CN102073711B - 一种用于声纳数据管理系统的数据处理方法 - Google Patents
一种用于声纳数据管理系统的数据处理方法 Download PDFInfo
- Publication number
- CN102073711B CN102073711B CN 201010622889 CN201010622889A CN102073711B CN 102073711 B CN102073711 B CN 102073711B CN 201010622889 CN201010622889 CN 201010622889 CN 201010622889 A CN201010622889 A CN 201010622889A CN 102073711 B CN102073711 B CN 102073711B
- Authority
- CN
- China
- Prior art keywords
- sonar
- data
- image
- management system
- images
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本发明涉及一种用于声纳数据管理系统的数据处理方法,首先对一段声纳试验数据通过波束形成方法形成声纳图像;声纳图像中的每一行对应一次声纳波束照射后返回的数据;然后将获得的声纳图像预处理,然后进行图像处理得到二值图像;根据获得的二值图像中的亮区进行连通成分编号标记;将获得的编号中对应的亮区所占有的像素点数分别与图像的整个像素数之比,根据最大的比值来区分目标回波图像和噪声图像;当最大的比值小于设定的判定阈值Tr时,判决为目标回波图像;否则,判定为噪声图像。最后根据目标回波图像对应地获得具有回波内容的声纳原始试验数据段,将数据添加入数据管理系统中的目标回波数据表中。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种用于声纳数据管理系统的数据处理方法。
背景技术
声纳技术在国内外处于迅速发展的阶段,各种声纳试验,如水池试验、湖试、海试等,大量开展。在取得了良好的试验效果的同时,积累了大量珍贵的试验信息与实测数据。这些信息和数据在为声纳技术的发展做出贡献的同时,也为数据和信息的存储、管理带来了挑战。目前用于声纳数据管理系统的数据处理方法比较原始,基本上是原样照搬试验所得的信息和数据到数据库中,没有进行针对性的处理。这样的管理方式虽然有数据库的辅助,但在数据使用上仍然不是十分便利。试验记录的数据往往时间较长、数据量较大,而目标照射回波只出现在一小段时间内,是整个数据中的一小部分。按照现有的管理方式,无法快速、有效的辨识试验数据是否含有回波数据,也无法迅速锁定含有目标的数据段。本发明就是为了解决这样的问题而提出的。
发明内容
本发明的目的在于,为了解决上述问题,提出一种用于声纳数据管理系统的数据处理方法,能够快速有效地辨识声纳试验数据是否含有回波数据,为声纳数据管理系统奠定基础。
为实现上述发明目的,提出一种用于声纳数据管理系统的数据处理方法,该方法是基于一维声纳原始试验数据域进行处理,获得具有回波内容的原始试验数据段,并存放在声纳数据管理系统的目标回波数据表中;所述的用于声纳回波数据管理系统的数据处理方法具体步骤包括:
步骤1):对一段一维声纳原始试验数据进行快速傅里叶变换并作归一化处理;
步骤2):对所述的步骤1)获得的频域变换的结果按照恒定带宽子带方法或常数Q子带方法进行子带的划分获得n个子带;其中,Q为每个子带的中心频率与对应的带宽之比;
步骤3):在所述的步骤2)获得的每个子带频带内按照式(1)对谱线幅值平方求和;
其中,ESEj为第j根谱线能量,是通过单根谱线的幅值E经过平方而得到,ESE即为正交的平方运算,j是整个谱线能量的下标;δf表示为频率采样间隔,ni表示为子频带i内的谱线数量;Ei表示第i个子带的能量,其中i=1,2,…,n;
步骤4):根据所述的步骤3)获得的每个子带的能量,按照式(2)获得的比值ε与经验值做比较来判断该段数据中是否含有目标回波;当ε大于等于经验值时,则该段数据中含有目标回波,将一维原始试验数据添加入数据管理系统中的目标回波数据表中;当ε小于经验值时,则该段数据中没有目标回波;其中,经验值由样本得到;
式中,MAX(E1,E2,...,En)表示n个子带中能量最大的子带能量;MEAN(E1,E2,...,En)表示n个子带能量平均值。
所述的恒定带宽子带方法即均匀划分每个子带的带宽。
为实现上述目的,提出另一种用于声纳数据管理系统的数据处理方法,该方法是基于二维声纳原始试验数据图像域进行处理,获得具有回波内容的原始试验数据段,并存放在声纳数据管理系统的目标回波数据表中;所述的用于声纳回波数据管理系统的数据处理方法具体步骤包括:
步骤1):对一段声纳试验数据通过波束形成方法形成声纳图像;声纳图像中的每一行对应一次声纳波束照射后返回的数据;
步骤2):将所述的步骤1)获得的声纳图像预处理,然后进行图像处理得到二值图像;
步骤3):根据所述的步骤2)获得的二值图像中的亮区进行连通成分编号标记;
