CN110376545B - 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 PDFInfo
- Publication number
- CN110376545B CN110376545B CN201910771386.9A CN201910771386A CN110376545B CN 110376545 B CN110376545 B CN 110376545B CN 201910771386 A CN201910771386 A CN 201910771386A CN 110376545 B CN110376545 B CN 110376545B
- Authority
- CN
- China
- Prior art keywords
- signal
- parameter
- vector
- peak
- stochastic resonance
- 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
- 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
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];
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,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(4)计算信噪比:
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(5)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 (2)
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];
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。
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 CN110376545A (zh) | 2019-10-25 |
CN110376545B true 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) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220386B (zh) * | 2019-11-18 | 2022-06-21 | 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 |
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 |
CN112162235B (zh) * | 2020-09-08 | 2022-11-11 | 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 |
Family Cites Families (7)
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 |
CN106372725B (zh) * | 2016-07-29 | 2019-04-12 | 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 |
CN108108672B (zh) * | 2017-12-05 | 2021-05-28 | 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 |
CN108875685B (zh) * | 2018-07-02 | 2021-06-11 | 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 |
CN110135291B (zh) * | 2019-04-29 | 2023-03-24 | 西北工业大学 | 一种低信噪比信号的参数估计方法 |
CN110133580B (zh) * | 2019-04-29 | 2022-08-23 | 西北工业大学 | 一种随机共振增强的声矢量信号定向方法 |
-
2019
- 2019-08-21 CN CN201910771386.9A patent/CN110376545B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110376545A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376545B (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 | |
CN110133580B (zh) | 一种随机共振增强的声矢量信号定向方法 | |
CN112526451B (zh) | 基于麦克风阵列成像的压缩波束形成及系统 | |
CN111024209B (zh) | 一种适用于矢量水听器的线谱检测方法 | |
CN102645265A (zh) | 一种基于虚拟时间反转镜的舰船辐射噪声级测量方法 | |
EP2913890B1 (en) | System and method for enhancing dynamic range of a beamforming multi-channel digital receiver | |
CN110135291B (zh) | 一种低信噪比信号的参数估计方法 | |
CN109631756B (zh) | 一种基于混合时频域的旋转声源识别方法 | |
CN114578289B (zh) | 一种高分辨率谱估计声阵列成像方法 | |
CN107861114B (zh) | 一种基于水声阵列空域反转的噪声抑制方法 | |
CN105353340A (zh) | 一种双层圆柱阵水下被动目标检测方法 | |
CN112162235B (zh) | 一种光滑分段随机共振增强的声矢量信号定向方法 | |
CN111175727B (zh) | 一种基于条件波数谱密度的宽带信号方位估计的方法 | |
CN111142072B (zh) | 用于声源定位的传声器阵列优化方法 | |
CN103983946A (zh) | 一种声源定位过程中的多测量通道信号处理方法 | |
CN109669172B (zh) | 基于主瓣内强干扰抑制的弱目标方位估计方法 | |
CN109375197B (zh) | 一种小尺寸矢量阵低频散射校正方法 | |
CN110632579B (zh) | 一种利用子阵波束域特征的迭代波束形成方法 | |
CN111722178B (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 | |
CN109814065A (zh) | 基于相位因子加权的波束形成方法 | |
CN115097429A (zh) | 基于clean算法的被动声呐目标检测与航迹回溯方法 | |
CN114563760A (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
Liang et al. | Modified MVDR algorithm for DOA estimation using acoustic vector hydrophone | |
CN108957461B (zh) | 一种适用于水下长线阵的相位匹配波束形成方法 | |
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 |
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 |