CN109991608B - 一种基于逆合成孔径原理的水下目标声纳成像方法 - Google Patents

Abstract

本发明提出一种基于逆合成孔径原理的水下目标声纳成像方法，所述方法主要包括以下三个步骤。首先进行回波的距离维处理，包括距离维压缩与平动补偿两个主要过程；其次进行回波的方位维处理，考虑到UV的复杂摆动，采用LVD算法对方位维回波进行参数估计；最后进行目标图像生成，通过参数估计结果计算散射点的横纵坐标及散射系数，并重构形成目标的声学图像。本发明属于一种声纳信号处理方法，可应用于水下目标识别，水下战场态势感知等领域。

Description

一种基于逆合成孔径原理的水下目标声纳成像方法

技术领域

本发明属于声纳信号处理技术领域，特别是涉及一种基于逆合成孔径原理的水下目标声纳成像方法。

背景技术

成像声纳是一种新体制声纳，具有距离维与方位维的二维高分辨率，可以获得水下目标的声学图像。其中，距离维高分辨率主要依赖于测量声信号在声纳与目标之间传播的时延；而方位维高分辨率则是通过不同信号间的干涉处理来实现的。

依照干涉信号来源的不同，成像声纳可分为实孔径声纳与合成孔径声纳。实孔径声纳是对空间上不同位置的水听器在同一时间所接收的声信号进行干涉处理；而合成孔径声纳则是对同一水听器在不同时间所接收的声信号进行干涉处理。无论是实孔径声纳还是合成孔径声纳，其所成像目标均为静止目标。当目标移动时，其回波相位关系已不满足干涉条件，所获得的目标图像则会产生散焦问题。严重时，目标甚至会被海洋环境噪声淹没，目标图像无法分辨。

本发明所涉及的逆合成孔径声纳，从广义上讲属于合成孔径声纳的范畴，但是与传统合成孔径声纳的不同在于，声纳平台是静止的，而成像目标是运动的。相对于传统合成孔径声纳中声纳平台的运动，目标运动是复杂而未知的，因此，所需要的信号处理算法乃至成像方法均与传统合成合成孔径声纳有所不同。

发明内容

本发明目的是为了解决现有技术中的问题，提出了一种基于逆合成孔径原理的水下目标声纳成像方法。采用该方法对运动目标进行声纳成像，不仅解决了图像散焦问题，而且在不同成像时间段下，可能获得不同角度下的多幅目标声学图像，为后续目标识别等过程提供了更有力的数据支持。

本发明是通过以下技术方案实现的，本发明提出一种基于逆合成孔径原理的水下目标声纳成像方法，所述方法具体步骤为：

步骤一：回波距离维处理；

回波距离维处理依次分为距离维压缩与运动补偿两个过程；其中，距离维压缩用于将散射点回波信号能量压缩至某一距离单元内，以获取信号的精确时延信息；所述运动补偿用于将压缩后的信号峰值在方位维进行对齐，以便进行后续方位维处理步骤；

步骤二：方位维处理；

经过回波距离维处理，散射点回波在方位维上表现为高阶多项式相位信号，所述方位维处理用于进行信号参数估计；

步骤三：目标图像生成；

在目标图像生成步骤中，首先跟据信号参数估计结果，计算每个散射点的横纵坐标及散射系数；然后综合所有散射点的横纵坐标及散射系数信息，重构目标声学图像；最后通过选择不同的成像时间段，获得目标在不同角度下的多幅声纳图像。