步骤4):所述的步骤3)获得的编号中对应的亮区所占有的像素点数分别与图像的整个像素数之比,根据最大的比值来区分目标回波图像和噪声图像;当最大的比值小于设定的判定阈值Tr时,判决为目标回波图像;否则,判定为噪声图像;其中,Tr的取值根据样本的训练结果得到;
步骤5):根据所述的步骤1)获得的声纳图像中的每一行对应一次声纳波束照射后返回的数据,对所述的步骤4)的目标回波图像对应地获得具有回波内容的声纳原始试验数据段,将数据添加入数据管理系统中的目标回波数据表中。
所述的步骤1)中,所述的波束形成方法采用按照式(3)时域上延时相加得到;
其中, d为N元等间距直线阵的阵间距,θ为入射方向,A为信号幅度,ω为信号角频率,为相邻阵元接收信号间的相位差;f表示声波信号频率,λ表示声波信号波长,τ表示相邻阵元接收信号的时间差,N表示等间距直线阵的阵元数。
所述的步骤2)中的预处理方法包括滤波。
所述的步骤2)中的图像处理先采用均值-标准差的阈值分割方法对预处理后的图像进行分割,然后运用数学形态学图像处理方法对分割后的图像进行处理。
所述的数学形态学图像处理方法采用以半径3个像素的圆为单位对图像进行开运算和闭运算,开、闭运算的具体顺序和次数依照实际效果而定。
本发明的优点在于,在使用数据系统对试验数据管理前,进行了简单的数据处理与提取。细化了比较庞大的试验数据,利于对数据进行归类。并且从大段的试验数据中,锁定与提取含有目标回波的数据,便于查找与使用。为进一步的科学研究带来便利。
附图说明
图1为某湖试数据1的一维原始数据图;
图2为某湖试数据1的频谱图;
图3为对某湖试数据1进行子带能量处理后的结果图;
图4为某湖试数据2的一维原始数据图;
图5为某湖试数据2的频谱图;
图6为对某湖试数据2进行子带能量处理后的结果图;
图7为某湖试数据3的一维原始数据图;
图8为某湖试数据3的频谱图;
图9为对某湖试数据3进行子带能量处理后的结果图;
图10为某湖试数据的二维声纳图像;
图11为对图10所示声纳图像变换到均值-标准差平面的结果图;
图12为对图10所示声纳图像以行为单位计算熵值的结果图;
图13为对图10所示声纳图像以列为单位计算熵值的结果图;
图14为取同一个均值对应图12的行熵值和图13的列熵值中最大值的结果图;
图15为对图14的熵值曲线差分的结果图;
图16为对图10所示声纳图像按照系数0.37阈值分割的结果图;
图17为对图10所示声纳图像按照系数0.5阈值分割的结果图;
图18为某湖试的含有目标数据的二维声纳图像;
图19为某湖试的不含有目标数据的二维声纳图像;
图20为对图18所示声纳图像进行均值-标准差阈值分割的结果图;
图21为对图19所示声纳图像进行均值-标准差阈值分割的结果图;
图22为图20的亮区连通成分百分比图;
图23为图21的亮区连通成分百分比图;
图24为本发明的在处理一维声纳数据时的方法流程图;
图25为本发明的在处理二维声纳数据时的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细的说明。
本系统除了对原始的试验信息和试验数据进行储存和管理,还提供对于目标数据进行识别、分类、存储,并进行简单成像的处理,即相关的目标回波数据表和图像数据存储表中的内容。对试验数据中的目标进行识别、分类,以及成像的功能由一个专门的模块来完成,虽然因为整体设计的原因没有集成到用户界面程序中,但也是本系统一个重要的组成部分。
对于声纳试验数据的使用主要有一维数据域和二维图像域两个方面,该模块从这两个方面都可以对数据进行处理。
第一部分是基于一维的原始声纳回波数据的处理。一维声纳数据处理的方法流程图,如图24所示。主要步骤为:
整段或分段的原始数据->一维数据域的目标检测->判决是否含有目标回波并将含有回波的数据记入系统。
针对原始数据的一维目标检测方法,是为了确定该次采集的原始数据中是否含有目标回波成分,便于下一步的管理工作。以基于子带能量的目标检测方法为例:
子带能量的目标检测方法是一种频域特征的提取方法。根据帕斯瓦尔定理,某个特征频段的子带能量能够反映该特征频段信号的振动强度,从而进行有无目标的区分。具体方法是对原始数据进行FFT变换并归一化处理,在每个字段频带内对谱线幅值平方求和:
对于子带的划分有两种方法,一种是恒定带宽子带,即均匀划分每个子带的带宽;公式为:
fi=fi-1+Δf ;
上述两式中,fi表示第i个子带的起始频率,ni表示于带内的谱线数量,Δf表示子带带宽。
另一种方法是常数Q子带方法,Q为每一子带的中心频率与对应的带宽之比;公式为:
上述三式中,k为频带分割系数,f1、fN分别表示频率通带上、下限,N表示子带数量,fi表示第i个子带的起始频率。
常数Q子带在低频段时,子带宽度较小;在高频段时,子带带宽较大。相当于在一定程度上更充分的利用低频段的特征,而对高频段的特征有一定的压缩。
下面图1~图9是对某此湖试的几段试验数据进行子带能量处理的结果图。图1为某湖试数据1的一维原始数据图;图2为某湖试数据1的频谱图;图3为对某湖试数据1进行子带能量处理后的结果图;图4为某湖试数据2的一维原始数据图;图5为某湖试数据2的频谱图;图6为对某湖试数据2进行子带能量处理后的结果图;图7为某湖试数据3的一维原始数据图;图8为某湖试数据3的频谱图;图9为对某湖试数据3进行子带能量处理后的结果图;
