CN106886017B - 基于双频识别声呐的水下目标空间位置计算方法 - Google Patents

基于双频识别声呐的水下目标空间位置计算方法 Download PDF

Info

Publication number
CN106886017B
CN106886017B CN201710018916.3A CN201710018916A CN106886017B CN 106886017 B CN106886017 B CN 106886017B CN 201710018916 A CN201710018916 A CN 201710018916A CN 106886017 B CN106886017 B CN 106886017B
Authority
CN
China
Prior art keywords
target
sonar
effective
effective target
frequency identification
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
Application number
CN201710018916.3A
Other languages
English (en)
Other versions
CN106886017A (zh
Inventor
韩军
荆丹翔
王晓丁
任佳
王杰英
杜鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201710018916.3A priority Critical patent/CN106886017B/zh
Publication of CN106886017A publication Critical patent/CN106886017A/zh
Application granted granted Critical
Publication of CN106886017B publication Critical patent/CN106886017B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于双频识别声呐的水下目标空间位置计算方法，其主要步骤：(1)提取双频识别声呐采集图像中的有效目标，即求取声呐水平视场中目标位置；(2)对不同帧图像中的有效目标进行关联处理；(3)计算有效目标在双频识别声呐垂直视场中的位置；(4)根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系，获取其在声呐探测范围内的三维坐标。由于双频识别声呐探测范围是一个空间几何体，但接收到的数据组成的图像却是一个二维平面图，不能获知目标在声呐探测范围内的三维位置，本发明提供的方法可以有效解决这个问题，实现目标在双频识别声呐波束范围内的空间定位。

