843) pss1 gene Proteins 0.000 description 2
- 101100018019 Schizosaccharomyces pombe (strain 972 / ATCC 24843) ssc1 gene Proteins 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Discrete Mathematics (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公布了一种基于互相关函数脉冲波形匹配的目标深度估计方法,所述方法包括:步骤1)利用两条近似平行的声学阵列,从被测目标辐射噪声数据中提取时域伪格林函数,获得其脉冲包络;步骤2)沿深度和距离方向划分网格,然后根据声学阵列布放海域的水文环境,计算各网格点上对应的时域伪格林函数,获取每个网格点的脉冲包络;步骤3)将步骤1)提取的脉冲包络与各网格点上脉冲包络进行匹配处理,获得水中目标的深度估计结果。本发明的方法将目标深度估计和目标距离估计分离,可以在未知目标距离的情况下获得目标深度估计结果,克服了传统匹配场处理方法需要同时估计目标距离和目标深度或者先估计出目标距离然后再估计目标深度的限制。
Description
技术领域
本发明属于海洋声学领域,具体涉及一种基于互相关函数脉冲波形匹配的目标深度估计方法。
背景技术
目标的深度信息是非常重要的目标参数。根据声学传感器接收信号给出可靠的目标深度估计结果,是解决水中目标深度分辨的有效途径。匹配场处理方法是对目标进行深度估计的方法之一。这种方法充分利用了声场的干涉特性,采用声传播模型来计算拷贝场向量,然后将拷贝场与测量场进行匹配处理,从而获得未知变量的匹配处理结果。自从1976年匹配场(MFP)定位概念提出以来,国内外已发表了数百篇相关论文,进行了大量的海上实验,取得了不少进展。但是,海洋环境条件十分复杂,环境参数往往是时变、空变的,匹配场处理方法面临海洋环境参数无法准确测量的难题,从而拷贝场计算不准确,导致匹配处理结果与真实结果偏差太大,甚至无法给出置信度超过设定阈值的处理结果。也有学者提出利用声能流有功分量和无功分量正负号的变化来判别水上水下目标的方法,该方法要求将接收水听器布设在特定深度上,此深度需要根据声场分析频率和水深、底质、声速剖面等海洋环境计算得到,而实际应用中很难精确计算此深度,限制了该方法的使用。另外,可以利用脉冲信号的频散特征对目标声源进行深度估计,这种方法要求声源发出的是时域上很短的脉冲信号,而实际应用中所接收到的往往是连续的辐射噪声信号,各类船只很少会辐射这类持续时间很短但强度很大的瞬态脉冲信号。
发明内容
针对声学目标深度分辨这一需求,本发明根据浅海低频宽带声场的水平纵向互相关函数的物理特征,提出了一种基于互相关函数脉冲波形匹配的目标深度估计方法,适用于浅海海域的低频宽带被动目标深度估计,为提高浅海海域的目标深度分辨能力提供技术手段。该方法根据浅海低频宽带声场的水平纵向互相关函数的物理特征,利用两条近似平行的声学阵列提取时域伪格林函数,通过将实际提取的伪格林函数脉冲包络与在不同深度上仿真计算的伪格林函数脉冲包络进行匹配处理,给出水中目标的深度估计结果。
为了实现上述目的,本发明提供了一种基于互相关函数脉冲波形匹配的目标深度估计方法,所述方法包括:
步骤1)利用两条近似平行的声学阵列,从被测目标辐射噪声数据中提取时域伪格林函数,获得其脉冲包络;
步骤2)沿深度和距离方向划分网格,然后根据声学阵列布放海域的水文环境,计算各网格点上对应的时域伪格林函数,获取每个网格点的脉冲包络;
步骤3)将步骤1)提取的脉冲包络与各网格点上脉冲包络进行匹配处理,获得水中目标的深度估计结果。
作为上述方法的一种改进,所述步骤1)具体包括:
步骤1-1)对声学阵列A一段时间内的多拍数据进行处理,获得声学阵列A的宽带波束输出结果;获得某一目标相对于声学阵列A的随时间t变化的方位历程θA(t);
步骤1-2)对声学阵列B一段时间内的多拍数据进行处理,获得声学阵列B的宽带波束输出结果;获得某一目标相对于声学阵列B的随时间t变化的方位历程θB(t);
步骤1-3)若|θA(t)-θB(t)|≤α,α为阈值;转入步骤1-4);否则改变时间段,转入步骤1-1),直到在宽带波束输出结果中有满足|θA(t)-θB(t)|≤α的目标出现;
步骤1-4)对两条声学阵列在目标方位的波束形成输出结果进行预处理;对预处理后的波束数据进行互相关运算,并在一定时间内积累,求取其平均值,即为伪格林函数。
作为上述方法的一种改进,所述步骤1-1)具体包括:
步骤1-1-1)将声学阵列A各阵元接收到的声信号分成多拍,每拍时间长度为ΔT,前后相邻两拍重叠P%,并对每一拍信号做傅里叶变换得到频域信号;声学阵列A的频域信号为sA(f;t)=[sA1(f;t),sA2(f;t),...,sAM(f;t)]T;f是信号频率,t是当前拍数据的起始时刻;M是声学阵列A的阵元个数;(·)T表示转置;
