CN103616693B - 探渔声纳及声纳回波信号处理方法 - Google Patents

Abstract

本发明公开了一种探渔声纳及声纳回波信号处理方法，该探渔声纳是在对传统鱼探仪原理分析基础上，在信号采集与处理过程中将压缩感知理论应用于对回波信号处理，具体方法是通过采用将回波信号向低维测量矩阵投影的方式，获取比奈奎斯特采样定理所需测量数据量更少的测量数据，结合回波信号在分数阶傅里叶变换域的稀疏形式构建重构矩阵之后，最后运用压缩感知信号重构方法优化求解目标回波信号参数。一方面该方法可降低信号的采样率，同时有效缓解硬件对数据存储、数据计算和传输的压力。另一方面对回波信号进行稀疏表示，可以提取到回波信号最本质的特征，可以达到去除噪声的效果，提高装置的精确度。

Description

探渔声纳及声纳回波信号处理方法

技术领域

本发明涉及一种探渔声纳及回波处理方法，尤其涉及一种基于压缩感知进行声纳回波处理的探渔声纳，属于水声工程技术领域。

背景技术

随着国民经济的发展，人们对海洋资源的需求日益增加，渔业资源的开发越来越受到重视。为了有效提高对海洋渔业资源的捕捞，我们需要不断改进和发展捕捞装置，提高捕鱼的效率。

中国专利文献CN

1959434A公开了一种多波束超声波探渔仪，该探渔装置采用多通道水声换能器阵提高了接收回波的强度，解决了鱼群的宽度和厚度的正确判断问题，多波束功能的运用能大大提高海底信息的获取功能，但是现有技术在对探渔回波信号处理方面还存在的一些问题：1.该多波束探鱼仪在对回波信号进行采集的过程中采用的是传统的奈奎斯特采样方式，需要很高的采样频率和计算资源，对硬件的存储和计算处理能力都有很高的要求。2.探测的目标回波信号夹杂着很多的干扰和噪声信号，如混响和系统噪声等，不利于通过反射回来的回波信号对鱼群信息的探测，会导致很多错误的探测信息，降低了探测的效率。该多波束探渔装置对回波信号进行滤波处理，来消除噪声的干扰，但是当噪声跟信号频率相近时，仅通过滤波并不能很好的去噪，所以探渔装置的精确度受到了影响。

因此，针对传统探渔装置的不足，对探渔声纳系统装置进行改进，研究一种新的探渔声纳回波处理方法，以节约探渔装置的成本和探测时间，具有广阔的应用价值。

发明内容

本发明的目的在于提供一种探渔声纳及声纳回波信号处理方法，在传统探渔装置对回波信号滤波的基础上，继续对回波信号进行稀疏重构，从根本上实现去噪，提取目标回波信号最本质的特征，同时降低采样频率，从而提高装置捕捞的准确性，降低了对硬件需求。

本发明的目的通过以下技术方案予以实现：

一种探渔声纳，包括水上控制机1、收发转换开关11以及水声换能器10；所述水上控制机1包括嵌入式工控机29、发射模块3、信号产生模块4、接收模块5、信号采集与处理模块6、电源模块9、显示器30；所述发射模块3包括功率放大器17和阻抗匹配器18；所述信号产生模块4包括第一DSP处理器12、第一存储器13、第一Flash闪存14、第一PCI接口控制器15、D/A转换器16；所述接收模块5包括模拟信号预处理放大器19、滤波器20；所述信号采集与处理模块6包括第二DSP处理器21、第二Flash闪存22、第三DSP处理器23、第三Flash闪存24、总线接口25、第二存储器26、中央逻辑控制器27、第二PCI接口控制器28；所述收发转换开关11与水声水声换能器10双向相连，所述收发转换开关11与模拟信号预处理放大器19相连输入信号，所述模拟信号预处理放大器19与滤波器20相连，所述滤波器20与第二DSP处理器21相连，所述第二DSP处理器21与第二Flash闪存22相连，所述第三DSP处理器23和第三Flash闪存24相连，所述第二DSP处理器21与第三DSP处理器23相连，所述总线接口25分别与第三DSP处理器23、第二存储器26、中央逻辑控制器27相连，所述嵌入式工控机29和显示器30相连，并通过第一PCI接口控制器15与第一DSP处理器12相连，通过第二PCI接口控制器28与中央逻辑控制器27相连；所述第一DSP处理器12与第一Flash闪存14、第一存储器13和D/A转换器16相连；所述D/A转换器16与功率放大器17相连接，所述功率放大器17与阻抗匹配器18相连，所述阻抗匹配器18与收发转换开关11连接输出信号，所述电源模块9为发射模块3、接收模块5、信号产生模块4、信号采集与处理模块6和嵌入式工控机29提供电源。

