CN111505582B - 基于差分进化算法的水听器阵列定位方法 - Google Patents
基于差分进化算法的水听器阵列定位方法 Download PDFInfo
- Publication number
- CN111505582B CN111505582B CN202010346558.0A CN202010346558A CN111505582B CN 111505582 B CN111505582 B CN 111505582B CN 202010346558 A CN202010346558 A CN 202010346558A CN 111505582 B CN111505582 B CN 111505582B
- Authority
- CN
- China
- Prior art keywords
- hydrophone
- energy
- effective
- frequency
- differential evolution
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000000243 solution Substances 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 2
- 239000003518 caustics Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/20—Position of source determined by a plurality of spaced direction-finders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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
本发明属于水声信号分析处理领域，公开了一种基于短时傅里叶变换和差分进化算法的多个标量水听器测点对噪声源进行定位的方法，首先，对各个水听器接收的时域信号进行短时傅里叶变换，提取有效窄带能量、对应频率以及对应水听器坐标位置等有效参数；其次，针对查找噪声声源位置问题设计目标优化函数以及相应待优化变量；然后，利用差分进化法对声源位置和相应参数进行优化，最后完成对每一条谱线对应噪声源坐标的求解。本发明引入了差分进化优化算法，构造了目标优化函数和待优化参数，舍弃了传统LOFIX方法假设传播损失因子并计算和选取定位圆交点的方法，具有定位精度较传统方法更为精确和可靠的优点。
Description
技术领域
本发明属于信号分析处理领域，更进一步涉及水声信号处理技术领域中的一种基于短时傅里叶变换和差分进化算法的目标定位方法。本发明可用于对水听器中的信号进行定位，可在利用水听器阵列监测信号排除水面目标、查找水下目标等方面发挥重要作用。
背景技术
水听器阵列是监听海面情况和查找噪声声源目标的一种工程技术，水听器具有造价低、经济性好的优点。多在搜索噪声源的初始阶段使用，常在军事领域或是海洋测量中得到应用。其特点是在海域中利用布设的水听器阵对附近的辐射噪声源进行监听和定位。
传统的水听器阵列主要采用LOFIX定位方法[刘桂瑜等.基于LOFIX定位估算目标运动信息的算法研究[C].2017年装备技术发展论坛论文集.]，主要是对各个水听器采集到的时域信号进行短时傅里叶变换，选取某一窄带频段内能量较强的数个水听器，假定海域内传播衰减系数，利用选定水听器的能量和假定传播衰减系数对辐射噪声源进行定位，该方法主要思路如下：
假设测点和噪声声源距离与能量的传播衰减关系：
两个测点可以定义一个圆，噪声声源处于圆上，圆的圆心为：
定位圆的半径为：
通过多个圆相交，产生多个可能的目标解，然后选择距离所有相交点距离最近的交点(xi,yi)为所求解。
该方法在水听器阵列声源定位方面起到重要作用，通过4枚水听器的选定能确定声源的大致位置。但该方法也存在一定的问题，主要需要定义传播损失因子，一般人为设定在1-2之间，没有进行精确的优化求解，在实际中常取经验值，如文献[刘桂瑜等.基于LOFIX定位估算目标运动信息的算法研究.舰船电子工程.38卷.第5期.2018年]中提到的我国海区采用定位系数为1.33，这在实际中会带来偏差。其次是在求解结果中采用的是所有圆相交点中寻找距离各个交点最近的交点，这样的求解方法使得求解结果在假设的声传播系数模型中所求的也不是最优解，只是在各个交点中相对优的解。因此有必要对水听器阵列的定位方法做出改进，以提高定位方法的精度以及可信度。