步骤1-1-2)以声学阵列A的几何中心为参考点,计算声学阵列A各频点的在波束形成扫描方位θ的加权向量wA(f,θ)=[wA0(f,θ),wA1(f,θ),...,wAM-1(f,θ)]T,其中
其中,τAm(θ)表示声学阵列A的第m+1个阵元相对于参考点的时延:
v(θ)=-[cosθ,sinθ]T
pAm=[pxm,pym]T
v(θ)是入射信号的单位向量,pAm为第m+1个阵元相对于参考点的二维坐标;
步骤1-1-3)计算声学阵列A指向方位θ的波束形成结果bA(f,θ;t):
bA(f,θ;t)=wA H(f,θ)sA(f;t)
其中,(·)H表示共轭转置;θ的取值范围为[θ0-45°,θ0+45°],θ0表示声学阵列A和声学阵列B的参考阵元连线的角度;
步骤1-1-4)对声学阵列A的一段时间[t1,t2]内的多拍数据进行步骤1-1-1)至步骤1-1-3)的处理,获得声学阵列A的宽带波束输出结果HA(θ,t):
其中,符号“Σ”表示求和;
步骤1-5)根据声学阵列A的宽带波束输出结果,获得某一目标相对于声学阵列A的随时间t变化的方位历程θA(t)。
作为上述方法的一种改进,所述步骤1-2)具体包括:
步骤1-2-1)将声学阵列B各阵元接收到的声信号分成多拍,每拍时间长度为ΔT,前后相邻两拍重叠P%,并对每一拍信号做傅里叶变换得到频域信号;声学阵列B的频域信号为sB(f;t)=[sB1(f;t),sB2(f;t),...,sBN(f;t)]T;f是信号频率,选取的范围为[fL,fH];t是当前拍数据的起始时刻;N是声学阵列B的阵元个数;
步骤1-2-2)以声学阵列B的几何中心为参考点,计算声学阵列B各频点的在波束形成扫描方位θ的加权向量wB(f,θ)=[wB0(f,θ),wB1(f,θ),...,wB,N-1(f,θ)]T,其中
其中τBn(θ)表示声学阵列B的第n+1个阵元相对于参考点的时延:
v(θ)=-[cosθ,sinθ]T
pBn=[pxn,pyn]T
v(θ)是入射信号的单位向量,pBn为第n+1个阵元相对于参考点的二维坐标;
步骤1-2-3)计算声学阵列B指向方位θ的波束形成结果bB(f,θ;t):
bB(f,θ;t)=wB H(f,θ)sB(f;t)
其中,(·)H表示共轭转置;
步骤1-2-4)对声学阵列B的一段时间[t1,t2]内的多拍数据进行步骤1-2-1)至步骤1-2-3)的处理,计算声学阵列B的宽带波束输出结果HB(θ,t):
步骤1-2-5)根据声学阵列B的宽带波束输出结果获得同一目标相对于声学阵列B的随时间t变化的方位历程θB(t)。
作为上述方法的一种改进,所述步骤1-4)包括:
IA(f)为所选取目标相对于声学阵列A的平均声强谱:
IB(f)为所选取目标相对于声学阵列B的平均声强谱:
其中,Nt为总拍数;Nt的取值范围为[600/(ΔT(1-P%)),1800/(ΔT(1-P%))];ΔT为单拍数据的时间长度;P%为前后相邻两拍重叠率;
(·)*表示共轭;
其中,ifft表示反傅里叶变换,Re表示取实部;
其中,|·|表示取绝对值,H(·)表示希尔伯特变换。
作为上述方法的一种改进,所述步骤2)具体包括:
步骤2-1)按照[0,4H/5]间隔,将声学阵列布放海域在深度上划分为Qz个网格,H为水深;按照[Rmin,Rmax]间隔,将声学阵列布放海域在距离上划分为QR个网格,Rmin为满足声学阵列远场要求所需的最小距离,Rmax为声学阵列对目标的最大理论探测距离;
步骤2-2)根据水深、声速剖面和海底参数这些海洋环境参数,采用声场计算方法计算简正波信息:第l号简正波的水平波数kl=μl+iηl,μl、ηl分别为kl的实部、虚部;第l号简正波的特征函数Ψl(z);其中,l=1,2,…,I;I为简正波总号数;
步骤2-3)根据简正波信息计算各网格点的时域伪格林函数;
对于第q个网格点,其时域伪格林函数为:
其中,zq、rq分别为第q个网格点对应的声源深度和至两条声学阵列几何中心连线中点的水平距离;τ表示时延,ifft表示反傅里叶变换,Re表示取实部;
其中,B(z1,z2,zq)为归一化因子:
z1,z2表示两个水听器的深度,其水平间距为L,两个水听器与声源的水平间距分别为r1,r2;
其中,|·|表示取绝对值,H(·)表示希尔伯特变换。
作为上述方法的一种改进,深度网格数Qz的取值范围为[8H/5λ,40H/5λ],λ为分析带宽内中心频率所对应的声波波长;距离网格数QR的取值范围为[(Rmax-Rmin)/10,(Rmax-Rmin)]。
作为上述方法的一种改进,所述步骤3)具体包括:
步骤3-1)计算第q个网格点的时域伪格林函数包络v(τ)与实际数据提取的时域伪格林函数包络vr(τ;zq,rq)的相关系数W(zq,rq):
