CN101194182B - 鱼类聚集群及其习性的连续地大陆架规模监测 - Google Patents

Abstract

利用海洋声学波导遥感，在横跨数千平方千米的大陆架尺度的区域内监测鱼群的区域聚集密度和详细的行为以及它们的反应。在一些实施例中，利用到了作为声学波导的某些地理环境例如大陆架、岛屿等的容量；以陷阱模式在长距离上传播的声音仅仅经受柱面传播损失，而非传统声纳方法中的球面损失。

Description

鱼类聚集群及其习性的连续地大陆架规模监测

政府的支持

本发明受到由美国海军提供的、许可号为N00014-99-1-1059的政府支持。政府对本发明享有一定权利。

相关申请

本申请要求申请号为60/688,619(申请日为2005年6月8日)的美国临时申请的权益和优先权，该美国临时申请所公开的全部内容均通过引用包括在本发明当中。

背景技术

鱼类资源正在世界范围内减少，然而，传统的对鱼类数量和习性的研究手段多依赖于并不精确的局部声纳和拖网捕鱼测量方法。特别是已经使用缓慢移动的科考船采用样带法(line-transect techniques)对大陆架环境中的鱼类进行监测；这些技术在时间和空间上对于鱼类聚集数量的严重欠采样，所以给出的数量和习性图是不完全的。传统的鱼群搜索声纳(Conventionalfish-finding sonar，简称CFFS)的工作频率在10-500kHz范围内，并且沿缓慢移动科考船的线形截面通过窄的向下波束中的回声声波来测量鱼群的局部深度分布。一般来说，这些系统以邻近大约0.2平方千米/小时的速度搜索鱼群生境，该速度与拖网船的搜索速度相近。采用传统的仅仅使用局部线性水中传播路径的侧扫声纳可以将搜索速度提高大约一个数量级。与此相对应的是，一些孤立的鱼群经常在空间上相隔甚远，应用传统方法很难探测到它们。目前已知，直径跨度为数百米的小鱼群在尺寸和形状上会发生快速的变化。大鱼群常常延伸至几十至数百平方千米并且同样会发生诸如在不到一个小时的时间内出现分散和聚集的形态巨变。

因此，使用传统方法来测量鱼群的大小、空间分布和随时间的演化通常是不切实际的。鱼过于分散，并且在使用CFFS进行测量的过程中，它们的空间密度和分布都会发生巨变。

发明内容

本发明使用海洋声波导遥感可以在短时间间隔(例如，大约一分钟)和横跨数千平方千米的大陆架规模的区域内，对鱼群的区域性聚集密度、具体习性、以及它们之间的相互作用进行连续的监测。上述监测之所以成为可能是因为本发明依赖于某些地理环境的容量，例如大陆架、岛屿等作为声波导，在这里，声波以陷阱模式(trapped mode)在大范围内传播；该模态仅经受柱面传播损失，而不是在CFFS传播中所经受的球面损耗。本发明还可以利用水柱声速变化而应用于远离大陆架的深水中用于产生波导。

为了形成根据本发明的瞬时图像，可以在方位角上通过采用优选为短宽带传输的脉冲传输的垂直源阵列来均匀激发波导模态。随后，通过水平线阵列连续接收由环境特征返回的散射波，并在水平距离和方位上(例如，通过时间匹配滤波和波束形成)进行制图。所得到的图像是经过多次信号返回的双程传播后的海洋环境瞬时快照。本发明不仅可用于定位和表征有和没有鱼鳔的鱼类，并且还可应用于探测、成像以及定位例如磷虾的其他海洋生物。

因此，在第一方面中，本发明提供了一种表征鱼类聚集群的方法。该方法包括下列步骤：在水生环境中通过陷阱模式产生水平导向的声学信号，从而所述信号最多只经受柱面传播损失；接收由生成的声学信号激励或激发的返回声学信号；以及解释所述返回声学信号从而实现检测和表征该鱼类聚集群。在某些实施例中，所述声学信号是脉冲形式的。优选地，所生成的声学信号方位角均匀并且在作为波导的边缘地理特征内传播，例如海底和海洋-空气表面。波导还可以由水柱中声速的变化产生。

优选地，上述解释返回声学信号的步骤包含时间匹配滤波和波束形成的步骤；该方法将返回的声学信号强度相对于返回所述声学信号的散射特征的水平空间位置进行制图，从而形成回声强度图。所述步骤还可以包括对双程波导传输损失、分辨印记、鱼群目标强度以及声源功率的补偿。在某些实施例中，上述解释步骤包含建立鱼群目标强度，并基于此鱼群目标强度识别回声信号所代表的鱼类聚集群的步骤。上述步骤可以包括建立不同种类鱼群的目标强度，基于所建立的各种目标强度对不同鱼类聚集群进行区分，并建立鱼群的区域性聚集密度的步骤。在某些实施例中，上述解释步骤还可包括回声信号强度的对数转换的步骤，以便将与回声信号相关的斑点噪声转化为与回声信号无关的加性噪声，从而优化鱼群目标强度或聚集分布的模式识别。

典型地这些表征(尽管不是必须的)可以在超过25平方千米的区域内出现。所产生的声学信号按照设想地传播，且回声信号跨越了360度的方位角。它们可以由设置于水生环境中的垂直方向的声源阵列而产生。在某些实例中，可采用所述源阵列中的水平孔径引导产生的声学信号向某些优选的方位角传播。

还可采取一些步骤来优化声学信号波长。例如，优化后的波长足够大，使得回声信号可表达为以下因数的积：(i)一个表示向鱼传播的因数，(ii)一个表示来自鱼的散射因数，(iii)一个表示来自鱼的传播因数。这种优化的波长可以使得声学信号的远场范围比待表征的鱼之间的平均间距短。在某些实例中，优化的波长可以使得来自待表征鱼的遮蔽长度(shadow length)比鱼间的平均距离小。可以选择优化波长，使得回声信号与任何单独一条鱼的外表无关。可以选择优化波长，使得来自鱼或鱼群的波导散射(许多进和出的入射角)引起的总声学衰减小于1dB。(CFFS系统一般工作在高得多的频率上，且在传播经过甚至一小群鱼时，也会产生显著的衰减，从而导致在聚集估计上发生严重错误。)可以选择优化的波长和声学信号功率级，使得来自鱼的回声信号在最大探测范围内超过环境噪声水平至少5dB。最大探测范围可以超过数十千米或更多。可以选择优化的声波波长，使得来自鱼群或其他水生物的散射在最大探测范围内超过海底散射。

可以采取措施来优化由声源阵列激励的波导模态，使得来自鱼的回声信号最大，且使得来自海底的回声信号最小。

在一些实例中，如果需要，可以将回声信号强度、鱼的目标强度或区域性聚集密度的连续图像连接成影片。

本发明可以表征被已探测鱼群所占有的整个区域，且识别鱼群的聚集中心。这样，依次下来，通过将已识别的聚集中心进行时间差分，得到鱼群的速度。整个鱼场的速度矢量根据质量守恒定律进行时间和空间差分来确定，并且使鱼进行移动的环境压力也可根据动量守恒定律得到量化。另外，也可根据回声信号的多普勒频移对鱼群的速度进行估计。

另一方面，本发明提供了表征鱼类聚集的设备。该设备包括传输装置，用于在水环境中沿水平方向以陷阱模式产生声学信号，该声学信号受到柱面传播损失；接收器，用于接收由上述产生的声学信号所激励得到的回声信号；和分析模块，用于解释回声信号，从而对鱼类聚集进行探测和表征。这可以通过实时的或后续的分析得到。

传输装置优选地产生方位角均匀的声学信号，该信号理想地在360度方位角传播，且可以为脉冲形式。在某些实例中，分析模块通过时间匹配滤波和波束形成对回声信号进行解释。传输装置可以，例如，包括垂直方向的声源阵列。该声源阵列可以发出经过空间滤波的信号，从而使来自鱼或水生生物的回声信号得到优化，且使来自海底的回声信号最小。较好地，对所产生信号的波长和功率级进行共同优化，使得来自鱼的回声信号在最大探测范围内超过环境噪声至少5dB。

