CN111562584B - 被动声纳方位历程图处理方法和装置及设备 - Google Patents

被动声纳方位历程图处理方法和装置及设备 Download PDF

Info

Publication number
CN111562584B
CN111562584B CN202010361374.1A CN202010361374A CN111562584B CN 111562584 B CN111562584 B CN 111562584B CN 202010361374 A CN202010361374 A CN 202010361374A CN 111562584 B CN111562584 B CN 111562584B
Authority
CN
China
Prior art keywords
matrix
azimuth
frequency
original
orientation
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
Application number
CN202010361374.1A
Other languages
English (en)
Other versions
CN111562584A (zh
Inventor
陆桦
江淮
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.)
Beijing Zhongan Intelligent Information Technology Co ltd
Original Assignee
Beijing Zhongan Intelligent Information Technology Co ltd
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 Beijing Zhongan Intelligent Information Technology Co ltd filed Critical Beijing Zhongan Intelligent Information Technology Co ltd
Priority to CN202010361374.1A priority Critical patent/CN111562584B/zh
Publication of CN111562584A publication Critical patent/CN111562584A/zh
Application granted granted Critical
Publication of CN111562584B publication Critical patent/CN111562584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

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

Abstract

本申请涉及一种被动声纳方位历程图处理方法，包括：获取被动声纳方位历程图中每一帧的原始频率‑方位矩阵；逐帧对各原始频率‑方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率‑方位矩阵；基于各平滑处理后的频率‑方位矩阵，对各原始频率‑方位矩阵进行信噪比归一化和加权处理，得到各原始频率‑方位矩阵的方位能量；对方位能量进行积分得到积分结果，并对积分结果进行量化显示，得到相应的量化显示结果。其有效改善了被动声纳方位历程图的视觉效果，提高了对被动声纳方位历程图计算结果判断的准确性。