进一步地，所述距离维压缩采用解线调算法，具体为：

声纳所发射信号为线性调频信号，则接收信号可表示为：

式中：D(x)为散射点的散射系数；f₀为距离维初频率；k为距离维调频率；t_d为信号传输时延；

参考信号为：

式中：t₀为参考点时延；

所谓解线调，即将接收信号与参考信号相乘，即：

令同一周期内的信号为快时间m，又称为距离维，不同周期信号为慢时间n，又称为方位维；将所接收信号沿快时间-慢时间进行二维重排，可得：

式中，c为声速；x(n)表示散射点在慢时间n的位置矢量；r(n)为慢时间n的声纳视线方向单位矢量；

将二维信号沿距离维做快速傅里叶变换即可实现距离维压缩，即：

式中：f_m为快时间维频率；δ(·)为冲激函数；

经过距离维压缩，散射点回波信号在距离维的能量被压缩至

距离单元内。

进一步地，所述运动补偿采用相邻包络相关法，具体为：

首先进行包络相关以估计补偿量，即：

式中，R(n,k)为慢时间n、补偿量为k时的相关值；*表示信号的共轭；

各慢时间维的补偿量为相关峰最大值位置，即：

进而，采用下式对各慢时间进行补偿：

S_d(f_m,n)＝S_p[f_m+d(n),n] (8)

式中，S_d为经过运动补偿后的二维回波信号；

经过运动补偿，散射点能量在各慢时间维集中于同一距离单元。

进一步地，经过回波距离维处理，回波信号在方位维上表现为线性调频信号，如下式所示：

式中：x₀、R₀、r₀分别为0时刻散射点位置矢量、声纳视线方向矢量及其单位矢量；w为目标随洋流做三维转动的等效转动矢量；G₀、G₁、G₂分别为对三维转动矩阵进行泰勒展开后的结果；

其中，信号的初频率与散射点的方位维位置相关，因此，所述方位维处理采用吕氏分布算法LVD实现对线性调频信号的参数估计。

进一步地，所述方位维处理采用吕氏分布算法LVD实现对线性调频信号的参数估计，具体为：

(1)计算线性调频信号的对称瞬时自相关函数；

假定目标仅包含单个散射点，方位维回波信号为单分量线性调频信号，即：

式中：

分别为方位维信号的初相位、初频率及调频率；

对(10)式计算信号的对称瞬时自相关函数，可得：

式中，R_c(t,τ)即为信号的瞬时自相关函数；τ为延迟时间，a为尺度变换参数；

(2)进行尺度变换；

经过对称瞬时自相关，信号扩展至t-τ二维，但t与τ互相耦合在一起，因此需要采用尺度变换进行解缠绕；

构造新变量t_n＝(τ+a)ht，式中h为尺度变换因子；并将其代入(11)式可得：

(3)进行二维FFT变换，估计信号参数；

经过尺度变换，信号分布在t_n-τ二维平面上，且分别在t_n与τ维度上表现为单频信号，因此需要进行二维FFT处理以对信号进行聚焦，即：

式中，f_τ与

分别为t_n与τ频率维；

为回波信号在

二维平面上的分布；

经过聚焦处理，信号在

二维平面上表现为尖峰，且峰值位置分别与信号的初频率与调频率呈正比关系；进而，信号的初频率估计值与调频率估计值可通过二维谱峰搜索获得，即：

式中：

为LVD变换的谱峰坐标。

进一步地，所述计算散射点横纵坐标，具体为：

根据信号参数估计结果，散射点的横坐标计算公式为：

式中：

为散射点回波信号所在距离单元；B为发射信号带宽；r为横坐标标量；

散射点的纵坐标计算公式为：

式中，

表示第i个散射点的初频率估计值。

进一步地，所述重构目标声学图像，具体为：散射点横坐标对应于图像横轴像素；散射点纵坐标对应于图像纵轴像素；散射点散射系数对应于像素的灰度值，将所有散射点绘制于图像上，即可重构获得目标的声学图像。

本发明的有益效果：采用本发明所设计的声纳成像方法可以对水下运动目标进行声学成像，解决现有声纳成像方法所存在的散焦问题，获得多角度下的多幅高质量声纳图像。

附图说明

图1为ISAS系统工作态势图；

图2为距离维处理过程图；

图3为方位维处理过程图；

图4为仿真目标模型图；

图5为目标三维转动角度示意图；

图6为成像结果示意图。

具体实施方式

下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

ISAS系统的工作态势如图1所示。图中，声纳位于P点；假定目标为某潜艇。O点为潜艇重心，A为潜艇上任一个声学散射点，A点相对于O点坐标矢量为x。潜艇的视线方向，即：PO连线方向的单位矢量为r。潜艇自身做平稳运动，速度为v，UV表示水下运动目标；由于海浪的影响，潜艇还进行着复杂的三维摆动(横摇、纵摇、艏摇)，横摇、纵摇、艏摇的转轴分别为X轴、Y轴、Z轴。

