CN109239717A - 一种基于水下无人航行器的合成孔径声呐实时成像方法 - Google Patents
一种基于水下无人航行器的合成孔径声呐实时成像方法 Download PDFInfo
- Publication number
- CN109239717A CN109239717A CN201810926177.2A CN201810926177A CN109239717A CN 109239717 A CN109239717 A CN 109239717A CN 201810926177 A CN201810926177 A CN 201810926177A CN 109239717 A CN109239717 A CN 109239717A
- Authority
- CN
- China
- Prior art keywords
- data
- real time
- synthetic aperture
- image
- unmanned vehicle
- 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.)
- Pending
Links
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
- G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
- G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
- G01S15/8997—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using synthetic aperture techniques
Abstract
本发明公开了一种基于水下无人航行器的合成孔径声呐实时成像方法,本发明基于UUV的合成孔径声呐系统中的信号接收与处理机包括声呐接收机和信号处理机,是实时成像的系统核心。其中接收机将接收阵的回波信号转化为数字信号并送往信号处理机进行处理;信号处理平台接收原始回波,同时从载体获得当前的位置与姿态信息,完成运动补偿和图像重建工作。本发明可以使数据采集及处理同步进行,并且充分考虑到了载体平台运动速度变化特征,针对不同的数据包进行合成孔径成像,进而有效地实现高分辨率实时成像,有利于实时观测到当前扫过海域的成像图。并且,该方法在后续发展中可以有效地嵌入到基于FPGA的SAS系统成像算法中,提高计算效率。
Description
技术领域
本发明属于合成孔径声呐成像技术领域,特别是涉及一种基于水下无人航行器(UUV)的合成孔径声呐实时成像方法。
技术背景
合成孔径声呐(SAS)是一种高分辨率成像声呐,它的成像分辨率与成像距离和工作频率无关,只与孔径尺寸有关,因此可以大幅度提高对水下远距离小目标的探测能力。基于UUV的合成孔径声呐系统一般由UUV载体、声呐基阵、声呐发射机、信号接收与处理机、数据交换模块等部门组成,整体结构如图1所示。其中,声呐基阵包括声呐发射阵与接收阵,因为声波传输的低速性,最远测绘距离与脉冲重复频率(PRF)之间存在矛盾,为了同时避免距离向和方位向采样混叠,当PRF按最远测绘距离设定时,为了满足空间采样率,基阵将被限制于非常缓慢的运动速度,增加了平台的不稳定性。解决这一问题目前最有效的途径是利用实孔径弥补合成孔径空间采样率的不足的多子阵方法。并且有效的提高了SAS的测绘率,从而可实现对大面积海底测绘。成像的实时性是合成孔径声呐系统的关键指标之一,基于水下UUV的合成孔径声呐向着大深度、大测绘带宽的方向发展,测绘带的增加、分辨率的提高都意味着数据量和计算量的增加,进一步提高了系统的实现难度。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于水下无人航行器(UUV)的合成孔径声呐实时成像方法,能够在水下无人器航行时实时处理数据并显示当前扫过海域的成像图。
为实现上述目的,按照本发明,提供一种基于UUV的合成孔径声呐实时成像方法,能够实时处理数据并显示当前扫过海域的成像图。基于UUV的合成孔径声呐系统中的信号接收与处理机包括声呐接收机和信号处理机,是实时成像的系统核心。其中接收机将接收阵的回波信号转化为数字信号并送往信号处理机进行处理;信号处理平台接收原始回波,同时从载体获得当前的位置与姿态信息,完成运动补偿和图像重建工作。
一种基于水下无人航行器的合成孔径声呐实时成像方法,该方法具体包括以下步骤:
步骤1)分配原始数据储存空间和传感器数据储存空间;
步骤2)上位机控制声呐发射机发射LMF信号,且水下无人航行器的接收阵实时采集当前原始回波数据;发射的LMF信号的频率为80kHz-120kHz;发射周期与水下无人航行器速度关系如下:其中,N为多子阵阵元数,D为子阵长度,v为水下无人航行器前进速度;
步骤3)将步骤2)采集到的原始回波数据和传感器数据按照数据传输协议,以udp传输的方式将数据上传给算法处理机;