Description

被动声纳方位历程图处理方法和装置及设备
技术领域
本公开涉及水下目标追踪技术领域，尤其涉及一种被动声纳方位历程图处理方法和装置及设备。
背景技术
在对被动声纳信号进行处理时，通常会采用方位历程图的方式。传统的方位历程图归一化计算方法，对波束形成后得到的频率-方位数据进行方位方向上的能量积分，并对能量积分结果进行量化显示。这种计算方法适用于较强信噪比的目标视觉检测。但是，在实际应用中，水下目标的信噪比通常会比较小，在采用传统的方位历程图进行目标追踪时往往效果不佳，特别是在探测场景中存在较强目标时，由于强目标的遮蔽效应，更加影响低信噪比目标的方位历程展示，从而影响对被动声纳结果判断的准确性。
发明内容
有鉴于此，本公开提出了一种被动声纳方位历程图处理方法，可以有效改善被动声纳方位历程图的视觉效果，从而提高对被动声纳计算结果判断的准确性。
根据本申请的一方面，提供了一种被动声纳方位历程图处理方法，包括：
获取被动声纳方位历程图中每一帧的原始频率-方位矩阵；
逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵；
基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量；
对所述方位能量进行积分得到积分结果，并对所述积分结果进行量化显示，得到相应的量化显示结果。
在一种可能的实现方式中，获取所述被动声纳方位历程图中每一帧的原始频率-方位矩阵时，还包括：
判断所述原始频率-方位矩阵是否采用自适应波束形成算法得到；
在所述原始频率-方位矩阵采用自适应波束形成算法得到时，直接执行逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理的操作；
在所述原始频率-方位矩阵不是采用自适应波束形成算法得到时，对所述原始频率-方位矩阵进行抗旁瓣处理后再对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理。
在一种可能的实现方式中，逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵，包括：
对所述第一原始矩阵进行频率维度的噪声估计，得到频率维度噪声矩阵；
其中，所述第一原始矩阵为由所述原始频率-方位矩阵中所提取出的当前帧图像的原始频率-方位矩阵；
对所述频率维度噪声矩阵进行方位维度的噪声估计，得到方位维度噪声矩阵；
对所述方位维度噪声矩阵进行平滑处理，得到平滑处理后的频率-方位矩阵。
在一种可能的实现方式中，对所述第一原始矩阵进行频率维度的噪声估计，得到频率维度噪声矩阵时，基于公式：
Figure BDA0002475122990000021
计算得到；
其中，g和k均为窗函数参数，且g＜k；g和k均为正整数，k的取值范围为：10-16，g的取值范围为：1-4；
A为所述第一原始矩阵，B为所述频率维度噪声矩阵；m为所述第一原始矩阵的行数，n为所述第一原始矩阵的列数。
在一种可能的实现方式中，对所述频率维度噪声矩阵进行方位维度的噪声估计，得到方位维度噪声矩阵时，根据公式：
Figure BDA0002475122990000031
计算得到；
其中，g和k均为窗函数参数，且g＜k；g和k均为正整数，k的取值范围为：10-16，g的取值范围为：1-4；
B为所述频率维度噪声矩阵，C为所述方位维度噪声矩阵；m为所述第一原始矩阵的行数，n为所述第一原始矩阵的列数。
在一种可能的实现方式中，对所述方位维度噪声矩阵进行平滑处理，得到平滑处理后的频率-方位矩阵时，利用α-β算法对所述方位维度噪声矩阵进行平滑处理；
其中，利用α-β算法对所述方位维度噪声矩阵进行平滑处理时的公式为：Dn＝Dn-1+α(Dn-Dn-1)；
其中，Dn为平滑处理后的频率-方位矩阵；Dn-1为前一帧平滑处理后的频率-方位矩阵；
α为滤波系数，α的取值范围为0.1-0.9。
在一种可能的实现方式中，基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量时，根据公式：A'＝A.*(A./Dn)进行信噪比归一化和加权处理；
其中，A’为所述方位能量，A为所述原始频率-方位矩阵，Dn为平滑处理后的频率-方位矩阵。
根据本申请的另一方面，还提供了一种被动声纳方位历程图归一化处理装置，包括原始矩阵获取模块、噪声估计平滑处理模块、归一化加权处理模块和积分量化显示模块；
所述原始矩阵获取模块，被配置为获取被动声纳方位历程图中每一帧的原始频率-方位矩阵；
所述噪声估计平滑处理模块，被配置为逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵；
所述归一化加权处理模块，被配置为基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量；
所述积分量化显示模块，被配置为对所述方位能量进行积分得到积分结果，并对所述积分结果进行量化显示，得到相应的量化显示结果。
根据本申请的一方面，还提供了一种被动声纳方位历程图处理设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现前面任一所述的方法。
根据本申请的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前面任一所述的方法。
本申请的被动声纳方位历程图处理方法，通过对所获取到的被动声纳方位历程图进行再次归一化处理，在归一化处理过程中首先对被动声纳方位历程图中各帧图像的原始频率-方位矩阵依次进行噪声估计和平滑处理，进而再进行信噪比归一化和加权处理，最后再通过积分量化得到处理后的被动声纳方位历程图，使得处理后的被动声纳方位历程图中微弱目标的展示效果更加明显，在视觉上有效抑制了强目标的遮蔽效应，使得方位历程有效变细，最终明显改善了被动声纳方位历程图的视觉效果，从而根据处理后的被动声纳方位历程图进行目标判断时能够更加清楚准确。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出本申请实施例的被动声纳方位历程图处理方法的流程图；
