CN108983243B - 海底声学底质的三维概率密度分类方法 - Google Patents
海底声学底质的三维概率密度分类方法 Download PDFInfo
- Publication number
- CN108983243B CN108983243B CN201810418008.8A CN201810418008A CN108983243B CN 108983243 B CN108983243 B CN 108983243B CN 201810418008 A CN201810418008 A CN 201810418008A CN 108983243 B CN108983243 B CN 108983243B
- Authority
- CN
- China
- Prior art keywords
- ping
- theta
- substrate
- probability density
- value
- 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.)
- Active
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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Analytical Chemistry (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Algebra (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种海底声学底质的三维概率密度分类方法,综合考虑平均反向散射强度随入射角变化信息及其概率密度分布,绘制三维概率密度图。实例计算结果表明:该方法能直观表达多波束条带覆盖区内不同海底底质类型的数量,有效判断不同海底底质类型的边界,实现海底底质类型的快速识别。
Description
技术领域
本发明涉及一种海底声学底质的三维概率密度分类方法。
背景技术
多波束测深系统实现了从“点”、“线”测量到条带式、全覆盖、“面”测量的转变,在精度和效率方面都具有传统单波束测深系统无法比拟的优势。作为当前海底地形测量的主流产品,多波束测深系统在获取水深数据的同时,还记录了反向散射强度数据。对于多波束测深数据的处理,经过近30多年的发展已经日趋成熟,形成了较为完善的理论体系和数据处理方法。而对于反向散射强度的数据处理及其应用方面,尽管国内外学者进行了相关的研究并取得了一定的研究成果,但由于海底反向散射强度的随机性和复杂性,利用多波束反向散射强度进行海底底质分类仍然是国内外研究的热点问题。
海底反向散射强度的研究主要集中在两个方面:一是从能量的观点出发探索海底平均反向散射强度的变化规律;二是采用随机过程的数学方法研究散射强度的统计特性,如分布函数和能量谱等。多波束海底底质分类也是基于这两方面展开的,在平均反向散射强度变化规律分析方面,Jackson根据声散射在不同角度下的自然特性,将海底反向散射强度随入射角的变化划分为三个区域,并解释了每一个区域海底反向散射强度的主要贡献量[Jackson D R,Baird A M,Crisp J J,et al.High-frequency bottom backscattermeasurements in shallow water[J].J Acoustic Soc Am,1986(80):1188-1199]。基于Jackson的工作,Hughes Clarke等对实测的多波束海底反向散射强度数据进行了处理,提取平均反向散射强度随入射角变化曲线上的显著特征,以此估计海底的底质类型[HughesClarke J E,Danforth B W,Valentine P.Areal seabed classification usingbackscatter angular response at 95kHz[C].Lerici Italy:Proceedings of SACLANTConference-High Frequency Acoustics in Shallow Water,1997]。针对Hughes Clarke方法容差性差的问题,金绍华等提出了综合描述反向散射强度随入射角变化整体信息的参数拟合法[金绍华,肖付民,边刚,等.利用多波束反向散射强度角度响应曲线的底质特征参数提取算法[J].武汉大学学报(信息科学版),2014,39(12):1493-1498]。在散射强度统计特性分析方面,主要采用基本统计量、分位数和直方图、功率谱率、灰度共生矩阵和纹理分析等算法从声纳图像上提取特征参数以描述海底底质类型变化。这两种方法各有优缺点,第一种方法突出了平均反向散射强度随入射角的变化信息,忽略了反向散射强度的统计特性;第二种方法反映了反向散射强度的统计特性,但没有顾及与入射角的相关性。
发明内容
为了克服现有技术的不足,本发明公开了一种海底声学底质的三维概率密度分类方法。
一种海底声学底质的三维概率密度分类方法,利用概率密度极大值和反向散射强度的差值Δ(θ)统计信息作为海底底质类型划分的依据,