可以配置分析模块对双程波导传输损失、分辨印记(resolutionfootprint)、鱼的目标强度、信号相关噪声和声源功率进行补偿。在有些实施例中，配置分析模块以建立鱼的目标强度，并基于此识别回声信号所代表的鱼类聚集群。在这点上，可以进一步配置分析模块来建立不同种类鱼的目标强度，基于所建立的目标强度区分不同鱼类聚集群，并且建立鱼群的区域性聚集密度。在有些实施例中，配置分析模块如上所述地对声学信号的波长进行优化。

可以配置分析模块来表征指定某一给定区域内的总的鱼类聚集数量以及该聚集数量随时间的变化。可以配置该分析模块来表征探测到的鱼群所占用的总区域，并且，如果需要，还可表征鱼群聚集的中心。也可以配置该分析模块，通过将已识别的聚集中心进行时间差分来探测鱼群的速度。可以进一步配置分析模块以根据质量守恒通过进行时间和空间差分来确定整个鱼的场内的速度矢量，以及利用动量守恒来确定使鱼进行移动的环境压力。另外，分析模块也可根据回声信号的多普勒频移来估算鱼群的速度。

该设备还可以包括图像处理模块，用于根据回声信号生成鱼类聚集图像。可以配置图像处理模块以建立鱼类聚集的空间谱。如果必要的话，可以配置图像处理模块，将连续的图像连接为影片。如果必要的话，可以配置图像处理模块，估算鱼类聚集的时间序列、鱼群区域、某一指定区域内的鱼群长轴和短轴，以及谱图和这些时间序列的相关长度。

附图说明

结合下列附图可以通过下面对本发明的详细描述更容易地理解上述讨论，其中：

图1为示出了根据本发明的系统的成像区域与CFFS轨迹的对比示意图。

图2为示出了本发明配置的示意图。

图3为示出了根据本发明的数据处理系统的示意图。

具体实施方式

基本方法

在示例性的应用中，声源和接收器的位置是已知的，且声源的传播时间也是已知的。随后，通过水平线性阵列连续接收经过例如鱼的环境特征散射后的回波，并在水平距离和方位上进行制图，优选地使用已知的声学模型在海洋中传播速度(例如，通过局部声速测量确定的速度)，通过时间匹配滤波和波束形成来实现。所得到的图像是经过多次信号返回的双程传播在360度方位角上生成的海洋环境瞬时快照。这种原始图像中的每个像素均具有相对于参考压力以分贝表示的声压级。范围分辨率设定为c＝1475米/秒的平均声速除以两倍的信号带宽。以弧度表示的方位角分辨率随声波波长λ除以发射阵列长度Lcosθ的结果而变化，在此处L是阵列的全长，方位角θ在与阵列轴向正交的宽边位置为零。在与阵列轴平行的端射方向(endfire)，分辨率大约为

弧度。图1示出了分辨率的水平视图并将其与CFFS线横截面相对比。如图1所示，阵列相对于其轴不存在左右的不确定性，因为阵列具有一些与其长轴正交的孔径来对该孔径提供两个维度，从而，例如，在心形阵列或在多线阵列的拖曳中消除了这种不确定性。对于没有与阵列轴正交的孔径的单线阵列，可以通过同时改变接收器阵列的位置和方向来解决上述不确定性。由于有时会受到拖船噪声的污染，沿拖曳方向端射方向波束有时会对环境成像而言是无用的。

可以使用，包括线性频率调制(linear frequency modulated，简称lfm)、双曲线频率调制(hyperbolic frequency modulated，简称hfm)以及正弦或单频脉冲(cw)串的多种声源波形。由于频率调制后的波形可以利用脉冲压缩或匹配滤波技术来提高范围分辨率、信噪比以及信号对背景反射比，因此例如lfms和hfms的频率调制后的波形具有优点。

传播重复速度限制了范围覆盖。50秒的重复速度对应于每个瞬时图像中大约半径为30千米的覆盖范围，而100秒的重复速度对应于大约半径为60千米的覆盖范围，在下次传播与前次接收之间留下了一些非记录时间以获得优化的捕获。已经采用50秒和100秒的重复速度来获得这种优点。

设备

图2示出了一种典型的应用。停泊的、拖曳的或漂浮的源阵列210利用一个或多个垂直线性阵列215在360度水平方位角上发出声音；每个垂直线性阵列215都包含一个或多个位于水下的声源。波导模态由垂直线性阵列215激发，这些垂直线性阵列215是悬浮的，例如位于拖船下方35米至70米处。源阵列利用空间窗激励出能够最大化来自鱼的回波且最小化来自海底的回波的模态。停泊的、拖曳的或漂浮的接收器阵列220包括水听器的一个或多个水平线性接收器阵列225(优选地，每个阵列均包括多个水听器用来确定水下声波的方向)。在图2所示的例子中，这些水平线性接收器阵列225是悬浮着的，例如，位于另一科考船之后115米至230米的水面下方24至55米处。水平接收器阵列225接收经过散射的回波。一般地，源和接收器可以由移动的科考船拖曳或者停泊在海底。在本例中典型的海底深度范围介于70米至140米之间。

适用的声源阵列或接收器阵列可以采用本领域公知的任何适合的形式。典型的阵列包括浮力部件、连接线或电缆、电缆释放装置、深度传感器、装有源或接收器的压力箱、以及相关控制用电子装置。浮力部件可以包括例如用来使阵列保持向上的垂直或水平方向的浮标或漂浮物。典型地，使用多个深度传感器，但是如果仅使用了单独一个深度传感器，则其一般放置在靠近阵列处，在接收器阵列的情况中，还要电连接至控制系统，使得深度信息可以与声学信号一并传送出去用于分析。

参考图3，根据本发明，用于处理来自接收器阵列225的信号的系统300在概念上组织为包括下列一系列功能模块：信号调理和滤波模块310，与常规做法相同，用于降低噪声和改善水下声学数据；数据分析模块320，用于分析经过调理的、数字化的信号，以在一定范围和方位角形成图像，其中范围通过时间匹配滤波确定而方位角由平面波波束形成确定；并且，如果需要的话，则还包括图像处理模块330，用于组合或进一步处理由数据分析模块320输出的图像。该图像可以显示在计算机显示器340上。本发明使用的声音强度低于CFFS，典型地，通常比CFFS要小三个数量级。可得到的范围分辨率为 $\mathrm{\Δr}=\frac{c}{2B}$ ，在这里，c为在实验过程中的海洋声速的平均值，而B为传播信号的带宽。

模块320、330可以全部或部分地通过使用任何合适的编程语言(C++、C#、java、FORTRAN、LISP、BASIC、PERL等等)编写的软件程序，和/或通过硬件器件(例如ASIC、FPGA、处理器、内存、存储器以及类似物)来实现。下面将对模块320、330所执行的功能作更详细的描述。

对源阵列的模滤波

可以设计垂直的源阵列，使其对激励并传播进入波导的模态进行滤波。这可以通过在信号传播过程中屏蔽(shade)源阵列的每个单元的振幅和相位来实现。优选地，通常利用源阵列来激励水柱的较低阶模态，因为这些模态具有更多沿水平方向的波数矢量且这些波数矢量之间相互作用较小，或在海底和海面有较浅的入射角，从而使由海底和海面不均一性和特征引起的回波达到最小。这些较低阶模态仍可充满水柱并对鱼类聚集群产生强烈的回波。

较低阶模态还可利用公知的海洋测深术通过环境中的源阵列的优选配置进行激励来得到。由于只会激发较少的模态，并且这些模态均处于低端，所以在浅水测探术中源阵列的配置在某些情况下是有利的。因此，当这些模态传播到较深的水中时，海底和海面上的入射角会小于将源设置在较深水中时的情况下的入射角，从而再次最小化来自海底和海面的回波。