Description

基于双频识别声呐的水下目标空间位置计算方法
技术领域
本发明属于水下目标探测领域，尤其涉及一种基于双频识别声呐的水下目标空间位置计算方法。
背景技术
海洋牧场是一种近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变的现代渔业形式。海洋牧场建设就如同陆地农牧业一样的，不仅可以提高对象生物本身的质量和产量，更能在利用海洋资源的同时保护海洋生态系统，实现资源的可持续利用。而鱼群在海洋牧场中的游泳、摄食、生殖、呼吸等行为以及群落分布情况是海洋牧场建设中的重要研究课题。早期的研究主要是通过对实验室中个体目标进行观测来实现，随着电子、水声等学科领域的技术发展，水下摄像仪、水声鱼探仪等设备被用于渔场中的鱼类观测与资源量的评估。水下摄像仪可以通过视频形式记录下水中鱼体的运动情况，但对于昏暗或浑浊的水下情况显得无能为力，水声鱼探仪通过回波积分法可以实现鱼群资源量的分布统计，但难以实现对个体目标的观测与跟踪，因此双频识别声呐的出现为这类问题的解决提供了方案。
双频识别声呐是一种利用声学透镜发射独立波束的多波束系统，它通过向水下发射高频声波信号、接收并判断回波信号来探测水下目标，其探测的范围是一个具有29°水平开角、14°垂直开角的空间几何体，但接收到的数据只能组成一张二维平面图，即只能显示目标在水平视场中的位置，不能确定目标在双频识别声呐探测范围内的三维坐标，对目标的空间定位无能为力。
发明内容
本发明的目的是针对上述不足，提供一种基于双频识别声呐的水下目标空间位置计算方法。
为了达到上述目的，本发明所采用的技术方案如下：一种基于双频识别声呐的水下目标空间位置计算方法，具体包括如下步骤：
步骤一，利用背景去除手法提取双频识别声呐采集图像中的有效目标，即获取有效目标在声呐水平视场中的位置；
步骤二，利用交互式多模型联合概率数据关联算法对不同帧图像中的有效目标进行关联处理；
步骤三，根据不同帧图像中关联后的有效目标联立方程组，计算有效目标在声呐垂直视场中的位置：
步骤四，根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系，获取有效目标在声呐探测范围内的三维坐标。
进一步地，所述双频识别声呐固定在水下，用于采集运动目标数据。
进一步地，所述步骤一的具体过程如下：
(1.1)建立声呐图像的背景模型：
Figure BDA0001207624570000021
其中I代表声呐图像中某个位置处对应像素点的强度值，
Figure BDA0001207624570000022
代表该位置处对应像素点在连续若干帧图像中的平均强度值，σ、ζ分别代表I的变化幅度及其噪声等级，k是噪声等级系数，ω、t分别代表变化幅度的角频率和时间；
(1.2)声呐图像的背景确定：
Figure BDA0001207624570000023
当公式(1)中k取值为1，且强度值I在公式(2)规定的范围内时，该强度值所对应的像素点即为声呐图像的背景；
(1.3)目标提取：
按照公式(2)去除声呐图像背景后，得到声呐图像中的有效目标及其对应的位置
Figure BDA0001207624570000024
N代表有效目标的个数；
(1.4)和σ的更新：
其中
Figure BDA0001207624570000028
σ′分别代表更新后的平均强度值和变化幅度，n是正整数，代表强度值的更新系数。
进一步地，所述步骤二的具体过程如下：
(2.1)模型建立：
假设在第k帧图像中，即k时刻提取出N个有效目标
Figure BDA0001207624570000029
每个有效目标对应一种运动模型j(j＝1,…,n)，一共有n种运动模型，则第r个有效目标的运动方程和量测方程为：
Figure BDA0001207624570000031
其中xk、zk是有效目标r在k时刻的状态向量和观测向量，状态向量为
Figure BDA0001207624570000032
Figure BDA0001207624570000033
是有效目标的位置量(uk,vk)对应的一阶导数即为速度量，观测向量
Figure BDA0001207624570000034
Figure BDA0001207624570000035
是k-1时刻的状态转移矩阵和输入矩阵，是量测矩阵，
Figure BDA0001207624570000037
和
Figure BDA0001207624570000038
是互不相关的零均值高斯白噪声，对应的协方差为
Figure BDA0001207624570000039
和
Figure BDA00012076245700000310
(2.2)状态估计：
