CN111505581B - 一种基于分布式传感器节点的被动目标检测方法 - Google Patents

Abstract

本发明公开了一种基于分布式传感器节点的被动目标检测方法。所述检测方法及装置包括：利用四面体阵水听器节点，以被动方式采集水下目标辐射信号；单节点估计目标辐射信号到达角，并以周期图检测的方法，对监测目标辐射信号所在频段进行能量值检测，获得局部节点判决结果；将局部节点判决发送至数据融合中心，由分布式系统估计目标可能位置，依据节点检测性能进行判决融合，获得全局判决优化。本发明提供的基于分布式传感器节点的被动目标检测方法，能够提高水下目标检测性能。

Description

一种基于分布式传感器节点的被动目标检测方法

技术领域

本发明涉及多传感器采集和目标检测领域，尤其涉及一种基于分布式传感器节点的被动目标检测方法。

背景技术

水下区域检测是现代海洋探测中的重要环节，其检测结果直接决定了后续目标识别与目标跟踪。随着目标辐射信号级的降低与目标使用吸声材料，目标信号会被噪声掩盖，传统的单节点检测方法受到了瓶颈制约。

为了提高检测性能，目前常用的被动目标测方法有阵列信号处理提高接收信噪比以及集中式数据融合。然而，水声信道复杂多变，大数据量的数据远程传输难度大，且误码率高，系统稳定性低。本发明提出于水下使用四面体阵节点，获取目标可能方位角与俯仰角的同时，提高了接收信号信噪比；局部节点预先判决，降低数据冗余度，通过对局部节点检测性能评估，于数据融合中心进行判决优化，确定监测区域是否存在目标。

在实际过程中，基于分布式传感器的被动目标检测方法存在以下问题：

(1)考虑实际成本，节点布放的位置、数目等需要合理确定。

(2)节点分布式布放在水域中，水流的运动导致节点运动，给确定节点位置造成困难。

发明内容

针对现有技术存在的问题，本发明提供了一种基于分布式传感器节点的被动目标检测方法，该方法利用四面体阵节点采集信号，构建分布式检测处理系统，同时主要利用到达角估计、周期图检测、最优融合等处理方法，依据局部节点判决结果与检测性能，最终判断监测区域内是否存在可疑目标。

本发明的目的是通过以下技术方案实现的：

一种基于分布式传感器节点的被动目标检测方法，其包括以下步骤：

步骤1：将多个四面体阵节点分布式布放于监测区域构成分布式系统，实时采集水下信号；

步骤2：对采集信号进行到达角估计，获取可能目标信号的到达角；

步骤3：对单节点进行周期图检测，获得频域特征并进行阈值检测；

步骤4：根据单节点检测性能与到达角，由分布式系统估计目标可疑位置，依据Neyman-Pearson准则，融合中心对单节点判决进行加权，获得全局判决结果，确定目标存在与否。

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具体包括以下步骤：

四面体阵节点采集信号为X＝[x₁；x₂；x₃；x₄]，其中x_i表示四面体阵中第i个水听器的接收信号，记做x_i＝[x_i1,x_i2,...,x_iK]，x_ik(l)表示四面体阵中第i个水听器的接收信号中第k个采样点数据，K为快拍数；定义数据协方差矩阵R_x＝E[XX^H]，E[·]表示求期望；根据协方差矩阵计算波束形成权值向量：

其中

表示从方位角

和俯仰角θ₀入射的信号驾驶向量，上标H表示共轭转置；

输出信号的波束功率为：

对波束功率进行搜索，获得到达角估计值，视为目标信号期望角度。

进一步的，求期望E[·]通过分帧求均值的方式实现。

作为优选，所述步骤3具体包括以下子步骤：

步骤31：所述分布式系统共J个四面体阵节点，每个单节点对接收信号进行分帧，记单节点采集的L帧信号中第l帧为x(l)＝[x₁(l),x₂(l),...,x_K(l)]，x_k(l)为节点的第l帧接收信号中第k个采样点数据，K为快拍数；利用傅里叶变换，将第l帧的时域信号转换到频域表示形式X(l)，分析目标频率附近的频率能量值，估计信号能量，并处理频带外的频率信息，得到噪声估计值

