CN106019290B - 加权宽带时反算子分解多目标声成像方法 - Google Patents
加权宽带时反算子分解多目标声成像方法 Download PDFInfo
- Publication number
- CN106019290B CN106019290B CN201610356675.9A CN201610356675A CN106019290B CN 106019290 B CN106019290 B CN 106019290B CN 201610356675 A CN201610356675 A CN 201610356675A CN 106019290 B CN106019290 B CN 106019290B
- Authority
- CN
- China
- Prior art keywords
- max
- eigenvalue
- signal
- target
- subbands
- 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
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
一种加权宽带时反算子分解多目标声成像方法，其核心为：将收发合置阵接收到的信号进行傅里叶分解，经过窄带滤波器划分为各个子带，将各个子带对应的时反算子奇异值分解，根据特征值的变化趋势判断信号子空间的个数，将所有信号子空间对应的特征向量与基于声传播模型的传递向量相关后获得模糊度函数，提取各子带模糊度函数的最大值及所对应的二维声场空间，同时以特征值设计加权系数，加权模糊度函数的最大值，将所有子带的加权结果相干累加，再将所有信号子空间的结果相干累加，呈现为空间图像。
Description
技术领域
本发明属于海洋资源开发和利用的声探测领域，具体的说是一种采用阵列对多个点目标或者扩展性目标进行声成像的方法。
背景技术
由于声波在水中传播的性能优于光波和电磁波，所以，应用于海洋资源的探测基本上是以声学手段为主。目前实际应用于声纳系统的空间处理技术仍然是以上世纪五、六十年代兴起并发展起来的以白噪声背景和自由场传播条件下的平面波波束形成。然而，在浅海环境下，传统的基于平面波模型的处理方法不再适用，由于声信号在海洋中的传播呈现多路径/多简正模状态，很容易造成检测过程中的伪目标或虚影现象，影响声纳系统的检测性能。时反处理从上世纪末开始应用于水声领域，是目前颇有应用前景的主动目标探测手段，时反算子分解是通过分析目标散射矩阵达到聚焦发射、定位以及成像目标的一种方法。
然而，目前时反算子分解方法应用于海洋探测领域的多目标成像，通常采用的方法，一是假定不同的目标对应不同的特征向量，将目标对应的特征向量与传递矩阵相关，二是利用噪声子空间的MUSIC算法，存在如下局限性：(1)宽带信号的处理仅仅考虑中心频率或者整个频段的处理结果非相干累加的方式，没有有效地利用宽带信号的信息；(2)多个目标需要多幅图像展示，不能直观地表示多个目标的相对位置关系；(3)目标本身的散射特性、波导传播效应以及换能器与频率的关系等综合作用，最终表现为目标散射特性与频率的关系函数，而目前处理过程中并没有考虑和利用这种散射特性。
发明内容
本发明要克服现有技术的上述缺点，提供加权宽带时反算子分解多目标声成像方法，该方法在现有的时反算子分解方法的基础上，有效地利用目标散射特性和宽带信息，从而达到消除伪目标、有效显示扩展性目标空间特征和同时展示多个目标的目的。
本发明提出的加权宽带时反算子分解多目标声成像方法，根据特征值的变化趋势确定信号子空间，提取各个信号子空间，各个子带模糊度函数的最大值以及相应的二维声场空间，根据最大特征值与频率的函数关系设计加权系数，加权对应信号子空间和子带的模糊度函数，并将加权后的模糊度函数非相干累加，将最终结果显示为声场图像，同时确定多个目标的空间位置。
下面对本发明方法做进一步说明。
对环境的声学参数如水深、声速剖面、密度、沉积层参数等有足够了解的情况下，按如下步骤完成目标的三维声学图像及目标空间位置的识别：
(1)建立坐标系；设P个换能器组成的收发合置线阵，垂直放置在水中，以线阵为z轴，水平方向为r轴建立坐标系，水面为坐标原点，第一个换能器距水面的深度为z1，第P个换能器距水面的深度为zP；
(2)将换能器阵列接收到数据快拍排列成列向量，根据预定采样频率对每个数据快拍进行采样，yi(n)＝[y1i(n)…ypi(n)…yPi(n)]H，p＝1,…,P，i＝1,…,M，其中n表示时刻，H表示转置，M表示数据快拍数；