步骤4)根据步骤3)中接收到的原始回波和传感器数据,进行运动补偿以完成回波校正;
步骤5)算法处理机采用改进后的时域延时累加算法对步骤4)进行运动误差补偿后的数据进行处理得到聚焦后的图像数据;
在所述的步骤5)中,具体包括:
步骤5-1)选择时域延时累加算法;
步骤5-2)构建延时表,对延时表做相位中心修正,以达到准确聚焦的效果;
步骤5-3)对于时域延时累加算法进行变形,针对当前时刻数据进行实时处理,原始的时域延时累加表达式为:
其中,SM(τ,η)为距离向脉冲压缩后的信号,u为声呐基阵在η时刻的位置;
对整体回波数据脉冲压缩后进行处理,不适用与实时成像的要求,需将其改进为按批次处理,即收到当前批次的数据后直接进行成像处理,而后不再需要此部分数据;得出表达式为:
f(i,j)=f(i+1,j)+Xk(τ(i,j))
ff(k,j)=f(0,j)
其中,f(i,j)为用于孔径合成计算矩阵,i=1,2,…,LA,j为距离向的采样点数,Xk为当前批次距离向脉冲压缩后的信号,τ为与之采样点所对应的延时,初始化令f(N+1,j)=0,最后得到当前批次的成像矩阵ff(k,j);
步骤6)对步骤5)中所得的图片数据做图像均衡处理,对目标图像的噪声进行抑制,分别在距离向和方位向上做滤波操作;得到处理后的图像数据;
步骤7)对步骤6)中所得的图片数据做图像增强处理,改善图像的动态范围,将步骤6)中得到的图像数据进行灰度值拉伸以强调图像的某个部分,突出感兴趣的目标的灰度区间,相对抑制不感兴趣的灰度区域;并且得到处理后的图像数据;
步骤8)将步骤7)中所得的图像数据通过udp传输的方式,发送给显控上位机,在显控上位机端完成当前图像的成像显示;
步骤9)算法处理机返回步骤4)处理下一时刻的数据,直至采集数据全部处理完成后结束。
作为优选,所述的步骤1中原始数据存储空间分配根据设定的合成孔径长度个数LA、最大采样间距和脉冲重复间隔(PRF),传感器数据分配根据获取声呐数据时间长度和传感器采集频率;
进一步地,所述与测绘距离所对应的合成孔径长度的计算方法为:其中R表示测绘距离,c为当前声速,fc为发射信号的载波频率,D为子阵长度。
作为优选,步骤5中对时域延时累加算法做分布式多线程计算,将没有迭代关系的数据分配至多线程进行计算。
作为优选,步骤5中在距离向上采样点过多,通过4倍降采样处理以减少计算量。
本发明的优点在于:
本发明可以使数据采集及处理同步进行,并且充分考虑到了载体平台运动速度变化特征,针对不同的数据包进行合成孔径成像,,进而有效地实现高分辨率实时成像,有利于实时观测到当前扫过海域的成像图。并且,该方法在后续发展中可以有效地嵌入到基于FPGA的SAS系统成像算法中,提高计算效率。
附图说明
图1是基于UUV合成孔径声呐系统结构图;
图2是UUV合成孔径声呐信号处理流程图;
图3是多子阵时域延时求和算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
如图2所示,涉及到一种基于水下无人航行器(UUV)的合成孔径声呐实时成像方法。为了实现以上目的,本发明采用如下方案:
步骤1)分配原始数据储存空间和传感器数据储存空间。原始数据存储空间分配根据设定的合成孔径长度个数LA、最大采样间距和脉冲重复间隔(PRF),传感器数据分配根据获取声呐数据时间长度和传感器采集频率。
进一步地,所述与测绘距离所对应的合成孔径长度的计算方法为:其中R表示测绘距离,c为当前声速,fc为发射信号的载波频率,D为子阵长度。
步骤2)上位机控制声呐发射机发射LMF信号,且水下无人航行器的接收阵实时采集当前原始回波数据。发射信号的频率为80kHz-120kHz;发射周期与水下无人航行器速度关系如下:其中,N为多子阵阵元数,D为子阵长度,v为水下无人航行器前进速度。
步骤3)将步骤2)采集到的原始回波数据按照数据传输协议,以udp传输的方式将数据上传给算法处理机。其中声呐原始数据和传感器数据获取方式为信号处理接收端不断接收采集到的原始声呐数据和传感器数据,各自按照循环队列方式存储接收的原始数据。
步骤4)根据步骤3)中接收到的原始回波和传感器数据,进行运动补偿已完成回波校正。根据运动测量系统解算出来的实际航迹,用阵元的实际位置代替理想航迹位置。
步骤5)算法处理机采用改进后的时域延时累加算法对步骤4)进行运动误差补偿后的数据进行处理得到聚焦后的图像数据。如图3所示;
在所述的步骤5)中,具体包括:
步骤5-1)算法选择:时域延时累加算法是一种“逐点”算法,物理意义清晰。实现容易,可直接用于多子阵SAS成像。
步骤5-2)因为每个采样点相对于声呐基阵的相对距离固定,提前构建延时表以减少运算量,提高运算效率。因为本方法中使用的是多子阵接收机,故要对延时表做相位中心修正,以达到准确聚焦的效果。
步骤5-3)对于时域延时累加算法进行变形,本方法中的算法是针对当前时刻数据进行实时处理,原始的时域延时累加表达式为:
其中,SM(τ,η)为距离向脉冲压缩后的信号,u为声呐基阵在η时刻的位置。