推导单位面积的目标强度和聚集密度

典型地，数据分析模块320的输出一般为海洋环境中某一单位面积内目标强度的一幅或多幅图像，包括鱼群和其他水生生物。这些可以通过补偿以下接收到的声压级参数来确定：(i)范围相关的大陆架波导中的双程传输损失(例如，使用抛物线方程模型，如Makris等人在《科学》杂志2006年总第311期660-663页所述，包括支持性在线材料)；(ii)OARS源-接收器系统的空间变化分辨印记；(iii)鱼的目标强度；和(iv)源功率。

用于普通目标的海洋声学波导散射模型

出于叙述的方便，我们使用正交模态公式对来自分层海洋波导中普通目标的散射场进行描述。设坐标系的原点位于空气-水界面上，且z轴正方向朝下。定义源的坐标为r₀＝(x₀，y₀，z₀)，接收器的坐标为r＝(x，y，z)，且目标重心的坐标为r_t＝(x_t，y_t，z_t)。空间柱坐标系(ρ，φ，z)和球坐标系(r，θ，φ)由下式定义：x＝rsinθcosφ，y＝rsinθsinφ，z＝rcosφ以及ρ²＝x²+y²。声波数k由角频率ω＝2πf除以声速c给出。

对源位于r₀，目标中心位于r_t的分层海洋波导中的任一目标，位于r的接收器测量得到的时间谐波散射场由下式给出

${\mathrm{\Φ}}_s\left(r\right|r_0,r_t,f)=\underset{m=1}{\overset{M_{\max }}{\mathrm{\Σ}}}\underset{n=1}{\overset{M_{\max }}{\mathrm{\Σ}}}\frac{{\left(4\mathrm{\π}\right)}^2}{k}[A_m(r-r_t)A_n(r_t-r_0)S_{r_t}(\mathrm{\π}-{\mathrm{\α}}_m,\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_t),{\mathrm{\α}}_n,\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_0))$

$-B_m(r-r_t)A_n(r_t-r_0)S_{r_t}({\mathrm{\α}}_m,\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_t)),{\mathrm{\α}}_n,\mathrm{\β}({\mathrm{\φ}}_t,{\mathrm{\φ}}_0)$

$-A_m\left(r{-r}_t\right)B_n(r_t-r_0)S_{r_t}(\mathrm{\π}-{\mathrm{\α}}_m,\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_t),\mathrm{\π}-{\mathrm{\α}}_n,\mathrm{\β}({\mathrm{\φ}}_t,{\mathrm{\φ}}_0))$

$+B_m(r-r_t)B_n(r_t-r_0)S_{r_t}({\mathrm{\α}}_m,\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_t),\mathrm{\π}-{\mathrm{\α}}_n,\mathrm{\β}({\mathrm{\φ}}_t,{\mathrm{\φ}}_0))]$

(公式1)

其中，A_n(r_t-r₀)和B_n(r_t-r₀)是下行和上行模态平面波成分在r_t处非均匀入射的振幅，A_m(r-r_t)和B_m(r-r_t)是经过非均匀散射的上行和下行模态成分的振幅，S_rt(π-α_m，β(φ，φ_t)，α_n，β(φ_t，φ₀)是目标中心位于r_t处的散射函数， $\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_t)=\mathrm{\φ}-{\sin }^{-1}\left\{\frac{{\mathrm{\ρ}}_i}{|p-p_t|}\sin ({\mathrm{\φ}}_t-\mathrm{\φ})\right\}$ 是接收器相对于目标的方位角，β(φ，φ_t)是目标相对于源的方位角，α_n是模态仰角，而M_max是可以将模态求和进行舍位后的并且仍可准确表示场的模数，如P.Ratilal和N.C.Makris在J.Acous t.Soc.Am.期刊2005年总第118期第3532-3559页中所述。N.C.Makris、F.Ingenito和W.A.Kuperman在J.Acoust.Soc.Am.1994年总第96期第1703-1724页的题为“在海洋波导中探测被表面噪声穿透的水中物体”(Detection of a submerged object insonified by surface noisein an ocean waveguide)的文章中给出了根据波数积分的等价公式。对于在1/米测量的k，物体的目标强度为TS＝10log₁₀|S/k|²，dB re 1m。

对于海洋波导中的任何给定物体，物体散射函数使入射波导模态与散射波导模态耦合，如公式1所示，使得传播与散射相干卷积。这种传播和散射间的耦合对于具有高度方向性的物体尤其重要，例如那些与声学波长相比较大的物体，这是因为入射和散射模态根据目标的等效平面波方向进行不同耦合。对于这种高度方向性的物体，这种耦合使得其能够根据测得的海洋波导中的返回声学信号，来应付准确估计散射函数或目标强度这一课题的挑战，这个课题如P.Ratilal，Y.Lai和N.C.Makris在J.Acoust.Soc.Am.2002年总第112期第1797-1816页所提及。由于单条鱼易于成为高度方向性散射体，因此这对范围大致为10kHz以上的CFFS工作频率来说是困难的。在这些频率下，单条鱼彼此之间还存在显著遮蔽，且密集的鱼群中会产生显著的多次散射。由于遮蔽和多次散射的影响也需要作为在对返回的声学信号进行分析进而估计鱼的目标强度和聚集时加以考虑的因素，因此这也对在CFFS频率下进行鱼类聚集密度的估计提出了挑战。

在小于10kHz的较低声学频率上，与声学波长相比，大部分鱼在声学上变得更小、更简洁。这些鱼的散射函数对鱼鳔和鱼身来讲都成为全方向的。随后，公式1的散射函数可以表达为一个常数，与入射和散射模平面波的方向无关，这样， $S_{r_t}(\mathrm{\π}-{\mathrm{\α}}_m,\mathrm{\β}(\mathrm{\φ},{\mathrm{\φ}}_t),{\mathrm{\α}}_n,\mathrm{\β}({\mathrm{\φ}}_t,{\mathrm{\φ}}_0))\≈S_0(r_t,f)$ 可以从求和中作为因子提取出来。如P.Ratilal，Y.Lai和N.C.Makris在J.Acoust.Soc.Am2002年总第112期第1797-1816所述，散射场简化为

${\mathrm{\Φ}}_s\left(r\right|r_0,r_t,f)=\frac{{\left(4\mathrm{\π}\right)}^2}{k}G\left(r_t\right|r_0,f)G\left(r\right|r_t,f)S_0(r_t,f)$ (公式2)

其中由往返散射体的格林函数G确定的波导传播成为可分解的因子并且因此从依赖于目标特性的散射体函数中分离出来。

在分辨印记内的来自鱼的期望散射强度

设q(t)是源信号，具有傅立叶变换或频谱Q(f)。随后，在以水平位置r_t为中心的声纳分辨印记内，给出N条鱼的分布，其中每条鱼以i计数，来自N条鱼的散射场频谱可以表达为每条鱼散射场频谱之和

${\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_t,f)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}Q\left(f\right)\frac{{\left(4\mathrm{\π}\right)}^2}{k}G\left(r_i\right|r_0,f)G\left(r\right|r_i,f)S_0(r_i,f).$ (公式3)

由于水柱内部波动以及介质和波导边界中的其他不均一性和变动的存在，海洋波导在时间上和空间上是随机的。随机的波导导致多模声场传播中的时间和空间波动，因此引起测量到的声学强度的随机性。本发明中包含在分辨印记的鱼在尺寸、形状、空间密度、其他物理性质以及它们在声纳分辨印记内的位置也都是随机分布的。随后，由于波导波动和鱼分布的随机性，在声纳分辨印记内测得的散射强度也将会是随机的。随后需要使用统计方法来分析测得的声学数据。

通过计算公式3的期望值，得到声纳分辨印记内的平均散射场。

$\⟨{\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_t,f)\⟩=\⟨\underset{i=1}{\overset{N}{\mathrm{\Σ}}}Q\left(f\right)\frac{{\left(4\mathrm{\π}\right)}^2}{k}G\left(r_i\right|r_0,f)G\left(r\right|r_i,f)S_0(r_i,f)\⟩$