假设处理过程分了n个子带,取所有子带能量的最大值与子带能量平均值的比值为特征量,作为检验是否存在目标的判决:
如果判决结果是含有目标回波,则将该段数据添加入数据管理系统。
第二部分是二维的方法,基于声纳图像的识别。二维声纳数据处理的方法流程图,如图25所示。主要步骤为:
原始数据->二维成像->目标检测->映射回原始数据并提取目标数据段。
声纳采集的试验数据可以通过波束形成技术形成声纳图像,最直观的波束形成方法是时域上延时相加得到,以N元等间距直线阵为例,阵间距d,入射方向θ,A为信号幅度,ω为信号角频率,为相邻阵元接收信号间的相位差。
F0(t)=Acos(ωt)
对于合成孔径声纳要复杂一些,涉及到运动补偿和相位聚焦的问题。
图10为一段声纳数据经过波束形成得到的图像,图像中亮区的部分既为可能存在的目标。
这些目标亮区位置的识别与判定可以通过数字图像处理的手段得到,例如给予均值-标准差的阈值分割方法。
声纳图像每一分辨单元的回波信号由大量具有随机变化相位的散射点的信号矢量叠加合成,可以表示为:
其中,A是该分辨单元回波信号的幅度,φ为其相位。由于各散射点的相位变化是随机的,可以认为在区间[-π,π]上服从均匀分布。如果散射点数Nd足够大,那么根据中心极限定理,X和Y服从高斯分布,它们的几何平均数A服从瑞利分布。
实际上,高分辨率声纳图像每一分辨单元的有效散射点数减少,中心极限定理和瑞利分布的近似便不再满足,已经不能瑞利分布来描述A的概率密度,韦伯分布能更好的进行描述:
即把整个图像转换到了均值-标准差坐标下,如图11所示。
其中I是图像行或列的集合,paxis(i)是第i行或第i列被分割得到的像素点数。
这样可以得到几个熵值的曲线,如图12~图15所示,图12为对图10所示声纳图像以行为单位计算熵值的结果图;图13为对图10所示声纳图像以列为单位计算熵值的结果图;图14为取同一个均值对应图12的行熵值和图13的列熵值中最大值的结果图;图12中一均值对应的纵轴的行熵值和图13中同一均值对应的纵轴的列熵值中的最大值即为图14的横轴中每一个均值对应的纵轴熵值;图15为对图14的熵值曲线差分的结果图。
根据学习、训练的结果,选取该熵差值曲线中点的横坐标对应的均值就能有效地对图像进行阈值分割。图16是根据训练结果,选取熵值变化率最大值的0.37处对应的均值作为阈值进行分割的结果,图17是按照熵值变化率最大值的中点对应的均值进行分割的结果。
对含有目标回波的图像与只含有噪声的图像进行分析,图18为某湖试的含有目标数据的二维声纳图像;图19为某湖试的不含有目标数据的二维声纳图像;图20为对图18所示声纳图像进行均值-标准差阈值分割的结果;图21为对图19所示声纳图像进行均值-标准差阈值分割的结果;图22为图20的亮区连通成分百分比图;图23为图21的亮区连通成分百分比图。由图18~图23所示,在经过阈值分割后得到的二值图像中,亮区的分布表现出不同的性质。含有目标回波的图像进行分割后,连通亮区数量较少,面积较小;只含噪声的图像分割后,亮区数量较多,而且面积较大。根据这样的性质,我们选用二值图像中的“最大亮区连通面积百分比”作为判决的依据,用以区分目标回波图像与噪声图像。
最大亮区连通面积百分比定义为:最大亮区连通成分所占有的像素点数与图像的整个像素数之比。当这个百分比数小于设定的判定阈值Tr时,判决为目标回波图像;否则判定为噪声图像。Tr的取值根据训练数据集的训练结果得到。
挑选出含有目标回波的声纳图像之后,下一步的工作是目标回波数据段的提取,最后放入目标回波数据库中。
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 (7)
1.一种用于声纳数据管理系统的数据处理方法,该方法是基于一维声纳原始试验数据域进行处理,获得具有回波内容的原始试验数据段,并存放在声纳数据管理系统的目标回波数据表中;所述的用于声纳数据管理系统的数据处理方法具体步骤包括:
步骤1):对一段一维声纳原始试验数据进行快速傅里叶变换并作归一化处理;
步骤2):对所述的步骤1)获得的频域变换的结果按照恒定带宽子带方法或常数Q子带方法进行子带的划分获得n个子带;其中,Q为每个子带的中心频率与对应的带宽之比;
步骤3):在所述的步骤2)获得的每个子带频带内按照式(1)对谱线幅值平方求和;
其中,ESEj表示第j根谱线能量,是通过单根谱线的幅值E经过平方而得到,j是整个谱线能量的下标;δf表示为频率采样间隔,ni表示为子频带i内的谱线数量;Ei表示第i个子带的能量,其中i=1,2,…,n;
步骤4):根据所述的步骤3)获得的每个子带的能量,按照式(2)获得的比值ε与经验值做比较来判断该段数据中是否含有目标回波;当ε大于等于经验值时,则该段一维声纳原始试验数据中含有目标回波,将一维声纳原始试验数据添加入数据管理系统中的目标回波数据表中;当ε小于经验值时,则该段一维声纳原始试验数据中没有目标回波;其中,经验值由样本得到;
式中,MAX(E1,E2,...,En)表示n个子带中能量最大的子带能量;MEAN(E1,E2,...,En)表示n个子带能量平均值。