一种探渔声纳回波信号处理方法，包括以下步骤：

1）发射模块3发射出探测信号为线性脉冲信号x(t)，接收模块5接收到的回波信号为S_r(t)，在分数阶傅里叶变换域对回波信号S_r(t)进行测量，所用的M×N维测量矩阵Φ是N×N维分数阶傅里叶阵和M×N维高斯随机测量矩阵θ的乘积，即其中M为测量数据量，由稀疏度K决定，即与目标数目有关，N为以奈奎斯特采样率对回波信号进行测量所需要的测量数量的点数，用压缩感知对回波信号进行测量所需的测量数量满足K＜M≤N，表示分数阶傅里叶变换矩阵，其中α＝arccot(-2πK_r),K_r表示分数阶傅里叶变换核；

2）根据上一步骤得出测量矩阵Φ，然后将回波信号S_r(t)投影到该测量矩阵Φ上面，对其进行测量，得出测量信号Y⁽ⁿ⁾(u)，

$Y^{\left(n\right)}\left(u\right)={\mathrm{\ΦS}}_r^{\left(n\right)}\left(u\right)+n^{\left(n\right)}\left(u\right)$

其中(n)表示第n个信号接收点，n＝1,...,N,N为信号接收点数目，(u)代表在分数阶傅里叶变换域，表示在分数阶傅里叶变换域无噪的的回波信号，n⁽ⁿ⁾(u)表示在分数阶傅里叶变换域的噪声混响；

3）根据上一步骤得出的测量信号Y⁽ⁿ⁾(u)，利用稀疏重构算法重构出稀疏回波信号，

$\min {\left|\right|S^{\left(n\right)}\left(u\right)\left|\right|}_{l_0}s\·t{\left|\right|Y^{\left(n\right)}\left(u\right)-{\mathrm{\ΦS}}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

其中表示l₀-范数；表示l₂-

范数；s.t表示使得满足的条件；β表示预设的噪声存在时优化收敛的门限值；

4）由于上一步骤求解是N-P

hard问题，对于S⁽ⁿ⁾(u)重构的算法采用平滑l₀范数求解，即为求解下式所示问题：

$\min \left\{N{-F}_{\mathrm{\σ}}(S^{\left(n\right)}\left(u\right)\right\}s\·t{\left|\right|Y^{\left(n\right)}\left(u\right){\mathrm{\ΦS}}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

其中需定义一个函数类似于高斯函数，如下式所示:

$f_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)=\exp (-\frac{{\left|S^{\left(n\right)}\left(u\right)\right|}^2}{{2\mathrm{\σ}}^2})$

其中S⁽ⁿ⁾(u)∈C，C表示复数集，且为S⁽ⁿ⁾(u)＝[S⁽¹⁾(u)S⁽²⁾(u)...S^(N)(u)]^T列矢量中的一个元素，n∈[1N]，σ为逼近参数；

再定义如下函数：

$F_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{f}_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)$

其中，当σ→0时，有||S⁽ⁿ⁾(u)||₀≈N-F_σ(S⁽ⁿ⁾(u))近似成立；

5）对上述重构算法得出的重构信号进行优化求解，优化过程如下：

首先对参数σ进行设置，对于σ的初始值，选择 为初始化的值；然后采取逐步减小σ的方法,即选取σ序列，σ序列的减小速度为p，则σ＝pσ，其中p∈[0.5,1.0]；

然后对每个σ值在可行解集S⁽ⁿ⁾(u)＝{S⁽ⁿ⁾(u)|ΦS⁽ⁿ⁾(u)＝Y⁽ⁿ⁾(u)}上利用迭代提升的方法求得F_σ(S⁽ⁿ⁾(u))最大值，迭代提升方法是一个循环迭代算法，具体循环迭代步骤如下：

（1）令σ＝σ₁；

（2）令 $\stackrel{\‾}{S}\left(u\right)=S^{\left(n\right)}\left(u\right)+\left({\mathrm{\λ\σ}}^2\right){\▿F}_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right),$ 其中设置λ＝1；

（3）将投影到可行解集S⁽ⁿ⁾(u)＝{S⁽ⁿ⁾(u)|ΦS⁽ⁿ⁾(u)＝Y⁽ⁿ⁾(u)}上，得出如下式子：

$S^{\left(n\right)}\left(u\right)=\stackrel{\‾}{S}\left(u\right)-{\mathrm{\Φ}}^H{\left({\mathrm{\Φ\Φ}}^H\right)}^{-1}(\mathrm{\Φ}\stackrel{\‾}{S}\left(u\right)-Y^{\left(n\right)}\left(u\right))$