实现周期图检测器；时域信号转换到频域的变换公式如下：

其中f₁为频带下限，f₂为频带上限；

步骤32：针对单节点预设判决门限为τ，门限值根据单节点虚警概率

获得，其中下标j表示分布式系统中第j个节点；

为噪声功率估计值；Q(·)函数的计算公式为：

当X(l)≥τ时，判决目标存在，记做u_j＝1，否则记做u_j＝0；第j个节点的检测概率表示为

其中(x_t,y_t)表示被动目标所在位置，d_j(x_t,y_t)表示(x_t,y_t)位置的目标与分布式系统中第j个节点的距离，σ²为被动目标于参考距离d₀＝1m处辐射的信号功率。

作为优选，所述步骤4具体实现方法为：

分布式检测系统各个传感器之间无信息交互，传感器与融合中心无反馈；根据每个节点的判决结果u_j、虚警概率p_fj和检测概率p_dj，得到融合中心的最优判决形式如下：

其中H₁表示有目标，H₀表示无目标；

利用分布式系统每个节点估计信号所得到达角，联合计算目标可疑位置，代入融合中心判决统计量Λ₁(u)，获得最终判决结果，确定目标存在与否。

本发明的有益效果是：

(1)本发明使用分布式的四面体阵采集水下信号，提高了系统的稳定性，且便于设备布放。

(2)本发明采用阵列信号处理进行方位角与俯仰角的同时估计，能够有效提高信噪比，估计目标可疑位置，便于在有噪声环境下分析目标辐射信号所在频段特征。

(3)本发明利用局部判决结果与检测性能，降低了数据传输冗余度，并且由融合中心进行判决优化，提高最终检测性能。

(4)基于上述三个特点，本发明可以实现分布式传感器节点的被动目标检测方法，具有较好的实用价值。

附图说明

图1为本发明分布式检测方法拓扑结构图。

图2为本发明四面体阵结构图。

图3为本发明目标信号到达角估计流程图。

图4为本发明分布式系统检测流程图。

图5为本发明接收节点布置示意图。

图6为本发明分布式检测结果。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述，本发明的目的和效果将变得更加明显。

本发明的原理是利用四面体阵水听器节点，以被动方式采集水下目标辐射信号；单节点估计目标辐射信号到达角，并以周期图检测的方法，对监测目标辐射信号所在频段进行能量值检测，获得局部节点判决结果；将局部节点判决发送至数据融合中心，由分布式系统估计目标可能位置，依据节点检测性能进行判决融合，获得全局判决优化。图1给出了本发明分布式检测方法拓扑结构图。分布式检测系统由M个节点组成，各个节点之间无信息交互，节点与融合中心无反馈。

本发明的基于分布式传感器节点的被动目标检测方法，具体步骤如下：

步骤1：将多个四面体阵节点分布式布放于监测区域构成图1所示分布式系统，实时采集水下信号。

步骤2：对采集信号进行到达角估计，获取可能目标信号的到达角。本步骤具体过程如下：

四面体阵节点采集信号为X＝[x₁；x₂；x₃；x₄]，其中x_i表示四面体阵中第i个水听器的接收信号，记做x_i＝[x_i1,x_i2,...,x_iK]，x_ik(l)表示四面体阵中第i个水听器的接收信号中第k个采样点数据，K为快拍数；定义数据协方差矩阵R_x＝E[XX^H]，E[·]表示求期望。由于接收信号数据被分为不同帧，应IC求期望时，可以通过分帧求均值的方式实现。