(3)对采样后的信号进行短时傅里叶变换，n时刻可表示为
其中w(l)为窗口函数序列,L为窗函数的长度；
(4)将所有的M个数据快拍排列成矩阵则时反算子为K(ω)＝Y(ω)YH(ω)；
(5)将时反算子划分为Q个子带，进行奇异值分解：
K(ωq)＝U(ωq)Λ(ωq)V*(ωq),q＝1,…,Q (3)
(6)输出各子带非相干累加后的特征值与水平距离r的函数曲线，根据最大特征值的曲线判断包含目标的时间窗所对应的时反算子Ko(ωq)，所对应的特征值Λo(ωq)以及特征向量Uo(ωq)和Vo*(ωq)；
(7)设置阈值，根据特征值Λo(ωq),q＝1,…,Q的变化趋势判断信号子空间，假设信号子空间的个数为T；
(8)根据特征值Λo(ω)设计加权系数，找出信号子空间的特征值λt(ωq),q＝1,…,Q在频率维的最大值λt max，t＝1,…T，其余各子带的特征值与最大值λt max的比值即为加权系数：
ηt(ωq)＝λt(ωq)/λt max，q＝1，...，Q，t＝1，...T (4)
(9)将感兴趣的空间区域划分为网格，网格的交点即为假定目标所在的位置(r,z)，其中r表示假定目标距收发合置阵的水平距离，z表示假定目标的水深；
(10)根据成像方法所面临的水声环境，确定所适用的传播模型，分别得到假定目标与收发合置阵之间的传递向量g(r,z,ωq)＝[g1(z1,r,z,ωq)…gj(zj,r,z,ωq)…gP(zP,r,z,ωq)]T，其中gp(zp,r,z,ωq)表示假定目标与第p个换能器之间的传递函数。
(11)各个信号子空间，各个子带的模糊度函数为：
It(r,z,ωq)＝|gH(r,z,ωq)ut(ωq)|2,q＝1,…,Q,t＝1,…,T (5)
其中ut(ωq)表示第t个信号子空间第q个子带特征值λt(ωq)对应的特征向量，H表示共轭转置；
(12)提取所有信号子空间，各个子带模糊度函数的最大值It max(r,z,ωq)及其对应的声场空间位置(rt max(ωq)，zt max(ωq))；
(13)将所有子带的声场空间位置(rt max(ωq)，zt max(ωq))整理为一个集合Ω(rt max(ωq)，zt max(ωq))，并重新定义模糊度函数：
(14)对所有子带，所有信号子空间的模糊度函数进行加权累加：
将最终获得的模糊度函数显示为距离r和深度z的三维图像，可同时确定多个目标所对应的二维空间区域。
本发明的优点是：无需判断每个目标与特征值和特征向量之间的对应关系，充分利用信号子空间信息，将多个目标呈现在同一幅图像中，清楚地展示了目标之间的相对位置。
附图说明
图1本发明的实验布置及坐标设置图。
图2本发明的特征值与距离的函数关系图。
图3本发明目标所在时间窗的特征值与频率的函数关系图。
图4为本发明两个扩展目标的成像图。
具体实施方案
下面结合附图、通过具体实施例子对本发明作进一步地描述。在一个深度为1.44m的波导实验室水池中，水池的三面贴消声瓦，水池的底部铺了一层0.22m厚的沙。水池的环境参数如下：水中声速为常数，通过测量水体温度计算得知为c1＝1493m/s，水体密度ρ1＝1000kg/m3，沉积层参数密度ρ2＝1800kg/m3,声速为c2＝1650m/s,衰减系数α2＝0.67dB/λ，基底的密度为ρ3＝1800kg/m3，声速c3＝1580m/s，衰减系数α3＝0.8dB/λ。
(1)本实施例子中，实验布置及坐标系的建立如图1所示，收发合置阵32个阵元，全场布阵，第一个阵元距水面0.04m，阵元间距0.04m，垂直放置在水池中；两个直径为0.21m，长度为0.51m的圆柱型目标，一个放置在距阵6m的水池底部，一个放置在距阵8m，深度为0.83m处。发射信号为脉冲宽度为0.5ms的中心频率为18kHz，带宽为5kHz的线性调频信号。
(2)将换能器阵列接收到数据快拍排列成列向量，根据采样频率为50kHz对每个数据快拍进行采样，yi(n)＝[y1i(n)…ypi(n)…yPi(n)]H，p＝1,…,32，i＝1,…,32；
(3)选择的短时窗的窗长是发射脉宽的8倍，即点数为200的矩形窗，对采样后的信号进行短时傅里叶变换
(4)将所有的32个数据快拍排列成矩阵则时反算子为K(ω)＝Y(ω)YH(ω)；
(5)将5kHz的带宽的时反算子划分为Q＝501个子带进行奇异值分解：
K(ω)＝U(ω)Λ(ω)V*(ω) (3)
(6)输出各子带非相干累加后的特征值与水平距离r的函数曲线，判断包含目标的时间窗所对应的时反算子Ko(ω)，所对应的特征值Λo(ω)以及特征向量Uo(ω)和Vo*(ω)；图2是前5个特征值与距离的函数关系图。由图2可知，特征值有两个局部峰值，分别位于两个目标所在的距离处，从而可以确定包含了两个目标的时间窗。