（4）如果τ⁽ⁿ⁾＝||S⁽ⁿ⁾(u)-S^(n-1)(u)||₂＜ησ，其中0＜η＜1，则σ＝pσ；

（5）循环步骤（2）至（5）,直至|σ_n-σ_n-1|＜0.001，此时得到F_σ(S⁽ⁿ⁾(u))的值即为最大值；

（6）S⁽ⁿ⁾(u)则由argmaxF_σ(S⁽ⁿ⁾(u))公式推导出来，此时S⁽ⁿ⁾(u)即为信号的最优稀疏解；

6）最终求解出重构信号S⁽ⁿ⁾(u)，

求解出在分数阶傅里叶变换域的重构结果S⁽ⁿ⁾(u)，然后将重构出的结果S⁽ⁿ⁾(u)信号传给信息解算DSP处理器，即第三DSP处理器23，解算得出需要得到的目标信息，即鱼群目标存在与否，目标的个数、速度、方位信息，然后根据信息来确定是否对鱼群进行捕捞。

与现有技术相比，本发明的有益效果是：本发明通过对回波信号进行稀疏处理，该算法的运用降低了对DSP处理器等硬件的存储压力和计算能力的要求，不用像传统多波束探渔装置那样专用一个采集控制DSP实现对回波信号的采集控制，节约了装置的成本，降低信号的采样率和探测时间，另一方面对回波信号进行稀疏表示，可以提取到回波信号最本质的特征，从根本上实现去噪，提高精确度从而提高装置捕捞的准确性。

附图说明

图1为探测声纳系统装置的结构原理框图；

图2为本发明探渔声纳电路原理图；

图3为本发明基于压缩感知的探渔声纳回波处理方法说明示意图；

图4为本发明探渔声纳工作流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

如图1所示为探测声纳系统装置的结构原理框图。

整个探测系统主要由以下几个部分组成：

嵌入式工控机29、显示器30、发射模块3、信号产生模块4、接收模块5、信号采集与处理模块6、电源模块9、收发转换开关11和水声换能器10组成。图1所示水上控制机1，一般是放在船上，用于水上操作，它包括嵌入式工控机29、显示器30、信号产生模块4、发射模块3、接收模块5和信号采集与处理模块6七个主要部分，然后通过水声换能器10与水下进行交互。嵌入式工控机29和显示器30、发射模块3以及信号采集与处理模块6相连，发射模块3和接收模块5分别与收发转换开关11，收发转换开关11与水声换能器10双向连接。嵌入式工控机29为发射模块3提供一些工作参数和控制命令，这些参数和命令我们可以通过按钮或者选择键进行设置，这些信息将通过第一PCI接口控制器15传给发射模块的第一DSP处理器12和信息采集与处理模块的第二DSP处理器21。工作参数包括发射探测信号的周期等，控制命令包括：开始、暂停、和停止命令。显示器30通过一些显示方式实时的显示嵌入式工控机最终传来的鱼群目标、海底情况等一些信息。

本发明的工作原理为：

该探渔声纳装置安装在航行在水面上的船上，换能器基阵放置在水面下。当船在海面上开始进行探测鱼群目标时，我们接通整个系统装置的电源，在嵌入式工控机29上设置输入工作参数和控制命令，然后启动整个系统开始工作。信号产生模块4产生探测信号，然后经过发射模块3对该探测信号进放大，通过阻抗匹配器18将放大后的信号传给水声换能器10，水声换能器10将电信号转换成声信号发射到水中传送出去，发射出去的声波经水下目标反射回来，水声换能器10再把接收到的声信号转换为电信号，传送给接收模块5，接收模块5把回波信号进行放大滤波处理以后信号送至信号采集与处理模块6对回波信号进行采集和处理，获得相应的探测信息，并由第二PCI控制器28传给嵌入式工控机，最终在显示器30上显示观测到的鱼群信息，这些信息都将存入第二存储器26中。

根据上述功能描述，如图2给出了本发明电路设计原理图。

发射模块3由阻抗匹配器18和功率放大器17组成，完成探测信号的放大处理与发射处理。其中阻抗匹配器18是用来与发射换能器基阵进行匹配，主要目的是利用匹配电感与换能器基阵得到很好的匹配，从而可以得到更高的电与声的转换效率。

信号产生模块4它包含第一DSP处理器12、D/A转换器16、第一Flash闪存14以及第一存储器13，它接收嵌入式工控机29的控制命令，信号产生模块4主要的任务是产生探测信号的波形。