但上式是对整体回波数据脉冲压缩后进行处理,不适用与实时成像的要求,需将其改进为按批次处理,即收到当前批次的数据后直接进行成像处理,而后不再需要此部分数据。得出表达式为:
f(i,j)=f(i+1,j)+Xk(τ(i,j))
ff(k,j)=f(0,j)
其中,f(i,j)为用于孔径合成计算矩阵,i=1,2,…,LA,j为距离向的采样点数,Xk为当前批次距离向脉冲压缩后的信号,τ为与之采样点所对应的延时,初始化令f(N+1,j)=0,最后得到当前批次的成像矩阵ff(k,j)。LA的选取参见步骤1)。
步骤5-4)由于时域延时累加算法是逐点算法,运算量大,为了提高其计算效率,可对其做分布式多线程计算。
进一步地,可以将没有迭代关系的数据分配至多线程进行计算,例如声呐载体左右两侧测绘带的数据、距离向上的数据。
步骤5-5)由于时域延时求和是逐点计算,计算量较大,耗时较多,这里可以使用图情处理器(GPU)计算,以加快计算效率。
步骤5-6)发射的LMF信号最高频率为120kHz,故令距离向上采样频率为360kHz,理论上距离向上分辨率为故为0.01875m,而实际所得的采样间隔为1/360kHz*c/2,即为0.00208m。故在距离向上采样点过多,可通过4倍降采样处理以减少计算量,又可保持应有的分辨率。
步骤6)对步骤5-6)中所得的图片数据做图像均衡处理,对目标图像的噪声进行抑制。一般采用简单、计算速度快的均值滤波法进行,就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关,邻域越大平滑的效果越好,但邻域过大,会使输出的图像变得模糊,因此需合理选择邻域的大小。确定了邻域值后分别在距离向和方位向上做滤波操作。得到处理后的图像数据。
进一步地,邻域的选择,可根据步骤5)降采样后的数据进行设定,本例中,降采样后在距离向每个可分辨范围内的采样点数为2个,故将邻域范围设置为8个。
步骤7)对步骤6)中所得的图片数据做图像增强处理,改善图像的动态范围,将步骤6)中得到的图像数据进行灰度值拉伸以强调图像的某个部分,突出感兴趣的目标的灰度区间,相对抑制不感兴趣的灰度区域。并且得到处理后的图像数据;
步骤8)将步骤7)中所得的图像数据通过udp传输的方式,发送给显控上位机,在显控上位机端完成成像显示。显控端可以预先申请预留一部分空间,存储出来完后的图片数据,在可显示当前图像的基础上,也可对其进行回放、放大处理。
步骤9)算法处理机返回步骤4)处理下一时刻的数据,直至采集数据全部处理完成后结束。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于水下无人航行器的合成孔径声呐实时成像方法,其特征在于,该方法具体包括以下步骤:
步骤1)分配原始数据储存空间和传感器数据储存空间;
步骤2)上位机控制声呐发射机发射LMF信号,且水下无人航行器的接收阵实时采集当前原始回波数据;发射的LMF信号的频率为80kHz-120kHz;发射周期与水下无人航行器速度关系如下:其中,N为多子阵阵元数,D为子阵长度,v为水下无人航行器前进速度;
步骤3)将步骤2)采集到的原始回波数据和传感器数据按照数据传输协议,以udp传输的方式将数据上传给算法处理机;
步骤4)根据步骤3)中接收到的原始回波和传感器数据,进行运动补偿以完成回波校正;
步骤5)算法处理机采用改进后的时域延时累加算法对步骤4)进行运动误差补偿后的数据进行处理得到聚焦后的图像数据;
在所述的步骤5)中,具体包括:
步骤5-1)选择时域延时累加算法;
步骤5-2)构建延时表,对延时表做相位中心修正,以达到准确聚焦的效果;
步骤5-3)对于时域延时累加算法进行变形,针对当前时刻数据进行实时处理,原始的时域延时累加表达式为:
其中,SM(τ,η)为距离向脉冲压缩后的信号,u为声呐基阵在η时刻的位置;
对整体回波数据脉冲压缩后进行处理,不适用与实时成像的要求,需将其改进为按批次处理,即收到当前批次的数据后直接进行成像处理,而后不再需要此部分数据;得出表达式为:
f(i,j)=f(i+1,j)+Xk(τ(i,j))
ff(k,j)=f(0,j)
其中,f(i,j)为用于孔径合成计算矩阵,i=1,2,···,LA,j为距离向的采样点数,Xk为当前批次距离向脉冲压缩后的信号,τ为与之采样点所对应的延时,初始化令f(N+1,j)=0,最后得到当前批次的成像矩阵ff(k,j);
步骤6)对步骤5)中所得的图片数据做图像均衡处理,对目标图像的噪声进行抑制,分别在距离向和方位向上做滤波操作;得到处理后的图像数据;
步骤7)对步骤6)中所得的图片数据做图像增强处理,改善图像的动态范围,将步骤6)中得到的图像数据进行灰度值拉伸以强调图像的某个部分,突出感兴趣的目标的灰度区间,相对抑制不感兴趣的灰度区域;并且得到处理后的图像数据;
步骤8)将步骤7)中所得的图像数据通过udp传输的方式,发送给显控上位机,在显控上位机端完成当前图像的成像显示;
步骤9)算法处理机返回步骤4)处理下一时刻的数据,直至采集数据全部处理完成后结束。
2.根据权利要求1所述的一种基于水下无人航行器的合成孔径声呐实时成像方法,其特征在于:
所述的步骤1中原始数据存储空间分配根据设定的合成孔径长度个数LA、最大采样间距和脉冲重复间隔,传感器数据分配根据获取声呐数据时间长度和传感器采集频率;
进一步地,所述与测绘距离所对应的合成孔径长度的计算方法为:其中R表示测绘距离,c为当前声速,fc为发射信号的载波频率,D为子阵长度。
3.根据权利要求1所述的一种基于水下无人航行器的合成孔径声呐实时成像方法,其特征在于:步骤5中对时域延时累加算法做分布式多线程计算,将没有迭代关系的数据分配至多线程进行计算。
4.根据权利要求1所述的一种基于水下无人航行器的合成孔径声呐实时成像方法,其特征在于:步骤5中在距离向上采样点过多,通过4倍降采样处理以减少计算量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810926177.2A CN109239717A (zh) | 2018-08-15 | 2018-08-15 | 一种基于水下无人航行器的合成孔径声呐实时成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810926177.2A CN109239717A (zh) | 2018-08-15 | 2018-08-15 | 一种基于水下无人航行器的合成孔径声呐实时成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109239717A true CN109239717A (zh) | 2019-01-18 |
Family
ID=65071617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810926177.2A Pending CN109239717A (zh) | 2018-08-15 | 2018-08-15 | 一种基于水下无人航行器的合成孔径声呐实时成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109239717A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901205A (zh) * | 2019-03-14 | 2019-06-18 | 南京信息工程大学 | 一种水下机器人多传感器融合与运动轨迹预测方法 |
CN110058247A (zh) * | 2019-03-29 | 2019-07-26 | 杭州电子科技大学 | 一种合成孔径声呐实时成像的方法 |
CN112099021A (zh) * | 2020-08-14 | 2020-12-18 | 杭州电子科技大学 | 一种合成孔径声呐的点目标成像方法 |
CN112188395A (zh) * | 2020-10-21 | 2021-01-05 | Oppo广东移动通信有限公司 | 脉冲重复频率的设置方法、装置、电子设备以及存储介质 |
CN112505667A (zh) * | 2020-11-19 | 2021-03-16 | 哈尔滨工程大学 | 一种二维声呐基阵运动姿态自校准方法 |
CN113252784A (zh) * | 2021-05-12 | 2021-08-13 | 杭州仁牧科技有限公司 | 一种基于船舶的声学信号成品检验系统及其快速检验方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793957A (zh) * | 2009-12-08 | 2010-08-04 | 中国科学院声学研究所 | 一种基于集群处理机的sas频域信号处理的方法 |
US10013852B1 (en) * | 2012-08-01 | 2018-07-03 | Aristocrat Technologies Australia Pty Limited | Gaming machine tournament management system |
-
2018
- 2018-08-15 CN CN201810926177.2A patent/CN109239717A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793957A (zh) * | 2009-12-08 | 2010-08-04 | 中国科学院声学研究所 | 一种基于集群处理机的sas频域信号处理的方法 |
US10013852B1 (en) * | 2012-08-01 | 2018-07-03 | Aristocrat Technologies Australia Pty Limited | Gaming machine tournament management system |
Non-Patent Citations (2)
Title |
---|
刘纪元: "合成孔径声呐并行实时处理研究", 《电子与信息学报》 * |