(公式4)

其中，波导格林函数G(r_i|r₀，f)和G(r|r_i，f)G(r|r_i，f)、第i条鱼的位置r_i，以及第i条鱼的散射函数S₀(r_i，f)S₀(r_i，f)都是随机变量，并且这些随机变量可以作为在系统分辨印记内对于时间的鱼的条数。由于鱼的散射函数与波导格林函数不相关，公式4右侧的期望值对于这些项来说是可分解的因子。

在声纳分辨印记范围内散射场频谱的期望平方幅值与强度成比例，由公式3得到

$\⟨{\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_t,f){{\mathrm{\Ψ}}_s}^{*}\left(r\right|r_0,{\mathrm{\ρ}}_t,f^1)\⟩$

$=\⟨\underset{i=1}{\overset{N}{\mathrm{\Σ}}}Q\left(f\right)\frac{{\left(4\mathrm{\π}\right)}^2}{k}G\left(r_i\right|r_0,f)G\left(r\right|r_i,f)S_0(r_i,f)\underset{j=1}{\overset{N}{\mathrm{\Σ}}}Q\left(f^1\right)\frac{{\left(4\mathrm{\π}\right)}^2}{k}{G}^{*}\left(r_j\right|r_0,f^1)G^{*}\left(r\right|r_j,f^1){S_0}^{*}(r_j,f^1)\⟩$

(公式5)

散射场频谱的期望平方幅值还可写成平均值的平方与散射场频谱的方差的和，其中，平均值的平方为相干项而散射场频谱的方差为非相干项：

(|Ψ_s(r|r₀，ρ_t，f)|²)＝|(Ψ_s(r|r₀，ρ_t，f))|²+Var(Ψ_s(r|r₀，ρ_t，f))  (公式6)

由于声纳分辨印记具有大于声学波长的尺度并且分辨印记内的鱼分布是随机的，因此基于理论和实验，散射场频谱的平均值基本上为零。因此所述的相干项成为零。

随后，声纳分辨印记内散射谱的期望平方幅值为，

$\⟨|{\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_i,f){|}^2\⟩=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left|Q\left(f\right)\right|}^2{\left(4\mathrm{\π}\right)}^4\⟨{\left|G\left(r_i\right|r_0,f)\right|}^2{\left|G\left(r\right|r_i,f)\right|}^2\frac{{\left|S_0(r_i,f)\right|}^2}{k^2}\⟩.$

(公式7)

鱼散射性质中的随机性与格林函数中海洋传播波动基本上不相关。因而散射谱的期望平方幅值可以写为，

$\text{\⟨}{\left|{\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_i,f)\right|}^2\⟩={\left|Q\left(f\right)\right|}^2{\left(4\mathrm{\π}\right)}^4\⟨{\left|G\left(r_i\right|r_0,f)\right|}^2{\left|G\left(r\right|r_{i}f)\right|}^2\⟩\⟨N\frac{{\left|S_0(r_i,f)\right|}^2}{k^2}\⟩.$

(公式8)

其中，公式右侧第一附加因子表述现有系统的已知源功率，期望值中的第二因子表述往返鱼的传播，这种传播可以由已知水深和声速测量值经计算得到；在最后一个期望值中的第三因子表述分辨印记内鱼的总散射截面，该第三因子之10log₁₀就是分辨印记内鱼的目标强度。前进的路径与返回路径往往是不相关的，特别是在收发分置的几何关系中，使得格林函数幅值平方的积的期望值等于格林函数幅值平方期望值的积。典型地，通过使用抛物线方程执行公式8来确定在给定频率下连接波导中任意两点的与范围相关的波导的格林函数。

随后，可以通过从测得的散射场幅值平方中分离出这些源和传播因子以便得到分辨印记内鱼的总散射截面。如果该鱼群中任意所选一条鱼的期望散射截面是已知的，可以通过从分辨印记的总截面中减去该单条鱼期望截面来估计出总的鱼数N。

典型地，同鱼群分布相比，特别是在大陆架环境中，格林函数幅值平方的期望值是随深度和范围变化非常缓慢的函数。格林函数幅值平方的期望值可以采用多种方法计算，例如包括对与范围相关的波动海洋使用抛物线方程进行蒙特卡罗模拟，以及P.Ratilal和N.C.Makris在J.Acoust.Soc.Am.2005年总第118期第3532至3559页发表的题为“在具有三维随机非均一性的分层海洋波导中传播的前进场的平均值和协方差”(Mean and covariance ofthe forward field propagated through a stratified ocean waveguide withthree-dimensional random inhomogeneities)中的方法，以及T.Chen、P.Ratilal和N.C.Makris在J.Acoust.Soc.Am.2005年总第118期第3560至3574页发表的题为“在大陆架波导中三维随机内部波中传播的前进场平均值和协方差。”(Mean and variance of the forward field propagatedthrough three-dimensional random internatl waves in acontinental-shelf waveguide)中的方法。(在许多大陆架环境中，还可以在声纳分辨印记范围内，利用抛物线方程或另一传播模型对于确定的格林函数的幅值平方的进行深度平均，进而方便地估计出格林函数幅值平方的期望值。由于随机性并没有明显改变波导中传播的总功率因而上述方法通常是可行的，但是该方法在深度上则常常相对均匀地混合和分散所述总功率。)另外，经常采用有限波段的源信号以便公式7或公式8在源频率波段上的积分就可以独自使在范围和深度中的格林函数幅值平方期望值的变化显著地变得平滑。

由一般环境中非均一性造成的期望散射强度

这里，我们描述一种方法，该方法可以用于建立由于包括鱼和海底的海洋测定体积不均匀性所引起的散射的模型。通过调整例如源频率、源-接收器位置以及源阵列空间窗口/模态滤波等可控参数，可以在分辨印记中获得优化对鱼的检测并且使得海底反射最小化等优点。

假设在分辨印记范围内在水平位置ρ_t处的成像介质具有体积V。假设该体积内位置r_t处具有密度d_t和声速c_t的非均匀性，此处的密度d_t和声速c_t与周围介质的相邻密度d和声速c不同，则此等非均匀性引起的散射场可以使用格林定理对一阶瑞利-波恩近似(Rayleigh-Born approximation)建立模型：

${\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_i,f)=Q\left(f\right){\left(4\mathrm{\π}\right)}^2\∫\underset{v}{\∫}\∫(k^2{\mathrm{\Γ}}_{\mathrm{\κ}}G\left(r_i\right|r_0,f)G\left(r\right|r_i,f)+{\mathrm{\Γ}}_d\▿G\left(r_i\right|r_0,f)\·\▿G\left(r\right|r_i,f)){\mathrm{dV}}_t$

(公式9)

其中，κ＝dc²为可压缩性，

${\mathrm{\Γ}}_{\mathrm{\κ}}=\frac{{\mathrm{\κ}}_t-\mathrm{\κ}}{\mathrm{\κ}}$ 为可压缩性的分数差分，且 ${\mathrm{\Γ}}_d=\frac{d_t-d}{d}$ 为相对于背景介质的非均匀性密度的分数差分。

由于这些非均匀性的物理和声学散射特性随机分布，因此期望提出一种统计学方法。体积不均匀性造成的散射场频谱的期望平方幅值，如公式6所示，可以写为相干项和非相干项的和。相干项为平均散射场的平方。平均散射场由下式给出，

${\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_i,f)=Q\left(f\right){\left(4\mathrm{\π}\right)}^2\∫\underset{V_t}{\∫}\∫(k^2\⟨{\mathrm{\Γ}}_{\mathrm{\κ}}\⟩\⟨G\left(r_i\right|r_0,f)G\left(r\right|r_i,f)\⟩+{\⟨\mathrm{\Γ}}_d\⟩\⟨\▿G\left(r_i\right|r_0,f)\·\▿G\left(r\right|r_i,f)\⟩){\mathrm{dV}}_t$