其中,V(τ)和Vr(τ;zq,rq)分别是对v(τ)和vr(τ;zq,rq)在时延维度上取滑动平均后的结果:
其中,Δτ为滑动平均窗口宽度;Δτ的取值范围为[5/(fH-fL),20/(fH-fL)];fL、fH分别为分析频段的下限频率、上限频率;
步骤3-2)对于所有的W(zq,rq),其最大值对应网格点的深度即为被测目标的深度估计结果。
作为上述方法的一种改进,如果目标距离是已知的,记为rs,那么仅对目标距离附近范围内的网格点进行局部最大值搜索即可;距离搜索的典型范围为[0.8rs,1.2rs]。
本发明的优势在于:
1、本发明的方法将目标深度估计和目标距离估计分离,可以在未知目标距离的情况下获得目标深度估计结果,克服了传统匹配场处理方法需要同时估计目标距离和目标深度或者先估计出目标距离然后再估计目标深度的限制;
2、本发明的方法通过匹配时域伪格林函数脉冲包络来获得目标深度估计结果,降低了对海洋环境参数精确度的要求,提高了宽容性。
附图说明
图1为本发明中水听器及声源的相对位置示意图;
图2为本发明的基于互相关函数脉冲波形匹配的目标深度估计方法的流程图;
图3为本发明一个实施例中海水平均声速剖面;水深200m,海面声速1544m/s,声速随深度逐渐减小,200m深度处声速约为1502m/s;海底声速1608m/s;图中实线(图中标记为ssp1)为计算测量场时所用声速剖面,虚线(图中标记为ssp2)为计算拷贝场时所用声速剖面;
图4(a)是本发明一个实施例中测量场的时域伪格林函数包络,分析带宽为200Hz至300Hz;
图4(b)为图4(a)对应拷贝场的时域伪格林函数包络随时延和目标深度的二维图像。
图5(a)为所对应目标深度估计结果为8m,实际目标深度为10m的示意图;
图5(b)为所对应目标深度估计结果为101m,实际目标深度为100m的示意图。
具体实施方式
针对声学目标深度分辨这一需求,本发明根据浅海低频宽带声场的水平纵向互相关函数的物理特征,提出了一种基于互相关函数脉冲波形匹配的目标深度估计方法,适用于浅海海域的低频宽带被动目标深度估计,为提高浅海海域的目标深度分辨能力提供技术手段。
本发明所采用的技术方案是:
根据简正波理论,深度为zs的点声源在水平距离r、深度z处的产生的声场(格林函数)可表示为
其中,km为第m号简正波的水平波数,km=μm(f)+jηm(f),μm、ηm分别为km的实部、虚部,均为频率f的函数;Ψm(z)为第m号简正波的特征函数。j为虚数符号;e为自然对数的基底,e=2.718……。
如图1所示,两个圆点表示水听器,其水平间距为L,深度分别为z1、z2,与声源(五角星所示)水平间距分别为r1、r2;一个圆点位于两个水听器的中心位置,与声源水平间距为R;声源相对于两个水听器连线的方位为θ。
对于方位为θ的声源,利用图1所示两个水听器,可获得时域伪格林函数
其中,τ表示时延,ifft表示反傅里叶变换,Re表示取实部。
其中B(z1,z2,zs)为归一化因子
符号“Σ”为求和算子。
公式(2)所表示的时域伪格林函数是一个脉冲函数,其波形与目标深度、水听器纵向间距及深度、海洋环境等参数有关。已知水听器纵向间距及深度、海洋环境等参数的情况下,可根据脉冲波形估计被测目标深度。
需要指出的是,以上论述是针对两个水听器的情形的。但是一般情况下,为了提高处理增益,实际应用中通常用两个近似平行的声学阵列代替上述的两个水听器,以获得空间增益,提高信噪比。
如图2所示,本发明提出了一种基于互相关函数脉冲波形匹配的目标深度估计方法,包括如下步骤:
S1,处理实际数据,提取时域伪格林函数,获得其脉冲包络v(τ)。
S1-1,对布设在水中的两条近似平行的声学阵列(声学阵列A、B)所接收的声学数据分别进行波束形成,其波束形成结果记为bA(f,θ;t)和bB(f,θ;t)。其中,f是信号频率,选取的范围为[fL,fH];t是当前拍数据的起始时刻;θ为预成波束方位。
优选的,fL、fH的典型取值范围为[2c0/H,20c0/H]。c0为参考声速,通常取为水体声速的均值。H为水深。
优选的,θ的典型取值范围为[θ0-45°,θ0+45°]。θ0表示声学阵列A和声学阵列B的参考阵元连线的角度。
S1-2,根据上一步结果,选取声学阵列正横方位附近的水面船只作为辐射噪声的声源,其相对于声学阵列A、B的随时间t变化的方位历程分别记为θA(t)、θB(t)。
如果所分析的时间段内有多个目标出现,应尽量选取声学阵列正横方位附近的目标。
θA(t)、θB(t)应满足|θA(t)-θB(t)|≤2°。
S1-3,对两条声学阵列在目标方位的波束形成输出结果进行预处理。预处理后声学阵列A、B在目标方位的波束形成输出分别为
Nt为总拍数。
优选的,Nt的典型取值范围为[600/(ΔT(1-P%)),1800/(ΔT(1-P%))]。ΔT为单拍数据的时间长度,单位s;P%为前后相邻两拍重叠率。
(·)*表示共轭。