有效目标r在k时刻的状态估计为
Figure BDA00012076245700000311
则有：
其中
Figure BDA00012076245700000313
为k-1时刻有效目标r的状态量，对应的协方差矩阵
Figure BDA00012076245700000315
Figure BDA00012076245700000316
其中
Figure BDA00012076245700000317
是k-1时刻的协方差矩阵，第i个量测
Figure BDA00012076245700000318
对应的残差
Figure BDA00012076245700000319
为：
Figure BDA00012076245700000320
对应的协方差
Figure BDA00012076245700000321
为：
Figure BDA00012076245700000322
(2.3)关联概率更新：
当观测量i和有效目标r关联，且目标采用运动模型j时，除有效目标r外剩下的所有目标r_(r_≠r)的运动模型组合为J时的后验概率
Figure BDA00012076245700000323
为：
Figure BDA00012076245700000324
其中θ是联合事件，
Figure BDA00012076245700000325
为关联矩阵，Yk是k时刻落入跟踪门内的观测值集合，则利用
Figure BDA00012076245700000326
的加权求和可进一步得到：
Figure BDA00012076245700000327
Figure BDA00012076245700000328
其中
Figure BDA00012076245700000329
是
Figure BDA00012076245700000330
关于J的累加和，
Figure BDA00012076245700000331
是k-1时刻目标r_对应模型j时的概率；
(2.4)目标采用不同模型时的状态更新：
计算有效目标r在k时刻的卡尔曼增益
Figure BDA0001207624570000041
Figure BDA0001207624570000042
对于采用模型j的有效目标r进行状态更新，得到状态估计量
Figure BDA0001207624570000044
Figure BDA0001207624570000045
对应的误差协方差
Figure BDA0001207624570000046
Figure BDA0001207624570000047
(2.5)似然函数更新：
Figure BDA0001207624570000048
其中
Figure BDA0001207624570000049
为k时刻有效目标r采用j模型时的似然函数，N{}代表正态分布；
(2.6)模型概率更新：
Figure BDA00012076245700000410
其中
Figure BDA00012076245700000411
为k时刻有效目标r采用j模型时的概率，c为归一化常数：
Figure BDA00012076245700000412
(2.7)目标状态更新：
Figure BDA00012076245700000413
其中为有效目标r对应的状态量，对应的误差协方差Pk为：
Figure BDA00012076245700000415
经过步骤(2.2)～(2.7)，目标r在k-1时刻的状态量
Figure BDA00012076245700000416
和k时刻的状态量
Figure BDA00012076245700000417
就得到了有效关联。
进一步地，所述步骤三的具体过程如下：
(3.1)计算有效目标r在三帧连续图像中距离坐标原点的距离di：
其中(xi,yi)是有效目标r在声呐水平视场中的坐标；
(3.2)联立方程组计算有效目标r在声呐垂直视场中的位置(x,y)：
Figure BDA0001207624570000052
其中v是目标相对于双频识别声呐的移动速度，Δt是双频识别声呐的数据采样间隔。
进一步地，所述步骤四具体过程如下：
(4.1)计算有效目标r在声呐水平视场中的三角函数：
Figure BDA0001207624570000053
其中(xH,yH)是有效目标r在水平视场中的坐标，
Figure BDA0001207624570000054
是点(xH,yH)与坐标原点连线和X轴夹角，
Figure BDA0001207624570000055
(4.2)计算有效目标r在声呐垂直视场中的三角函数：
Figure BDA0001207624570000056
其中(xV,yV)是有效目标r在水平视场中的坐标，γ是点(xV,yV)与坐标原点连线和X轴夹角；