(公式10)

同分辨印记内的鱼引起的散射相比，相干项对于海底引发的散射来说是小至可忽略。Γ_κ和Γ_d的均方值通常比它们的方差和协方差小很多(小两个数量级)。通过直接测量、声学反推或推导获得后者参数。声纳分辨印记内散射场频谱的期望平方幅值由表示散射场方差的非相干项给出，

$\⟨{\left|{\mathrm{\Ψ}}_s\left(r\right|r_0,{\mathrm{\ρ}}_t,f)\right|}^2\⟩$

$={\left|Q\left(f\right)\right|}^2{\left(4\mathrm{\π}\right)}^4\∫\underset{V_t}{\∫}\∫V_c(k^4\mathrm{Var}\left({\mathrm{\Γ}}_{\mathrm{\κ}}\right)\⟨{\left|G\left(r_i\right|r_0,f)\right|}^2{\left|G\left(r\right|r_i,f)\right|}^2\⟩+\mathrm{Var}\left({\mathrm{\Γ}}_d\right)\⟨|\▿G\left(r_i\right|r_0,f)\·\▿G{\left(r\right|r_i,f)|}^2\⟩$

(公式11)

其中，V_c是相对3D随机非均匀性的相关体积。

典型地，可以通过抛物线方程执行公式11以便确定在给定频率下波导中连接任意两点的与范围相关波导的格林函数。

鱼和空气泡的散射函数

这里，我们描述一些常见的散射函数，它们可以作为依公式7或公式8的来自鱼或海洋中的气泡的散射场的模型。

对于有鱼鳔的鱼而言，主要的散射源经常是充满空气的器官。当进行声学简化时，它们的散射函数或目标强度可以使用具有相同体积的等价气泡的目标强度公式来建立模型

$\frac{{\left|S_0(r_i,f)\right|}^2}{k^2}=\frac{{\mathrm{\α}}^2}{({f_r}^2/f^2-1)+{\mathrm{\δ}}^2}$

(公式12)

其中，α是鱼鳔的半径，f_r是鱼鳔的谐振频率，且δ是包括热、辐射和粘滞阻尼效应的总阻尼常数。鱼鳔的谐振频率是鱼下沉深度D的函数，其中D和α的单位是米，由下式给出，

$f_r=\frac{3.26}{\mathrm{\α}}\sqrt{1+0.0984D}$ (公式13)

利用这些公式，谐振频率、或鱼的等效深度、以及气泡半径和总阻尼常数均可以通过直接声学测量在频率上的鱼散射的谱峰、鱼的目标强度、在频率上的谐振峰值的展宽(spread)来确定。它们也可以由现有知识或例如局部捕获拖网数据的其他合适的方法来确定。

对于没有鱼鳔的鱼，鱼身体作为测定体积非均匀性的主要散射源。前面描述的瑞利-波恩散射模型也可应用于分析来自这种鱼的散射。大多数在预期频率内感兴趣的鱼均具有小于声波波长的身体尺寸。由公式9可以推导出非均匀性鱼身体体积V₀的散射函数为，

$S(r_t,f)=V_0\frac{k^3}{4\mathrm{\π}}({\mathrm{\Γ}}_{\mathrm{\κ}}+\mathrm{\η}{\mathrm{\Γ}}_d)$ (公式14)

其中， $\mathrm{\η}=\frac{k_i\·k}{k^2}$ 是入射波矢量和散射波矢量的点积。如果给定鱼相对于水的密度和可压缩度比较，该散射函数就可以用于公式7和公式8中提供由鱼身体散射引起的散射场强度谱。通常，鱼的密度和可压缩性比率都是公知常识，使得鱼体积成为主要变量，所述鱼体积可以通过对声学目标强度的测量而获得。

鱼回波的最大化和边缘反射回波的最小化

通过调整如源频率、源-接收器位置和源阵列空间窗等可控参数，可以将在分辨印记内，由公式7-8和公式12-14表示的鱼产生的回波最大化，且将由公式11模态化表示的如海底非均匀性的其他环境散射最小化。例如，相比有鱼鳔的鱼产生的共振散射而言，海底散射呈现随频率的增加更加缓慢的趋势，低于谐振峰，这可以由公式11-14推导得知。因此，将工作频率选择在接近鱼谐振处可以将鱼的回波最大化，且将海底散射回波最小化。另外，由于海底散射高度依赖于声音在海底中的穿透深度，从公式11的对引发散射的非均匀性进行体积积分可以看出，这对于通过激励仍然充满水柱的较低阶模态以将海底散射最小化是有利的，但是以相对小的掠射角来做就不会穿入海底那么深。这可以通过例如源阵列空间窗口和将源阵列设置在较浅的水深位置来实现。由海面不平整引起的回波也可使用相同公式以类似方法处理。这种回波通常并不显著，除非是在海洋科考船几乎不能工作的海洋剧烈运动状态下。

频率优化

可用的传输频率范围很宽，从低至几个Hz到高达几十个kHz的频率。海洋中的长程声波传播在频率较低时衰减较小，且对海洋地形起伏较不敏感。另外，海底的回波趋于在较低频率上较小。最后，针对本发明，优选频率范围为100Hz至3kHz，因为其包括了很多种类鱼的鱼鳔谐振，此时的目标强度很大。

在实践中，优选的频率或频段由几个因素确定。第一，任何鱼的散射都基本上是全方向的。根据本发明，单条鱼可以从任何方向(或同时从许多方向)被观察到，且具有相同的目标强度。同CFFS一样，由于鱼方向的变化，不存在散射的波动。特别的，鱼通常比在CFFS中所用的波长要大，因此与方位相关的波动导致对于鱼类探测和数量估计中的错误。(小于声波波长的散射体被称作“声密度”的散射体。)

优选的波长应当足够大，使得接收到的由任何特定鱼引起的声场散射可以表达为三个因子的乘积-一个是向该特定鱼的传播，一个是该鱼引起的散射，还有一个是来自该鱼的传播。典型地，在CFFS波长，波导遥感系统的这种因数分解通常是不可能实现的，因为传播和散射效应都卷积在一起。当以CFFS频率的波导进行遥感时，去除传播影响的标准CFFS方法会随后导致严重错误。原因在于在波导中，不像在自由空间中那样具有单一的入射和散射方向，而是在此倾角下具有许多入射和散射方向。这是由波导传播的多路径或多模法则引起的。如果散射体大于波长，则会产生带有许多波瓣的方向性散射图。这些可以激励出不同的模态，导致散射和传播的卷积，如同大多数CFFS频率一样。如果目标以如本发明的模态范围内的倾斜角全方位散射，散射就能作为因子与传播分解开来。

在此使用的这些波长上，同典型的CFFS系统相比，甚至在长程范围上经过鱼的传播的声学衰减都是可忽略的。这是因为在此等波长下，由鱼的散射引起的单位体积内的损失非常小。而对CFFS却并非总是如此，较短的波长经过鱼群后的衰减会非常显著，并导致前方远处的鱼群或部分鱼群的衰减或遮蔽。这会接着导致探测估计和数量估计的显著错误。

优化选择声波波长λ，使得远场范围(L²/λ)比鱼之间的平均间距小，其中，L是鱼内主要散射体长度的尺度，该主要散射体可以是整条鱼或仅仅为鱼鳔。在CFFS频率下却通常并非如此，这会导致多重散射效应，进而破坏对鱼聚集密度的反推。

