CN105044705A

CN105044705A - 一种多波束测深声纳多子阵波束锐化方法

Info

Publication number: CN105044705A
Application number: CN201510312711.7A
Authority: CN
Inventors: 李海森; 魏波; 周天; 陈宝伟; 杜伟东; 沈嘉俊
Original assignee: Harbin Engineering University
Current assignee: Harbin Engineering University
Priority date: 2015-06-09
Filing date: 2015-06-09
Publication date: 2015-11-11
Anticipated expiration: 2035-06-09
Also published as: CN105044705B

Abstract

本发明涉及一种多波束测深声纳多子阵波束锐化方法。本发明包括：对换能器阵列接收到的原始信号进行正交变换，得到所需的解析信号；利用子阵划分器，对得到的解析信号进行子阵划分，将信号划分为在空间上具有重叠的4个子阵，并将子阵划分为2个子波束组；对每个子阵进行常规波束形成，分别对子阵1和子阵4组成的子波束组A和子阵2和子阵3组成的子波束组B进行第一级锐化波束形成；对子波束组A和子波束组B锐化波束形成后的输出作为下一级锐化波束形成的输入，进行第二级锐化波束形成，其输出即为锐化多波束输出。本发明能够在较小的运算量情况下完成对“隧道效应”的抑制。

Description

一种多波束测深声纳多子阵波束锐化方法

技术领域

本发明涉及一种多波束测深声纳多子阵波束锐化方法。

背景技术

常规波束形成器能够对指定到达方向的回波信号进行增强，对噪声进行抑制，原理简单、算法易实现，因而在多波束声呐中得到了广泛的应用。但该波束形成器具有主瓣波束宽、旁瓣级高、存在能量泄露的缺点，容易引起旁瓣干扰。多波束测深声呐的探测目标是大面积海底，垂直入射的海底回波波束能量很强，能量泄露进入其他波束的主瓣方向后，很容易形成旁瓣干扰。当被测量的海底比较平坦且底质较硬时或空间方位较近时，这种影响更加明显。当使用基于波束输出能量的时间加权平均等海底检测算法时，其影响就是会把平坦海底地形测量成虚假的两边上翘的弧形海底地形，即所谓的“隧道效应”。

抑制“隧道效应”对提高多波束测深声呐的数据质量和测量结果的可信度非常重要，目前常见的解决方法有两类：第一类采用自适应旁瓣抵消器，如利用误差反馈格型RLS算法和基于Givens旋转的后验格型-梯型算法对多波束测深声呐实验数据中存在的旁瓣干扰进行分析处理。该算法能够有效的削弱边缘波束方向上镜像波束的旁瓣干扰，但算法的结构复杂，运算量较大，难以实时实现；第二类采用对常规波束形成进行加窗，如chebyshev、卷积矩形窗等，虽然有效降低了旁瓣，但导致主瓣展宽，降低了空间分辨力。增大声呐基阵孔径可以有效缓解这一矛盾，但其导致的硬件复杂性、高成本和多波束测深声呐小型化趋势相矛盾。因此，利用信号处理方法降低波束旁瓣、同时还能保证波束主瓣的尖锐就相当有意义。

本发明公开了一种多波束测深声纳多子阵波束锐化方法，将换能器阵列接收到的回波信号划分成为具有一定重叠的子阵，将子阵波束形成后的信号划分成子波束组。对子波束组进行两级锐化波束形成，得到较为尖锐的多波束输出。该方法与常规波束形成计算量基本相当，算法结构较适合硬件平台实现，能够在信号采样间隔内完成波束形成处理，有效地抑制了多波束测深声纳中的“隧道效应”。