(4.3)计算有效目标r在声呐探测范围内三维坐标(x,y,z)：
Figure BDA0001207624570000057
其中关于θ的三角函数可以通过计算获得。
本发明的有益效果如下：本发明针对双频识别声呐只能记录探测范围内目标二维位置的特点，结合目标关联算法发明了一种计算探测范围内三维位置的方法。本发明通过对声呐图像进行目标提取获取水平视场中的目标位置，利用交互式多模型联合概率数据关联算法对水平视场中的目标进行关联，然后联立方程组求出目标在声呐垂直视场中的位置，最后根据空间几何关系计算出目标的三维坐标。本发明提供的方法可以为水下目标空间位置获取、三维定位及跟踪等提供技术基础。
附图说明
图1是本发明方法的流程图；
图2是本发明中交互式多模型联合概率数据关联算法流程图；
图3(a)是本发明中一个有效目标在双频识别声呐的垂直视场中的示意图，图3(b)是声呐相对于有效目标运动而建立的坐标系图；
图4是本发明中一个有效目标在声呐探测范围内的位置示意图。
具体实施方式
下面结合具体实施例及附图对本发明做进一步详细说明，但本发明不仅局限于次。
本发明通过目标提取、目标关联、垂直视场中目标位置计算等处理，得到目标在双频识别声呐探测范围内的空间位置，主要流程如图1所示，下面针对每一步展开详细说明。
1、背景去除：利用背景去除手法提取双频识别声呐采集图像中的有效目标，即获取有效目标在声呐水平视场中的位置。
首先建立声呐图像的背景模型：
Figure BDA0001207624570000061
其中I代表声呐图像中某个位置处对应像素点的强度值，
Figure BDA0001207624570000062
代表该位置处对应像素点在连续若干帧图像中的平均强度值，σ、ζ分别代表I的变化幅度及其噪声等级，k是噪声等级系数，ω、t分别代表变化幅度的角频率和时间；
当公式(1)中k取值为1，且强度值I在公式(2)规定的范围内时，该强度值所对应的像素点即为声呐图像的背景：
按照公式(2)去除声呐图像背景后，得到声呐图像中的有效目标及其对应的位置
Figure BDA0001207624570000064
N代表这帧声呐图像中有效目标的个数；
最后对
Figure BDA0001207624570000065
和σ的更新进行：
Figure BDA0001207624570000066
Figure BDA0001207624570000067
其中
Figure BDA0001207624570000068
σ′分别代表更新后的平均强度值和变化幅度，n是正整数，代表强度值的更新系数。
2、目标关联：利用交互式多模型联合概率数据关联算法对不同帧图像中的同一个有效目标进行关联处理，算法流程如图2所示。
2.1、首先建立运动模型：
假设在第k帧图像中，即k时刻提取出N个有效目标
Figure BDA0001207624570000071
每个有效目标对应一种运动模型j(j＝1,…,n)，一共有n种运动模型，则第r个有效目标的运动方程和量测方程为：
Figure BDA0001207624570000072
其中xk、zk是有效目标r在k时刻的状态向量和观测向量，状态向量为
Figure BDA0001207624570000073
是有效目标的位置量(uk,vk)对应的一阶导数即为速度量，观测向量
Figure BDA0001207624570000075
Figure BDA0001207624570000076
是k-1时刻的状态转移矩阵和输入矩阵，
Figure BDA0001207624570000077
是量测矩阵，
Figure BDA0001207624570000078
和
Figure BDA0001207624570000079
是互不相关的零均值高斯白噪声，对应的协方差为
Figure BDA00012076245700000710
和
2.2、状态估计：
Figure BDA00012076245700000712
其中
Figure BDA00012076245700000713
为有效目标r在k时刻的状态估计量，对应的协方差矩阵为：
Figure BDA00012076245700000714
其中
Figure BDA00012076245700000715
是k-1时刻的协方差矩阵，第i个量测
Figure BDA00012076245700000716
对应的残差
Figure BDA00012076245700000717
为：
对应的协方差
Figure BDA00012076245700000719
为：
2.3、关联概率更新：
当观测量i和有效目标r关联，且目标采用运动模型j时，除有效目标r外剩下的所有目标r-(r-≠r)的运动模型组合为J时的后验概率