优选地波长也应当足够大，使得任意一条鱼或鱼群间的遮蔽长度要小于鱼之间的平均距离。对CFFS频率可能并非如此，会导致显著的多重散射效应，并影响到对鱼的准确探测和鱼聚集密度的数据反演。另外，根据本发明，声音以许多倾角同时入射到给定的鱼上，并在同时被散射至许多倾角后，传播回到接收器。随后，在直接通路CFFS中由密集的鱼群引起的遮蔽通过这里设计的波导传播被大大削弱。此外，由来自水中和海床上与鱼无关的介质性质导致的吸收和散射而引起的衰减随着频率的增大而增加。在适合本发明的传输频率下，该频率包括长程波导传播优选频率和鱼的远程波导成像的优选频率，与CFFS频率相比，这些衰减效应得到极大降低。同时，海底和海表引起的散射趋于随频率增大而增强，当频率增加至进入CFFS的范围时，可以屏蔽鱼的远程回波；这在此处考虑的频率范围上来讲不成问题。

另外一个对传输波长的限制就是需要支持模态传播(modalpropagation)。如果选择的波长太大，则波导不再支持模态传播，从而导致遥感变得无效。此外，鱼的散射程度将会降低，但是往往来自不需要的海底和海平面散射物的干扰也被降低。

源功率也需要着重考虑，并且优选地，在给定波长下，使鱼的散射在最大检测范围内比波导中环境噪声水平高5dB。

优化的成像显示和模态识别的对数转换的方差稳定性，以及减小随机散射和 传播 闪烁引起的波动

随机表面和体积的散射导致所接收场的随机性，如同在波动的海洋中的传播一样。然后，这些形式的随机性导致了所接收到的鱼群回波的声学散射的波动。瞬时接收到的鱼群回波的声场，或由海底或海表返回的声场，为复圆高斯随机变量，与通过波动的海洋波导中传播的场一样。这是考虑到来自鱼、海底或海表散射体的随机影响、或在随机海洋中的传播的中心限制原理的结果。瞬时返回的声场幅值的平方与瞬时强度成比例，为了简化，将其定义为瞬时强度，其遵守负指数分布。连续的脉冲信号产生对系统分辨率足迹内一群鱼的返回声场统计上独立的采样。对瞬时强度独立采样进行平均得到平均后的强度，并遵守伽玛分布。瞬时强度和平均后的强度都具有与期望强度值或平均值成比例的标准差。这表明环境的强度图像有信号相关的噪声，以至于任意像素强度的标准差或误差都与平均值成比例，随平均值变大而增加，随平均值变小而减小。整个图像中的非均匀性的标准差被称为斑点噪声。

在具有信号相关噪声的图像中搜寻鱼的模式通常不是最优的，因为一般的去除噪声的方法同时也会去除信号中的信息(因为噪声与信号相干)。平均后的强度的对数转换可以用来解决这一问题。对数转换将信号相关噪声同态转换为信号无关的噪声，这样，图像中每个像素的标准差为常数，并与经过对数转换的平均后的强度的平均值无关。整个图像的方差也得到稳定，使得每个像素的标准差或误差在整个经对数转换的图像中均匀一致，且在每个像素处都与信号电平(dB)无关。这样，标准的相关或匹配滤波针对在对数转换图像中寻找鱼分布的模式方面是优化的。在对数转换前对强度进行平均，以减小并有效消除对数转换本身存在的偏差。

在平均强度图像中任意像素的标准差都减小为该像素瞬时强度(N＝1的情况)的

，其中，N为该平均值中独立采样的数目。为了形成情景，整个图像中的平均强度将会变化，与平均强度的标准差一样。然而，对于图像中每个像素，当N＞2时，以dB计的对数转换图像标准差大约为常数

通过对临近范围的距离分辨单元(bins)和连续图像的平均，在例如N＝10时，获得的标准差大约为1.36dB，转换为在该像素处的约为实际聚集密度的37％的标准差。当如下文所述对总聚集进行估计时，这种百分比的误差会得到进一步减小。

通过频率分析进行种类识别

不同种类的鱼有特定的声学目标强度。基于本发明，这些目标强度的频率相关性可以用来远程识别种类。其实现可以通过例如在独特的频段进行传播，对于该传播形成每个单位面积的目标强度的大面积图像，并在另一频段立即重复这一过程。如果频率范围不重叠，分开的传播可以彼此间隔几秒钟或同时。通过将任意两幅几乎同时获取的图像对应像素相减，得到单位面积内目标强度的差异，进而得到对不同两个传播的频带在单位面积内鱼的目标强度差异的空间图像。对这些差异和绝对值的比较，可以用来区别广域图像中不同位置的鱼的种类。

根据声压级、目标强度或聚集密度，使用本文所述方法可以在所获得的图像中自动探测和定位各种鱼社会群，例如大鱼群和小鱼群。其可以相对于背景水平通过识别图像中所有高于指定阈值的像素，以及通过为这些高水平区域标记等高线来实现。等高线在给定图像中将鱼聚集群分为局域高声压级区域、目标强度区域或鱼聚集群密度区域。

实际上，图像处理模块330可以将图像序列连接起来创建鱼聚集群演变的广域影片。该图像可以基于声压级、散射强度和/或区域性鱼聚集密度。影片使得量化研究鱼聚集群的瞬时行为成为可能，并有可能从观察到的行为来识别种类。

区域性鱼聚集密度、空间谱、以及聚集数量的时间序列、时间谱和关联尺度

一旦在给定位置(利用上述的频率分析、直接拖曳采样或CFFS、或现有技术)将单条鱼的样品或平均目标强度被识别出来，就可以根据每个像素的目标强度图像确定鱼的区域性聚集密度的图像。这是通过从每个经确认其平均目标强度为该图像样品的像素中减去该位置处单条鱼的平均目标强度来实现的。

鱼聚集密度空间谱的二维图像可以通过区域性鱼聚集密度图像的二维傅立叶变换得到。通过将连续脉冲的统计无关的谱图进行平均，可以减小谱图中每个像素的标准差。可以使用对数转换来稳定方差，并确定谱图中是否存在可以用来表征和预测空间分布的能量律。

在给定鱼聚集密度图上的总鱼聚集数量可以通过将每个像素的值相加，再乘以像素面积得到。鱼聚集密度的时间序列可以通过对图像时间序列计算总鱼聚集数量得到。除了总的鱼聚集数量，通过只将相关的像素相加，还可能确定在特定性密度范围内的鱼聚集数量，或在指定的被分开的鱼群或空间区域内的鱼聚集数量。

由于在这些聚集数量估计中，成百数千个独立像素所代表的数百万条鱼的贡献都要相加，对任意给定时间上的聚集采样，传播闪烁和鱼散射截面变化引起的波动导致的误差小于估算值的1％。(这是“大数定律”的结果。总数量的百分比标准差等于平均图像中单个像素的数量密度平均值的标准差除以被相加得到聚集数量所使用的独立像素数目的平方根。)

7.鱼群区域的时间序列，聚集中心和形态  通过确定在被分开鱼群的像素数并乘以像素面积，数据分析模块320可以表征被探测和分开的鱼群覆盖的总区域。通过寻找相对于被分割鱼群中空间变化的鱼聚集密度的第一个水平位置矢量矩(first moment of the horizontal position vector)可以确定该鱼聚集密度图中该被分开的鱼群的聚集中心。鱼群范围的主轴和方向可以通过鱼群的第二水平位置矢量中心矩(second central moment of thehorizontal position vector)来确定。这些主轴量化表征了鱼群的形态。或者是，归一化的鱼聚集密度图像的二维自动关联函数可以用来确定聚集中心的相干区域，该相干区域可以定义为与在已下降到指定值(例如通常为l/e)的零延迟的峰值最近的等高线。鱼群区域、聚集中心和形态的时间序列可以根据图像的时间序列来计算。

通过位移的微分、质量守恒和用动量守恒估算的环境压力来估计鱼速度

通过将聚集密度进行时间差分，并将受质量守恒约束的质量流动进行空间差分，以及例如，根据费马的最小动作原理将鱼流动场的动能最小化，也可以得到整个鱼的场的绝对速度矢量，。作用于鱼并迫使其移动的环境压力也可通过动量守恒公式、计算出的速度场和测量到的聚集密度场得到量化。对空间聚集密度数据的低通滤波可以用于估计流动场中更高的速度。