ISAS系统的工作任务是对潜艇目标成像，即获取潜艇上每个声学散射点的坐标及在成像平面上的散射点分布情况。

本发明提出一种基于逆合成孔径原理的水下目标声纳成像方法，所述方法具体步骤为：

步骤一：回波距离维处理；

回波距离维处理依次分为距离维压缩与运动补偿两个过程；其中，距离维压缩用于将散射点回波信号能量压缩至某一距离单元内，以获取信号的精确时延信息；所述运动补偿用于将压缩后的信号峰值在方位维进行对齐，以便进行后续方位维处理步骤；

步骤二：方位维处理；

经过回波距离维处理，散射点回波在方位维上表现为高阶多项式相位信号，所述方位维处理用于进行信号参数估计；

步骤三：目标图像生成；

在目标图像生成步骤中，首先跟据信号参数估计结果，计算每个散射点的横纵坐标及散射系数；然后综合所有散射点的横纵坐标及散射系数信息，重构目标声学图像；最后通过选择不同的成像时间段，获得目标在不同角度下的多幅声纳图像。

所述距离维压缩采用解线调算法，具体为：

声纳所发射信号为线性调频信号，则接收信号可表示为：

式中：D(x)为散射点的散射系数；f₀为距离维初频率；k为距离维调频率；t_d为信号传输时延；

参考信号为：

式中：t₀为参考点时延；

所谓解线调，即将接收信号与参考信号相乘，即：

令同一周期内的信号为快时间m，又称为距离维，不同周期信号为慢时间n，又称为方位维；将所接收信号沿快时间-慢时间进行二维重排，可得：

式中，c为声速；x(n)表示散射点在慢时间n的位置矢量；r(n)为慢时间n的声纳视线方向单位矢量；

将二维信号沿距离维做快速傅里叶变换(fast Fourier transform,FFT)即可实现距离维压缩，即：

式中：f_m为快时间维频率；δ(·)为冲激函数；

经过距离维压缩，散射点回波信号在距离维的能量被压缩至

距离单元内。但是由于目标运动，

随慢时间n变化，表现在f_m-n平面内即为一条斜线，如图2(a)所示。因此，需要进行运动补偿，将不同慢时间内的散射点补偿在同一距离单元内，以方便后续方位维处理。

所述运动补偿采用相邻包络相关法，具体为：

首先进行包络相关以估计补偿量，即：

式中，R(n,k)为慢时间n、补偿量为k时的相关值；*表示信号的共轭；

各慢时间维的补偿量为相关峰最大值位置，即：

进而，采用下式对各慢时间进行补偿：

S_d(f_m,n)＝S_p[f_m+d(n),n] (8)

式中，S_d为经过运动补偿后的二维回波信号；

经过运动补偿，散射点能量在各慢时间维集中于同一距离单元。表现在f_m-n平面内即为一条垂直直线，如图2(b)所示。

经过回波距离维处理，回波信号在方位维上表现为线性调频信号，如下式所示：

式中：x₀、R₀、r₀分别为0时刻散射点位置矢量、声纳视线方向矢量及其单位矢量；w为目标随洋流做三维转动的等效转动矢量；G₀、G₁、G₂分别为对三维转动矩阵进行泰勒展开后的结果；

