CN104977565A - 一种基于分布式多阵列实现的水下目标三维定位方法 - Google Patents

Abstract

本发明涉及一种基于分布式多阵列实现的水下目标三维定位方法，所述分布式多阵列包括多个节点，每一个节点为包括多个阵元的线阵列，所述多个节点位于水中的不同位置；该方法包括：所述分布式多阵列中的各个节点在同一时刻对同一目标进行匹配场定位，从而独立地对同一个目标进行深度和距离估计；对所述各个节点在同一时刻对同一目标进行匹配场定位得到的估计结果做协同定位处理，从而实现对水下目标的三维定位；所述协同定位处理包括：以线性最小二乘算法对水平方位定位结果进行修正，以各节点的目标定位深度均值作为目标深度估计。本发明具有定位精度高的优点。

Description

一种基于分布式多阵列实现的水下目标三维定位方法

技术领域

本发明涉及声纳数字信号领域，特别涉及一种基于分布式多阵列实现的水下目标三维定位方法。

背景技术

基于多传感器阵列的水声信号匹配场处理技术充分利用了水声信道多途传播的特点，可以实现对目标距离和深度估计，所以该技术在判断目标类型和威胁程度时具有重要的应用价值。具体的说，线性匹配场处理（CMFP）技术采用将测量数据与数学模型预测的在设定目标位置的拷贝向量直接相关的方法来估计声源位置，其优点是对环境参数失配具有较好的稳健性，其缺点是强干扰环境中旁瓣较高，目标定位精度有一定的不足。本领域技术人员经过研究后发现，旁瓣问题可以通过宽带处理加以克服，但该技术在提高目标定位的精度上没有显著的提高。

发明内容

本发明的目的在于克服现有技术在对水下目标定位时定位精度不高的缺陷，从而提供一种能够定位精度高的水下目标三维定位方法。

为了实现上述目的，本发明提供了一种基于分布式多阵列实现的水下目标三维定位方法，所述分布式多阵列包括多个节点，每一个节点为包括多个阵元的线阵列，所述多个节点位于水中的不同位置；该方法包括：

步骤1）、所述分布式多阵列中的各个节点在同一时刻对同一目标进行匹配场定位，从而独立地对同一个目标进行深度和距离估计；

步骤2）、对所述各个节点在同一时刻对同一目标进行匹配场定位得到的估计结果做协同定位处理，从而实现对水下目标的三维定位；所述协同定位处理包括：以线性最小二乘算法对水平方位定位结果进行修正，以各节点的目标定位深度均值作为目标深度估计。

上述技术方案中，所述步骤1）进一步包括：

步骤101）、由所述分布式多阵列中的任一单节点线列阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到X_l,f，其中X_l,f＝[X_l,f(1),X_l,f(2),L,X_l,f(Ν)]^T，N为节点中的阵元数，然后将X_l,f与X_l,f ^H相乘得到数据向量；其中的(·)^H表示共轭转置；

步骤102）、将步骤101）获得的数据向量取多个快拍数据平均，获得互谱密度矩阵K，其计算公式表示为：

$K=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{X}_{l,f}{X_{l,f}}^H---\left(1\right)$

步骤103）、根据水声环境参数信息和基阵的几何形状计算基阵的拷贝向量其中N为节点中的阵元数，有

其中，为第j个水听器的声压值，表示声源的位置参数；

步骤104）、根据步骤103）获得的拷贝向量构建线性匹配场处理器的基阵加权向量其计算公式为：

步骤105）、将步骤102）获取的互谱密度矩阵K和步骤104）计算得到基阵加权向量做相关，获得模糊度表面其计算公式为：

步骤106）、将各个频点按照步骤105）计算所得模糊度表面做累加后取平均，得到非相干处理模糊度表面，取其极大值点作为目标的估计位置；所述估计位置包括节点线列阵与目标间的相对距离，以及目标的绝对深度。

上述技术方案中，在步骤101）中，所述某个频点为目标声源带宽中的每一个频点。

上述技术方案中，在步骤101）中，所述l次快拍为24000次快拍。

上述技术方案中，在步骤103）中，第j个水听器的声压值通过Kraken声场模型软件计算得到。

上述技术方案中，所述步骤2）进一步包括：

步骤201）、以各个节点所在的水平位置为圆心，步骤106）获得的节点与目标的相对距离为半径画圆，假设d_i＝[x_i,y_i]^T表示第i个节点的水平位置矢量，d_s＝[x_s,y_s]^T表示目标s的水平位置矢量，R_i表示第i个节点对目标的水平距离估计值，节点数为L，则有：