(7)图3中左边图为Λo(ωq)随频率的变化趋势，可以判断信号子空间T＝4；
(8)设计加权系数，图3右上图是最大特征值所对应子空间的加权系数，右下图是第二特征值所对应子空间的加权系数；
ηt(ωq)＝λt(ωq)/λt max，q＝1，...，Q，t＝1，...T (4)
(9)将感兴趣的空间区域划分为网格，水平起始距离为0.1m，搜索步长为0.05m，截止距离为15m，垂直起始深度为0m，搜索步长为0.0075m，截止深度为1.5m。网格的交点即为假定目标所在的位置(r,z)，其中r表示假定目标距收发合置阵的水平距离，z表示假定目标的水深；
(10)根据成像方法所面临的水声环境，确定所适用的传播模型，分别得到假定目标与收发合置阵之间的传递向量g(r,z,ωq)＝[g1(z1,r,z,ωq)…gp(zp,r,z,ωq)…gP(zP,r,z,ωq)]T，其中gp(zp,r,z,ωq)表示假定目标与第p个换能器之间的传递函数，本次实施方案采用简正模传播模型，其传递向量为：
其中Zl表示第l号传播模对应的特征函数，H0 (2)(·)为汉克尔函数，κl表示波数；
(11)各个信号子空间，各个子带的模糊度函数为：
It(r,z,ωq)＝|gH(r,z,ωq)ut(ωq)|2,q＝1,…,Q,t＝1,…,T (6)
其中ut(ωq)表示第t个信号子空间第q个子带特征值λt(ωq)对应的特征向量；
(12)提取所有信号子空间，各个子带模糊度函数的最大值It max(r,z,ωq)及其对应的声场空间位置(rt max(ωq)，zt max(ωq))；
(13)将所有子带的声场空间位置(rt max(ωq)，zt max(ωq))整理为一个集合Ω(rt max(ωq)，zt max(ωq))，并重新定义模糊度函数：
(14)先对所有子带的模糊度函数进行加权累加，再将所有信号子空间的结果累加：
并呈现为空间图像。
图4是最后输出的两个扩展目标的成像图，展示了两个目标在整个水池所处的空间位置，以及其相对位置。
Claims (1)
1.加权宽带时反算子分解多目标声成像方法，该方法包括如下步骤：
(1)建立坐标系；设P个换能器组成的收发合置线阵，垂直放置在水中，以线阵为z轴，水平方向为r轴建立坐标系，水面为坐标原点，第一个换能器距水面的深度为z1，第P个换能器距水面的深度为zP；
(2)将换能器阵列接收到数据快拍排列成列向量，并根据预定采样频率对每个数据快拍进行采样yi(n)＝[y1i(n)…ypi(n)…yPi(n)]H，p＝1,…,P，i＝1,…,M，n表示时刻，H表示转置，M表示数据快拍数；
(3)对采样后的信号进行短时傅里叶变换，n时刻可表示为
其中ω表示角频率，w(l)为窗口函数序列,L为窗函数的长度；
(4)将所有的M个数据快拍排列成矩阵
则时反算子为
K(ω)＝Y(ω)YH(ω)；
(5)将时反算子划分为Q个子带，进行奇异值分解：
K(ωq)＝U(ωq)Λ(ωq)V*(ωq),q＝1,…,Q (3)
其中ωq表示第q个子带对应的角频率，Q为子带的个数;
(6)输出各子带非相干累加后的特征值与水平距离r的函数曲线，根据最大特征值的曲线判断包含目标的时间窗所对应的时反算子Ko(ωq)，所对应的特征值Λo(ωq)以及特征向量Uo(ωq)和Vo*(ωq)；
(7)设置阈值，根据特征值Λo(ωq),q＝1,…,Q的变化趋势判断信号子空间，假设信号子空间的个数为T；
(8)根据特征值Λo(ω)设计加权系数，找出信号子空间的特征值λt(ωq),q＝1,…,Q在频率维的最大值t＝1,…T，其余各子带的特征值与最大值的比值为加权系数：
(9)将感兴趣的空间区域划分为网格，网格的交点即为假定目标所在的位置(r,z)，其中r表示假定目标距收发合置阵的水平距离，z表示假定目标的水深；
(10)根据成像方法所面临的水声环境，确定所适用的传播模型，分别得到假定目标与收发合置阵之间的传递向量g(r,z,ωq)＝[g1(z1,r,z,ωq)…gp(zp,r,z,ωq)…gP(zP,r,z,ωq)]T，其中gp(zp，r,z,ωq)表示假定目标与第p个换能器之间的传递函数;
(11)各个信号子空间，各个子带的模糊度函数为：
It(r，z，ωq)＝|gH(r，z，ωq)ut(ωq)|2，q＝1，...，Q，t＝1，...，T (5)
其中ut(ωq)表示第t个信号子空间第q个子带特征值λt(ωq)对应的特征向量，H表示共轭转置；