其中，信号的初频率与散射点的方位维位置相关，因此，所述方位维处理采用吕氏分布算法(Lv’s Distribution，LVD)实现对线性调频信号的参数估计。

所述方位维处理采用吕氏分布算法LVD实现对线性调频信号的参数估计，具有时频聚集性精度高、运算量小、不受交叉项干扰的优点。具体为：

(1)计算线性调频信号的对称瞬时自相关函数；

假定目标仅包含单个散射点，方位维回波信号为单分量线性调频信号，即：

式中：

分别为方位维信号的初相位、初频率及调频率；

对(10)式计算信号的对称瞬时自相关函数，可得：

式中，R_c(t,τ)即为信号的瞬时自相关函数；τ为延迟时间，a为尺度变换参数；

(2)进行尺度变换；

经过对称瞬时自相关，信号扩展至t-τ二维，但t与τ互相耦合在一起，因此需要采用尺度变换进行解缠绕；

构造新变量t_n＝(τ+a)ht，式中h为尺度变换因子；并将其代入(11)式可得：

(3)进行二维FFT变换，估计信号参数；

经过尺度变换，信号分布在t_n-τ二维平面上，且分别在t_n与τ维度上表现为单频信号，因此需要进行二维FFT处理以对信号进行聚焦，即：

式中，f_τ与

分别为t_n与τ频率维；

为回波信号在

二维平面上的分布；

经过聚焦处理，信号在

二维平面上表现为尖峰，且峰值位置分别与信号的初频率与调频率呈正比关系；进而，信号的初频率估计值与调频率估计值可通过二维谱峰搜索获得，即：

式中：

为LVD变换的谱峰坐标。

交叉项讨论：多分量信号的时频分布存在交叉项干扰问题。以二分量信号为例，其LVD变换中虽然存在交叉项，但其幅值远小于自身项，其对信号参数估计产生的影响可忽略。

图3所示为典型LFM信号的LVD变换结果。其中，图3(a)为单分量LFM信号；图3(b)为三分量LFM信号。可见，LFM信号的每个分量表现在初始频率-调频率平面为独立的尖峰，交叉项虽然存在，但其能量较弱，对于峰值估计的影响可以忽略不计。搜索二维平面内的峰值就可以实现LFM信号自身项中心频率和调频率的估计。

所述计算散射点横纵坐标，具体为：

根据信号参数估计结果，散射点的横坐标(即：距离维坐标)计算公式为：

式中：

为散射点回波信号所在距离单元；B为发射信号带宽；r为横坐标标量；

散射点的纵坐标(即：方位维坐标)计算公式为：

式中，

表示第i个散射点的初频率估计值。

所述重构目标声学图像，具体为：散射点横坐标对应于图像横轴像素；散射点纵坐标对应于图像纵轴像素；散射点散射系数对应于像素的灰度值，将所有散射点绘制于图像上，即可重构获得目标的声学图像。

由于水下目标的三维摆动具有时变性，在不同成像时间段获得的目标图像其成像平面也不尽相同。因此在不同的成像时间段内采用以上步骤可获得目标不同角度下的声学图像，为后续目标识别、目标三维重建等过程提供更有力的数据支持。

实施算例：

仿真目标为潜艇目标，其散射点分布如图4所示。目标自身做匀速直线航行，行驶速度为4.8m/s。此外，目标随海浪做复杂的三维摆动(横摇、纵摇、艏摇)，瞬时转角变化如图5所示。在整个观测时间内选取两段成像时间(图5中虚线所示)。采用本发明所设计的方法进行目标成像，成像结果如图6所示。两个成像时间段的成像结果均能清晰的反映目标的散射分布情况，消除了图像散焦。同时，两幅图像间又存在着明显的不同，这主要是由于成像角度不同所造成，也验证了本方法具有多角度成像的能力。

以上对本发明所提供的一种基于逆合成孔径原理的水下目标声纳成像方法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种基于逆合成孔径原理的水下目标声纳成像方法，其特征在于，所述方法具体步骤为：

步骤一：回波距离维处理；

回波距离维处理依次分为距离维压缩与运动补偿两个过程；其中，距离维压缩用于将散射点回波信号能量压缩至某一距离单元内，以获取信号的精确时延信息；所述运动补偿用于将压缩后的信号峰值在方位维进行对齐，以便进行后续方位维处理步骤；

步骤二：方位维处理；

经过回波距离维处理，散射点回波在方位维上表现为高阶多项式相位信号，所述方位维处理用于进行信号参数估计；

步骤三：目标图像生成；

在目标图像生成步骤中，首先跟据信号参数估计结果，计算每个散射点的横纵坐标及散射系数；然后综合所有散射点的横纵坐标及散射系数信息，重构目标声学图像；最后通过选择不同的成像时间段，获得目标在不同角度下的多幅声纳图像；