$\left\{\begin{array}{c}{(x_s-x_1)}^2+{(y_s-y_1)}^2=R_1^2\\ {(x_s-x_2)}^2+{(y_s-y_2)}^2=R_2^2\\ M\\ {(x_s-x_L)}^2+{(y_s-y_L)}^2=R_L^2\end{array}\right.---\left(5\right);$

步骤202）、对步骤201）中所得到的目标水平位置矢量d_s通过线性最小二乘估计算法求闭式解所得到的结果即为所要求取的目标的水平位置；所述闭式解的计算公式为：

${\hat{d}}_{\mathrm{LLS}}={\left(A^{T}A\right)}^{-1}{A}^{T}b---\left(6\right)$

其中，

$A=\left[\begin{array}{cc}2(x_1-x_L)& 2(y_1-y_L)\\ 2(x_2-x_L)& 2(y_2-y_L)\\ M& M\\ 2(x_{L-1}-x_L)& 2(y_{L-1}-y_L)\end{array}\right],b=\left[\begin{array}{c}{R}_L^2-R_1^2+x_1^2-x_L^2+y_1^2-y_L^2\\ R_L^2-R_2^2+x_2^2-x_L^2+y_2^2-y_L^2\\ M\\ R_L^2-R_{L-1}^2+x_{L-1}^2-x_L^2+y_{L-1}^2-y_L^2\end{array}\right];$

步骤203）、对步骤106）所得到的各个节点计算得到的节点深度取平均，由所得到的平均值得到目标的深度位置。

本发明的优点在于：

本发明将非相干匹配场处理与分布式多阵列结合在一起，利用各个节点对同一目标进行观测，然后对观测结果进行协同处理，从而实现对目标的三维定位，具有定位精度高的优点。

附图说明

图1是在本发明的水下目标三维定位方法所基于的分布式多阵列探测系统在一个实施例中的示意图；

图2是环境参数示意图；

图3是声源信号声场强度分布图；

图4是本发明的水下目标三维定位方法的流程图；

图5是在一个实施例中，分布式多阵列探测系统中的各节点的CMFP定位模糊度表面的示意图；

图6是基于单节点测距的分布式协同定位示意图。

具体实施方式

现结合附图对本发明作进一步的描述。

本发明的水下目标三维定位方法基于分布式多阵列探测系统。所述分布式多阵列系统包括多个节点，每一个节点为一包括多个阵元的线阵列，所述线阵列中的阵元为水平阵或垂直阵。这些节点通常位于水中的不同位置。在一个实施例中，本发明所采用的分布式多阵列探测系统包括三个垂直阵节点，如图1所示，这三个垂直阵节点分别布放在边长约为3公里的三角形的三个顶点上。其中，1号、2号节点为32阵元的垂直阵，阵元间距为1.5m，均匀分布在12.5～58m水深中；3号节点为16阵元的垂直阵，阵元间距为1.5m，均匀分布在18～40.5m水深中。实验海域水深约为94m。声源信号为600Hz～800Hz的线性调频信号，位于水深50m处，目标声源相对各个节点的距离如表1中“目标实际相对位置”栏所示。实验期间测量的海水声速剖面以及预先反演所得的环境参数如图2所示，其中，c为介质声速，ρ为介质密度，a为衰减系数，由图可见声速剖面呈现出微弱的负梯度，声场模型采用水平距离不变波导模型。根据水平距离不变波导模型与图2所给出的环境参数建模，采用声场建模软件求解出声源信号的声场强度分布图，如图3所示。

表1目标估计结果与实际相对位置

参考图4，本发明的分布式多阵列水下目标三维定位方法包括下列步骤：

步骤1）、分布式多阵列探测系统中的各个节点在同一时刻对同一目标进行匹配场定位，独立地对同一个目标进行深度和距离估计；

该步骤可进一步包括：

步骤101）、由分布式多阵列探测系统中的任一单节点线列阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到X_l,f，其中(N为节点中的阵元数，然后将X_l,f与X_l,f ^H相乘得到数据向量；其中的(·)^H表示共轭转置。