接收模块5由模拟预处理放大器19和滤波器20组成，对接收到的回波信号放大和滤波处理。其中模拟信号预处理放大器19具有高输出阻抗低、输出阻抗和很高的增益带宽积，同时还具有极低的噪声，它通过对前端匹配电路与换能器基阵进行阻抗匹配，从而无失真的接收目标回波信号。滤波器主要是滤除噪声，提取一定频带的目标信号。

信号采集与处理模块6由第二DSP处理器21、第三DSP处理器23与其分别对应的第二Flash22和第三Flash24组成，还有相应的总线接口25、中央逻辑控制器27、第一存储器26和第二PCI接口控制器28。其中第二DSP处理器21为实现稀疏处理的DSP，将相应的算法如稀疏和解算算法存储到第二Flash22中。总线接口25实现嵌入式工控机29与第三DSP处理器23访问第二存储器26的信号的切换，避免了总线的冲突。中央逻辑控制器27用于提供系统的同步信号，使整个系统有序、稳定的运行，以及数据传输，存储的时序逻辑和读写逻辑。信号采集和处理模块6主要是对信号接收模块接收到的信号进行压缩采集、稀疏表示、信号重构与信息的解算等处理，从而获取在探测范围内的鱼群以及海底地形等一些信息。然后将获得的信息传给嵌入式工控机29，然后在与嵌入式工控机29相连的显示器30上显示出探测到的鱼群等信息，并将这些信息存入第二存储器26中。

控制模块7是整个装置的核心模块，它主要由嵌入式工控机29进行工作，来控制着整个装置的工作运行情况，它具有低功耗且性能稳定等特点，可以为整个装置提高稳定的工作环境，节能省电。

显示模块8是通过显示器30用来显示最终的鱼群目标信息，工作的人可以通过显示的信息进行参考分析，确定捕鱼方位和数量信息。

电源模块9主要有蓄电池和海水电池两种，蓄电池的作用是为电子设备提供工作时所需的电源，海水电池的作用时给整个装置提供能源，保持装置持续工作。

水声换能器10采用能量转换器件，进行声电信号转换，发射换能器的作用是将发生机发射的超声波信号转换成声信号，可实现在水下传播，接收换能器的作用是接收被水下目标物反射回来的回波信号，并将其转换成电信号。可以是一个收发合置的换能器，也可以是收发分开的换能器。本系统采用收发合置的换能器，通过与收发转换开关同时工作，可实现系统收发同步。

图3给出了基于压缩感知的探渔声纳回波处理方法说明示意图。

步骤3-1：在分数阶傅里叶域，构建测量矩阵。具体说明如下：

发射模块发射出探测信号。探测信号为线性脉冲信号x(t)：

$x\left(t\right)=\mathrm{Rect}\left(\frac{t}{{\mathrm{\τ}}_0}\right)e^{j2\mathrm{\π}(f_{0}t+{\mathrm{ut}}^2)}$

其中t为时间变量，τ₀、f₀、u分别为发射的线性调频脉冲信号的脉冲宽度、载频和调频率，Rect(·)为矩形窗函数，定义为

发射信号被水下的目标物反射形成回波信号，其中系统噪声和各种混响都考虑进去，回波信号的数学表达式可以写为：

S_r(t)＝σx(t-τ)+n(t)＝x_r(t)+n(t)

其中σ是目标反射的系数，τ表示采样的间隔。

本发明对回波信号进行测量所用的M×N维测量矩阵Φ是N×N维分数阶傅里叶变换矩阵和M×N维高斯随机测量矩阵θ的乘积，即分数阶傅里叶变换矩阵可以表示如下：

${\left[T_F^{\mathrm{\α}}\right]}_{p\×q}=\exp (-j\frac{2\mathrm{\π}(p-N/2-1)(q-N/2-1)}{N})\·\exp \left(\frac{j}{2}{(q-\frac{N}{2}-1)}^2\left(\cot \mathrm{\α}\right){\left({\mathrm{\Δ}}_t\right)}^2\right)$

其中α＝arccot(-2πK_r),K_r表示分数阶傅里叶变换核。p,q＝1,...N，Δ_t为奈奎斯特采样率下的采样间隔，为奈奎斯特采样率的倒数，N为以奈奎斯特采样率对回波信号进行测量所需要的测量数量的点数。测量数量M由稀疏度K决定，K在本方法中表征水下环境目标数目的稀疏度，同时，测量数量M满足K＜M＜＜N。