Figure BDA00012076245700000721
为：
Figure BDA00012076245700000722
其中θ是联合事件，
Figure BDA00012076245700000723
为关联矩阵，Yk是k时刻落入跟踪门内的观测值集合，则利用
Figure BDA00012076245700000724
的加权求和可进一步得到：
Figure BDA0001207624570000082
其中
Figure BDA0001207624570000083
是k-1时刻目标r-对应模型j时的概率；
2.4、目标采用不同模型时的状态更新：
计算有效目标r在k时刻的卡尔曼增益
Figure BDA0001207624570000084
Figure BDA0001207624570000085
对于采用模型j的有效目标r进行状态更新，得到状态估计量
Figure BDA0001207624570000086
Figure BDA0001207624570000087
Figure BDA0001207624570000088
对应的误差协方差
Figure BDA0001207624570000089
Figure BDA00012076245700000810
2.5、似然函数更新：
Figure BDA00012076245700000811
其中N{}代表正态分布，
Figure BDA00012076245700000812
为k时刻有效目标r采用j模型时的似然函数；
2.6、模型概率更新：
Figure BDA00012076245700000813
其中
Figure BDA00012076245700000814
为有效目标r采用j模型时的概率，c为归一化常数：
Figure BDA00012076245700000815
2.7、目标状态更新：
Figure BDA00012076245700000816
目标误差协方差为：
Figure BDA0001207624570000091
经过步骤2.2～2.7，目标r在k-1时刻的状态量
Figure BDA0001207624570000092
和k时刻的状态量
Figure BDA0001207624570000093
就得到了有效关联。
3、垂直视场中目标位置计算：根据不同帧图像中关联后的有效目标联立方程组，计算有效目标在声呐垂直视场中的位置。
假设经过第一步中目标提取后获得的有效目标r在水平视场中的坐标为P(x,y)，由于双频识别声呐探测范围的垂直视场为14°，P(x,y)可以对应14°范围内任何一点，如图3(a)所示，所以无法判断出目标在波束范围内准确的三维坐标。水下目标是运动的，双频识别声呐是固定的，根据运动的相对性，假设双频识别声呐相对于水下目标的运动速度为v，并建立如图3(b)所示的坐标系。图3(a)和图3(b)中，β为垂直视场角等于14°，点P(x,y)在线段L上的距离为
Figure BDA0001207624570000094
在时刻t1，点P在L1上的投影为d1；在时刻t2，点P在L2上的投影为d2；在时刻t3，点P在L3上的投影为d3；由此可以计算点P(x,y)对应的目标r在三帧连续图像中距离坐标原点的距离：
其中(xi,yi)是点P(x,y)在三帧声呐水平视场中的坐标。
联立方程组可以计算有效目标r在声呐垂直视场中的位置(x,y)：
Figure BDA0001207624570000096
其中Δt是双频识别声呐的数据采样间隔，为已知量。
4、三维坐标计算：根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系，获取有效目标在声呐探测范围内的三维坐标。
首先建立如图4所示的空间坐标系，图中的扇形锥体即为波束探测范围，点P(x,y,z)为有效目标r对应的三维坐标，点P1、B、A分别为点P在面XOY、面XOZ-、面Z-OY的投影点，点B1、A1分别为点P1在X轴、Y轴的投影点，∠POP1记为γ，∠B1OP1记为θ，∠B1OP记为
Figure BDA0001207624570000097
假设(xH,yH)是有效目标r在水平视场中的坐标，(xV,yV)是有效目标r在水平视场中的坐标，由此可以计算有效目标r在声呐水平视场和垂直视场中的三角函数：
Figure BDA0001207624570000101
其中，
Figure BDA0001207624570000103
最后可以计算出有效目标r在声呐探测范围内三维坐标(x,y,z)：
其中关于θ的三角函数可以通过
Figure BDA0001207624570000105
计算获得。

