CN110376545A - 一种单参数调优随机共振增强的单矢量水听器定向方法 - Google Patents

一种单参数调优随机共振增强的单矢量水听器定向方法 Download PDF

Info

Publication number
CN110376545A
CN110376545A CN201910771386.9A CN201910771386A CN110376545A CN 110376545 A CN110376545 A CN 110376545A CN 201910771386 A CN201910771386 A CN 201910771386A CN 110376545 A CN110376545 A CN 110376545A
Authority
CN
China
Prior art keywords
signal
vector
parameter
system parameter
peak
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.)
Granted
Application number
CN201910771386.9A
Other languages
English (en)
Other versions
CN110376545B (zh
Inventor
王海燕
锁健
马石磊
董海涛
张红伟
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.)
Northwest University of Technology
Original Assignee
Northwest University of Technology
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 Northwest University of Technology filed Critical Northwest University of Technology
Priority to CN201910771386.9A priority Critical patent/CN110376545B/zh
Publication of CN110376545A publication Critical patent/CN110376545A/zh
Application granted granted Critical
Publication of CN110376545B publication Critical patent/CN110376545B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
    • G01S3/802—Systems for determining direction or deviation from predetermined direction

Landscapes

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

Abstract

本发明提供了一种单参数调优随机共振增强的单矢量水听器定向方法，矢量水听器接收到矢量声信号并对各通道矢量声信号进行等比例放大；使用单参数调优随机共振系统处理矢量声信号，采用遗传算法进行系统参数联合寻优，将最优系统参数代入所述的单参数调优随机共振系统中求解输出，最终计算水平方位角作为矢量声定向结果。本发明在实现了低信噪比条件下优异的微弱信号处理能力基础上使其能够对不同幅度的信号进行等比例增益，提高了单矢量水听器对远距离弱目标的稳健、高精度定向。

Description

一种单参数调优随机共振增强的单矢量水听器定向方法
技术领域
本发明涉及信号处理领域，尤其是一种单矢量水听器方位估计方法。
背景技术
随着世界各国减震降噪等技术的发展，水中移动目标的辐射噪声在较高频段大为降低，基本接近海洋环境噪声级别，使其隐身能力大幅度提升，极大地增加了水中目标的定向难度。因水下目标的甚低频辐射信号目前还无法消除，基于甚低频信息的水中目标探测、定向技术被日渐关注。针对目标低频信息，采用传统低频水听器阵列对目标定向需要很大的空间尺度，建造成本较高，难以在有限尺度的水中平台中应用。矢量水听器具有与频率无关的偶极子指向性，因而使用单个矢量水听器便可以实现低频水中目标的定向，可以解决传统声压水听器阵列对低频目标定向时受到的尺寸限制问题。
但是随着声源距水听器距离的增大和信噪比的降低，矢量声方向估计性能急剧下降，无法同时满足目标方向估计精度及探测距离的需求。因此研究适用于目标定向的低信噪比矢量声信号降噪处理方法，对提高远距离水中目标的矢量定向精度至关重要。目前信号降噪处理的方法主要包括各种降噪方法都是基于将信号中噪声去除的理念，在低信噪比情况下其性能受到限制。随机共振是近年来出现的一种新型信号处理方法，其有别于传统方法中认为噪声是“有害”成分从而滤除的理念，通过非线性系统将噪声能量转化为信号能量，在提高信噪比的同时避免了在滤除噪声时对信号的损伤，能够在低信噪比环境下有效增强微弱信号，为低信噪比下矢量定向提供了一种新的途径。然而，在矢量声定向中降噪处理需要满足在降噪处理前后保持声压信号和各路振速信号被等比例增益，同时保持处理前后相位不发生变化或者产生相同的变化，而随机共振系统具有独特的非线性增益特性，难以直接应用于矢量声定向，需要创新相关的理论方法。
综上所述，低信噪比条件下矢量声定向的研究和应用仍然面临很大的挑战，随机共振理论方法是解决低信噪比下矢量声定向的一种新的途径，但也面临众多挑战。
发明内容
为了克服现有技术的不足，本发明提供一种利用单参数调优随机共振对单矢量水听器信号增强的方位估计方法，在实现了低信噪比条件下优异的微弱信号处理能力基础上使其能够对不同幅度的信号进行等比例增益，提高了单矢量水听器对远距离弱目标的稳健、高精度定向。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1，矢量水听器接收到矢量声信号p(t)、vx(t)和vy(t)，其中p(t)为声压通道信号，vx(t)、vy(t)为正交的振速通道信号；
步骤2，对各通道矢量声信号进行等比例放大；
步骤3，使用单参数调优随机共振系统处理矢量声信号，其中，x为系统输出，t为时间，s(t)为p(t)、vx(t)和vy(t)中的任一矢量声信号，ξ(t)表示高斯白噪声，D为背景噪声强度，系统势函数a、b为系统参数，是大于零的实数；
步骤4，采用遗传算法进行系统参数a、b联合寻优，以信噪比作为遗传算法的适应度值，其中，N为信号长度，Af为信号的能量，代表输出信号的总能量，代表噪声的能量；设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，获得最优系统参数aopt、bopt1，固定系统参数a＝aopt；
步骤5，以bopt1为中心设定单参数调优随机共振系统参数b'的寻优范围b'∈[bopt1-r,bopt1+r]，其中r为不小于0.01的正实数，b'的搜索步长不大于0.0001；
步骤6，将新的系统参数a、b'分别代入步骤3所述的单参数调优随机共振系统的a、b中，采用四阶龙格库塔方法求解单参数调优随机共振系统；
步骤7，通过离散傅里叶变换求解步骤4所得输出信号的功率谱，计算信噪比SNR；
步骤8，按照步骤5中所设的搜索步长改变系统参数b，重复执行步骤4、步骤6和步骤7，直到系统参数b达到步骤5中所设搜索范围上限；
步骤9，选取信噪比最大值作为最优值，并提取最优值对应的系统参数b作为最优系统参数bopt；
步骤10，将最优系统参数aopt、bopt代入步骤3所述的单参数调优随机共振系统中求解输出，对获得的输出信号求取峰峰值Aout＝[A1,A2,A3,…An]，其中An指第n个周期的峰峰值；
步骤11，对所述矢量声信号p(t)、vx(t)、vy(t)中的另外两个执行步骤5到步骤10，最终获得p(t)的峰峰值Apout＝[Ap1,Ap2,Ap3,…Apn]，vx(t)的峰峰值Avxout＝[Avx1,Avx2,Avx3,…Avxn]，以及vy(t)的峰峰值Avyout＝[Avy1,Avy2,Avy3,…Avyn]；
步骤12，计算水平方位角作为矢量声定向结果。
所述的步骤2中，矢量声信号等比例增益至信号峰峰值处于0.1到1之间。
所述的步骤4中，遗传算法中种群大小为50～100，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50～100。
本发明的有益效果是：能够将噪声能量转换为信号能量，有效提高弱目标信号强度，同时能够对信号降噪的同时实现幅度线性增益，确保输入非线性系统的矢量声信号处于系统线性增益区间，满足矢量声定向中对信号处理的要求。本发明主要应用于低信噪比环境下对水下弱目标的定向，能够解决低信噪比情况下矢量声定向误差大的问题，具有良好的定向效果。
附图说明
图1是本发明的原理框图。
具体实施方式
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
本发明采用的技术方案主要包括以下步骤：
步骤1：矢量水听器接收到矢量声信号p(t)，vx(t)，vy(t)，其中p(t)为声压通道信号，vx(t)，vy(t)分别为正交的振速通道信号；
步骤2：对矢量声信号进行幅度区间归置处理，对p(t)，vx(t)，vy(t)进行等比例放大，使得放大后的信号峰峰值处于0.1到1范围内；
步骤3：单参数调优随机共振系统处理
使用式(1)所示单参数调优随机共振系统处理矢量声信号：
其中，x为系统输出，t为时间，表示接受到的矢量水听器各通道信号，A0为输入信号的幅度，f0为输入信号的频率，为初始相位，ξ(t)表示高斯白噪声，D为背景噪声强度，Uc(x)为系统势函数，表达式为：
其中，a、b为系统参数，是大于零的实数。
步骤4：采用遗传算法确认系统参数a
采用遗传算法进行系统参数a、b联合寻优，以信噪比(SNR)作为遗传算法的适应度值，信噪比(SNR)计算方式如式(3)所示。其中，N为信号长度，Af为功率谱信号处的幅值即信号的能量，代表输出信号的总能量，代表噪声的能量；
设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，遗传算法中种群大小为50到100之间，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50到100之间；使得随机共振系统获得较优的输出，获得最优系统参数aopt、bopt1，固定系统参数a＝aopt。
步骤5：设定系统参数b'的搜索范围
以bopt1为中心设定单参数调优随机共振系统参数b'的寻优范围b'∈[bopt1-r,bopt1+r]，其中r为不小于0.01的正实数，b'的搜索步长不大于0.0001。
步骤6：系统数值求解
将新的系统参数a、b'分别代入步骤3所述的单参数调优随机共振系统的a、b中，采用四阶龙格库塔方法求解单参数调优随机共振系统。
步骤7：系统输出全局信噪比求解与存储
通过离散傅里叶变换(DFT)求解步骤4所得输出信号的功率谱，按照公式(6)计算信噪比：
其中，N为信号长度，Af为功率谱信号处的幅值即信号的能量，代表输出信号的总能量，代表噪声的能量；
将信噪比SNR和对应的系统参数b存储。
步骤8：按照步骤5中所设的搜索步长改变系统参数b，执行步骤4到步骤6到步骤7，直到系统参数b都达到步骤5中所设搜索范围上限；
步骤9：在存储的信噪比中选取信噪比最大值作为最优值，并提取最优值对应的系统参数b作为最优系统参数bopt；
步骤10：将步骤4和步骤9获取的最优系统参数aopt、bopt代入步骤3所述的单参数调优随机共振系统中求解输出，获得时域波形明显的输出信号，对获得的输出信号求取峰峰值Aout＝[A1,A2,A3,…An]，峰峰值是指一个周期内信号最大值和最小值之间差的值；
其中An指第n个周期的峰峰值。
步骤11：对步骤1中所述矢量声信号p(t)，vx(t)，vy(t)重复步骤5到步骤10，获得p(t)的峰峰值Apout＝[Ap1,Ap2,Ap3,…Apn]，vx(t)的峰峰值Avxout＝[Avx1,Avx2,Avx3,…Avxn]，以及vy(t)的峰峰值Avyout＝[Avy1,Avy2,Avy3,…Avyn]。
其中Apn，Avxn，Avyn分别表示矢量声信号p(t)，vx(t)，vy(t)经过处理后的信号第n个周期的峰峰值。
步骤12：计算水平方位角
使用公式(7)计算水平方位角
其中<·>表示求均值，θ为估计出的水平方位角。
步骤13：输出矢量声定向结果θ。
本发明使用所提出的一种适用于定向中的矢量声信号降噪处理方法，能够实现低信噪比情况良好的定向效果。

Claims (3)

1.一种单参数调优随机共振增强的单矢量水听器定向方法，其特征在于包括以下步骤：
步骤1，矢量水听器接收到矢量声信号p(t)、vx(t)和vy(t)，其中p(t)为声压通道信号，vx(t)、vy(t)为正交的振速通道信号；
步骤2，对各通道矢量声信号进行等比例放大；
步骤3，使用单参数调优随机共振系统处理矢量声信号，其中，x为系统输出，t为时间，s(t)为p(t)、vx(t)和vy(t)中的任一矢量声信号，ξ(t)表示高斯白噪声，D为背景噪声强度，系统势函数a、b为系统参数，是大于零的实数；
步骤4，采用遗传算法进行系统参数a、b联合寻优，以信噪比作为遗传算法的适应度值，其中，N为信号长度，Af为信号的能量，代表输出信号的总能量，代表噪声的能量；设定系统参数的搜索范围为a∈[0,1]，b∈[0,1]，获得最优系统参数aopt、bopt1，固定系统参数a＝aopt；
步骤5，以bopt1为中心设定单参数调优随机共振系统参数b'的寻优范围b'∈[bopt1-r,bopt1+r]，其中r为不小于0.01的正实数，b'的搜索步长不大于0.0001；
步骤6，将新的系统参数a、b'分别代入步骤3所述的单参数调优随机共振系统的a、b中，采用四阶龙格库塔方法求解单参数调优随机共振系统；
步骤7，通过离散傅里叶变换求解步骤4所得输出信号的功率谱，计算信噪比SNR；
步骤8，按照步骤5中所设的搜索步长改变系统参数b，重复执行步骤4、步骤6和步骤7，直到系统参数b达到步骤5中所设搜索范围上限；
步骤9，选取信噪比最大值作为最优值，并提取最优值对应的系统参数b作为最优系统参数bopt；
步骤10，将最优系统参数aopt、bopt代入步骤3所述的单参数调优随机共振系统中求解输出，对获得的输出信号求取峰峰值Aout＝[A1,A2,A3,…An]，其中An指第n个周期的峰峰值；
步骤11，对所述矢量声信号p(t)、vx(t)、vy(t)中的另外两个执行步骤5到步骤10，最终获得p(t)的峰峰值Apout＝[Ap1,Ap2,Ap3,…Apn]，vx(t)的峰峰值Avxout＝[Avx1,Avx2,Avx3,…Avxn]，以及vy(t)的峰峰值Avyout＝[Avy1,Avy2,Avy3,…Avyn]；
步骤12，计算水平方位角作为矢量声定向结果。
2.根据权利要求1所述的单参数调优随机共振增强的单矢量水听器定向方法，其特征在于：所述的步骤2中，矢量声信号等比例增益至信号峰峰值处于0.1到1之间。
3.根据权利要求1所述的单参数调优随机共振增强的单矢量水听器定向方法，其特征在于：所述的步骤4中，遗传算法中种群大小为50～100，交叉概率为0.9，变异概率为0.05，设定迭代最大次数为50～100。
CN201910771386.9A 2019-08-21 2019-08-21 一种单参数调优随机共振增强的单矢量水听器定向方法 Active CN110376545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910771386.9A CN110376545B (zh) 2019-08-21 2019-08-21 一种单参数调优随机共振增强的单矢量水听器定向方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910771386.9A CN110376545B (zh) 2019-08-21 2019-08-21 一种单参数调优随机共振增强的单矢量水听器定向方法

Publications (2)

Publication Number Publication Date
CN110376545A true CN110376545A (zh) 2019-10-25
CN110376545B CN110376545B (zh) 2022-11-29

Family

ID=68260114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910771386.9A Active CN110376545B (zh) 2019-08-21 2019-08-21 一种单参数调优随机共振增强的单矢量水听器定向方法

Country Status (1)

Country Link
CN (1) CN110376545B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111220386A (zh) * 2019-11-18 2020-06-02 南通大学 一种自适应频移变尺度共振技术的轴承故障早期诊断方法
CN111273265A (zh) * 2020-03-02 2020-06-12 中国人民解放军国防科技大学 基于demon谱的单矢量水听器自主测距装置及方法
CN112162235A (zh) * 2020-09-08 2021-01-01 西北工业大学 一种光滑分段随机共振增强的声矢量信号定向方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850752A (zh) * 2015-05-29 2015-08-19 桂林电子科技大学 一种基于自适应随机共振的参数搜索范围确定方法
CN106372725A (zh) * 2016-07-29 2017-02-01 南京信息工程大学 基于混沌量子遗传算法的随机共振微弱信号检测方法
CN108108672A (zh) * 2017-12-05 2018-06-01 西安交通大学 一种基于线性搜索策略的随机共振电流弱信息识别方法
CN108875685A (zh) * 2018-07-02 2018-11-23 西北工业大学 一种自适应匹配随机共振的水下auv检测方法
CN109186749A (zh) * 2018-08-27 2019-01-11 西安电子科技大学 一种多参数优化的自适应随机共振水声信号检测方法
CN110133580A (zh) * 2019-04-29 2019-08-16 西北工业大学 一种随机共振增强的声矢量信号定向方法
CN110135291A (zh) * 2019-04-29 2019-08-16 西北工业大学 一种低信噪比信号的参数估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850752A (zh) * 2015-05-29 2015-08-19 桂林电子科技大学 一种基于自适应随机共振的参数搜索范围确定方法
CN106372725A (zh) * 2016-07-29 2017-02-01 南京信息工程大学 基于混沌量子遗传算法的随机共振微弱信号检测方法
CN108108672A (zh) * 2017-12-05 2018-06-01 西安交通大学 一种基于线性搜索策略的随机共振电流弱信息识别方法
CN108875685A (zh) * 2018-07-02 2018-11-23 西北工业大学 一种自适应匹配随机共振的水下auv检测方法
CN109186749A (zh) * 2018-08-27 2019-01-11 西安电子科技大学 一种多参数优化的自适应随机共振水声信号检测方法
CN110133580A (zh) * 2019-04-29 2019-08-16 西北工业大学 一种随机共振增强的声矢量信号定向方法
CN110135291A (zh) * 2019-04-29 2019-08-16 西北工业大学 一种低信噪比信号的参数估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHANGBO HE 等: "An improved bistable stochastic resonance and its application on weak fault characteristic identification of centrifugal compressor blades", 《JOURNAL OF SOUND AND VIBRATION》 *
亢艳芹 等: "遗传算法的多参数自适应随机共振低浓度气体检测", 《传感技术学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111220386A (zh) * 2019-11-18 2020-06-02 南通大学 一种自适应频移变尺度共振技术的轴承故障早期诊断方法
CN111273265A (zh) * 2020-03-02 2020-06-12 中国人民解放军国防科技大学 基于demon谱的单矢量水听器自主测距装置及方法
CN111273265B (zh) * 2020-03-02 2020-09-29 中国人民解放军国防科技大学 基于demon谱的单矢量水听器自主测距装置及方法
CN112162235A (zh) * 2020-09-08 2021-01-01 西北工业大学 一种光滑分段随机共振增强的声矢量信号定向方法

Also Published As

Publication number Publication date
CN110376545B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN110376545A (zh) 一种单参数调优随机共振增强的单矢量水听器定向方法
CN110133579B (zh) 适用于球面麦克风阵列声源定向的球谐波阶数自适应选择方法
CN109669160B (zh) 一种水下瞬态声信号的检测方法
CN110133580B (zh) 一种随机共振增强的声矢量信号定向方法
CN107966677A (zh) 一种基于空间稀疏约束的圆阵模态域方位估计方法
CN105044675A (zh) 一种srp声源定位的快速实现方法
CN109541548A (zh) 一种基于匹配场的空气声呐定位方法
CN104898086A (zh) 适用于微型麦克风阵列的声强估计声源定向方法
CN110047507A (zh) 一种声源识别方法及装置
CN115169216A (zh) 面向水声智能伪装的高鲁棒性的对抗样本生成方法及系统
CN104715758A (zh) 一种分部处理式阵列式语音定位和增强方法
CN112147577B (zh) 一种基于地震波特征分析的爆炸目标被动定位系统和方法
CN116400406B (zh) 一种基于阵列的被动源多模式面波频散曲线提取方法
CN111722178A (zh) 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法
CN112162235B (zh) 一种光滑分段随机共振增强的声矢量信号定向方法
CN114563760B (zh) 一种基于sca阵型的二阶超波束形成方法、设备及介质
CN109669172A (zh) 基于主瓣内强干扰抑制的弱目标方位估计方法
CN103900682B (zh) 一种时频联合式信号起伏对齐检测方法及系统
CN110632579B (zh) 一种利用子阵波束域特征的迭代波束形成方法
CN113126029A (zh) 适用于深海可靠声路径环境的多传感器脉冲声源定位方法
Xu et al. Sound Source Localization of Firearms Based on TDOA Optimization Algorithm
Zhou et al. Passive localization based on spectral estimation methods using sources of opportunity
CN118112501B (zh) 一种适用周期信号的声源定位方法、设备和声源测量装置
Liang et al. Passive localization based on double-correlation function using sources of opportunity
CN103902831B (zh) 一种基于模态分解与综合的超指向性波束形成方法

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