分数阶傅里叶变换对给定的回波信号具有很好的能量聚集特性。因为噪声的能量均匀的分布在整个时-

频面内，在任何的分数阶傅里叶变换域上不会出现能量聚集，所以用分数阶傅里叶变换矩阵作为测量矩阵即投影矩阵，对信号进行稀疏表示，对提高该转置的精度具有很大的帮助。

步骤3-

2：在分数阶傅里叶变换域上对回波信号S_r(t)进行测量，得到测量信号Y⁽ⁿ⁾(u)。具体说明如下：

将水下目标假设为点目标，获得每个信号接收点处的回波信号为其中(n)表示第n个信号接收点，n＝1,...,N,N为信号接收点数目。采用测量矩阵对每个信号接收点处的回波信号进行测量，第n个信号接收点处的测量结果Y⁽ⁿ⁾(u)：

$Y^{\left(n\right)}={\mathrm{\ΦS}}_r^{\left(n\right)}\left(u\right)+n^{\left(n\right)}\left(u\right)$

其中(u)代表在分数阶傅里叶变换域，n⁽ⁿ⁾(u)表示在分数阶傅里叶变换域的噪声混响。

步骤3-3：根据压缩感知理论对回波信号进行稀疏重构，具体说明如下：

根据步骤3-

2获得的测量信号Y⁽ⁿ⁾(u)，n＝1,...,N，然后接下来就对回波信号进行稀疏重构：

$\min {\left|\right|S^{\left(n\right)}\left(u\right)\left|\right|}_{l_0}s\·t{\left|\right|Y^{\left(n\right)}\left(u\right)-{\mathrm{\ΦS}}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

其中表示l₀-范数；表示l₂-范数；s.t.表示使得满足的条件；β表示预设的噪声存在时优化收敛的门限值。

步骤3-4：采用平滑l₀范数法对信号进行重构，具体说明如下：

由于上式重构算法求解为NP-

hard问题，所以本发明对于S⁽ⁿ⁾(u)重构的算法采用平滑l₀范数求解，平滑l₀范数法用连续的高斯函数来逼近高度不连续的l₀范数，即为求解下式所示问题：

$\min \left\{N{-F}_{\mathrm{\σ}}(S^{\left(n\right)}\left(u\right)\right\}s\·t{\left|\right|Y^{\left(n\right)}\left(u\right){\mathrm{\ΦS}}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

其中需定义一个高斯函数如下式所示:

$f_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)=\exp (-\frac{{\left|S^{\left(n\right)}\left(u\right)\right|}^2}{{2\mathrm{\σ}}^2})$

其中S⁽ⁿ⁾(u)∈C，C表示复数集，且为S⁽ⁿ⁾(u)＝[S⁽¹⁾(u)S⁽²⁾(u)...S^(N)(u)]^T列矢量中的一个元素，n∈[1N]，σ为逼近参数。

当σ→0时，函数的取值取决于矢量的值，并且分别逼近于某一个值，如下式所示：

$\underset{\mathrm{\σ}\→0}{\lim }{f}_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)=\left\{\begin{array}{cc}1& S^{\left(n\right)}\left(u\right)=0\\ 0& S^{\left(n\right)}\left(u\right)\≠0\end{array}\right.$

上式表明，随着σ→0，当S⁽ⁿ⁾(u)=0时函数f_σ(S⁽ⁿ⁾(u))逼近1；当S⁽ⁿ⁾(u)≠0函数f_σ(S⁽ⁿ⁾(u))逼近0。同时上式也可以改写成如下所示：

$\underset{\mathrm{\σ}\→0}{\lim }(1-f_{\mathrm{\σ}}{S}^{\left(n\right)}\left(u\right))=\left\{\begin{array}{cc}1& S^{\left(n\right)}\left(u\right)=0\\ 0& S^{\left(n\right)}\left(u\right)\≠0\end{array}\right.$

由l₀范数原理可知，此时当σ→0时，1-f_σ(S⁽ⁿ⁾(u))的函数值是对l₀范数的一个凹逼近，并且函数值随着σ值的减小变得更为陡峭，对l₀范数凹逼近的效果也就越好，当σ值很小时(如σ=0.01)，函数值接近l₀范数。

此时，再定义如下函数：

$F_{\mathrm{\σ}}\left(S^{\left(n\right)}\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{f}_{\mathrm{\σ}}\left(S^{\left(n\right)}\right)$

其中，当σ→0时，有||S⁽ⁿ⁾||₀≈N-F_σ(S⁽ⁿ))近似成立。

此时上述所述信号重构问题可以改写如下式所示：

$\min \left\{N{-F}_{\mathrm{\σ}}(S^{\left(n\right)}\left(u\right)\right\}s\·t{\left|\right|Y^{\left(n\right)}\left(u\right){\mathrm{\ΦS}}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