Claims (6)

1.一种基于双频识别声呐的水下目标空间位置计算方法，其特征在于，包括以下步骤：
步骤一，利用背景去除手法提取双频识别声呐采集图像中的有效目标，即获取有效目标在声呐水平视场中的位置；
步骤二，利用交互式多模型联合概率数据关联算法对不同帧图像中的有效目标进行关联处理；
步骤三，根据不同帧图像中关联后的有效目标联立方程组，计算有效目标在声呐垂直视场中的位置；
步骤四，根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系，获取其在声呐探测范围内的三维坐标。
2.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法，其特征在于，所述双频识别声呐固定在水下，用于采集运动目标数据。
3.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法，其特征在于，所述步骤一的具体过程如下：
(1.1)建立声呐图像的背景模型：
Figure FDA0002118646480000011
其中I代表声呐图像中某个位置处对应像素点的强度值，
Figure FDA0002118646480000012
代表该位置处对应像素点在连续若干帧图像中的平均强度值，σ、ζ分别代表I的变化幅度及其噪声等级，k是噪声等级系数，ω、t分别代表变化幅度的角频率和时间；
(1.2)声呐图像的背景确定：
Figure FDA0002118646480000013
当公式(1)中k取值为1，且强度值I在公式(2)规定的范围内时，该强度值所对应的像素点即为声呐图像的背景；
(1.3)目标提取：
按照公式(2)去除声呐图像背景后，得到声呐图像中的有效目标及其对应的位置
Figure FDA0002118646480000014
N代表有效目标的个数；
(1.4)
Figure FDA0002118646480000015
和σ的更新：
Figure FDA0002118646480000016
Figure FDA0002118646480000021
其中
Figure FDA0002118646480000022
σ′分别代表更新后的平均强度值和变化幅度，n是正整数，代表强度值的更新系数。
4.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法，其特征在于，所述步骤二的具体过程如下：
(2.1)模型建立：
假设在第k帧图像中，即k时刻提取出N个有效目标
Figure FDA0002118646480000023
每个有效目标对应一种运动模型j(j＝1,…,n)，一共有n种运动模型，则第r个有效目标的运动方程和量测方程为：
其中xk、zk是有效目标r在k时刻的状态向量和观测向量，状态向量为
Figure FDA0002118646480000026
是有效目标的位置量(uk,vk)对应的一阶导数即为速度量，观测向量
Figure FDA0002118646480000027
是k-1时刻的状态转移矩阵和输入矩阵，
Figure FDA0002118646480000029
是量测矩阵，
Figure FDA00021186464800000210
和
Figure FDA00021186464800000211
是互不相关的零均值高斯白噪声，对应的协方差为
Figure FDA00021186464800000212
和
Figure FDA00021186464800000213
(2.2)状态估计：
有效目标r在k时刻的状态估计为
Figure FDA00021186464800000214
则有：
Figure FDA00021186464800000215
其中
Figure FDA00021186464800000216
为k-1时刻有效目标r的状态量，
Figure FDA00021186464800000217
对应的协方差矩阵
Figure FDA00021186464800000218
Figure FDA00021186464800000219
其中
Figure FDA00021186464800000220
是k-1时刻的协方差矩阵，第i个量测
Figure FDA00021186464800000221
对应的残差
Figure FDA00021186464800000222
为：
对应的协方差
Figure FDA00021186464800000224
为：
Figure FDA00021186464800000225
(2.3)关联概率更新：
当观测量i和有效目标r关联，且目标采用运动模型j时，除有效目标r外剩下的所有目标r_(r_≠r)的运动模型组合为J时的后验概率
Figure FDA0002118646480000031
为：
Figure FDA0002118646480000032
其中θ是联合事件，
Figure FDA0002118646480000033
为关联矩阵，Yk是k时刻落入跟踪门内的观测值集合，则利用
Figure FDA0002118646480000034
的加权求和可进一步得到：
Figure FDA0002118646480000035
Figure FDA0002118646480000036
其中
Figure FDA0002118646480000037
是关于J的累加和，其中
Figure FDA0002118646480000039
是k-1时刻目标r-对应模型j时的概率；
(2.4)目标采用不同模型时的状态更新：
计算有效目标r在k时刻的卡尔曼增益
Figure FDA00021186464800000310
Figure FDA00021186464800000311
对于采用模型j的有效目标r进行状态更新，得到状态估计量
Figure FDA00021186464800000313
Figure FDA00021186464800000314
对应的误差协方差
(2.5)似然函数更新：
Figure FDA00021186464800000317
其中
Figure FDA00021186464800000318
为k时刻有效目标r采用j模型时的似然函数，N{}代表正态分布；
(2.6)模型概率更新：
Figure FDA00021186464800000319
其中
Figure FDA00021186464800000320
为有k时刻效目标r采用j模型时的概率，c为归一化常数：
(2.7)目标状态更新：
其中
Figure FDA0002118646480000042
为有效目标r对应的状态量，对应的误差协方差Pk为：
Figure FDA0002118646480000043
经过步骤(2.2)～(2.7)，完成了目标r在k-1时刻的状态量和k时刻的状态量
Figure FDA0002118646480000045
的关联。
5.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法，其特征在于，所述步骤三的具体过程如下：
(3.1)计算有效目标r在三帧连续图像中距离坐标原点的距离di：
Figure FDA0002118646480000046
其中(xi,yi)是有效目标r在声呐水平视场中的坐标；
(3.2)联立方程组计算有效目标r在声呐垂直视场中的位置(x,y)：
Figure FDA0002118646480000047
其中v是目标相对于双频识别声呐的移动速度，Δt是双频识别声呐的数据采样间隔。
6.根据权利要求1所述的基于双频识别声呐的水下目标空间位置计算方法，其特征在于，所述步骤四的具体过程如下：
(4.1)计算有效目标r在声呐水平视场中的三角函数：
其中(xH,yH)是有效目标r在水平视场中的坐标，
Figure FDA0002118646480000049
是点(xH,yH)与坐标原点连线和X轴夹角，
Figure FDA00021186464800000410
(4.2)计算有效目标r在声呐垂直视场中的三角函数：
Figure FDA00021186464800000411
其中(xV,yV)是有效目标r在水平视场中的坐标，γ是点(xV,yV)与坐标原点连线和X轴夹角；
(4.3)计算有效目标r在声呐探测范围内三维坐标(x,y,z)：
其中关于θ的三角函数可以通过
Figure FDA0002118646480000052
计算获得。
CN201710018916.3A 2017-01-11 2017-01-11 基于双频识别声呐的水下目标空间位置计算方法 Expired - Fee Related CN106886017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710018916.3A CN106886017B (zh) 2017-01-11 2017-01-11 基于双频识别声呐的水下目标空间位置计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710018916.3A CN106886017B (zh) 2017-01-11 2017-01-11 基于双频识别声呐的水下目标空间位置计算方法