本发明利用的差分进化优化算法，由Storn等人提出[StornR.PriceK.Differential evolution–A simple and efficient adaptive scheme for globaloptimization over continuous spaces.Berkeley[R],CS.Tech.Rep.TR-95-012,1995.]，是一种基于种群的随机搜索算法，主要通过变异、交叉和选择等操作来进行智能搜索。与其他进化算法相比，具有较好的收敛速度和全局性能。
值得一提的是，传统方法在仿真验证时常假设一个理论的声传播模型，如假设传播损失为20*log10(r1.5)，距离实际情况相差较大，有必要在仿真实验中采用水声学中通用的声场模型。Bellhop模型是通过高斯波束跟踪方法，计算水平非均匀环境中的声场。高斯束射线跟踪法的基本思想是将高斯强度分布与每条声线联系起来，该声线为高斯声束的中心声线，这些声线能较平滑的过渡到声影区，也能较平滑的穿过焦散线。Bellhop模型利用高斯波束跟踪方法代替几何波束跟踪方法是该其与传统射线理论的主要区别。它克服传统射线模型中声影区强度为0和焦散线截面为0处声强度为无穷大的缺陷。目前BELLHOP模型可以用Fortran、MATLAB和Python实现，并可以用于MAC、Windows和Linux多种平台。
发明内容
本发明的目的是对水听器阵列的定位方法进行改进，主要实现对定位方法进行优化。提高了定位精度和可靠性，提高了对环境噪声的抗干扰性，实现了利用水听器阵列采集到的噪声信号对噪声源进行定位的目的。在定位中，最重要的求解参数是声源的x、y位置。
本发明是通过以下技术方案实现的：
基于短时傅里叶变换和差分进化算法，具体包括以下步骤：
步骤S1：对各个水听器的时域信号进行短时傅里叶变换，提取有效窄带能量、对应频率以及对应水听器等有效参数。
(1a)设置各个频率点的有效带宽，各个水听器在频率点附近的有效带宽内采集到的信号将视为一个噪声源产生的窄带信号。
其中，
为频率ωi处取的带宽，ω0为设置的最低频率，ωmax为设置的最高频率。当几根谱线频率比较接近时，以更高频的频率对应带宽为准。
(1b)短时傅里叶变换：
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗，可根据需要选择信号处理中常用的汉宁窗、汉明窗等。
(1c)提取有效窄带能量公式和对应频率：
Ek(ωi)为第k个在nΔt时刻内以频率ωi为中心的带宽Δω内满足累积、能量值大于有效能量阈值Tb的水听器的有效窄带能量,Tb可设置为大于环境噪声。注：当若干个水听器距离过近时，如0.5km以内时，可选其中一枚水听器作为有效水听器。
步骤S2：针对查找噪声声源位置问题设计目标优化函数以及相应待优化变量
(2a)待优化变量包括：
第i条谱线对应的声源位置：xi,yi,zi
第i条谱线传播衰减系数：TLi
第i条谱线声源强度：Si
第i条谱线对应频率零阶环境噪声分量：ψi
(2b)目标优化函数设计为：
Πi(xi,yi,zi,TLi,Si,Ψi)＝G1(xi,yi,zi)G2(xi,yi,zi,TLi,Si,Ψi)
其中，G1为距离-能量排序惩罚函数：
Aj为第j个有效水听器距离假设声源距离的升序排序,Bj为第j个有效水听器的能量值降序排序，m为有效水听器的总数，该函数的设计旨在突出距离和能量的关系，当距离声源升序排序和能量值降序排序保持一致时，G1为最小值n,G1量可以取1到m2，G1越小代表对排序越敏感，当取值为m2时，代表不考虑能量排序。G2为能量指标函数：
Dj为第j个有效水听器距离有效声源的距离。
步骤S3：利用差分进化法对声源位置和相应参数进行优化。
(3a)设置优化变量的优化范围，TLi的优化范围一般设置在0到4之间，声源强度Si，噪声分量ψi设置优化范围为-120到120之间。xi,yi,zi设置根据具体条件设置，距离一般不超过水听器的40km距离范围。优化问题用公式描述为：
(3b)设置差分进化法的相关参数:初始种群数目I_NP,一般设置为优化变量数量的5-10倍，此处一般设为30-60之间；设置步长权重因子F_weight，一般选择为0到2之间；设置交叉因子F_CR，一般设置在0,1之间，该数值越大，求解结果全局性越好，但收敛越慢，建议选择在0.6到0.9之间。根据变异因子产生变异种群。
(3c)在优化变量的取值范围内产生父代变量，并计算父代目标优化函数取值。