这样最小化l₀范数问题就等价于当σ充分小时的最大化F_σ(S⁽ⁿ⁾(u))问题。

步骤3-

5：对于重构的信号进行优化求解，得出最逼近原始信号的重构信号。具体说明如下：

1、首先对参数σ进行设置，对于σ的初始值，选择 为初始化的值。然后采取逐步减小σ的方法,即选取σ序列，σ序列的减小速度为p，则σ＝pσ，其中p∈[0.5,1.0]。

2、对每个σ值在可行解集S⁽ⁿ⁾(u)＝{S⁽ⁿ⁾(u)|ΦS⁽ⁿ⁾(u)＝Y⁽ⁿ⁾(u)}上利用迭代提升的方法求得F_σ(S⁽ⁿ⁾(u))最大值，迭代提升方法是一个循环迭代算法。

具体循环迭代步骤如下：

（1）令σ＝σ₁。

（2）令 $\stackrel{\‾}{S}\left(u\right)=S^{\left(n\right)}\left(u\right)+\left({\mathrm{\λ\σ}}^2\right){\▿F}_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right),$ 其中设置λ＝1。

（3）将投影到可行解集S⁽ⁿ⁾(u)＝{S⁽ⁿ⁾(u)|ΦS⁽ⁿ⁾(u)＝Y⁽ⁿ⁾(u)}上，得出如下式子：

$S^{\left(n\right)}\left(u\right)=\stackrel{\‾}{S}\left(u\right)-{\mathrm{\Φ}}^H{\left({\mathrm{\Φ\Φ}}^H\right)}^{-1}(\mathrm{\Φ}\stackrel{\‾}{S}\left(u\right)-Y^{\left(n\right)}\left(u\right))$

（4）如果τ⁽ⁿ⁾＝||S⁽ⁿ⁾(u)-S^(n-1)(u)||₂＜ησ，其中0＜η＜1，则σ＝pσ。

（5）循环步骤（2）至（5）,直至|σ_n-σ_n-1|＜0.001，此时得到F_σ(S⁽ⁿ⁾(u))的值即为最大值。

（6）S⁽ⁿ⁾(u)则由argmaxF_σ(S⁽ⁿ⁾(u))公式推导出来，此时S⁽ⁿ⁾(u)即为信号的最优稀疏解；

步骤3-6：最终求解出重构信号S⁽ⁿ⁾(u)，

求解出满足条件的作为在分数阶傅里叶变换域的重构结果，然后将重构出的结果S⁽ⁿ⁾(u)信号传给信息解算DSP处理器即为第三DSP处理器23，解算得出我们需要得到的目标信息，如目标存在与否，目标的个数，速度和方位等信息。然后可以根据这些精确的信息来确定是否对鱼群进行捕捞。

图4给出了本发明的探渔声纳装置的工作流程图。

步骤S4-

1：在嵌入式工控机29上通过按钮或者选择键进行工作参数和控制命令的设置，包括探测信号的频率、脉冲宽度等信息，控制命令包括开始、暂停、停止等工作命令。

步骤S4-

2：信号产生模块4中的第一DSP处理器12接收到嵌入式工控机29传来的工作参数和控制命令，第一DSP处理器12控制探测信号产生，D/A转换器16将数字信号转换为模拟信号。

步骤S4-

3：发射模块3接收到系统产生的探测信号，并对该探测信号进行功率放大处理，然后通过阻抗匹配器18以最高的电-声转换的效率将探测信号传送到水声换能器10的发射换能器。

步骤S4-

4：水声换能器10的发射换能器将发射的探测由电信号转换成声纳信号，从而能实现在水下传播。

步骤S4-

5：水声换能器10的发射换能器将声纳信号发射到水中进行目标的探测，如果声纳信号碰到物体则会被反射，其中有一部分声纳信号被接收换能器接收到；如果声纳信号没有探测到任何物体则不会被反射，或者探测到的物体很少，被反射的声纳信号太微弱没有被接收换能器接收到，则判定为没有探测到物体。则返回到第S4-

2由信号产生系统继续发射探测信号，重复步骤S4-3和S4-4。

步骤S4-

6：被反射回来的回波信号被水声换能器10的接收换能器接收，接收换能器将回波声纳信号转换成电信号，传给接收器继续对回波电信号进行处理。

步骤S4-

7：接收模块5接收到回波电信号，因为被反射回来的回波信号已经很微弱，所以接收器首先对其进行模拟预处理放大，因为模拟预处理放大器19前端有阻抗匹配装置，所以同样能无失真的接收到接收换能器发送来的回波信号，然后进行滤波处理，除去一部分噪声的干扰。