所述距离维压缩采用解线调算法，具体为：

声纳所发射信号为线性调频信号，则接收信号可表示为：

式中：D(x)为散射点的散射系数；f₀为距离维初频率；k为距离维调频率；t_d为信号传输时延；

参考信号为：

式中：t₀为参考点时延；

所谓解线调，即将接收信号与参考信号相乘，即：

令同一周期内的信号为快时间m，又称为距离维，不同周期信号为慢时间n，又称为方位维；将所接收信号沿快时间-慢时间进行二维重排，可得：

式中，c为声速；x(n)表示散射点在慢时间n的位置矢量；r(n)为慢时间n的声纳视线方向单位矢量；

将二维信号沿距离维做快速傅里叶变换即可实现距离维压缩，即：

式中：f_m为快时间维频率；δ(·)为冲激函数；

经过距离维压缩，散射点回波信号在距离维的能量被压缩至

距离单元内；

所述运动补偿采用相邻包络相关法，具体为：

首先进行包络相关以估计补偿量，即：

式中，R(n,k)为慢时间n、补偿量为k时的相关值；*表示信号的共轭；

各慢时间维的补偿量为相关峰最大值位置，即：

进而，采用下式对各慢时间进行补偿：

S_d(f_m,n)＝S_p[f_m+d(n),n] (8)

式中，S_d为经过运动补偿后的二维回波信号；

经过运动补偿，散射点能量在各慢时间维集中于同一距离单元；

经过回波距离维处理，回波信号在方位维上表现为线性调频信号，如下式所示：

式中：x₀、R₀、r₀分别为0时刻散射点位置矢量、声纳视线方向矢量及其单位矢量；w为目标随洋流做三维转动的等效转动矢量；G₀、G₁、G₂分别为对三维转动矩阵进行泰勒展开后的结果；

其中，信号的初频率与散射点的方位维位置相关，因此，所述方位维处理采用吕氏分布算法LVD实现对线性调频信号的参数估计。

2.根据权利要求1所述的方法，其特征在于：所述方位维处理采用吕氏分布算法LVD实现对线性调频信号的参数估计，具体为：

(1)计算线性调频信号的对称瞬时自相关函数；

假定目标仅包含单个散射点，方位维回波信号为单分量线性调频信号，即：

式中：

分别为方位维信号的初相位、初频率及调频率；

对(10)式计算信号的对称瞬时自相关函数，可得：

式中，R_c(t,τ)即为信号的瞬时自相关函数；τ为延迟时间，a为尺度变换参数；

(2)进行尺度变换；

经过对称瞬时自相关，信号扩展至t-τ二维，但t与τ互相耦合在一起，因此需要采用尺度变换进行解缠绕；

构造新变量t_n＝(τ+a)ht，式中h为尺度变换因子；并将其代入(11)式可得：

(3)进行二维FFT变换，估计信号参数；

经过尺度变换，信号分布在t_n-τ二维平面上，且分别在t_n与τ维度上表现为单频信号，因此需要进行二维FFT处理以对信号进行聚焦，即：

式中，f_τ与

分别为t_n与τ频率维；

为回波信号在

二维平面上的分布；

经过聚焦处理，信号在

二维平面上表现为尖峰，且峰值位置分别与信号的初频率与调频率呈正比关系；进而，信号的初频率估计值与调频率估计值可通过二维谱峰搜索获得，即：

式中：

为LVD变换的谱峰坐标。

3.根据权利要求2所述的方法，其特征在于：所述计算散射点横纵坐标，具体为：

根据信号参数估计结果，散射点的横坐标计算公式为：

式中：

为散射点回波信号所在距离单元；B为发射信号带宽；r为横坐标标量；

散射点的纵坐标计算公式为：

式中，

表示第i个散射点的初频率估计值。

4.根据权利要求3所述的方法，其特征在于：所述重构目标声学图像，具体为：散射点横坐标对应于图像横轴像素；散射点纵坐标对应于图像纵轴像素；散射点散射系数对应于像素的灰度值，将所有散射点绘制于图像上，即可重构获得目标的声学图像。

Images