(3d)根据初始种群和变异种群之间的交叉系数产生新种群。
(3e)根据新种群的计算结果，在新种群和父代种群之间进行交叉，产生子代变量。
(3f)重复c、d、e三个步骤，直到迭代数满足计算截止条件，截止代数一般选择50-200代。
附图说明
图1基于差分进化算法的水听器阵列定位方法原理图
图2 10个接收点且接收点声信号在Bellhop模型中产生时的仿真结果
图3 15个接收点且接收点声信号在Bellhop模型中产生时的仿真结果
图4 20个接收点且接收点声信号在Bellhop模型中产生时的仿真结果
图5 10个接收点且接收点声信号在理想声传播模型中产生时的仿真结果
图6 15个接收点且接收点声信号在理想声传播模型中产生时的仿真结果
具体实施方式
下面结合具体实例的仿真实验和附图对本发明做进一步详细描述：
本发明实施仿真实验的硬件环境为：
Core(TM)i7-7700CPU@3.60GHz×8，内存为16GB；软件平台为：Matlab2010b。
本发明所用仿真模型为水声传播经典模型Bellhop，旨在模拟实际情况中的噪声传播，根据声场中各测点的能量值推导出噪声源的位置。
步骤S1：构造水声环境，模拟产生声源，产生水听器采集到的时域信号。
(1a)构造两种水声环境，一种是传统的水声环境假设传播损失为20*log10(r1.5)的传播模型，一种是基于Bellhop的水声模型，在两种环境下分别求解。目标声源处于各项同性的传播环境内，目标海域海深为100米，海底地质为密度ρb＝1469kg/m3，纵波声速cb＝1546m/s，吸收系数αb＝0.2×f0.6dB/λ，忽略横波。海水吸收模型假设为
声速-深度曲线为1500m/s恒定值。
(1b)在x∈(0,2e4),y∈(0,2e4),z∈(0,100)范围内随机若干个产生声源：
在x∈(0,1e4)，y∈(0,1e4)，z＝50m，内随机布置若干个观测点。并设置观测点的测量噪声为
si＝0.1h(t)
h(t)为(0,1)内分布的随机序列。
(1c)根据Bellop模型产生各个接收点信号fi(t)
步骤S2：对信号进行处理，计算出各接受点时序信号对应的频域能量。
(1a)设置各个频率点的有效带宽，窄带带宽设置为：
(1b)对信号进行短时傅里叶变换：
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗，可根据需要选择信号处理中常用的汉宁窗、汉明窗等。
(1c)提取有效窄带能量公式和对应频率：
Ek(ωi)为第k个在nΔt时刻内以频率ωi为中心的带宽Δω内满足累积能量值大于有效能量阈值Tb的水听器的有效窄带能量,Tb可设置为大于环境噪声3dB。注：当若干个水听器距离过近时，如0.5km以内时，可选其中一枚水听器作为有效水听器。
步骤S3：构造优化问题，设置差分进化算法相关参数，计算最优值。
(3a):根据之前的描述，将优化问题描述为：
其中：
Aj为第j个有效水听器距离假设声源距离的升序排序,Bj为第j个有效水听器的能量值降序排序。
(3b)设置差分进化算法相关参数：初始种群数目I_NP,设置为50；设置步长权重因子为1；设置交叉因子F_CR为0.9。
(3c)在优化变量的取值范围内产生父代变量，并计算父代目标优化函数取值。
(3d)根据初始种群和变异种群之间的交叉系数产生新种群。
(3e)根据新种群的计算结果，在新种群和父代种群之间进行交叉，产生子代变量。
(3f)重复c、d、e三个步骤，直到迭代数满足计算截止条件，截止代数选择200代。
从计算结果中可以看出，不论是理想的传播模型，还是Bellhop的声场计算模型，在几组不同数目观测点的仿真结果中，基于差分进化算法的水听器阵目标定位方法精度均要优于传统的LOFIX定位方法。
Claims (2)
1.基于差分进化算法的水听器阵列定位方法，其特征在于，包括以下步骤：
步骤S1：对各个水听器的时域信号进行短时傅里叶变换，提取有效窄带能量、有效窄带能量对应频率和带宽、有效窄带能量对应频率的幅值；
(1a)设置各个频率点的有效带宽，各个水听器在频率点附近的有效带宽内采集到的信号将视为一个噪声源产生的窄带信号；
其中，
为频率ωi处取的带宽，ω0为设置的最低频率，ωmax为设置的最高频率；当几根谱线频率比较接近时，以更高频的频率对应带宽为准；
(1b)短时傅里叶变换：
其中，F(ω,t1)为t1时刻第i个水听器在频率ω处的幅值，第fi(t)为第i个水听器的接收信号，g(t)为窗函数，如设置为1则为矩形窗；
(1c)提取有效窄带能量公式和对应频率：