由此，根据协方差矩阵计算波束形成权值向量：

其中

表示从方位角

和俯仰角θ₀入射的信号驾驶向量，上标H表示共轭转置；

输出信号的波束功率为：

最后，对波束功率进行搜索，获得到达角估计值，视为目标信号期望角度。

步骤3：对单节点进行周期图检测，获得频域特征并进行阈值检测。本步骤具体过程如下：

步骤31：设分布式系统中共J个四面体阵节点，每个节点作为一个单节点，每个单节点对接收信号进行分帧，记单节点采集的L帧信号中第l帧为x(l)＝[x₁(l),x₂(l),...,x_K(l)]，x_k(l)为节点的第l帧接收信号中第k个采样点数据，K为快拍数；利用傅里叶变换，将第l帧的时域信号转换到频域表示形式X(l)，分析目标频率附近的频率能量值，估计信号能量，并处理频带外的频率信息，得到噪声估计值

实现周期图检测器。

其中时域信号转换到频域的变换公式如下：

其中f₁为频带下限，f₂为频带上限；

步骤32：针对单节点预设判决门限为τ，门限值根据单节点虚警概率

获得，其中下标j表示分布式系统中第j个节点；

为噪声功率估计值；Q(·)函数的计算公式为：

当X(l)≥τ时，判决目标存在，记做u_j＝1，否则记做u_j＝0；第j个节点的检测概率表示为

其中(x_t,y_t)表示被动目标所在位置，d_j(x_t,y_t)表示(x_t,y_t)位置的目标与分布式系统中第j个节点的距离，σ²为被动目标于参考距离d₀＝1m处辐射的信号功率。

步骤4：根据单节点检测性能(即虚警概率p_fj和检测概率p_dj)与到达角，由分布式系统估计目标可疑位置，依据Neyman-Pearson准则，融合中心对单节点判决进行加权，获得全局判决结果，确定目标存在与否。

在本发明的分布式检测系统中，各个传感器之间无信息交互，传感器与融合中心无反馈。因此，根据每个节点的判决结果u_j、虚警概率p_fj和检测概率p_dj，可以得到融合中心的最优判决形式如下：

其中H₁表示有目标，H₀表示无目标；

由于目标位置未知，在传统的贝叶斯方法中，利用Bayes次最佳检测器来实现位置确定和融合中心判决。可假设目标以均匀概率出现在检测区域内，并将此作为目标的先验分布情况，即：

然后使用该均匀分布，可将融合中心最优判决的实现写作：

根据判决结果，确定目标存在与否。

但在本发明中可以采用距离估计方法，即：利用分布式系统每个节点估计信号所得到达角，联合计算目标可疑位置，代入融合中心判决统计量Λ₁(u)，通过Λ₁(u)与预设阈值的比较，获得最终判决结果，确定目标存在与否。

实施例

本实施例将上述检测方法应用于水下分布式传感网络检测，具体步骤如前所述，此处不再赘述。

本实施例在2019年4月于湖州市德清县莫干湖水域进行试验。整体实验系统分为发射系统与接收系统：发射系统为小功率放大器连接全向换能器发射，模拟水下被动目标；接收系统为一台NI设备，一台8路功率放大器与三个接收节点组成。

湖上实验布置图如图5所示。三个节点的位置坐标分别为N1(0,0)，N2(-8,0)和N3(0,10.8)，声源位置为T(0,30)。发射信号载频f_c＝10kHz，脉宽0.5s，周期时长1s。目标位置于莫干山号正前方出现，即正Y轴方向。

为了对比不同方法的最终效果，本实施例中除了采用本发明提出的距离估计方法之外，还同时采用了贝叶斯方法和局部节点方法。其中本发明的距离估计方法如前述步骤1～4所示，贝叶斯方法与距离估计方法相比区别在于采用Λ(u)进行最终判决，而局部节点方法则是单独采用N2节点进行检测。图6给出了当信噪比为-5dB时不同方法的检测性能曲线图。最下方曲线为单个N2节点的检测性能曲线图，中间曲线为采用贝叶斯方法所得，最上方曲线为使用本发明距离估计方法的性能曲线图。显然，无论采用何种融合规则，分布式多传感器检测系统检测性能优于单节点，且距离估计方法性能最好。由于实验条件所限，三个节点条件下，距离估计方法略高于贝叶斯方法。此时，当虚警概率处于0.1至0.2范围内，分布式融合系统检测概率比单节点检测性能提高3dB。