其中,τ表示时延,ifft表示反傅里叶变换,Re表示取实部。
其中,|·|表示取绝对值,H(·)表示希尔伯特变换。
S2,根据声学阵列布放海域的水文环境,仿真计算时域伪格林函数,获得不同深度、距离上对应的时域伪格林函数脉冲包络vr(τ;zq,rq)。
S2-1,在深度和距离上划分网格。将深度在[0,4H/5]范围内划分为QZ个网格,H为水深。将距离在[Rmin,Rmax]范围内划分为QR个网格,Rmin为满足声学阵列远场要求所需的最小距离,Rmax为声学阵列对目标的最大理论作用距离。
设网格总数为Q=QR×QZ,QR为距离网格数,QZ为深度网格数。
优选的,QZ的典型取值范围为[8H/5λ,40H/5λ]。H为水深,λ为分析带宽内中心频率所对应的声波波长。
优选的,QR的典型取值范围为[(Rmax-Rmin)/10,(Rmax-Rmin)]。Rmin、Rmax的单位为km。
S2-2,根据水深、声速剖面、海底参数等海洋环境参数,采用声场计算程序(比如Kraken或KrakenC等)计算简正波信息:第m号简正波的水平波数km=μm+jηm,μm、ηm分别为km的实部、虚部;第m号简正波的特征函数Ψm(z)。其中m=1,2,…,M。M为简正波总号数。
S2-3,根据简正波信息,计算各网格点的频域伪格林函数。
对于第q个网格点,其时域伪格林函数为
其中,τ表示时延,ifft表示反傅里叶变换,Re表示取实部。
其中,argmax(·)表示取最大值所对应的时延,|·|表示取绝对值,H(·)表示希尔伯特变换。
S3,将时域伪格林函数包络v(τ)与实际数据提取的时域伪格林函数包络vr(τ;zq,rq)进行匹配处理,获得目标深度。
S3-1,计算每个网格点的时域伪格林函数包络v(τ)与实际数据提取的时域伪格林函数包络vr(τ;zq,rq)的相关系数。
对于第q个网格点,其对应的相关系数为
其中,V(τ)和Vr(τ;zq,rq)分别是对v(τ)和vr(τ;zq,rq)在时延维度上取滑动平均后的结果,
其中,Δτ为滑动平均窗口宽度。
优选的,Δτ的典型取值范围为[5/(fH-fL),20/(fH-fL)]。fL、fH分别为分析频段的下限频率、上限频率。
S3-2,对于所有的W(zq,rq),q=1,2,3,…Q,取局部最大值,其对应网格点的深度即为被测目标的深度估计结果。
由于上述算法对目标距离非常不敏感,因此局部最大值对应网格点的距离与目标真实距离可能有较大差异,因此不能作为目标距离的估计结果。
如果目标距离是已知的,记为rs,那么仅对目标距离附近范围内的网格点进行局部最大值搜索即可。距离搜索的典型范围为[0.8rs,1.2rs]。
本发明根据浅海低频宽带声场的水平纵向互相关函数的物理特征,提出了一种基于互相关函数脉冲波形匹配的目标深度估计方法,适用于浅海海域的低频宽带被动目标深度估计,为提高浅海海域的目标深度分辨能力提供技术手段。
现通过附图和具体实施例来阐述本发明的技术方案。
浅海海域水深200m,海水平均声速剖面如图3所示,海面声速1544m/s,声速随深度逐渐减小,200m深度处声速约为1502m/s。海底声速1608m/s。图中实线(图中标记为ssp1)为计算测量场时所用声速剖面,虚线(图中标记为ssp2)为计算拷贝场时所用声速剖面。
两条声学阵列(声学阵列A、B)布放于海底表面,声学阵列A、B均为直线阵且相互平行,阵元数均为11,阵元间距均为5m。声学阵列A、B几何中心均为其第6阵元,几何中心连线长度为L=700m,与两条声学阵列垂直,目标方位为θ=0°。
目标距离在10分钟内由R=30km均匀增加至R=33km,目标方位为θ=0°,目标深度为zs=10m或zs=100m,按照图3中声速剖面1计算声学阵列A、B所接收到的声场,作为测量场。声学阵列A、B各阵元的平均信噪比设为-5dB。然后,分别获得声学阵列A、B在目标方位的波束输出并进行归一化处理,得和在频域做互相关运算,并在一定时间段内取平均,得频域伪格林函数然后对频域伪格林函数进行反傅里叶变换,获得时域伪格林函数及其包络v(τ)。本实施例中,Nt取100,对应时间段长度为10分钟;频率分析范围为200Hz至300Hz。图4(a)显示了声源深度分别为zs=10m、zs=100m时的时域伪格林函数包络,横轴为时延,单位ms,纵轴为归一化强度。
将深度在[2.5m,200m]范围内划分为80个网格,步长2.5m。将距离在[10km,50km]范围内划分为41个网格,步长1km。根据图3中声速剖面2所示的海域环境参数,采用Kraken程序计算简正波信息,并据此计算各网格点的时域伪格林函数及其包络。对于第q个网格点,其时域伪格林函数包络为
其中,τ表示时延,ifft表示反傅里叶变换,Re表示取实部。
其中,B(z1,z2,zs)为归一化因子;zq、rq分别为第q个网格点对应的声源深度和至两条声学阵列几何中心连线中点的水平距离。