参照位置已知且固定的目标的制成图的回波，鱼群的绝对速度也可通过将给定鱼群的块或空间梯度的中心进行时间差分而得到。鱼群质心的相对速度可以通过将质心位置进行时间差分得到。

用多普勒效应估算鱼群瞬时速度

对于底部固定在海底的源和接收器，系统分辨率足迹内鱼群的平均瞬时速度和方差可以通过检查散射回波的多普勒频移的平均值和方差来确定。适用于确定多普勒频移的波形包括夹窗的m序列，因为这些对于低匹配数目标，如鱼，能提供高的距离分辨率和高的多普勒分辨率。对单一的源和接收器，只有速度的径向分量是可以确定的。对于具有多个接收器和/或源的多静态场景，水平速度的两个分量都是可以确定的。根据移动的源-接收器系统来估算远距离鱼速更加困难，因为平台的运动会掩盖鱼的多普勒信号。

示例性结果

根据本发明的系统在2003年5月被用于调查美国纽约长岛以南200km处靠近大陆架边缘的东海岸大陆架，同时也使用CFFS的样线法测量。本发明的欧拉系统(Eularian system)和拉格朗日CFFS系统在探测、成像和拼图大鱼群和小鱼群中都发现了高空间和时间相干性。而CFFS系统具有10m直径的水平分辨率足迹，本发明系统的分辨率沿CFFS横截面方向为15m，且其方位角大约2度，即10km处的互距离分辨率为350m。

在CFFS横截面前后，两个系统的广域图像在时间和空间上共同持续探测到很多鱼群。所观察到的持续性也表现于在两个系统的探测、成像和拼图鱼群中的纯空间对应。经过统计分析，发现在这些位置上-在指定的一天内以时间重复率超过25％本系统所成像的特征显著超过背景强度至少一个数量级，CFFS总是探测到高度集中的区域性密度至少为0.4条鱼/m³的鱼层。这对应于数量非常大、密度非常高的鱼群。据此产生的图像特征和详细调查后的海床特征没有相干性，且大陆架的海底特征通常缺少足够的地貌来引起显著的回波。

基于据此生成的图像，在广域内连续估算鱼聚集密度。区域性聚集密度与CFFS在相同时间段采集的结果相一致。我们的聚集密度估算依赖于单条鱼的期望散射截面，在实验中，我们发现在频带390-440Hz其相应的目标强度为-45dB。这是将统计模型与经验证据结合得到的，所述经验证据包括以前在同一区域使用拖曳采样获取的多个种类和局域同时CFFS测量体积和区域性鱼聚集密度。捕获到的各种鱼包括大西洋青鱼、变色窄牙鲷、鳕鱼、巨大硬鳞、角鲨鱼和鲭鱼，所有这些鱼彼此的目标强度在390-440Hz频段下都在一个数量级，都接近或低于许多品种的鱼鳔谐振。每个像素小于1dB的标准差，对应于根据给定像素估算的任意强度或聚集密度的小于25％的误差。对任一对应于鱼群的像素，单条鱼散射截面的变化预计会引入小于1dB的标准差，因为本系统中相应的分辨率足迹中很大数量的鱼被相加。由海洋介质随机性如内部波和湍流引起的传播闪烁最终也在获得的图像中引入些许不确定性，因为对五幅连续瞬时图像和每幅图像中两个相邻距离分辨单元平均后预计会引入大约每个像素1dB的标准差。

通过以50秒的采样间隔生成鱼聚集数量的时间序列。它们覆盖了鱼的总聚集数量和高于或低于各种显著区域性密度阈值。由中-低密度(n_A＜0.2条/m²)贡献的鱼数量，显然对应于小群分散的鱼群和稍大鱼群的边缘，它们在整天中都相对稳定，并占鱼总的数量的大约1/5到1/3，以及大约90％的总区域。在两个孤立的事件中，中-高密度(n_A≥0.2条/m²)聚集从大约总数的4/5到1/2的剧烈减小，发生在大约小时长度时间内。后一事件的碎裂非常严重。观察到中-高密度所占据的区域的减小伴随着相应中-低密度所占据区域内数量的增加。聚集数量的减少是由鱼离开被调查区域或分散在密度小于0.01条/m²的区域，此处海底散射机制起主要作用。后者显然屏蔽最多30％被调查区域的鱼的回波。这种非生物机制还对所有其他区域的区域性密度图像有所贡献，但并不包含在聚集数量时间序列中。集中度大于0.5条/m²的极高密度区域鱼数量占鱼聚集总数量的不到16％，占总区域内鱼聚集数量不到1％。由于在这些聚集数量估算中由数百个不相关像素点所表示的几百万条鱼的贡献被相加，对于任意给定时间聚集数量采样，传播闪烁引起的起伏和鱼散射截面的差异引起的误差小于估算值的1％。

能够获取时间连续图像也使对非常宽广区域内大小鱼群行为和相互作用以前所未有的方法进行量化分析成为可能。数据分析模块320采用自动程序来分开、跟踪和估算一系列图像中所发现的每个单独鱼群的聚集数量和区域。这促进了对鱼群演化和分裂的研究。首先，中-高密度鱼群(n_A＞0.2条/m²)的各个鱼群被识别和分割。然后根据这些鱼群再生成聚集数量、区域和聚集中心的时间序列。

鱼群的相对速度也可根据此处得到的图像远程确定。可以生成聚集中心的速度微分的柱状图用于分析。在我们的实验中，得到平均分裂速度-0.30m/s，标准差3.0m/s，这与所预计的单条鱼的速度一致。然而，柱状图中的极值达到±15m/s，这类似表观速率，由鱼群密度突变沿着鱼群以波的形式传播导致。

本领域技术人员应当理解，在不脱离本发明的精神或实质特征情况下，也可以其他具体形式实施。上述实施例应当视为对本发明的解释而非限制。本发明的范围由所附权利要求而非前面的描述确定，所有在其含义和等价范围内对权利要求的改变都应包括在保护范围内。

Claims (66)

1.一种表征鱼聚集数量的方法，该方法包括以下步骤：

a.在水生环境中，通过陷阱模式产生水平方向的声学信号，其中，该信号受到柱面扩展损耗，所述声学信号具有引起鱼基本上全方位地散射该声学信号的频率；

b.接收由所产生的声学信号激发的返回的声学信号，所述返回的声学信号具有可分解因子的散射函数；且

c.解释该返回的声学信号以探测和表征鱼的聚集数量。

2.根据权利要求1所述的方法，其中，所产生的声学信号是方位角均匀的。

3.根据权利要求1所述的方法，其中，所产生的声学信号在起到波导作用的边界地理特征中传播。

4.根据权利要求1所述的方法，其中，所产生的声学信号是脉冲形式的。

5.根据权利要求1所述的方法，其中，所述解释步骤包括时间匹配滤波和波束形成。

6.根据权利要求1所述的方法，其中，所述解释步骤包括至少对双程波导传播损失、分辨率足迹、鱼的目标强度、源功率、以及波导传播和散射的统计涨落之一进行补偿。

7.根据权利要求1所述的方法，其中，所述解释步骤包括建立鱼的目标强度，并基于此来识别指示鱼群的返回的信号。

8.根据权利要求7所述的方法，还包括步骤(i)建立不同种类的鱼的目标强度和(ii)基于所建立的目标强度对不同鱼群进行区分。

9.根据权利要求3所述的方法，其中，至少一些地理特征在水柱中产生声速变化以产生波导。

10.根据权利要求1所述的方法，其中，所述鱼聚集数量的表征在一分钟内出现于超过25km²的区域内。

11.根据权利要求1所述的方法，其中，所产生的声学信号的传播与返回的声学信号的范围都在360度方位角。

12.根据权利要求1所述的方法，其中，所产生的声学信号由垂直设置在水生环境中的声源阵列产生。

13.根据权利要求1所述的方法，还包括优化所产生的声学信号波长的步骤。

14.根据权利要求13所述的方法，其中，所述优化的波长足够大，使得返回的声学信号可以表达为下列因子的乘积：(i)代表到鱼的波导传播的因子，(ii)代表来自鱼的散射的因子，和(iii)代表来自鱼的波导传播的因子。