步骤S4-

8：这个步骤是基于传统的探渔装置对信号处理的一个改进的地方，本发明对回波信号处理采取先通过第二DSP处理器21对回波信号进行压缩采集、稀疏等处理，最后在对稀疏处理后的信号进行信息的解算，得出我们想要的一些参数信息，如目标鱼群的距离、速度和方位。信号稀疏部分将回波信号在分数阶傅里叶变换域上对其进行稀疏，使得目标与混响在分数阶傅里叶变换域上呈现出明显的不同特征，具有抗混响的优点，提高了探渔的精确度和准确度。

步骤S4-9，S4-

10：解算得到的信息通过第二PCI控制器28传送到嵌入式工控机29，经过处理之后由显示器30显示鱼群目标的相关信息。

除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围内。

Claims (2)

1.一种探渔声纳，其特征在于，包括水上控制机(1)、收发转换开关(11)以及水声换能器(10)；所述水上控制机(1)包括嵌入式工控机(29)、发射模块(3)、信号产生模块(4)、接收模块(5)、信号采集与处理模块(6)、电源模块(9)、显示器(30)；所述发射模块(3)包括功率放大器(17)和阻抗匹配器(18)；所述信号产生模块(4)包括第一DSP处理器(12)、第一存储器(13)、第一Flash闪存(14)、第一PCI接口控制器(15)、D/A转换器(16)；所述接收模块(5)包括模拟信号预处理放大器(19)、滤波器(20)；所述信号采集与处理模块(6)包括第二DSP处理器(21)、第二Flash闪存(22)、第三DSP处理器(23)、第三Flash闪存(24)、总线接口(25)、第二存储器(26)、中央逻辑控制器(27)、第二PCI接口控制器(28)；所述收发转换开关(11)与水声换能器(10)双向相连，所述收发转换开关(11)与模拟信号预处理放大器(19)相连输入信号，所述模拟信号预处理放大器(19)与滤波器(20)相连，所述滤波器(20)与第二DSP处理器(21)相连，所述第二DSP处理器(21)与第二Flash闪存(22)相连，所述第三DSP处理器(23)和第三Flash闪存(24)相连，所述第二DSP处理器(21)与第三DSP处理器(23)相连，所述总线接口(25)分别与第三DSP处理器(23)、第二存储器(26)、中央逻辑控制器(27)相连，所述嵌入式工控机(29)和显示器(30)相连，并通过第一PCI接口控制器(15)与第一DSP处理器(12)相连，通过第二PCI接口控制器(28)与中央逻辑控制器(27)相连；所述第一DSP处理器(12)与第一Flash闪存(14)、第一存储器(13)和D/A转换器(16)相连；所述D/A转换器(16)与功率放大器(17)相连接，所述功率放大器(17)与阻抗匹配器(18)相连，所述阻抗匹配器(18)与收发转换开关(11)连接输出信号，所述电源模块(9)为发射模块(3)、接收模块(5)、信号产生模块(4)、信号采集与处理模块(6)和嵌入式工控机(29)提供电源。

2.一种如权利要求1所述的探渔声纳的声纳回波信号处理方法，其特征在于，包括以下步骤：

1)发射模块(3)发射出探测信号为线性脉冲信号x(t)，接收模块(5)接收到的回波信号为S_r(t)，在分数阶傅里叶变换域对回波信号S_r(t)进行测量，所用的M×N维测量矩阵Φ是N×N维分数阶傅里叶阵和M×N维高斯随机测量矩阵θ的乘积，即其中M为测量数据量，由稀疏度K决定，即与目标数目有关，N为以奈奎斯特采样率对回波信号进行测量所需要的测量数量的点数，用压缩感知对回波信号进行测量所需的测量数量满足

K＜M≤N，表示分数阶傅里叶变换矩阵，其中α＝arc cot(-2πK_r)，K_r表示分数阶傅里叶变换核；

2)根据上一步骤得出测量矩阵Φ，然后将回波信号S_r(t)投影到该测量矩阵Φ上面，对其进行测量，得出测量信号Y⁽ⁿ⁾(u)，

$Y^{\left(n\right)}\left(u\right)=\mathrm{\Φ}{S}_r^{\left(n\right)}\left(u\right)+n^{\left(n\right)}\left(u\right)$