本实施例中,声学阵列A、B深度z1=z2=200m,声学阵列A、B几何中心的水平间距L=700m,目标方位当rq取30km时,仿真计算得到的时域伪格林函数包络随时延和深度变化的二维图像如图4(b)所示,横轴为时延,单位ms,纵轴为深度,单位m。
然后,对v(τ)和vr(τ;zq,rq)按照下式进行相关运行,获得每个网格点的相关系数
其中,V(τ)和Vr(τ;zq,rq)分别是对v(τ)和vr(τ;zq,rq)在时延维度上取滑动平均后的结果,
其中,Δτ为滑动平均窗口宽度,本实施例中Δτ=100ms。
当声源深度为zs=10m时,W(zq,rq)的二维图像如图5(a)所示,横轴为水平距离,单位km,纵轴为深度,单位m。当声源深度为zs=100m时,W(zq,rq)的二维图像如图5(a)所示,横轴为水平距离,单位km,纵轴为深度,单位m。
图5(a)所对应目标深度估计结果为8m,实际目标深度为10m;图5(b)所对应目标深度估计结果为101m,实际目标深度为100m。以上结果验证了本发明所示算法的有效性。
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 (9)
1.一种基于互相关函数脉冲波形匹配的目标深度估计方法,所述方法包括:
步骤1)利用两条近似平行的声学阵列,从被测目标辐射噪声数据中提取时域伪格林函数,获得其脉冲包络;
步骤2)沿深度和距离方向划分网格,然后根据声学阵列布放海域的水文环境,计算各网格点上对应的时域伪格林函数,获取每个网格点的脉冲包络;
步骤3)将步骤1)提取的脉冲包络与各网格点上脉冲包络进行匹配处理,获得水中目标的深度估计结果。
2.根据权利要求1所述的基于互相关函数脉冲波形匹配的目标深度估计方法,其特征在于,所述步骤1)具体包括:
步骤1-1)对声学阵列A一段时间内的多拍数据进行处理,获得声学阵列A的宽带波束输出结果;获得某一目标相对于声学阵列A的随时间t变化的方位历程θA(t);
步骤1-2)对声学阵列B一段时间内的多拍数据进行处理,获得声学阵列B的宽带波束输出结果;获得某一目标相对于声学阵列B的随时间t变化的方位历程θB(t);
步骤1-3)若|θA(t)-θB(t)|≤α,α为阈值;转入步骤1-4);否则改变时间段,转入步骤1-1),直到在宽带波束输出结果中有满足|θA(t)-θB(t)|≤α的目标出现;
步骤1-4)对两条声学阵列在目标方位的波束形成输出结果进行预处理;对预处理后的波束数据进行互相关运算,并在一定时间内积累,求取其平均值,即为伪格林函数。
3.根据权利要求2所述的基于互相关函数脉冲波形匹配的目标深度估计方法,其特征在于,所述步骤1-1)具体包括:
步骤1-1-1)将声学阵列A各阵元接收到的声信号分成多拍,每拍时间长度为ΔT,前后相邻两拍重叠P%,并对每一拍信号做傅里叶变换得到频域信号;声学阵列A的频域信号为sA(f;t)=[sA1(f;t),sA2(f;t),...,sAM(f;t)]T;f是信号频率,t是当前拍数据的起始时刻;M是声学阵列A的阵元个数;(·)T表示转置;
步骤1-1-2)以声学阵列A的几何中心为参考点,计算声学阵列A各频点的在波束形成扫描方位θ的加权向量wA(f,θ)=[wA0(f,θ),wA1(f,θ),...,wAM-1(f,θ)]T,其中
其中,τAm(θ)表示声学阵列A的第m+1个阵元相对于参考点的时延:
v(θ)=-[cosθ,sinθ]T
pAm=[pxm,pym]T
v(θ)是入射信号的单位向量,pAm为第m+1个阵元相对于参考点的二维坐标;
步骤1-1-3)计算声学阵列A指向方位θ的波束形成结果bA(f,θ;t):
bA(f,θ;t)=wA H(f,θ)sA(f;t)
其中,(·)H表示共轭转置;θ的取值范围为[θ0-45°,θ0+45°],θ0表示声学阵列A和声学阵列B的参考阵元连线的角度;
步骤1-1-4)对声学阵列A的一段时间[t1,t2]内的多拍数据进行步骤1-1-1)至步骤1-1-3)的处理,获得声学阵列A的宽带波束输出结果HA(θ,t):
其中,符号“Σ”表示求和;
步骤1-5)根据声学阵列A的宽带波束输出结果,获得某一目标相对于声学阵列A的随时间t变化的方位历程θA(t)。
4.根据权利要求3所述的基于互相关函数脉冲波形匹配的目标深度估计方法,其特征在于,所述步骤1-2)具体包括:
步骤1-2-1)将声学阵列B各阵元接收到的声信号分成多拍,每拍时间长度为ΔT,前后相邻两拍重叠P%,并对每一拍信号做傅里叶变换得到频域信号;声学阵列B的频域信号为sB(f;t)=[sB1(f;t),sB2(f;t),...,sBN(f;t)]T;f是信号频率,选取的范围为[fL,fH];t是当前拍数据的起始时刻;N是声学阵列B的阵元个数;
步骤1-2-2)以声学阵列B的几何中心为参考点,计算声学阵列B各频点的在波束形成扫描方位θ的加权向量wB(f,θ)=[wB0(f,θ),wB1(f,θ),...,wB,N-1(f,θ)]T,其中