Ek(ωi)为第k个在nΔt时刻内以频率ωi为中心的带宽Δω内满足累积、能量值大于有效能量阈值Tb的水听器的有效窄带能量,Tb可设置为大于环境噪声；注：当若干个水听器距离过近时，如0.5km以内时，可选其中一枚水听器作为有效水听器；
步骤S2：针对查找噪声声源位置问题设计目标优化函数以及相应待优化变量
(2a)待优化变量包括：
第i条谱线对应的声源位置：xi,yi,zi
第i条谱线传播衰减系数：TLi
第i条谱线声源强度：Si
第i条谱线对应频率零阶环境噪声分量：Ψi
(2b)目标优化函数设计为：
Πi(xi,yi,zi,TLi,Si,Ψi)＝G1(xi,yi,zi)G2(xi,yi,zi,TLi,Si,Ψi)
其中，G1为距离-能量排序惩罚函数：
Aj为第j个有效水听器距离假设声源距离的升序排序,Bj为第j个有效水听器的能量值降序排序，m为有效水听器的总数，该函数的设计旨在突出距离和能量的关系，当距离声源升序排序和能量值降序排序保持一致时，G1为最小值n,G1量取1到m2，G1越小代表对排序越敏感，当取值为m2时，代表不考虑能量排序；G2为能量指标函数：
Dj为第j个有效水听器距离有效声源的距离；
步骤S3：利用差分进化法对声源位置和相应参数进行优化；
(3a)设置优化变量的优化范围，TLi的优化范围设置在0到4之间，声源强度Si，噪声分量Ψi设置优化范围为-120到120之间；xi,yi,zi设置根据具体条件设置，距离不超过水听器的40km距离范围；优化问题用公式描述为：
(3b)设置差分进化法的相关参数:初始种群数目I_NP,设置为优化变量数量的5-10倍，I_NP设置越大，计算收敛越慢，此处设为30-60之间；设置步长权重因子F_weight，选择为0到4之间；设置交叉因子F_CR，设置在0,1之间，该数值越大，求解结果全局性越好，但收敛越慢；根据变异因子产生变异种群；
(3c)在优化变量的取值范围内产生父代变量，并计算父代目标优化函数取值；
(3d)根据初始种群和变异种群之间的交叉系数产生新种群；
(3e)根据新种群的计算结果，在新种群和父代种群之间进行交叉，产生子代变量；
(3f)将步骤(3e)计算出的子代变量作为新的父代变量带入步骤(3c)，循环计算步骤((3c)、步骤(3d)、步骤(3e)，直到迭代数满足计算截止条件，停止计算；并将最后一代的子代变量作为计算结果输出。
2.根据权利要求1所述的基于差分进化算法的水听器阵列定位方法，其特征在于其差分进化法的截止代数选择40代以上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010346558.0A CN111505582B (zh) | 2020-04-27 | 2020-04-27 | 基于差分进化算法的水听器阵列定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010346558.0A CN111505582B (zh) | 2020-04-27 | 2020-04-27 | 基于差分进化算法的水听器阵列定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111505582A CN111505582A (zh) | 2020-08-07 |
| CN111505582B true CN111505582B (zh) | 2023-06-13 |
Family
ID=71864330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010346558.0A Active CN111505582B (zh) | 2020-04-27 | 2020-04-27 | 基于差分进化算法的水听器阵列定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111505582B (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016064631A1 (en) * | 2014-10-20 | 2016-04-28 | Nextnav, Llc | Mitigating effects of multipath during position computation |
| CN108226933B (zh) * | 2017-12-28 | 2021-05-07 | 西北工业大学 | 一种基于条纹干涉结构的深海宽带目标深度估计方法 |