Δ(θ)=BSmax(θ)-BSmean(θ) (6)
其中,θ为声波到达海底的入射角,BSmax(θ)为θ角处概率密度极大值对应的反向散射强度值,BSmean(θ)为θ角处反向散射强度均值。
如果Δ(θ)随入射角变化呈0均值随机波动,则认为ping覆盖区域为相同的底质类型,如果Δ(θ)相对0均值呈系统性偏差,则认为ping覆盖区域底质类型不同,调整ping范围,以划分海底底质类型边界。
所述的方法,具体步骤如下:
1)绘制多ping反向散射强度随入射角变化三维概率密度图,结合Δ(θ),判断ping覆盖海底是否为同一底质类型;
式中,N为ping的总数,假设ping的取值为n1~n2,则N=n1-n2;
3)以ping数较少的底质类型为基准,既以N2为记基准,调整并缩减ping的显示范围,取值为(n1+N-2N2)~n2或n1~(n2-N+2N2);
6)以上确定的底质类型分界ping号只是一个近似值,因为频率峰值并不能完全反映两种底质类型所占的ping数,为了精确确定底质类型的分界线,取分界ping号前后少数ping(一般取100ping)的数据,重复(1)(2)(3)(4)(5)步,逐步逼近底质类型的分界线。
所述的方法,步骤2)入射角θ取40°~60°区间的某一数值。
本发明的有益效果:
本发明提出的沿航迹方向的相同入射角的反向散射强度概率密度统计分析方法,通过相同入射角下声强点云的概率曲线分析,规避了海底地形改正模型误差等因素的影响,凸显了海底入射角与反向散射强度的响应关系;该方法更大的优势是可以较为精确地识别不同底质类型的边界,对于海底混合型底质的识别与分类具有重要价值。
附图说明
图1是1ping数据采样点和平均值;
图2是反向散射强度随入射角变化点云数据(10ping);
图3(a)是反向散射强度随入射角变化三维概率密度图;
图3(b)是图3(a)所示反向散射强度在不同入射角处出现的频率;
图4(a)是不同底质类型反向散射强度的概率密度图;
图4(b)是图4(a)所示反向散射强度在不同入射角处出现的频率;
图5是海底底质分类流程图;
图6(a)是不同海底底质反向散射强度随入射角变化概率密度图(415ping~3000ping);
图6(b)是图6(a)所示反向散射强度在不同入射角处出现的频率;
图7(a)是不同海底底质反向散射强度随入射角变化概率密度图的(632ping~3000ping)
图7(b)是图7(a)所示反向散射强度在不同入射角处出现的频率;
图8(a)是不同海底底质反向散射强度随入射角变化概率密度图(1716ping~1916ping);
图8(b)是图8(a)所示反向散射强度在不同入射角处出现的频率;;
图9(a)是不同海底底质反向散射强度随入射角变化概率密度图(1774ping~1874ping);
图9(b)是图9(a)所示反向散射强度在不同入射角处出现的频率;;
图10(a)是图4(a)所示反向散射强度极大值和均值的差值随入射角的变化曲线;
图10(b)是图6(a)所示反向散射强度极大值和均值的差值随入射角的变化曲线;
图10(c)是图7(a)所示反向散射强度极大值和均值的差值随入射角的变化曲线;
图10(d)是图8(a)所示反向散射强度极大值和均值的差值随入射角的变化曲线;
图10(e)是图9(a)所示反向散射强度极大值和均值的差值随入射角的变化曲线。
具体实施方式
以下结合附图对本发明做进一步的阐述。
一、海底声学底质的三维概率密度分类方法
一般而言,多波束采用“波束-强度式”记录反向散射强度数据,也就是一个波束内记录多个反向散射强度数据。图1为Simrad EM3000多波束测深系统实测的1ping反向散射强度数据,随着波束入射角的增加,波束采样点数量增加,由于反向散射强度的随机特性,在相同入射角处,反向散射强度的幅度变化较大,这导致即使将多ping反向散射强度以点云的形式表示(图2),也很难看出其规律性信息。
为了直观显示反向散射强度随入射角变化的趋势性信息和分布情况,构建三维概率密度图,如图3(a)所示。横坐标表示海底入射角,纵坐标表示反向散射强度,在指定入射角处,反向散射强度出现的频率以图右侧的颜色条表示。由图3(a)既可以直观的看出反向散射强度随入射角变化的趋势性信息,也可以通过不同入射角处反向强度的宽度分析分布特征。图3(b)分别绘制了入射角为0°,20°,40°和60°时不同反向散射强度出现的频率(横坐标为反向散射强度,纵坐标为出现的频率),由图上可以看出,在指定入射角处,反向散射强度基本呈正态分布,且随着入射角的增加,方差减小。
当多波束条带覆盖区域存在不同的海底底质类型时,反向散射强度随入射角变化的趋势性信息和分布都会发生变化,体现在三维概率密度图上,会出现两组趋势性信息,如图4(a)所示。体现在图4(b)上,在入射角为20°,40°和60°处,会出现多个峰值,以60°入射角为例,存在主峰和次峰这说明反向散射强度概率密度图能直观反映海底底质类型的变化。
二、理论模型
反向散射强度随入射角变化的三维概率密度图显示反向散射强度在给定入射角θ处的数量q,用坐标表示为(θ,bs,q)。在给定入射角处,海底反向散射强度服从K分布,其概率密度函数为:
在不同入射角处,反向散射强度的采样率不同,如图1所示,边缘波束采样率较高(每个波束有上百个采样点),而中央波束采样率较低(有的波束仅采样1个点),为了在统一尺度上分析反向散射强度随入射角的变化规律,同时简化研究的分布模型,取每个波束的反向散射强度均值作为该波束的反向散射强度值,设每个波束的采样数为N,则均值为:
式中,u和σ分别为反向散射强度的均值和方差。假设将多ping反向散射强度以一定间隔划分为M个部分,则在给定入射角θ处,其均值BSmean(θ)和概率密度极大值对应的反向散射强度BSmax(θ)用公式分别表示为:
由以上分析知,如果多波束条带覆盖区海底底质类型相同,服从正态分布,假设样本足够大,BSmean(θ)和BSmax(θ)应相等。但实际测量中,由于样本数量有限且受误差的影响,BSmax(θ)相对于BSmean(θ)有微小的波动,如图3(a)所示。
如果多波束条带覆盖区海底底质类型不同,将不再服从单一的正态分布,在给定入射角处,反向散射强度概率密度曲线会出现多个峰值,如图4(b)所示。此时,BSmean(θ)和BSmax(θ)会有较大的差值,峰值比率可近似表示条带覆盖区内不同海底底质类型所占的ping数。
由以上分析知,可利用概率密度极大值和反向散射强度的差值Δ(θ)统计信息作为海底底质类型划分的依据。
Δ(θ)=BSmax(θ)-BSmean(θ) (6)
如果Δ(θ)随入射角变化呈随机波动且振幅较小,则认为ping覆盖区域为相同的底质类型,如果Δ(θ)呈系统性偏差或波动幅度较大,则认为ping覆盖区域底质类型不同,逐步调整ping范围,以划分海底底质类型边界。
三、海底底质分类的方法具体流程
海底底质分类流程图如图5所示,具体步骤如下。
(1)绘制多ping反向散射强度随入射角变化三维概率密度图,结合Δ(θ),判断ping覆盖海底是否为同一底质类型;
式中,N为ping的总数,假设ping的取值为n1~n2,则N=n1-n2。
(3)以ping数较少的底质类型为基准,既以N2为记基准,调整并缩减ping的显示范围,取值为(n1+N-2N2)~n2或n1~(n2-N+2N2);
(6)以上确定的底质类型分界ping号只是一个近似值,因为频率峰值并不能完全反映两种底质类型所占的ping数,为了精确确定底质类型的分界线,取分界ping号前后少数ping(一般取100ping)的数据,重复(1)(2)(3)(4)(5)步,逐步逼近底质类型的分界线。
四、实施例对青岛胶州湾实测多波束数据进行底质分类
以图4所示数据为例,具体说明计算的过程。图4所示数据为EM3000多波束测深系统在青岛胶州湾海域获取的某条带1~3000ping的数据,将其与海底底质直接采样点数据比较结果为:该覆盖区内海底底质类型为淤泥和粗砂,分界ping号为1820,其中淤泥占1820ping,粗砂占1180ping。
Δ(θ)随入射角的变化如图10(a)所示,由图上可以看出,随着入射角的增加,两者差值增加,最大入射角处,两种底质类型的差值明显,选择图4(b)中60°区域的反向散射强度频率峰值计算两种底质类型的ping数比,计算结果为N2=1292,根据步骤(3),重新显示416~3000ping的数据,其三维概率密度图如图6所示。
图6(b)可以看出,60°倾角处两个峰值频率之间仍存在差值,重复步骤(2)和(3),依据图6(b)中的频率峰值计算得N2=1184,经计算显示ping号为632ping~3000ping,三维概率密度图如图7所示。
经过以上计算,可概略得到两种底质类型的分界ping号为1816。取1816ping前后100ping的数据,生成的概率密度图如图8所示。依据图8(b)中的频率峰值计算得N2=92,分界ping号为1824。与已知两种海底的分类ping号1820相比,本次分类结果只有4ping的误差,相当于2m(本次测量船速为5m/s,采样率为10ping/s,4ping相当于航迹方向上的2m)的误差。
为了进一步说明分类结果的有效性,取分界ping前后50ping的数据生成概率密度图,如图9(a)、9(b)所示,尽管显示的ping数(100ping),但仍可看出底质类型的概率密度不同,也证实了该分类方法具有较高的分辨率和精度。由图中也可以看出,条带左侧和右侧底质类型分界线可能略有不同,因此,也可以将左侧波束和右侧波束分开进行单独讨论。
图10中的(a)~(e)分别为图4、图6~图9显示数据Δ(θ)的变化情况。由图中数据可以看出,随着分界ping的不断优化,Δ(θ)呈现0均值的随机变化。
5结论
构建了多波束反向散射强度随入射角变化的三维概率密度图,该图像既表达了平均反向散射强度随入射角变化的趋势性信息,又能反映反向散射强度的分布特性,可直观表达多波束条带覆盖区内海底底质的种类,便于快速划分海底底质类型数量。对于条带覆盖区内存在多种底质类型的情况,提出了利用给定入射角处反向散射强度频率峰值比率确定不同底质类型ping数的方法,并采用迭代技术,逐步逼近底质类型边界。实例验证结果表明,该方法能有效判别航迹方向上海底底质类型的界线,精度达到10ping以内,识别底质类型边界的精度可达2m。与传统1km~10km的海底底质取样间距相比,将提升不同底质类型边界识别精度2~3个数量级。