其中τBn(θ)表示声学阵列B的第n+1个阵元相对于参考点的时延:
v(θ)=-[cosθ,sinθ]T
pBn=[pxn,pyn]T
v(θ)是入射信号的单位向量,pBn为第n+1个阵元相对于参考点的二维坐标;
步骤1-2-3)计算声学阵列B指向方位θ的波束形成结果bB(f,θ;t):
bB(f,θ;t)=wB H(f,θ)sB(f;t)
其中,(·)H表示共轭转置;
步骤1-2-4)对声学阵列B的一段时间[t1,t2]内的多拍数据进行步骤1-2-1)至步骤1-2-3)的处理,计算声学阵列B的宽带波束输出结果HB(θ,t):
步骤1-2-5)根据声学阵列B的宽带波束输出结果获得同一目标相对于声学阵列B的随时间t变化的方位历程θB(t)。
5.根据权利要求4所述的基于互相关函数脉冲波形匹配的目标深度估计方法,其特征在于,所述步骤1-4)包括:
IA(f)为所选取目标相对于声学阵列A的平均声强谱:
IB(f)为所选取目标相对于声学阵列B的平均声强谱:
其中,Nt为总拍数;Nt的取值范围为[600/(ΔT(1-P%)),1800/(ΔT(1-P%))];ΔT为单拍数据的时间长度;P%为前后相邻两拍重叠率;
(·)*表示共轭;
其中,ifft表示反傅里叶变换,Re表示取实部;
其中,|·|表示取绝对值,H(·)表示希尔伯特变换。
6.根据权利要求5所述的基于互相关函数脉冲波形匹配的目标深度估计方法,其特征在于,所述步骤2)具体包括:
步骤2-1)按照[0,4H/5]间隔,将声学阵列布放海域在深度上划分为Qz个网格,H为水深;按照[Rmin,Rmax]间隔,将声学阵列布放海域在距离上划分为QR个网格,Rmin为满足声学阵列远场要求所需的最小距离,Rmax为声学阵列对目标的最大理论探测距离;
步骤2-2)根据水深、声速剖面和海底参数这些海洋环境参数,采用声场计算方法计算简正波信息:第l号简正波的水平波数kl=μl+iηl,μl、ηl分别为kl的实部、虚部;第l号简正波的特征函数Ψl(z);其中,l=1,2,…,I;I为简正波总号数;
步骤2-3)根据简正波信息计算各网格点的时域伪格林函数;
对于第q个网格点,其时域伪格林函数为:
其中,zq、rq分别为第q个网格点对应的声源深度和至两条声学阵列几何中心连线中点的水平距离;τ表示时延,ifft表示反傅里叶变换,Re表示取实部;
其中,B(z1,z2,zq)为归一化因子:
z1,z2表示两个水听器的深度,其水平间距为L,两个水听器与声源的水平间距分别为r1,r2;
其中,|·|表示取绝对值,H(·)表示希尔伯特变换。
7.根据权利要求6所述的基于频域匹配的目标深度估计方法,其特征在于,深度网格数Qz的取值范围为[8H/5λ,40H/5λ],λ为分析带宽内中心频率所对应的声波波长;距离网格数QR的取值范围为[(Rmax-Rmin)/10,(Rmax-Rmin)]。
9.根据权利要求8所述的基于互相关函数脉冲波形匹配的目标深度估计方法,其特征在于,如果目标距离是已知的,记为rs,那么仅对目标距离附近范围内的网格点进行局部最大值搜索即可;距离搜索的典型范围为[0.8rs,1.2rs]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110211679.9A CN113011006B (zh) | 2021-02-25 | 2021-02-25 | 一种基于互相关函数脉冲波形匹配的目标深度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110211679.9A CN113011006B (zh) | 2021-02-25 | 2021-02-25 | 一种基于互相关函数脉冲波形匹配的目标深度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011006A true CN113011006A (zh) | 2021-06-22 |
CN113011006B CN113011006B (zh) | 2021-10-22 |
Family
ID=76386402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110211679.9A Active CN113011006B (zh) | 2021-02-25 | 2021-02-25 | 一种基于互相关函数脉冲波形匹配的目标深度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011006B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378820A (zh) * | 2021-07-02 | 2021-09-10 | 深圳市东亿健康服务有限公司 | 数字病理切片目标区域的识别方法及*** |