| CN110764053B (zh) * | 2019-10-22 | 2021-08-17 | 浙江大学 | 一种基于水下传感器网络的多目标被动定位方法 |
-
2020
- 2020-04-27 CN CN202010346558.0A patent/CN111505582B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111505582A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109443516B (zh) | 一种基于噪声场垂直振速信号的海底声速被动获取方法 | |
| CN103076594B (zh) | 一种基于互相关的水声脉冲信号双阵元定位的方法 | |
| CN104765037A (zh) | 基于短垂直阵的水下目标定位稳健方法 | |
| CN113687308B (zh) | 一种基于弯曲波的冰上震源定位方法 | |
| CN113064147B (zh) | 一种低信噪比下新型匹配场被动定位方法 | |
| CN113866718B (zh) | 一种基于互质阵的匹配场被动定位方法 | |
| CN111505582B (zh) | 基于差分进化算法的水听器阵列定位方法 | |
| CN115236592B (zh) | 一种基于单阵元时频曲线匹配的冰声定位方法 | |
| CN113126029B (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 | |
| CN114974298A (zh) | 一种基于深度学习的海洋声源定位及海洋参数反演方法 | |
| CN104215964A (zh) | 一种多列等差频率原波相互作用形成参量阵的声场获取方法 | |
| Weinberg | CASS roots | |
| Yayu et al. | Research on location of underwater sound source target in deep sea sound field based on bellhop model | |
| Grinyuk et al. | Experimental study of mode selection in shallow-water sea | |
| CN117151198B (zh) | 基于自组织竞争型神经网络的水声被动定位方法及装置 | |
| Nielsen et al. | Range-dependent geoacoustic inversion: Results from the inversion techniques workshop | |
| CN116299381B (zh) | 叠加海底山杂波耦合效应的深海混响快速预报方法及系统 | |
| Liang et al. | Passive localization based on double-correlation function using sources of opportunity | |
| Boue | Long Range Sound Propagation over Sea: Application to Wind Turbine Noise | |
| Wang et al. | A Way of Shadow Zone Autonomous Localization of Deep Sea by a Single Hydrophone | |
| CN117148273A (zh) | 一种匹配概率测度的水下声源定位方法 | |
| Hartstra et al. | Environment dependent transition frequencies for ram and bellhop | |
| Zhao et al. | Sound speed profile and geoacoustic parameters estimation | |
| CN115963448A (zh) | 适用于深海可靠声路径环境的多传感器宽带声源定位方法 | |
| Li et al. | A Sound Ray Correction Method Based on Historical Data of Marine Acoustic Environment |
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 |