发明内容

本发明的目的是在于提供一种多波束测深声纳多子阵波束锐化方法。

本发明的目的是这样实现的：

包含以下几个步骤：

(1)对换能器阵列接收到的原始信号进行正交变换，得到所需的解析信号；

(2)利用子阵划分器，对得到的解析信号进行子阵划分，将信号划分为在空间上具有重叠的4个子阵，并将子阵划分为2个子波束组；

(3)对每个子阵进行常规波束形成，分别对子阵1和子阵4组成的子波束组A和子阵2和子阵3组成的子波束组B进行第一级锐化波束形成；

(4)对子波束组A和子波束组B锐化波束形成后的输出作为下一级锐化波束形成的输入，进行第二级锐化波束形成，其输出即为锐化多波束输出。

所述的换能器阵列共有M阵元，则设计每个子阵长度为N，1子阵与2子阵之间间隔阵元数为N₁，2子阵与3子阵之间间隔阵元数为N₂，3子阵与4子阵之间间隔阵元数为N₁，则子阵划分需满足关系式M＝4N-2N₁-N₂。各子阵的空间位置可分别为：

X₁＝[(-M/2+0.5):1:(N-M/2-0.5)]*D

X₂＝[(-M/2+N-N₁+0.5):1:(N₂/2-0.5)]*D

X₃＝[(-N₂/2+0.5):1:(M/2-N+N₁+0.5)]*D

X₄＝[(M/2-N+0.5):1:(M/2-0.5)]*D

其中D为阵元间距。

所述步骤(3)中将1子阵和4子阵组成子波束组A，2将子阵和3子阵组成子波束组B。

所述波束组A的锐化波束为：

R_{NBF 1} = {(R_{S 1}^{n_{s}} - R_{D 1}^{n_{s}})}^{1 / n_{s}}

锐化波束形成的简化结构如下：

和波束：

R_{S}^{n_{s}} = 10^{n_{s} \lg_{10} (R_{s})}

差波束：

R_{D}^{n_{s}} = 10^{n_{s} \lg_{10} (R_{D})}

锐化波束：

R_{NBF} = 10^{\frac{1}{n_{s}} \lg_{10} (R_{s} - R_{D})}

本发明的有益效果是：

1、在不增加基阵孔径的前提下，使用信号处理方法完成波束的锐化过程。不同于误差反馈格型RLS算法和基于Givens旋转的后验格型-梯型算法等计算量较大、结构复杂的算法，本发明能够在较小的运算量情况下完成对“隧道效应”的抑制。

2、能够得到较加窗常规波束形成更高的主旁瓣比，并且主瓣宽度较加窗前有所降低。经算法结构简化后，更适于硬件平台实现，能够在采样间隔内即完成锐化波束形成，具有较高的工程实用性。

附图说明

图1算法整体结构框图。

图2多子阵划分示意图。

图3锐化波束简化结构示意图。

图4a波束宽度对比示意图。

图4b角度分辨力对比示意图。

图5a常规波束形成输出效果图。

图5b锐化波束形成输出效果图。

图6a常规波束形成水底检测图。

图6b锐化波束形成水底检测图。

具体实施方式

下面结合附图对本发明进行详细描述：

一种多波束测深声纳多子阵波束锐化方法，包含以下几个步骤：

步骤(1)：对换能器阵列接收到的原始信号进行正交变换，得到所需的解析信号；

步骤(2)：利用子阵划分器，对得到的解析信号进行子阵划分，将信号划分为在空间上具有一定重叠的4个子阵，并将子阵划分为2个子波束组；

步骤(3)：对每个子阵进行常规波束形成，分别对子阵1和子阵4组成的子波束组A和子阵2和子阵3组成的子波束组B进行第一级锐化波束形成；

步骤(4)：对子波束组A和子波束组B锐化波束形成后的输出作为下一级锐化波束形成的输入，进行第二级锐化波束形成，其输出即为锐化多波束输出。

本发明还可以包括：

1、多子阵划分形式：

假设换能器共有M阵元，则设计每个子阵长度为N，子阵1与子阵2之间间隔阵元数为N₁，子阵2与子阵3之间间隔阵元数为N₂，子阵3与子阵4之间间隔阵元数为N₁，则子阵划分需满足关系式M＝4N-2N₁-N₂。