CN115242583A (zh) * | 2022-07-27 | 2022-10-25 | 中国科学院声学研究所 | 一种基于水平线列阵的信道脉冲响应被动估计方法 |
WO2023213052A1 (zh) * | 2022-05-05 | 2023-11-09 | 中国科学院声学研究所 | 一种深海声源定位方法及计算机设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783135A (zh) * | 2016-08-25 | 2018-03-09 | 中国科学院声学研究所 | 一种三元矢量阵被动测距方法 |
CN108020314A (zh) * | 2016-11-01 | 2018-05-11 | 北京大学 | 光纤水听器阵列***和加速度传感器阵列***及测量方法 |
CN109733574A (zh) * | 2019-01-25 | 2019-05-10 | 哈尔滨工程大学 | 一种基于水下滑翔机的自容式声学信息检测*** |
US10429505B2 (en) * | 2017-07-03 | 2019-10-01 | R2Sonic, Llc | Multi-perspective ensonification system and method |
CN110703203A (zh) * | 2019-10-22 | 2020-01-17 | 哈尔滨工程大学 | 基于多声学波浪滑翔机的水下脉冲声定位*** |
CN110720225A (zh) * | 2017-04-28 | 2020-01-21 | 伯斯有限公司 | 声学阵列*** |
CN110764055A (zh) * | 2019-10-25 | 2020-02-07 | 哈尔滨工程大学 | 虚拟平面阵水下运动目标辐射噪声矢量测量***及测量方法 |
CN110914718A (zh) * | 2017-05-22 | 2020-03-24 | 沙特***石油公司 | 计算频域中地震速度反演的与振幅无关的梯度 |
CN111025272A (zh) * | 2019-12-19 | 2020-04-17 | 哈尔滨工程大学 | 具备隧道效应抑制能力的平面声学基阵超宽覆盖波束发射方法 |
CN111323746A (zh) * | 2020-03-19 | 2020-06-23 | 哈尔滨工程大学 | 一种双圆阵的方位-等效时延差被动定位方法 |
CN112285720A (zh) * | 2020-09-25 | 2021-01-29 | 中国人民解放军海军工程大学 | 柔性拖曳线列阵声呐噪声目标的方位迹获取方法及装置 |
-
2021
- 2021-02-25 CN CN202110211679.9A patent/CN113011006B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783135A (zh) * | 2016-08-25 | 2018-03-09 | 中国科学院声学研究所 | 一种三元矢量阵被动测距方法 |
CN108020314A (zh) * | 2016-11-01 | 2018-05-11 | 北京大学 | 光纤水听器阵列***和加速度传感器阵列***及测量方法 |
CN110720225A (zh) * | 2017-04-28 | 2020-01-21 | 伯斯有限公司 | 声学阵列*** |
CN110914718A (zh) * | 2017-05-22 | 2020-03-24 | 沙特***石油公司 | 计算频域中地震速度反演的与振幅无关的梯度 |
US10429505B2 (en) * | 2017-07-03 | 2019-10-01 | R2Sonic, Llc | Multi-perspective ensonification system and method |
CN109733574A (zh) * | 2019-01-25 | 2019-05-10 | 哈尔滨工程大学 | 一种基于水下滑翔机的自容式声学信息检测*** |
CN110703203A (zh) * | 2019-10-22 | 2020-01-17 | 哈尔滨工程大学 | 基于多声学波浪滑翔机的水下脉冲声定位*** |
CN110764055A (zh) * | 2019-10-25 | 2020-02-07 | 哈尔滨工程大学 | 虚拟平面阵水下运动目标辐射噪声矢量测量***及测量方法 |
CN111025272A (zh) * | 2019-12-19 | 2020-04-17 | 哈尔滨工程大学 | 具备隧道效应抑制能力的平面声学基阵超宽覆盖波束发射方法 |