其中(n)表示第n个信号接收点，n＝1，...，N，N为信号接收点数目，(u)代表在分数阶傅里叶变换域，表示在分数阶傅里叶变换域无噪的回波信号，n⁽ⁿ⁾(u)表示在分数阶傅里叶变换域的噪声混响；

3)根据上一步骤得出的测量信号Y⁽ⁿ⁾(u)，利用稀疏重构算法重构出稀疏回波信号，

$\min {\left|\right|S^{\left(n\right)}\left(u\right)\left|\right|}_{l_0}s.t{\left|\right|Y^{\left(n\right)}\left(u\right)-\mathrm{\Φ}{S}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

其中表示l₀-范数；表示l₂-范数；s.t表示使得满足的条件；β表示预设的噪声存在时优化收敛的门限值；

4)由于上一步骤求解是N-P hard问题，对于S⁽ⁿ⁾(u)重构的算法采用平滑l₀范数求解，即为求解下式所示问题：

$\min \{N-F_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)\}s.t{\left|\right|Y^{\left(n\right)}\left(u\right)-\mathrm{\Φ}{S}^{\left(n\right)}\left(u\right)\left|\right|}_{l_2}\≤\mathrm{\β}$

其中需定义一个函数类似于高斯函数，如下式所示：

$f_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)=\exp (-\frac{{\left|S^{\left(n\right)}\left(u\right)\right|}^2}{2{\mathrm{\σ}}^2})$

其中S⁽ⁿ⁾(u)∈C，C表示复数集，且为S⁽ⁿ⁾(u)＝[S⁽¹⁾(u) S⁽²⁾(u) ...S^(N)(u)]^T列矢量中的一个元素，n∈[1N]，σ为逼近参数；

再定义如下函数：

$F_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{f}_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right)$

其中，当σ→0时，有||S⁽ⁿ⁾(u)||₀≈N-F_σ(S⁽ⁿ⁾(u))近似成立；

5)对上述重构算法得出的重构信号进行优化求解，优化过程如下：

首先对参数σ进行设置，对于σ的初始值，选择 为初始化的值；然后采取逐步减小σ的方法，即选取σ序列，σ序列的减小速度为p，则σ＝pσ，其中p∈[0.5，1.0]；

然后对每个σ值在可行解集 $S^{\left(n\right)}\left(u\right)=\left\{S^{\left(n\right)}\left(u\right)\right|\mathrm{\Φ}{S}^{\left(n\right)}\left(u\right)=Y^{\left(n\right)}\left(u\right)\}$ 上利用迭代提升的方法求得F_σ(S⁽ⁿ⁾(u))最大值，迭代提升方法是一个循环迭代算法，具体循环迭代步骤如下：

(1)令σ＝σ₁；

(2)令 $\stackrel{\‾}{S}\left(u\right)=S^{\left(n\right)}\left(u\right)+\left(\mathrm{\λ}{\mathrm{\σ}}^2\right)\▿F_{\mathrm{\σ}}\left(S^{\left(n\right)}\left(u\right)\right),$ 其中设置λ＝1；

(3)将投影到可行解集S⁽ⁿ⁾(u)＝{S⁽ⁿ⁾(u)|ΦS⁽ⁿ⁾(u)＝Y⁽ⁿ⁾(u)}上，得出如下式子：

$S^{\left(n\right)}\left(u\right)=\stackrel{\‾}{S}\left(u\right)-{\mathrm{\Φ}}^H{\left(\mathrm{\Φ}{\mathrm{\Φ}}^H\right)}^{-1}(\mathrm{\Φ}\stackrel{\‾}{S}\left(u\right)-Y^{\left(n\right)}\left(u\right))$

(4)如果τ⁽ⁿ⁾＝||S⁽ⁿ⁾(u)-S^(n-1)(u)||₂＜ησ，其中0＜η＜1，则σ＝pσ；

(5)循环步骤(2)至(5)，直至|σ_n-σ_n-1|＜0.001，此时得到F_σ(S⁽ⁿ⁾)(u))的值即为最大值；

(6)S⁽ⁿ⁾(u)则由arg max F_σ(S⁽ⁿ⁾(u))公式推导出来，此时S⁽ⁿ⁾(u)即为信号的最优稀疏解；

6)最终求解出重构信号S⁽ⁿ⁾(u)，

求解出在分数阶傅里叶变换域的重构结果S⁽ⁿ⁾(u)，然后将重构出的结果S⁽ⁿ⁾(u)信号传给信息解算DSP处理器，即第三DSP处理器(23)，解算得出需要得到的目标信息，即鱼群目标存在与否，目标的个数、速度、方位信息，然后根据信息来确定是否对鱼群进行捕捞。