2、锐化波束形成方法：

以子波束组A为例可表示为：

R_{NBF 1} = {(R_{S 1}^{n_{s}} - R_{D 1}^{n_{s}})}^{1 / n_{s}}

3、锐化波束形成结构优化：

锐化波束形成方法可以进行结构简化，将一次未知底数未知幂数的指数运算推导成为一次已知底数的指数运算和一次已知底数的对数运算的组合运算，使算法结构更适合硬件平台实现，结构简化如下：

和波束：

R_{S}^{n_{s}} = 10^{n_{s} \lg_{10} (R_{s})}

差波束：

R_{D}^{n_{s}} = 10^{n_{s} \lg_{10} (R_{D})}

锐化波束：

R_{NBF} = 10^{\frac{1}{n_{s}} \lg_{10} (R_{s} - R_{D})}

结合图1，本发明涉及一种多波束测深声纳多子阵波束锐化方法，包含以下几个步骤：

步骤(1)中需要对换能器阵元接收到的原始信号进行正交变换，得到所需的解析信号。具体实施过程是由正交系数生成器按照采样时间片生成正交系数，与阵元信号s(i,n)相乘，得到解析信号

\tilde{s} (i, n) = s (i, n) \cos (2 π \frac{f_{0}}{f_{s}} n) - js (i, n) \sin (2 π \frac{f_{0}}{f_{s}} n)

其中s(i,n)表示第n时间片下第i阵元接收到的信号，f₀为信号频率，f_s为采样频率。

步骤(2)中首先利用子阵划分器将信号划分成为具有一定空间重叠的子阵，子阵划分器是事先开辟好的一段一定长度、地址连续的缓存空间，用以存储子阵信号。每个子阵内的信号在存储地址上连续，有助于向量化的算法硬件实现。本发明采用的是多级锐化波束形成，则要求划分的子阵数必须满足K＝2ⁿ，考虑到系统规模及运算量，本发明采用两级锐化波束形成，子阵划分为4个，如图2所示。

不相邻子阵具有形成波束窄的优点，重叠子阵具有抑制背景噪声的优点，所以结合两者特点，将子阵1和子阵4组成子波束组A，子阵2和子阵3组成子波束组B。假设换能器共有M阵元，则设计每个子阵长度为N，子阵1与子阵2之间间隔阵元数为N₁，子阵2与子阵3之间间隔阵元数为N₂，子阵3与子阵4之间间隔阵元数为N₁，则子阵划分需满足关系式M＝4N-2N₁-N₂。各子阵的空间位置可分别表示成：

X₁＝[(-M/2+0.5):1:(N-M/2-0.5)]*D

X₄＝[(M/2-N+0.5):1:(M/2-0.5)]*D

X₂＝[(-M/2+N-N₁+0.5):1:(N₂/2-0.5)]*D

X₃＝[(-N₂/2+0.5):1:(M/2-N+N₁+0.5)]*D

其中D＝λ/2为阵元间距，λ为信号波长。

步骤(3)首先对每个子阵进行常规波束形成，需要按照阵元的不同位置生成加权向量：

w_{1} (θ_{k}) = \exp [- j 2 π f_{0} \frac{X_{1}}{c} \sin (θ_{k})]

w_{4} (θ_{k}) = \exp [- j 2 π f_{0} \frac{X_{2}}{c} \sin (θ_{k})]

w_{2} (θ_{k}) = \exp [- j 2 π f_{0} \frac{X_{2}}{c} \sin (θ_{k})]

w_{3} (θ_{k}) = \exp [- j 2 π f_{0} \frac{X_{3}}{c} \sin (θ_{k})]

其中θ_k为预成波束角度，之后对子阵信号进行常规波束形成：

R_{CBF 1} = {w_{1}}^{H} * \tilde{s} (1 : N)

R_{CBF 4} = {w_{1}}^{H} * \tilde{s} (M - N + 1 : M)