Publications (2)

Publication Number Publication Date
CN106886017A CN106886017A (zh) 2017-06-23
CN106886017B true CN106886017B (zh) 2020-02-07

Family

ID=59176340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710018916.3A Expired - Fee Related CN106886017B (zh) 2017-01-11 2017-01-11 基于双频识别声呐的水下目标空间位置计算方法

Country Status (1)

Country Link
CN (1) CN106886017B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728150A (zh) * 2017-09-26 2018-02-23 江苏省水利科学研究院 调查湖泊沉水植物的方法
CN108444481B (zh) * 2018-03-25 2019-08-06 哈尔滨工程大学 一种基于辅助决策系统的水下潜器路径规划方法
CN110133663B (zh) * 2019-05-08 2023-03-10 西安联丰迅声信息科技有限责任公司 一种分布式声像联合校准定位方法
CN112308876B (zh) * 2020-10-28 2024-05-10 西北工业大学 一种主动声呐回波图中小目标运动状态估计方法
CN112529072A (zh) * 2020-12-07 2021-03-19 中国船舶重工集团公司七五0试验场 一种基于声呐图像处理的水下沉埋物识别与定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243302A (zh) * 2011-04-15 2011-11-16 东南大学 一种水声目标辐射噪声的线谱时间累积特征提取方法
CN103901422A (zh) * 2014-03-21 2014-07-02 哈尔滨工程大学 一种水下目标回波几何亮点结构特征提取方法
CN104777474A (zh) * 2015-04-29 2015-07-15 中国科学院声学研究所 一种用于水下目标识别的回波相位特征提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3018611B1 (fr) * 2014-03-14 2016-02-26 Thales Sa Sonar a antenne synthetique et procede de formation de voies d'antenne synthetique

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243302A (zh) * 2011-04-15 2011-11-16 东南大学 一种水声目标辐射噪声的线谱时间累积特征提取方法
CN103901422A (zh) * 2014-03-21 2014-07-02 哈尔滨工程大学 一种水下目标回波几何亮点结构特征提取方法
CN104777474A (zh) * 2015-04-29 2015-07-15 中国科学院声学研究所 一种用于水下目标识别的回波相位特征提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Danxiang Jing et al..Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image.《2006 IEEE》.2006,第1-5页. *
基于DIDSON的鱼群检测及鬼影抑制方法;简夏等;《计算机应用与软件》;20160331;第33卷(第3期);第176-178、183页 *

Also Published As

Publication number Publication date
CN106886017A (zh) 2017-06-23

Similar Documents

Publication Publication Date Title
CN106886017B (zh) 基于双频识别声呐的水下目标空间位置计算方法
Chuang et al. Underwater fish tracking for moving cameras based on deformable multiple kernels
Lim et al. Radar and camera early fusion for vehicle detection in advanced driver assistance systems
JP6745861B2 (ja) リアルタイム超音波イメージングのトリプレーン画像の自動セグメント化
CN107561545B (zh) 一种鱼群探测方法、装置及探测器
CN105572676A (zh) 一种基于水平鱼探仪影像的围网目标鱼群追踪方法
WO2019232247A1 (en) Biomass estimation in an aquaculture environment
CN103454288B (zh) 用于识别对象材料的方法和设备
CN105182311B (zh) 全向雷达数据处理方法及系统
CN104808211A (zh) 一种用于测量鱼游动轨迹的探测器
CN110006444B (zh) 一种基于优化混合高斯模型的抗干扰视觉里程计构建方法
Shortis et al. Progress in the automated identification, measurement, and counting of fish in underwater image sequences
CN110827321B (zh) 一种基于三维信息的多相机协同的主动目标跟踪方法
CN110675341B (zh) 一种单目光视觉引导的水下机器人与海底平台对接方法
Huang et al. Fish tracking and segmentation from stereo videos on the wild sea surface for electronic monitoring of rail fishing
Li et al. CMFTNet: Multiple fish tracking based on counterpoised JointNet
JPWO2019198611A1 (ja) 特徴推定装置および特徴推定方法
Rodriguez et al. Fish monitoring and sizing using computer vision
CN116724964A (zh) 基于灯光诱集的鱼类检测系统及方法
Ramos et al. Quantifying ecological constraints on motion signaling
CN110412583B (zh) 基于多rov协同的水下不明运动目标侦测系统
CN116699592A (zh) 一种慢旋空间目标在轨姿态及旋转参数反演方法
CN112862677B (zh) 一种同平台异源声呐的声学图像拼接方法
Fujioka et al. Three-dimensional trajectory construction and observation of group behavior of wild bats during cave emergence
Jing et al. Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
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: 20200207

Termination date: 20210111