(12)提取所有信号子空间，各个子带模糊度函数的最大值It max(r,z,ωq)及其对应的声场空间位置(rt max(ωq),zt max(ωq))；
(13)将所有子带的声场空间位置(rt max(ωq),zt max(ωq))整理为一个集合Ω(rt max(ωq),zt max(ωq))，并重新定义模糊度函数：
(14)先将所有子带的模糊度函数进行加权累加，再将所有信号子空间的结果进行累加：
将最终结果呈现为空间图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610356675.9A CN106019290B (zh) | 2016-05-26 | 2016-05-26 | 加权宽带时反算子分解多目标声成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610356675.9A CN106019290B (zh) | 2016-05-26 | 2016-05-26 | 加权宽带时反算子分解多目标声成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106019290A CN106019290A (zh) | 2016-10-12 |
| CN106019290B true CN106019290B (zh) | 2018-11-13 |
Family
ID=57094384
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610356675.9A Active CN106019290B (zh) | 2016-05-26 | 2016-05-26 | 加权宽带时反算子分解多目标声成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106019290B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110161546B (zh) * | 2019-05-23 | 2021-04-16 | 杭州中科微电子有限公司 | 一种利用迭代加权模糊度函数法的卫星定向装置及方法 |
| CN110456342B (zh) * | 2019-07-11 | 2023-03-21 | 西安电子科技大学 | 单发射天线雷达的远场多运动目标探测方法 |
| CN110455931B (zh) * | 2019-09-05 | 2020-07-28 | 中国科学院声学研究所 | 一种分层介质中的目标检测与定位方法 |
| CN111856474B (zh) * | 2020-07-30 | 2023-07-25 | 重庆大学 | 一种基于子阵的空时域条件相干系数超声成像方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104280737A (zh) * | 2014-08-29 | 2015-01-14 | 浙江工业大学 | 加权宽带时反算子分解声成像方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7649805B2 (en) * | 2007-09-12 | 2010-01-19 | Schlumberger Technology Corporation | Dispersion extraction for acoustic data using time frequency analysis |
| CN101387701B (zh) * | 2008-10-24 | 2011-01-05 | 西北工业大学 | 一种基于前向预测的被动时间反转混响抑制方法 |
| CN103076590A (zh) * | 2012-12-31 | 2013-05-01 | 东南大学 | 一种基于频率预估的水声脉冲信号的定位方法 |
| CN103197282B (zh) * | 2013-03-18 | 2015-12-02 | 哈尔滨工程大学 | 基于幅度补偿的mvdr时反聚焦定位方法 |
-
2016
- 2016-05-26 CN CN201610356675.9A patent/CN106019290B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104280737A (zh) * | 2014-08-29 | 2015-01-14 | 浙江工业大学 | 加权宽带时反算子分解声成像方法 |