例如，在本实施例中，所述某个频点为600Hz～800Hz中的每一个频点；所述l次快拍为24000次快拍，其中24000为节点线列阵的采样率。

步骤102）、将步骤101）获得的数据向量取多个快拍数据平均，获得互谱密度矩阵K，其计算公式表示为：

$K=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{X}_{l,f}{X_{l,f}}^H---\left(1\right)$

例如，在本实施例中，所述快拍数据有10个，对这10个快拍数据做平均，得到互谱密度矩阵K。

步骤103）、根据水声环境参数信息和基阵的几何形状计算基阵的拷贝向量其中N为节点中的阵元数，有

其中，为Kraken声场模型软件计算得到的第j个水听器的声压值，表示声源的位置参数,其中的(·)^H表示共轭转置。

所述基阵的几何形状包括水平阵或垂直阵。

步骤104）、根据步骤103）获得的拷贝向量构建线性匹配场处理器的基阵加权向量其计算公式为：

步骤105）、将步骤102）获取的互谱密度矩阵K和步骤104）计算得到基阵加权向量做相关，获得模糊度表面其计算公式为：

步骤106）、将各个频点按照步骤105）计算所得模糊度表面做累加后取平均，得到非相干处理模糊度表面，其极大值点为目标的估计位置，所述估计位置包括节点线列阵与目标间的相对距离，以及目标的绝对深度。

在图5（a）、图5（b）和图5（c）中给出了本实施例中所述的1号、2号、3号节点探测得到的模糊度表面的示意图。这些节点探测得到的估计位置的数值参见表1中的“估计结果”栏。

步骤2）、对在步骤1）所得到的分布式多阵列探测系统中的各个节点对同一目标的估计结果做协同定位处理，即采用线性最小二乘算法对水平方位定位结果进行修正，以各节点的目标定位深度均值作为目标深度估计，从而实现对水下目标的三维定位。

该步骤可进一步包括：

步骤201）、参考图6，以各个节点所在的水平位置为圆心，步骤106获得的节点与目标的相对距离为半径画圆，假设d_i＝[x_i,y_i]^T表示第i个节点的水平位置矢量，d_s＝[x_s,y_s]^T表示目标s的水平位置矢量，R_i表示第i个节点对目标的水平距离估计值，节点数为L，则有：

$\left\{\begin{array}{c}{(x_s-x_1)}^2+{(y_s-y_1)}^2=R_1^2\\ {(x_s-x_2)}^2+{(y_s-y_2)}^2=R_2^2\\ M\\ {(x_s-x_L)}^2+{(y_s-y_L)}^2=R_L^2\end{array}\right.---\left(5\right)$

步骤202）、对步骤201）中所得到的目标水平位置矢量d_s通过线性最小二乘估计算法求闭式解所得到的结果即为所要求取的目标的水平位置。在求解闭式解的过程中需要用到之前步骤所得到的多个参数，所述闭式解的计算公式为：

${\hat{d}}_{\mathrm{LLS}}={\left(A^{T}A\right)}^{-1}{A}^{T}b---\left(6\right)$

其中，

$A=\left[\begin{array}{cc}2(x_1-x_L)& 2(y_1-y_L)\\ 2(x_2-x_L)& 2(y_2-y_L)\\ M& M\\ 2(x_{L-1}-x_L)& 2(y_{L-1}-y_L)\end{array}\right],b=\left[\begin{array}{c}{R}_L^2-R_1^2+x_1^2-x_L^2+y_1^2-y_L^2\\ R_L^2-R_2^2+x_2^2-x_L^2+y_2^2-y_L^2\\ M\\ R_L^2-R_{L-1}^2+x_{L-1}^2-x_L^2+y_{L-1}^2-y_L^2\end{array}\right]$

步骤203）、对步骤106）所得到的各个节点计算得到的节点深度取平均，由所得到的平均值得到目标的深度位置。

例如，本实施例中计算得到的目标的深度值为45.5m，与表1实际位置比较符合，深度误差为4m。

该步骤与步骤201）、步骤202）之间并不存在严格的顺序关系，该步骤可与步骤201）、步骤202）同步执行，也可在步骤201）、步骤202）之前或之后执行。

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 (6)

1.一种基于分布式多阵列实现的水下目标三维定位方法，其特征在于，所述分布式多阵列包括多个节点，每一个节点为包括多个阵元的线阵列，所述多个节点位于水中的不同位置；该方法包括：