Claims (3)
1.一种海底声学底质的三维概率密度分类方法,其特征是:利用Δ(θ)统计信息作为海底底质类型划分的依据,
Δ(θ)=BSmax(θ)-BSmean(θ) (6)
其中,θ为声波到达海底的入射角,BSmax(θ)为θ角处概率密度极大值对应的反向散射强度值,BSmean(θ)为θ角处反向散射强度均值;
如果Δ(θ)随入射角变化呈0均值随机波动,则认为ping覆盖区域为相同的底质类型,如果Δ(θ)相对0均值呈系统性偏差,则认为ping覆盖区域底质类型不同,调整ping范围,以划分海底底质类型边界。
2.根据权利要求1所述的方法,其特征是:具体步骤如下:
1)绘制多ping反向散射强度随入射角变化三维概率密度图,结合Δ(θ),判断ping覆盖海底是否为同一底质类型;
2)如果为不同的底质类型,通过在相同入射角θ处的反向散射强度频率峰值和的比率确定不同底质类型所占的ping数N1和N2,其中为反向散射强度值出现频次最高对应的频率值,为反向散射强度值出现频次第二高对应的频率值;
式中,N为ping的总数,假设ping的取值为n1~n2,则N=n2-n1;
3)以ping数较少的底质类型为基准,即以N2为基准,调整并缩减ping的显示范围,取值为(n1+N-2N2)~n2或n1~(n2-N+2N2);
3.根据权利要求2所述的方法,其特征是:步骤2)入射角θ取40°~60°区间的某一数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810418008.8A CN108983243B (zh) | 2018-05-03 | 2018-05-03 | 海底声学底质的三维概率密度分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810418008.8A CN108983243B (zh) | 2018-05-03 | 2018-05-03 | 海底声学底质的三维概率密度分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108983243A CN108983243A (zh) | 2018-12-11 |
CN108983243B true CN108983243B (zh) | 2020-10-27 |
Family
ID=64542469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810418008.8A Active CN108983243B (zh) | 2018-05-03 | 2018-05-03 | 海底声学底质的三维概率密度分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108983243B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426897A (zh) * | 2015-11-17 | 2016-03-23 | 中国海洋大学 | 基于声呐辅助自航式海底勘探、救援搜索方法 |
CN107247267A (zh) * | 2017-06-21 | 2017-10-13 | 上海海洋大学 | 基于多波束反向散射强度数据的角度响应改正方法及其测量系统 |
CN107703548A (zh) * | 2017-09-15 | 2018-02-16 | 上海海洋大学 | 基于沉积物品质因子和回波损失级曲线峰谷的浅地层层界划分方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6763303B2 (en) * | 2002-03-25 | 2004-07-13 | Council Of Scientific And Industrial Research | System for classifying seafloor roughness |
-
2018
- 2018-05-03 CN CN201810418008.8A patent/CN108983243B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426897A (zh) * | 2015-11-17 | 2016-03-23 | 中国海洋大学 | 基于声呐辅助自航式海底勘探、救援搜索方法 |
CN107247267A (zh) * | 2017-06-21 | 2017-10-13 | 上海海洋大学 | 基于多波束反向散射强度数据的角度响应改正方法及其测量系统 |
CN107703548A (zh) * | 2017-09-15 | 2018-02-16 | 上海海洋大学 | 基于沉积物品质因子和回波损失级曲线峰谷的浅地层层界划分方法 |
Non-Patent Citations (3)
Title |
---|
Bayesian Seabed Classification Using Angle-Dependent Backscatter Data From Multibeam Echo Sounders;Knut Landmark 等;《IEEE JOURNAL OF OCEANIC ENGINEERING》;20141031;第39卷(第4期);全文 * |