2.根据权利要求1所述的用于声纳数据管理系统的数据处理方法,其特征在于,所述的恒定带宽子带方法即均匀划分每个子带的带宽。
3.一种用于声纳数据管理系统的数据处理方法,该方法是基于二维声纳原始试验数据图像域进行处理,获得具有回波内容的原始试验数据段,并存放在声纳数据管理系统的目标回波数据表中;所述的用于声纳数据管理系统的数据处理方法具体步骤包括:
步骤1):对一段一维声纳原始试验数据通过波束形成方法形成声纳图像;声纳图像中的每一行对应一次声纳波束照射后返回的数据;
步骤2):将所述的步骤1)获得的声纳图像预处理,然后进行图像处理得到二值图像;
步骤3):根据所述的步骤2)获得的二值图像中的亮区进行连通成分编号标记;
步骤4):所述的步骤3)获得的编号中对应的亮区所占有的像素点数分别与图像的整个像素数之比,根据最大的比值来区分目标回波图像和噪声图像;当最大的比值小于设定的判定阈值Tr时,判决为目标回波图像;否则,判定为噪声图像;其中,Tr的取值根据样本的训练结果得到;
步骤5):根据所述的步骤1)获得的声纳图像中的每一行对应一次声纳波束照射后返回的数据,对所述的步骤4)的目标回波图像对应地获得具有回波内容的声纳原始试验数据段,将该具有回波内容的声纳原始试验数据段添加入数据管理系统中的目标回波数据表中。
5.根据权利要求3所述的用于声纳数据管理系统的数据处理方法,其特征在于,所述的步骤2)中的预处理方法包括滤波。
6.根据权利要求3所述的用于声纳数据管理系统的数据处理方法,其特征在于,所述的步骤2)中的图像处理先采用均值-标准差的阈值分割方法对预处理后的图像进行分割,然后运用数学形态学图像处理方法对分割后的图像进行处理。
7.根据权利要求6所述的用于声纳数据管理系统的数据处理方法,其特征在于,所述的数学形态学图像处理方法采用以半径3个像素的圆为单位对图像进行开运算和闭运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010622889 CN102073711B (zh) | 2010-12-29 | 2010-12-29 | 一种用于声纳数据管理系统的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010622889 CN102073711B (zh) | 2010-12-29 | 2010-12-29 | 一种用于声纳数据管理系统的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102073711A CN102073711A (zh) | 2011-05-25 |
CN102073711B true CN102073711B (zh) | 2013-03-27 |
Family
ID=44032250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010622889 Expired - Fee Related CN102073711B (zh) | 2010-12-29 | 2010-12-29 | 一种用于声纳数据管理系统的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102073711B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997902B (zh) * | 2012-12-18 | 2015-08-19 | 中国科学院对地观测与数字地球科学中心 | 一种用于数码相机数据的快速质量检测方法 |
CN104537681A (zh) * | 2015-01-21 | 2015-04-22 | 北京联合大学 | 一种谱分离的视觉显著区域提取方法及系统 |
CN107390164B (zh) * | 2017-06-13 | 2019-06-18 | 中国科学院声学研究所 | 一种水下分布式多源目标的连续跟踪方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7259715B1 (en) * | 2002-01-08 | 2007-08-21 | Science Applications International Corporation | Method for developing and using an image reconstruction algorithm for multipath scattering |
FR2836572B1 (fr) * | 2002-02-27 | 2004-06-04 | Earth Resource Man Services Er | Procede pour la determination d'un indice de qualite spatiale de donnees regionalisees |
US6901421B2 (en) * | 2002-03-25 | 2005-05-31 | The Boeing Company | System, method and computer program product for signal processing of array data |