R_{CBF 2} = {w_{2}}^{H} * \tilde{s} (N - N_{1} + 1 : 2 N - N_{1})

R_{CBF 3} = {w_{3}}^{H} * \tilde{s} (M / 2 - N_{2} / 2 + 1 : M / 2 - N_{2} / 2 + N)

将子阵1和子阵4组成子波束组A，子阵2和子阵3组成子波束组B分别作为输入，进行第一级锐化波束形成，结果输出至第二级锐化波束形成的输入。以子波束组A为例，锐化波束形成可以表示为：

R_{NBF 1} = {(R_{S 1}^{n_{s}} - R_{D 1}^{n_{s}})}^{1 / n_{s}}

则子波束组A的锐化波束形成可表示为：

R_S1＝|R_CBF1|+|R_CBF4|

R_D1＝|R_CBF1-R_CBF4|

R_{NBF 1} = {(R_{S 1}^{n_{s}} - R_{D 1}^{n_{s}})}^{1 / n_{s}}

子波束组B的锐化波束形成可表示为：

R_S2＝|R_CBF2|+|R_CBF3|

R_D2＝|R_CBF2-R_CBF3|

R_{NBF 2} = {(R_{S 2}^{n_{s}} - R_{D 2}^{n_{s}})}^{1 / n_{s}}

步骤(4)利用子波束组A和子波束组B锐化波束形成后的输出，进行第二级锐化波束形成，其输出即为锐化多波束输出。第二级锐化波束形成可表示为：

R_SH＝|R_HBF1|+|R_HBF2|

R_DH＝|R_HBF1-R_HBF2|

R_{NBF} = {(R_{SH}^{n_{s}} - R_{DH}^{n})}^{1 / n_{s}}

R_NBF即为锐化多波束输出。

由以上算法结构可以发现，锐化波束形成中含有大量的未知底数未知幂数的指数运算，这将占用大量的算法处理时间，并且结构不利于硬件实现。所以需要对算法实现结构进行优化，使其能够具有较高的实时性。

结合图3，对锐化波束形成算法实现结构进行优化，将一次未知底数未知幂数的指数运算推导成为一次已知底数的指数运算和一次已知底数的对数运算的组合运算，公式推导如下：

R_{S}^{n_{s}} = 10^{n_{s} \lg_{10} (R_{s})}

R_{D}^{n_{s}} = 10^{n_{s} \lg_{10} (R_{D})}

R_{NBF} = 10^{\frac{1}{n_{s}} \lg_{10} (R_{s} - R_{D})}

算法实现过程如下：首先对子波束a和子波束b分别取模后相加，得到和波束R_S。子波束a和子波束b相减后取模，得到差波束R_D。分别对和波束与差波束取以2为底的对数，与锐化系数n_s相乘，之后再进行以2为底的指数运算，即得到了与

之后对与相减后取模，取2为底的对数，与锐化系数n_s的倒数相乘，之后再进行以2为底的指数运算，得到该级的锐化波束形成输出R_NBF。

类似的，可得到各级锐化波束形成输出。

通过合理利用子阵划分器，将子阵信号存储在一段连续的缓存空间，有利于硬件平台的实现。连续的存储地址有利于硬件平台对数据的高速存储，再对数据存取操作不需要每次进行寻址，只需给定数据首地址以及偏移地址即可，有助于使用向量化的算法形式，提升算法效率。对算法结构进行优化后，将一次未知底数未知幂数的指数运算推导成为一次已知底数的指数运算和一次已知底数的对数运算的组合运算，这样的算法结构更适于DSP的快速运算。使用TI公司出产的TMS320C6748处理器，分别在软件和硬件条件下对不同的算法实现时间进行对比。对比结果显示，不使用子阵划分器时，采用循环方法会占用较多的处理时间。使用子阵划分器后进行向量化的算法处理，能够节省出大量的算法运行时间。经算法结构简化后，能够进一步节省算法运行时间。尤其在硬件平台实现时，考虑到存储器的存储速度，简化结构的算法运行时间节省更为明显，仅为循环方法的六分之一，保证了算法能够在采样间隔之内完成。