以上所述仅为本发明的较佳实施实例而已，并不用以限制本发明，凡在本发明的精神和原则之内所做的任何修改、等同替换和改进，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于分布式传感器节点的被动目标检测方法，其特征在于，包括以下步骤：

步骤1：将多个四面体阵节点分布式布放于监测区域构成分布式系统，实时采集水下信号；

步骤2：对采集信号进行到达角估计，获取可能目标信号的到达角；

步骤3：对单节点进行周期图检测，获得频域特征并进行阈值检测；

步骤4：根据单节点检测性能与到达角，由分布式系统估计目标可疑位置，依据Neyman-Pearson准则，融合中心对单节点判决进行加权，获得全局判决结果，确定目标存在与否。

2.根据权利要求1所述的一种基于分布式传感器节点的被动目标检测方法，其特征在于，所述步骤2具体包括以下步骤：

四面体阵节点采集信号为X＝[x₁；x₂；x₃；x₄]，其中x_i表示四面体阵中第i个水听器的接收信号，记做x_i＝[x_i1,x_i2,...,x_iK]，x_ik(l)表示四面体阵中第i个水听器的接收信号中第k个采样点数据，K为快拍数；定义数据协方差矩阵R_x＝E[XX^H]，E[·]表示求期望；根据协方差矩阵计算波束形成权值向量：

其中

表示从方位角

和俯仰角θ₀入射的信号驾驶向量，上标H表示共轭转置；

输出信号的波束功率为：

对波束功率进行搜索，获得到达角估计值，视为目标信号期望角度。

3.根据权利要求2所述的一种基于分布式传感器节点的被动目标检测方法，其特征在于，求期望E[·]通过分帧求均值的方式实现。

4.根据权利要求2所述的一种基于分布式传感器节点的被动目标检测方法，其特征在于，所述步骤3具体包括以下子步骤：

步骤31：所述分布式系统共J个四面体阵节点，每个单节点对接收信号进行分帧，记单节点采集的L帧信号中第l帧为x(l)＝[x₁(l),x₂(l),...,x_K(l)]，x_k(l)为节点的第l帧接收信号中第k个采样点数据，K为快拍数；利用傅里叶变换，将第l帧的时域信号转换到频域表示形式X(l)，分析目标频率附近的频率能量值，估计信号能量，并处理频带外的频率信息，得到噪声功率估计值

实现周期图检测器；时域信号转换到频域的变换公式如下：

其中f₁为频带下限，f₂为频带上限；

步骤32：针对单节点预设判决门限为τ，门限值根据单节点虚警概率

获得，其中下标j表示分布式系统中第j个节点；

为噪声功率估计值；Q(·)函数的计算公式为：

当X(l)≥τ时，判决目标存在，记做u_j＝1，否则记做u_j＝0；第j个节点的检测概率表示为

其中(x_t,y_t)表示被动目标所在位置，d_j(x_t,y_t)表示(x_t,y_t)位置的目标与分布式系统中第j个节点的距离，σ²为被动目标于参考距离d₀＝1m处辐射的信号功率。

5.根据权利要求1所述的一种基于分布式传感器节点的被动目标检测方法，其特征在于，所述步骤4具体实现方法为：

分布式检测系统各个传感器之间无信息交互，传感器与融合中心无反馈；根据每个节点的判决结果u_j、虚警概率p_fj和检测概率p_dj，得到融合中心的最优判决形式如下：

其中H₁表示有目标，H₀表示无目标；

利用分布式系统每个节点估计信号所得到达角，联合计算目标可疑位置，代入融合中心判决统计量Λ₁(u)，获得最终判决结果，确定目标存在与否。

Images