CN111323746A (zh) * | 2020-03-19 | 2020-06-23 | 哈尔滨工程大学 | 一种双圆阵的方位-等效时延差被动定位方法 |
CN112285720A (zh) * | 2020-09-25 | 2021-01-29 | 中国人民解放军海军工程大学 | 柔性拖曳线列阵声呐噪声目标的方位迹获取方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘炎堃 等: "基于路径选择的深海水下运动目标被动深度估计", 《应用声学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378820A (zh) * | 2021-07-02 | 2021-09-10 | 深圳市东亿健康服务有限公司 | 数字病理切片目标区域的识别方法及*** |
WO2023213052A1 (zh) * | 2022-05-05 | 2023-11-09 | 中国科学院声学研究所 | 一种深海声源定位方法及计算机设备和存储介质 |
CN115242583A (zh) * | 2022-07-27 | 2022-10-25 | 中国科学院声学研究所 | 一种基于水平线列阵的信道脉冲响应被动估计方法 |
CN115242583B (zh) * | 2022-07-27 | 2023-05-26 | 中国科学院声学研究所 | 一种基于水平线列阵的信道脉冲响应被动估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113011006B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113011006B (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 | |
CN108226933B (zh) | 一种基于条纹干涉结构的深海宽带目标深度估计方法 | |
CN108828522B (zh) | 一种利用垂直阵lcmv波束形成的水下目标辐射噪声测量方法 | |
CN112269164B (zh) | 深海可靠声路径下基于干涉结构匹配处理弱目标定位方法 | |
CN107179535A (zh) | 一种基于畸变拖曳阵的保真增强波束形成的方法 | |
CN112987004B (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 | |
CN103076594B (zh) | 一种基于互相关的水声脉冲信号双阵元定位的方法 | |
CN101915922A (zh) | 拖曳线列阵被动测距方法 | |
CN103438987A (zh) | 基于超指向性小孔径圆柱阵的舰船辐射噪声源分辨方法 | |
CN108845325A (zh) | 拖曳线列阵声纳子阵误差失配估计方法 | |
CN111537982B (zh) | 一种畸变拖曳阵线谱特征增强方法及*** | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及*** | |
CN109100711B (zh) | 一种深海环境下单基地主动声纳低运算量三维定位方法 | |
CN109061654B (zh) | 一种深海环境下单圆环阵主动三维定位方法 | |
CN104714235A (zh) | 一种低频双矢量水听器阵列的测距方法及*** | |
CN104793212A (zh) | 利用声波海底反射实现主动声纳远程探测的方法 | |
CN112098938B (zh) | 一种基于六元锥矢量阵的水声目标降维匹配声场定位方法 | |
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 | |
CN115656994B (zh) | 双基地有源探测拖曳阵阵形实时校准方法 | |
CN113126030B (zh) | 基于宽带声场干涉结构的深海直达声区目标深度估计方法 | |
CN109541572B (zh) | 一种基于线性环境噪声模型的子空间方位估计方法 | |
Chen et al. | Insight into split beam cross-correlator detector with the prewhitening technique | |
CN113009419B (zh) | 一种基于频域互相关匹配的目标深度估计方法 | |
CN113009418B (zh) | 一种基于伪格林函数脉冲时延的目标深度估计方法 | |
CN115825965A (zh) | 一种基于深海海底双水平阵的直达声区目标三维定位方法 |
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 |