姚永红: "多波束合成孔径声呐成像技术研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901205A (zh) * | 2019-03-14 | 2019-06-18 | 南京信息工程大学 | 一种水下机器人多传感器融合与运动轨迹预测方法 |
CN110058247A (zh) * | 2019-03-29 | 2019-07-26 | 杭州电子科技大学 | 一种合成孔径声呐实时成像的方法 |
CN112099021A (zh) * | 2020-08-14 | 2020-12-18 | 杭州电子科技大学 | 一种合成孔径声呐的点目标成像方法 |
CN112188395A (zh) * | 2020-10-21 | 2021-01-05 | Oppo广东移动通信有限公司 | 脉冲重复频率的设置方法、装置、电子设备以及存储介质 |
CN112505667A (zh) * | 2020-11-19 | 2021-03-16 | 哈尔滨工程大学 | 一种二维声呐基阵运动姿态自校准方法 |
CN113252784A (zh) * | 2021-05-12 | 2021-08-13 | 杭州仁牧科技有限公司 | 一种基于船舶的声学信号成品检验系统及其快速检验方法 |
CN113252784B (zh) * | 2021-05-12 | 2024-04-19 | 杭州仁牧科技有限公司 | 一种基于船舶的声学信号成品检验系统及其快速检验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109239717A (zh) | 一种基于水下无人航行器的合成孔径声呐实时成像方法 | |
CN105572676A (zh) | 一种基于水平鱼探仪影像的围网目标鱼群追踪方法 | |
JP5419404B2 (ja) | 光音響装置 | |
US20210132223A1 (en) | Method and Apparatus for Ultrasound Imaging with Improved Beamforming | |
CN112528731B (zh) | 基于双回归卷积神经网络的平面波波束合成方法及系统 | |
CN103292792B (zh) | 一种适用海底探测与假地形处理的实测svp重构方法 | |
CN109444901A (zh) | 一种异构环境下多子阵sas子孔径成像方法 | |
CN104142506B (zh) | 一种基于压缩感知的激光雷达成像系统 | |
CN102323584A (zh) | 一种适用于水下auv/uuv平台的自主避碰装置 | |
CN110346793A (zh) | 一种分布式阵列雷达迭代自适应高分辨成像方法 | |
CN109875606B (zh) | 基于先验反射成像的超声ct声速成像的方法 | |
CN207067803U (zh) | 一种用于处理任务区域的任务的移动电子设备 | |
CN101915910A (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
US20210174496A1 (en) | System and methods for sequential scan parameter selection | |
CN110927254A (zh) | 一种基于fpga实现的高帧率超声全聚焦成像系统 | |
CN102038519B (zh) | 超声诊断的空间复合成像方法 | |
US20210169455A1 (en) | System and methods for joint scan parameter selection | |
KR20150118734A (ko) | 초음파 영상 장치 및 그 제어방법 | |
CN107241533A (zh) | 一种水下面阵扫描激光成像装置及方法 | |
DE102005028980A1 (de) | Adaptives Ultraschall-Bildgebungssystem | |
CN108872980B (zh) | 一种基于窄带系统的自适应穿墙成像方法 | |
Song et al. | Efficient through-wall human pose reconstruction using UWB MIMO radar | |
CN106886017B (zh) | 基于双频识别声呐的水下目标空间位置计算方法 | |
JP6059782B1 (ja) | 超音波診断装置及び遅延データ生成方法 | |
EP3534177A1 (en) | Method of compressing sonar data |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190118 |
|
WD01 | Invention patent application deemed withdrawn after publication |