步骤1）、所述分布式多阵列中的各个节点在同一时刻对同一目标进行匹配场定位，从而独立地对同一个目标进行深度和距离估计；

步骤2）、对所述各个节点在同一时刻对同一目标进行匹配场定位得到的估计结果做协同定位处理，从而实现对水下目标的三维定位；所述协同定位处理包括：以线性最小二乘算法对水平方位定位结果进行修正，以各节点的目标定位深度均值作为目标深度估计。

2.根据权利要求1所述的基于分布式多阵列实现的水下目标三维定位方法，其特征在于，所述步骤1）进一步包括：

步骤101）、由所述分布式多阵列中的任一单节点线列阵接收的时域信号中的某个频点的第l次快拍经过FFT变换之后得到X_l,f，其中X_l,f＝[X_l,f(1),X_l,f(2),L,X_l,f(Ν)]^T，N为节点中的阵元数，然后将X_l,f与X_l,f ^H相乘得到数据向量；其中的(·)^H表示共轭转置；

步骤102）、将步骤101）获得的数据向量取多个快拍数据平均，获得互谱密度矩阵K，其计算公式表示为：

$K=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{X}_{l,f}{X_{l,f}}^H---\left(1\right)$

步骤103）、根据水声环境参数信息和基阵的几何形状计算基阵的拷贝向量其中N为节点中的阵元数，有

其中，为第j个水听器的声压值，表示声源的位置参数；

步骤104）、根据步骤103）获得的拷贝向量构建线性匹配场处理器的基阵加权向量其计算公式为：

步骤105）、将步骤102）获取的互谱密度矩阵K和步骤104）计算得到基阵加权向量做相关，获得模糊度表面其计算公式为：

步骤106）、将各个频点按照步骤105）计算所得模糊度表面做累加后取平均，得到非相干处理模糊度表面，取其极大值点作为目标的估计位置；所述估计位置包括节点线列阵与目标间的相对距离，以及目标的绝对深度。

3.根据权利要求2所述的基于分布式多阵列实现的水下目标三维定位方法，其特征在于，在步骤101）中，所述某个频点为目标声源带宽中的每一个频点。

4.根据权利要求2所述的基于分布式多阵列实现的水下目标三维定位方法，其特征在于，在步骤101）中，所述l次快拍为24000次快拍。

5.根据权利要求2所述的基于分布式多阵列实现的水下目标三维定位方法，其特征在于，在步骤103）中，第j个水听器的声压值通过Kraken声场模型软件计算得到。

6.根据权利要求2所述的基于分布式多阵列实现的水下目标三维定位方法，其特征在于，所述步骤2）进一步包括：

步骤201）、以各个节点所在的水平位置为圆心，步骤106）获得的节点与目标的相对距离为半径画圆，假设d_i＝[x_i,y_i]^T表示第i个节点的水平位置矢量，d_s＝[x_s,y_s]^T表示目标s的水平位置矢量，R_i表示第i个节点对目标的水平距离估计值，节点数为L，则有：

$\left\{\begin{array}{c}{(x_s-x_1)}^2+{(y_s-y_1)}^2=R_1^2\\ {(x_s-x_2)}^2+{(y_s-y_2)}^2=R_2^2\\ M\\ {(x_s-x_L)}^2+{(y_s-y_L)}^2=R_L^2\end{array}\right.---\left(5\right);$

步骤202）、对步骤201）中所得到的目标水平位置矢量d_s通过线性最小二乘估计算法求闭式解所得到的结果即为所要求取的目标的水平位置；所述闭式解的计算公式为：

${\hat{d}}_{\mathrm{LLS}}={\left(A^{T}A\right)}^{-1}{A}^{T}b---\left(6\right)$

其中，

$A=\left[\begin{array}{cc}2(x_1-x_L)& 2(y_1-y_L)\\ 2(x_2-x_L)& 2(y_2-y_L)\\ M& M\\ 2(x_{L-1}-x_L)& 2(y_{L-1}-y_L)\end{array}\right],b=\left[\begin{array}{c}{R}_L^2-R_1^2+x_1^2-x_L^2+y_1^2-y_L^2\\ R_L^2-R_2^2+x_2^2-x_L^2+y_2^2-y_L^2\\ M\\ R_L^2-R_{L-1}^2+x_{L-1}^2-x_L^2+y_{L-1}^2-y_L^2\end{array}\right];$

步骤203）、对步骤106）所得到的各个节点计算得到的节点深度取平均，由所得到的平均值得到目标的深度位置。