15.根据权利要求13所述的方法，其中，优化的波长满足：所产生的声学信号的远场范围比待表征的鱼之间的平均间距短。

16.根据权利要求13所述的方法，其中，优化的波长满足：待表征的鱼的遮蔽长度比鱼之间的平均距离小。

17.根据权利要求13所述的方法，其中，优化的波长和所产生的声学信号的功率级满足：来自鱼的返回的声学信号在最大探测距离处超过背景噪声级至少5dB。

18.根据权利要求1所述的方法，还包括基于返回的声学信号产生鱼群图像的步骤。

19.根据权利要求18所述的方法，还包括将连续的图像连接成影片的步骤。

20.根据权利要求1所述的方法，还包括表征由被探测的鱼群覆盖的总区域的步骤。

21.根据权利要求20所述的方法，还包括识别鱼群聚集中心的步骤。

22.根据权利要求21所述的方法，还包括通过将所识别的聚集鱼群中心进行时间差分，探测鱼群的速度。

23.根据权利要求21所述的方法，还包括根据质量守恒对时间和空间差分，以确定鱼的场的速度矢量。

24.根据权利要求21所述的方法，还包括根据动量守恒，量化导致鱼移动的对鱼的环境压力。

25.根据权利要求1所述的方法，还包括根据返回的声学信号的多普勒频移来估算鱼群速度的步骤。

26.根据权利要求1所述的方法，其中，所述解释步骤包括对返回的声学信号强度进行对数转换，将返回信号相关的斑点噪声转化为返回信号无关的加性噪声，从而优化对鱼的目标强度或聚集鱼群分布的模式识别。

27.根据权利要求1所述的方法，其中，对由所产生的信号激发的波导模式进行优化，使得鱼的返回的声学信号最大化，且使海底的返回的声学信号最小化。

28.根据权利要求20所述的方法，还包括对区域内总的鱼聚集群进行表征。

29.根据权利要求13所述的方法，其中，优化的波长使得返回的声学信号与任一单条鱼的形状无关。

30.根据权利要求13所述的方法，其中，优化的波长使得在最大探测距离处，来自鱼群或其他水生生物的散射超过海底散射。

31.根据权利要求13所述的方法，其中，优化的波长使得由来自鱼或鱼群的波导散射引起的总声学衰减小于1dB。

32.根据权利要求1所述的方法，其中，所述声学信号在100Hz和3kHz之间的频率产生。

33.根据权利要求1所述的方法，其中，所述声学信号在包括鱼的鱼鳔谐振的频率产生。

34.一种用于表征鱼的聚集群的装置，该装置包括：

a.传播装置，用于在水生环境中，通过陷阱模式产生沿水平方向的声学信号，该信号受到柱面扩展损耗，所述声学信号具有引起鱼基本上全方位地散射该声学信号的频率；

b.接收器，用于接收所产生的声学信号激发的返回的声学信号，所述返回的声学信号具有可分解因子的散射函数；和

c.分析模块，用于解释返回的声学信号以探测和表征鱼的聚集群。

35.根据权利要求34所述的装置，其中，传播装置产生方位角均匀的声学信号。

36.根据权利要求34所述的装置，其中，所产生的声学信号是脉冲的。

37.根据权利要求34所述的装置，其中，分析模块通过时间匹配滤波和波束形成解释返回的声学信号。

38.根据权利要求34所述的装置，其中，设置分析模块对双程波导传播损失、分辨率足迹、鱼的目标强度、源功率、以及波导传播和散射的统计涨落中的至少一个进行补偿。

39.根据权利要求34所述的装置，其中，设置分析模块以建立鱼的目标强度，并基于此，识别指示鱼的聚集群的返回信号。

40.根据权利要求39所述的装置，其中，进一步设置分析模块，用于(i)建立不同种类的鱼的目标强度和(ii)基于所建立的目标强度区分不同鱼的聚集群。

41.根据权利要求34所述的装置，其中，传播装置产生以360度方位角传播的声学信号。

42.根据权利要求34所述的装置，其中，传播装置包括垂直方向的声源阵列。

43.根据权利要求34所述的装置，其中，设置传播装置以优化所产生的声学信号的波长。

44.根据权利要求43所述的装置，其中，优化的波长足够大，使得返回的声学信号可以表达为以下因子的乘积：(i)代表向鱼的波导传播的因子，(ii)代表来自鱼的散射的因子，和(iii)代表来自鱼的波导传播的因子。

45.根据权利要求43所述的装置，其中，优化的波长满足：所产生的声学信号的远场范围比待表征的鱼之间的平均间距短。

46.根据权利要求43所述的装置，其中，优化的波长满足：待表征的鱼的遮蔽长度比鱼之间的平均距离小。

47.根据权利要求43所述的装置，其中，优化的波长和所产生的声学信号的功率级满足：来自鱼的返回的声学信号在最大探测距离处超过背景噪声级至少5dB。

48.根据权利要求34所述的装置，还包括图像处理模块，用于基于返回的声学信号产生聚集鱼群图像。

49.根据权利要求48所述的装置，其中，设置图像处理模块，用于将连续的图像连接成影片。

50.根据权利要求34所述的装置，其中，设置分析模块，用于表征由被探测鱼群覆盖的总区域。

51.根据权利要求50所述的装置，其中，进一步设置分析模块，用于识别鱼群的聚集群的中心。

52.根据权利要求51所述的装置，其中，进一步设置分析模块，通过将所识别的聚集鱼群中心进行时间差分，探测鱼群的速度。

53.根据权利要求34所述的装置，其中，进一步设置分析模块，根据返回的声学信号的多普勒频移来估算鱼群速度。

54.根据权利要求34所述的装置，其中，分析模块对返回的声学信号强度进行对数转换，将返回信号相关的斑点噪声转化为返回信号无关的加性噪声，从而优化对鱼的目标强度或聚集鱼群分布的模式识别。

55.根据权利要求34所述的装置，其中，优化传输装置，使得由所产生的声学信号激发的波导模式得到优化，以使得自鱼返回的声学信号最大化，且使自海底返回的声学信号最小化。

56.根据权利要求50所述的装置，其中，进一步设置分析模块，使其表征所述区域内总的鱼聚集群。

57.根据权利要求43所述的装置，其中，优化的波长使得返回的声学信号与任意单条鱼的形状无关。

58.根据权利要求43所述的装置，其中，优化的波长使得在最大探测距离处，来自鱼群或其他水生生物的散射超过海底散射。

59.根据权利要求43所述的装置，其中，优化的波长使得由来自鱼或鱼群的波导散射引起的总声学衰减小于1dB。

60.根据权利要求34所述的装置，其中，设置分析模块以表征指定区域内总的鱼数量和被表征的聚集群随时间的变化作为区域聚集群密度范围内鱼的聚集群的时间序列。

61.根据权利要求34所述的装置，其中，设置分析模块以表征鱼的聚集群时间序列的时间谱和聚集群波动的自相关的时间尺度。

62.根据权利要求48所述的装置，其中，设置图像处理模块以建立鱼聚集群的二维空间谱和鱼聚集群中心的空间相关尺度。

63.根据权利要求48所述的装置，其中，设置图像处理模块以通过确定其长轴和短轴来确定鱼群形态的时间序列。

64.根据权利要求48所述的装置，其中，设置图像处理模块，通过与所采用的采样数目成比例的声学信号强度无关的时间或空间采样进行平均以减小每个像素的方差。

65.根据权利要求34所述的装置，其中，所述声学信号在100Hz和3kHz之间的频率产生。

66.根据权利要求34所述的装置，其中，所述声学信号在包括鱼的鱼鳔谐振的频率产生。

Images