结合图4，分别对一种多波束测深声纳多子阵波束锐化方法的波束宽度和角度分辨力进行分析，选择仿真信号：CW脉冲信号，中心频率f₀＝300kHz，阵元数M＝64。常规波束形成首先对阵元信号进行加chebyshev窗，之后进行相移波束形成。多子阵锐化波束形成选择4个子阵，进行两级锐化波束形成，锐化系数n_s＝0.8。如图4a所示，假设目标到达方向θ＝0°，通过对算法的仿真可以发现，多子阵波束锐化方法能够较常规波束形成具有更窄的主瓣以及更高的主旁瓣比，并且越靠近主瓣方向，旁瓣级越低。这样的主旁瓣特性有助于抑制旁瓣引起的“隧道效应”。选择在θ＝0°附近的两个相近的回波目标，进行目标分辨力的分析。如图4b所示，在θ₁＝0.626°和θ₂＝-0.626°时，常规波束形成已经不能分辨出两相近的目标，而多子阵波束锐化方法还能够明显的分辨出两目标，说明多子阵波束锐化方法具有更强的目标分辨力。

结合图5，对外场实测数据进行波束形成处理，观察波束输出结果。如图5a所示，常规波束形成输出结果在正下方方向会出现较强的旁瓣干扰，能量泄露到其他波束的主瓣，这将对后续水底检测算法带来较大的困扰。如图5b所示，使用多子阵波束锐化方法的输出结果已经观察不到明显的旁瓣干扰，证明了多子阵波束锐化方法能够得到较尖锐的波束输出，同时对旁瓣具有较好的抑制效果。

结合图6，分别对常规波束形成及多子阵波束锐化方法的输出结果进行时间加权平均算法检测，观察检测结果。如图6a所示，常规波束形成后的数据，检测到了两侧上翘的弧形虚假地形，这是由于旁瓣干扰引发的“隧道效应”，导致了虚假目标的检测。如图6b所示，利用多子阵波束锐化方法的输出结果进行检测，虚假目标已经消失，检测结果能够反映真实的水底地形，证明了多子阵波束锐化方法具有较窄的波束、较高的主旁瓣比，对“隧道效应”具有较好的抑制效果。

Claims

1.一种多波束测深声纳多子阵波束锐化方法，其特征在于，包含以下几个步骤：

2.根据权利要求1所述的一种多波束测深声纳多子阵波束锐化方法，其特征在于：所述的换能器阵列共有M阵元，则设计每个子阵长度为N，1子阵与2子阵之间间隔阵元数为N₁，2子阵与3子阵之间间隔阵元数为N₂，3子阵与4子阵之间间隔阵元数为N₁，则子阵划分需满足关系式M＝4N-2N₁-N₂。各子阵的空间位置可分别为：

X₁＝[(-M/2+0.5):1:(N-M/2-0.5)]*D

X₂＝[(-M/2+N-N₁+0.5):1:(N₂/2-0.5)]*D

X₃＝[(-N₂/2+0.5):1:(M/2-N+N₁+0.5)]*D

X₄＝[(M/2-N+0.5):1:(M/2-0.5)]*D

其中D为阵元间距。

3.根据权利要求1所述的一种多波束测深声纳多子阵波束锐化方法，其特征在于：所述步骤(3)中将1子阵和4子阵组成子波束组A，2将子阵和3子阵组成子波束组B。

4.根据权利要求1所述的一种多波束测深声纳多子阵波束锐化方法，其特征在于：所述波束组A的锐化波束为：

5.根据权利要求4所述的一种多波束测深声纳多子阵波束锐化方法，其特征在于：锐化波束形成的简化结构如下：

和波束：

差波束：

锐化波束：。