Non-Patent Citations (2)
| Title |
|---|
| "Experimental investigation of selective localization by decomposition of the time reversal operator and subspace-based technique";Li. et al;《IET RADAR Sonar and Navigation》;20081231;第2卷(第6期);第428页 * |
| "干扰环境下窄带信号时反算子分解聚焦性能分析";李春晓 等;《哈尔滨工程大学学报》;20080831;第29卷(第8期);第868页左栏倒数第2行-右栏第1行 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106019290A (zh) | 2016-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN101995574B (zh) | 一种近场聚焦波束形成定位法 | |
| CN106019290B (zh) | 加权宽带时反算子分解多目标声成像方法 | |
| Wang et al. | {MAVL}: Multiresolution analysis of voice localization | |
| CN106646373B (zh) | 基于浅海多途到达角和到达时延的近距离声源联合定位方法 | |
| CN103713276B (zh) | 基于最小互熵谱分析的波达方向估计方法 | |
| CN116609725B (zh) | 一种利用深海垂直阵的窄带线谱目标深度估计方法及系统 | |
| CN106226754A (zh) | 基于时间反演的低仰角波达方向估计方法 | |
| CN104101871A (zh) | 一种用于被动合成孔径的抑制窄带干扰方法及系统 | |
| CN111273297A (zh) | 一种基于ar波数谱的水平阵动目标深度估计方法 | |
| CN104678384B (zh) | 一种波束域的声压差互相关谱分析水下目标速度估计方法 | |
| CN103809170B (zh) | 一种多普勒频偏修正方法及系统 | |
| CN104280737B (zh) | 加权宽带时反算子分解声成像方法 | |
| CN109001687A (zh) | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 | |
| CN103487796B (zh) | 一种利用水声信道统计不变特征实现被动测距的方法 | |
| CN103513238B (zh) | 一种规整化最小二乘子空间相交的目标方位测向方法 | |
| CN116559793A (zh) | 雷达干扰的抑制方法、装置及存储介质 | |
| Li et al. | High-resolution passive depth estimation for broadband sources in deep water based on orthogonal matching pursuit algorithm | |
| CN118962686B (zh) | 一种用于深海水平线列阵的多径辨识与目标距离估计方法 | |
| CN104714232A (zh) | 一种水下弱目标的分辨定位方法及系统 | |
| Zhao et al. | Single-hydrophone-based passive localization for vertically moving targets in shallow water | |
| CN113126029A (zh) | 适用于深海可靠声路径环境的多传感器脉冲声源定位方法 | |
| Ji et al. | High-resolution short angle weight algorithm in sonar systems | |
| Chouhan et al. | Normal mode wave‐number estimation using a towed array | |
| CN114814851A (zh) | 基于频率差分波束形成的栅瓣抑制主动探测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |