CN111427045A - 基于分布式多输入-多输出声纳的水下目标逆散射成像方法 - Google Patents

Abstract

本发明涉及了一种基于分布式多输入‑多输出声纳的水下目标逆散射成像方法。本发明在1kHz至10kHz的中频频段上，使用分布式多输入‑多输出主动声纳系统，利用空间分集获得关于目标的声散射特性，并进行成像。本方法包括：基于解卷积运算的波束形成结果优化；信道解卷方法回波压缩和时域逆散射成像方法。本发明不需要增加分布式多输入‑多输出主动声纳系统中的硬件或装置，只需要对信号处理流程进行修改，即能实现在浅海环境中，对水下目标的成像。

Description

基于分布式多输入-多输出声纳的水下目标逆散射成像方法

技术领域

本发明属于声纳探测技术和多传感器阵列与合成技术领域，尤其是设计一种基于分布式多输入-多输出主动声纳目标探测与成像方法。

背景技术

目前，多数成像系统是使用光学成像或电磁波成像系统，但这些成熟的成像方法很难应用于水下目标成像中。其原因有二：一是光波等电磁波在水中衰减严重，无法进行远距离大范围的水下观测；二是水介质中常含有各种大量的悬浮物，不利于光学或电磁成像系统得到高分辨的图像，分辨目标。声波则可以在水中远距离传播，广泛应用于目标定位与测向，水下目标成像中。

在对水下目标探测中，常使用低频主动声纳提取目标的“声色彩”图像(acousticcolor image)，分析目标的散射特性。低频声纳探测系统使用1kHz一下的频带，可以对远距离目标进行探测。但低频主动探测系统需要使用大型的发射换能器和较长的拖曳阵，布放困难。并且低声纳探测系统的带宽较窄，信号中心频率对应的波长较长，决定低频率探测系统的时延分辨率和角度分辨率较低，无法实现对目标成像。目前声学成像系统多使用高频声纳或超声成像系统，在近距离上对目标进行成像。高频声纳系统可以使用10kHz或100kHz的带宽，同时其中心频率对应的波长远小于目标尺寸，因而可以获得很高分辨率的成像图。但高频声信号在水中传播，声吸收衰减也更显著，只能用于近距离情形下目标探测与成像。在浅海环境中，需要考虑兼顾探测作用距离和成像质量的探测方法。

在中频声信号的远距离成像中，需要先对目标进行定位，再从接收信号中截取对应的回波。常规定位测向方法是基于常规波束形成器的波束扫描和极大似然估计器。常规波束形成具有构造简单和宽容的特性，但其输出结果的主瓣宽，旁瓣级高，不利于波达角估计。最小方差无失真响应约束和子空间分类方法构建的波束形成器虽然可以得到低旁瓣和高分辨的波达角估计结果，但在实际应用过程中会遇到快拍数不足导致的信号矩阵秩亏，或失配等情况，无法得到正确的结果。

在浅海波导环境中，声信号受多途传播影响，接收的目标回波中，包含有直达声信号、海面和海底多次反射的信号。多途传播是海洋信道响应函数与发射信号进行卷积运算的结果。在近距离成像中，高频声纳成像系统可以忽略多途传播的影响，但在中低频声纳系统中，需要结果环境信息，需要消除水声信道带来的多途效应。

发明内容

本发明针对现有技术存在的问题，改进在接收端和数据处理中心端处理流程和算法，并提供了一种基于分布式多输入-多输出声纳的水下目标逆散射成像方法。本发明在接收端采用解卷波束形成算法提高一维均匀水平线阵的波达角分辨力；在数据处理中心处，使用分布式定位算法，以及信道解卷，解决在浅海波导环境中多途传播对目标回波的影响，最终实现对水下目标的成像。

本发明解决技术问题所采取的技术方案是：

一种基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其步骤如下：

步骤1：使用多个不同位置的声源发射波形，由接收节点的水平接收线阵接收经过目标反射后的回波；

步骤2：对回波进行匹配滤波得到输出信号，再进行常规波束形成输出；

步骤3：在对输出结果进行解卷积运算，提高角度分辨率；

步骤4：综合多个接收节点的数据，定位得到目标位置，并得到目标回波；根据声源节点和接收节点相对位置，将回波信号进行信道解卷分析；使用时域逆散射成像算法最终得到成像结果。

基于上述技术方案，其中的各步骤还可以采用如下具体方式实现。

作为优选，所述步骤2具体包括以下子步骤：

步骤2-1：使用时域匹配滤波器r(t)，对包含M个阵元的水平线阵接收信号x(t)＝[x₁(t),x₂(t),…,x_M(t)]^T进行匹配滤波处理，其中(·)^T表示转置，x_j(t)表示第j个阵元在t时刻的水平线阵接收信号；x(t)经过时域匹配滤波处理后得到输出信号y(t)＝r(t)*x(t)；y(t)＝[y₁(t),y₂(t),…,y_M(t)]^T，*代表卷积运算；

步骤2-2：将信号y(t)划分成L段数据，相邻两段数据之间有50％重叠，每段数据为M×N大小的矩阵，N为各通道数据点数；对第l段数据y(l)中第m通道的数据y_m(t,l)进行快速傅里叶变换，计算其对应的频域信号Y_m(f,l)的公式如下：

其中：f表示第f个归一化频点；

由此，第l段信号数据y(l)对应的频域信号为Y(f,l)＝[Y₁(f,l),Y₂(f,l),…,Y_M(f,l)]^T；

步骤2-3：定义在归一化频点f处的常规波束形成器c(f,sinφ)＝[0,e^{-j2πfdsinφ/c},…,e^{-j2πf(M-1)dsinφ/c}]^T，其中d是阵元间距，φ是波束形成方向，c是水体声速，计算常规波束形成输出Y_C(f,sinφ,l)，公式如下：

Y_C(f,sinφ,l)＝c^H(f,sinφ)Y(f,l)

其中(·)^H表示共轭转置。

作为优选，所述步骤3具体包括以下子步骤：

对每个频点f，按照下式构建对应的波束模式响应B(f,sinφ)，

B(f,sinφ)＝c^H(f,sinφ)c(f,sinφ)

对常规波束形成输出结果，在sinφ域上迭代进行解卷积运算，公式如下：

其中：Y_D ⁽ⁱ⁾(f,sinφ,l)是经过第i次迭代后解卷积波束形成输出结果，其初始值Y_D ⁽⁰⁾(f,sinφ,l)＝Y_C(f,sinφ,l)；当经过i次迭代后，满足迭代终止条件，则停止迭代计算，并输出结果Y_D(f,sinφ,l)。

作为优选，所述步骤3中，所述迭代终止条件为：二范数的平方

小于门限值，或当前迭代次数已达到最大迭代次数。

作为优选，所述步骤4具体包括以下子步骤：

步骤4-1：结合波束形成的测向结果、测量得到的海洋参数信息以及声传播模型，计算疑似目标所在区域内一点r′＝(r,φ)与声源和接收阵间的信道传播响应d(r′,f,l)，并按照下式分布式定位算法，得到目标位置的极大似然估计结果：

其中：||·||₂表示二范数；

步骤4-2：根据分布式定位结果计算波束形成结果P(f,l)：

其中：

是波束形成方向的估计值；

对P(f,l)进行逆快速傅里叶变换和时域信号合成得到期望目标回波向量p(t)；

步骤4-3：使用稀疏重构算法求p(t)中各个多径的时延τ_k和分量p_k(t)；根据测量得到的声速c，计算第k号模对应的群速度c_gk，计算信道补偿解卷后的信号：

p'(t)＝∑p_k(ct/c_gk)

步骤4-4：使用时域逆散射成像算法最终得到成像结果，逆散射成像算法的公式如下：

其中r′是成像区域内的点，I(r′)是最终成像结果；r_s是声源位置，r是接收阵的位置，Ω_inc和Ω_sct分别是所有可用的声源位置和接收阵位置；δ(·)是冲击响应函数。

相对于现有技术而言，本发明的有益效果是：

1)本发明不需要改变原有中频主动声纳系统。若已经布置有分布式声纳系统，仅需要改变接收端处理流程和算法即可。若只有单个声源，可以采用双基地合成孔径声呐方式实现分布式多输入-所输出系统；

2)本发明使用解卷积运算，提高常规波束形成器的角度分辨力，不需要采用多个快拍以构建协方差矩阵，便于实际应用处理；

3)本发明利用分布式声纳系统空间分集特性，获取目标分集信息，结合基于稀疏重构的信道解卷方法，实现对浅海波导环境中目标成像；

4)本发明使用的分布式多输入-多输出逆散射成像算法可以从对水下目标应用场景推广至医学超声检测和成像，以及工业非侵入式声检测等声成像领域中；

5)基于上述四个特点，本发明可以实现分布式多输入-多输出声纳的水下目标逆散射成像功能，具有较好的实际应用与推广价值。

附图说明

下面结合附图对本发明进一步说明：

图1为本发明基于分布式多输入-多输出声纳的水下目标逆散射成像方法总体流程图。

图2为本发明中系统布置示例图。

图3为本发明中解卷积运算前后波束模式对比图。

图4为本发明中分布式定位流程图。

图5为本发明中稀疏重构算法过程示意图。

图6为本发明中成像流程图。

图7为本发明中图2布置下对应的成像结果图。

具体实施方式

下面结合本发明的具体实施方式和附图对本发明的检测和成像方法作进一步详细描述，本发明的有益效果将变得更加明确。

本发明在1kHz至10kHz的中频频段上，使用分布式多输入-多输出主动声纳系统，利用空间分集获得关于目标的声散射特性，并进行成像。图1所示的处理框图是本发明的总体处理流程图。本发明分布式多输入-多输出声纳探测与成像算法包含四个步骤：系统发射并接收目标回波；对回波信号进行匹配滤波、数据分段和常规波束形成处理；对常规波束形成器输出进行解卷积运算；对输出信号进行分布式定位和成像。

本发明的一个较佳实施例中，基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其具体步骤如下：

步骤1：按照实际探测需求，布置分布式多输入-多输出声纳系统，图2给出一种可行方案，即使用3个固定位置声源，和一个直线运动的16元水平接收线阵。由此，使用多个不同位置的声源发射波形，由接收节点的水平接收线阵接收经过目标反射后的回波x(t)。

步骤2：对回波进行时域匹配滤波得到输出信号y(t)，再进行常规波束形成输出Y_C。该步骤具体包括以下子步骤：

步骤2-1：使用时域匹配滤波器r(t)(其中r(t)为发射信号的共轭反转)，对包含M个阵元的水平线阵接收信号x(t)＝[x₁(t),x₂(t),…,x_M(t)]^T进行匹配滤波处理，其中(·)^T表示转置，x_j(t)表示第j个阵元在t时刻的水平线阵接收信号；x(t)经过时域匹配滤波处理后得到输出信号y(t)＝r(t)*x(t)；y(t)＝[y₁(t),y₂(t),…,y_M(t)]^T，*代表卷积运算；

步骤2-2：将信号y(t)划分成L段数据，相邻两段数据之间有50％重叠，每段数据为M×N大小的矩阵，N为各通道数据点数；对第l段数据y(l)中第m通道的数据y_m(t,l)进行快速傅里叶变换(FFT)，计算其对应的频域信号Y_m(f,l)的公式如下：

其中：f表示第f个归一化频点；

由此，第l段信号数据y(l)对应的频域信号为Y(f,l)＝[Y₁(f,l),Y₂(f,l),…,Y_M(f,l)]^T；

步骤2-3：定义在归一化频点f处的常规波束形成器c(f,sinφ)＝[0,e^{-j2πfdsinφ/c},…,e^{-j2πf(M-1)dsinφ/c}]^T，其中d是阵元间距，φ是波束形成方向，c是水体声速，计算常规波束形成输出Y_C(f,sinφ,l)，公式如下：

Y_C(f,sinφ,l)＝c^H(f,sinφ)Y(f,l)

其中(·)^H表示共轭转置。

步骤3：在对输出结果进行解卷积运算，提高角度分辨率Y_D。该步骤具体包括以下子步骤：

对每个频点f，按照下式构建对应的波束模式响应B(f,sinφ)，

B(f,sinφ)＝c^H(f,sinφ)c(f,sinφ)

对常规波束形成输出结果，在sinφ域上迭代进行解卷积运算，公式如下：

其中：Y_D ⁽ⁱ⁾(f,sinφ,l)是经过第i次迭代后解卷积波束形成输出结果，其初始值Y_D ⁽⁰⁾(f,sinφ,l)＝Y_C(f,sinφ,l)；当经过i次迭代后，满足迭代终止条件，则停止迭代计算，并输出结果Y_D(f,sinφ,l)。

其中，迭代终止条件可以选择为：二范数的平方

小于门限值，或当前迭代次数已达到最大迭代次数，满足任一条件均可终止迭代。

图3是本实施例中阵间距0.1m的16元均匀水平线阵在6kHz工作频率下，进行解卷积运算前后的波束模式图对比，使用解卷积运算后主瓣宽度减少，旁瓣级降低。

步骤4：综合多个接收节点的数据，定位得到目标位置，并得到目标回波p；根据声源节点和接收节点相对位置，将回波信号进行信道解卷分析；使用时域逆散射成像算法最终得到成像结果I。该步骤具体包括以下子步骤：

步骤4-1：结合波束形成的测向结果、测量得到的海洋参数信息以及声传播模型，计算疑似目标所在区域内一点r′＝(r,φ)与声源和接收阵间的信道传播响应d(r′,f,l)，并按照下式分布式定位算法，得到目标位置的极大似然估计结果：

其中：||·||₂表示二范数。

该分布式定位过程的详细流程图如图4所示。

步骤4-2：根据分布式定位结果计算波束形成结果P(f,l)：

其中：

是波束形成方向的估计值；

由此，对P(f,l)进行逆快速傅里叶变换(IFFT)和时域信号合成得到期望目标回波向量p(t)。

步骤4-3：使用稀疏重构算法求p(t)中各个多径的时延τ_k和分量p_k(t)；根据测量得到的声速c，计算第k号模对应的群速度c_gk，计算信道补偿解卷后的信号：

p'(t)＝∑p_k(ct/c_gk)

详细的稀疏重构算法流程图如图5所示。

步骤4-4：使用时域逆散射成像算法最终得到成像结果，逆散射成像算法的公式如下：

其中r′是成像区域内的点，I(r′)是最终成像结果；r_s是声源位置，r是接收阵的位置，Ω_inc和Ω_sct分别是所有可用的声源位置和接收阵位置；δ(·)是冲击响应函数。

该逆散射成像算法流程图如图6所示。按照图2布置的分布式多输入-多输出探测系统的成像结果如图7所示。图7所示结果表明本发明所述方法可以检测并成像得到目标的轮廓边界。

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 (5)

1.一种基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其特征在于，步骤如下：

步骤1：使用多个不同位置的声源发射波形，由接收节点的水平接收线阵接收经过目标反射后的回波；

步骤2：对回波进行匹配滤波得到输出信号，再进行常规波束形成输出；

步骤3：在对输出结果进行解卷积运算，提高角度分辨率；

步骤4：综合多个接收节点的数据，定位得到目标位置，并得到目标回波；根据声源节点和接收节点相对位置，将回波信号进行信道解卷分析；使用时域逆散射成像算法最终得到成像结果。

2.根据权利要求1所述的基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其特征在于，所述步骤2具体包括以下子步骤：

步骤2-1：使用时域匹配滤波器r(t)，对包含M个阵元的水平线阵接收信号x(t)＝[x₁(t),x₂(t),…,x_M(t)]^T进行匹配滤波处理，其中(·)^T表示转置，x_j(t)表示第j个阵元在t时刻的水平线阵接收信号；x(t)经过时域匹配滤波处理后得到输出信号y(t)＝r(t)*x(t)；y(t)＝[y₁(t),y₂(t),…,y_M(t)]^T，*代表卷积运算；

步骤2-2：将信号y(t)划分成L段数据，相邻两段数据之间有50％重叠，每段数据为M×N大小的矩阵，N为各通道数据点数；对第l段数据y(l)中第m通道的数据y_m(t,l)进行快速傅里叶变换，计算其对应的频域信号Y_m(f,l)的公式如下：

其中：f表示第f个归一化频点；

由此，第l段信号数据y(l)对应的频域信号为Y(f,l)＝[Y₁(f,l),Y₂(f,l),…,Y_M(f,l)]^T；

步骤2-3：定义在归一化频点f处的常规波束形成器c(f,sinφ)＝[0,e^{-j2πfdsinφ/c},…,e^{-j2πf(M-1)dsinφ/c}]^T，其中d是阵元间距，φ是波束形成方向，c是水体声速，计算常规波束形成输出Y_C(f,sinφ,l)，公式如下：

Y_C(f,sinφ,l)＝c^H(f,sinφ)Y(f,l)

其中(·)^H表示共轭转置。

3.根据权利要求2所述的基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其特征在于，所述步骤3具体包括以下子步骤：

对每个频点f，按照下式构建对应的波束模式响应B(f,sinφ)，

B(f,sinφ)＝c^H(f,sinφ)c(f,sinφ)

对常规波束形成输出结果，在sinφ域上迭代进行解卷积运算，公式如下：

其中：Y_D ⁽ⁱ⁾(f,sinφ,l)是经过第i次迭代后解卷积波束形成输出结果，其初始值Y_D ⁽⁰⁾(f,sinφ,l)＝Y_C(f,sinφ,l)；当经过i次迭代后，满足迭代终止条件，则停止迭代计算，并输出结果Y_D(f,sinφ,l)。

4.根据权利要求3所述的基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其特征在于，所述步骤3中，所述迭代终止条件为：二范数的平方

小于门限值，或当前迭代次数已达到最大迭代次数。

5.根据权利要求3所述的基于分布式多输入-多输出声纳的水下目标逆散射成像方法，其特征在于，所述步骤4具体包括以下子步骤：

步骤4-1：结合波束形成的测向结果、测量得到的海洋参数信息以及声传播模型，计算疑似目标所在区域内一点r′＝(r,φ)与声源和接收阵间的信道传播响应d(r′,f,l)，并按照下式分布式定位算法，得到目标位置的极大似然估计结果：

其中：||·||₂表示二范数；

步骤4-2：根据分布式定位结果计算波束形成结果P(f,l)：

其中：

是波束形成方向的估计值；

对P(f,l)进行逆快速傅里叶变换和时域信号合成得到期望目标回波向量p(t)；

步骤4-3：使用稀疏重构算法求p(t)中各个多径的时延τ_k和分量p_k(t)；根据测量得到的声速c，计算第k号模对应的群速度c_gk，计算信道补偿解卷后的信号：

p'(t)＝∑p_k(ct/c_gk)

步骤4-4：使用时域逆散射成像算法最终得到成像结果，逆散射成像算法的公式如下：

其中r′是成像区域内的点，I(r′)是最终成像结果；r_s是声源位置，r是接收阵的位置，Ω_inc和Ω_sct分别是所有可用的声源位置和接收阵位置；δ(·)是冲击响应函数。

Images