CN101470194B (zh) * | 2007-12-26 | 2012-07-04 | 中国科学院声学研究所 | 一种水雷目标的识别方法 |
-
2010
- 2010-12-29 CN CN 201010622889 patent/CN102073711B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102073711A (zh) | 2011-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103454624B (zh) | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 | |
DE60309748T2 (de) | System und Verfahren zur Rauschunterdrückung in vorverarbeiteten Radardaten | |
CN102721952B (zh) | 基于超分辨多普勒谱的地面运动目标稳健分类方法 | |
CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN103901416B (zh) | 一种基于稳健主成分分析法的多通道杂波抑制方法 | |
CN103093244B (zh) | 一种基于稀疏分解的雷达信号识别方法 | |
CN104215959B (zh) | 一种多机动目标径向初速度和径向加速度的估计方法 | |
CN101963662A (zh) | 基于短时分数阶傅里叶域滤波的自聚焦预处理方法 | |
CN101404084A (zh) | 基于Wavelet和Curvelet变换的红外图像背景抑制方法 | |
Zhang et al. | Ground-penetrating radar railroad ballast inspection with an unsupervised algorithm to boost the region of interest detection efficiency | |
CN102073711B (zh) | 一种用于声纳数据管理系统的数据处理方法 | |
CN102509263A (zh) | 基于sar图像局部统计特性的k-svd相干斑抑制方法 | |
CN104714237A (zh) | 一种多特征及多方位数据融合鱼类识别方法 | |
CN105427301A (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
CN106324596A (zh) | 基于压缩感知的随机脉冲多普勒雷达角度‑多普勒成像方法 | |
Liu et al. | A fully automatic algorithm for reflector detection in radargrams based on continuous wavelet transform and minimum spanning tree | |
CN112255607B (zh) | 一种海杂波的抑制方法 | |
CN109507292A (zh) | 一种信号提取方法 | |
CN104181508B (zh) | 基于压缩感知的威胁雷达信号检测方法 | |
CN102539542A (zh) | 复小波变换法提取陶瓷基芳纶纤维增强复合板中单模式超声导波信息 | |
Yu et al. | Improvement for the multi-scale periodic characteristics revealing of precipitation signals and its impact assessment on soil hydrological process by combining HHT and CWT approaches | |
Cui et al. | On-site data-processing algorithm and optimization for airborne ice sounding radar configured on the “snow eagle 601” | |
Cai et al. | A new approach for ground moving target indication in foliage environment | |
CN102819012B (zh) | 一种基于改进的非负ica的相控阵风廓线雷达信号处理方法 | |
Ellonen et al. | Chaff clutter filtering from radar data with Discrete Wavelet Transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130327 Termination date: 20191229 |