多波束回声数据的统计与底质分类应用;吕海龙 等;《海洋科学进展》;20061031;第24卷(第4期);全文 * |
海底底质分类反向散射强度三维概率密度法;金绍华 等;《测绘学报》;20190131;第48卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108983243A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hamilton et al. | Acoustic seabed segmentation from direct statistical clustering of entire multibeam sonar backscatter curves | |
CN102692627B (zh) | 用于处理多普勒测量信号的仪器和方法 | |
Gavrilov et al. | Fluctuations of seafloor backscatter data from multibeam sonar systems | |
CN106500671B (zh) | 一种基于lm算法分解激光雷达波形确定海水深度的方法 | |
CN108957462B (zh) | 一种基于平坦海底的多波束水体数据处理方法 | |
CN110379011B (zh) | 一种基于改进三次b样条曲线的水下地形点云孔洞修补方法 | |
CN111077537B (zh) | 一种测探回波优化分类方法及装置 | |
CN110706177B (zh) | 一种侧扫声呐图像灰度均衡化方法及系统 | |
CN111077536A (zh) | 一种海洋激光雷达测探回波分类方法及装置 | |
CN113608195B (zh) | 一种激光雷达全波形数据分解测深方法、装置及电子设备 | |
CN109782287A (zh) | 一种通过高频地波雷达反演涌浪波高的方法 | |
CN112084699A (zh) | 一种含电离层斜测信息的多约束条件下的仰角返回散射电离图反演方法 | |
CN107247267A (zh) | 基于多波束反向散射强度数据的角度响应改正方法及其测量系统 | |
Artilheiro | Analysis and procedures of multibeam data cleaning for bathymetric charting | |
CN112904316B (zh) | 一种针对海面波动的机载激光测深数据折射误差改正方法 | |
CN108983243B (zh) | 海底声学底质的三维概率密度分类方法 | |
Atallah et al. | Wavelet analysis of bathymetric sidescan sonar data for the classification of seafloor sediments in Hopvågen Bay-Norway | |
CN112305502A (zh) | 一种基于阵列不变量的水面水下声源二元判别方法 | |
Mitchell | Improving GLORIA images using Sea Beam data | |
Jones et al. | A method to quantify bedform height and asymmetry from a low-mounted sidescan sonar | |
Ni et al. | Comparison of single-beam and multibeam sonar systems for sediment characterization: results from shallow water experiment | |
CN113567968B (zh) | 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 | |
Wang et al. | Seafloor classification based on deep-sea multibeam data—Application to the southwest Indian Ridge at 50.47° E | |
Wang et al. | Bottom Tracking Method Based on LOG/Canny and the Threshold Method for Side-scan Sonar. | |
Masetti et al. | Remote characterization of seafloor adjacent to shipwrecks using mosaicking and analysis of backscatter response |
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 |