图2示出本申请另一实施例的被动声纳方位历程图处理方法的流程图；
图3示出采用传统方位流程图归一化方法对某一方位历程图处理后得到的显示结果图；
图4示出采用本申请实施例的被动声纳方位流程图处理方法对该方位历程图处理后得到的显示结果图；
图5示出本申请实施例的被动声纳方位历程图处理装置的结构框图；
图6示出本申请实施例的被动声纳方位历程图处理设备的结构框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
首先，需要说明的是，在本申请中，对被动声纳方位历程图的处理是逐帧进行的。在对被动声纳方位历程图处理时，可以采用先将被动声纳方位历程图中每一帧的原始频率-方位矩阵提取出来，进而再对每一帧的原始频率-方位矩阵进行处理的方式进行(即，可采用多帧并行处理方式)；也可以，当前先由被动声纳方位历程图中提取出一帧原始频率-方位矩阵进行处理，当前提取出的这一帧处理完之后再进行下一帧的原始频率-方位矩阵的提取和处理(即，采用多帧串行处理方式)。本申请中不进行具体限定。
图1示出根据本公开一实施例的被动声纳方位历程图处理方法的流程图。如图1所示，该方法包括：步骤S100，获取被动声纳方位历程图中每一帧的原始频率-方位矩阵。此处，本领域技术人员可以理解的是，原始频率-方位矩阵指的是，当前待处理的被动声纳方位历程图中每一帧图像所对应的频率-方位矩阵。频率-方位矩阵则是包括被动声纳方位历程图中的每一帧图像的频率和方位两项参数构成的数学矩阵。同时，被动声纳方位历程图中每一帧图像的频率-方位矩阵的获取可以采用本领域常规技术手段来实现。
步骤S200，逐帧对各原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵。此处，需要说明的是，逐帧对各原始频率-方位矩阵依次进行噪声估计和平滑处理，指的是，对每一帧的原始频率-方位矩阵均按顺序依次进行噪声估计和平滑处理(即，先进行噪声估计，然后再基于噪声估计的基础上进行平滑处理)。
步骤S300，基于各平滑处理后的频率-方位矩阵，对各原始频率-方位矩阵进行信噪比归一化和加权处理，得到各原始频率-方位矩阵的方位能量。进而再通过步骤S400，对方位能量进行积分得到积分结果，并对积分结果进行量化显示，从而得到相应的量化显示结果。此处，本领域技术人员可以理解，在该步骤中所得到的量化显示结果即为对被动声纳方位历程图进行处理后的结果。
由此，本申请的被动声纳方位历程图处理方法，通过对所获取到的被动声纳方位历程图进行再次归一化处理，在归一化处理过程中首先对被动声纳方位历程图中各帧图像的原始频率-方位矩阵依次进行噪声估计和平滑处理，进而再进行信噪比归一化和加权处理，最后再通过积分量化得到处理后的被动声纳方位历程图，使得处理后的被动声纳方位历程图中微弱目标的展示效果更加明显，在视觉上有效抑制了强目标的遮蔽效应，使得方位历程有效变细，最终明显改善了被动声纳方位历程图的视觉效果，从而根据处理后的被动声纳方位历程图进行目标判断时能够更加清楚准确。
需要指出的是，由于本申请的被动声纳方位历程图处理方法是对已经获取到的方位历程图进行的再处理，而预先获取到的方位历程图的原始频率-方位矩阵的形成方式可以采用多种方式，如：自适应波束形成算法等。因此，在本申请中，获取被动声纳方位历程图中每一帧图像的原始频率-方位矩阵时，还需要对所获取的每一帧图像的原始频率-方位矩阵的形式方式进行判断，进而再基于判断结果执行相应的操作。
在一种可能的实现方式中，参见图2，在通过步骤S110，获取被动声纳方位历程图中当前帧图像的原始频率-方位矩阵后，需要先通过步骤S120，判断当前帧图像的原始频率-方位矩阵是否采用自适应波束形成算法得到。其中，对当前帧图像的原始频率-方位矩阵的形成方式的判断可以根据在获取被动声纳方位历程图时获取。即，通过人为输入已知的形成方式来确定。
在判断出当前帧图像的原始频率-方位矩阵的形成方式是采用的自适应波束形成算法得到时，则直接执行步骤S200，逐帧对各原始频率-方位矩阵依次进行噪声估计和平滑处理的操作。
在判断出当前帧图像的原始频率-方位矩阵的形成方式不是采用的自适应波束形成算法得到时，则需要通过步骤S130，先对当前帧图像的原始频率-方为矩阵进行抗旁瓣处理，以抑制强目标的干扰。然后再执行步骤S200，逐帧对各原始频率-方位矩阵依次进行噪声估计和平滑处理的操作。
其中，在步骤S130，对当前帧图像的原始频率-方位矩阵进行抗旁瓣处理时，可以采用以下方式来实现。
即，首先，获取当前帧图像的原始频率-方位矩阵中的阵元个数n和频率w。然后，根据阵元个数n和频率w，计算单频信号方位响应函数S(w，n)。进而再从S(w，n)中解算出第一旁瓣峰值相对于主瓣位置的偏移量L，和主瓣旁瓣抑制比R。
接着，令A’＝A，搜索频率-方位矩阵中的方位峰值所在的方位单元，假设该单元为A(x，y)，则，令A(x，y+L)＝A’(x，y+L)-A’(x，y)/R。由此，完成对当前帧图像的原始频率-方位矩阵的抗旁瓣处理。
其中，需要说明的是，在上述实施例中，A为当前帧图像的原始频率-方位矩阵，x为当前帧图像的原始频率-方位矩阵中频率所在的单元序列数，y为当前帧图像的原始频率-方位矩阵中方位所在的单元序列数。
再通过上述处理后，即可执行步骤S200，逐帧对各原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵。此处，本领域技术人员可以理解的是，在原始频率-方位矩阵采用自适应波束形成算法得到时，步骤S200中的各原始频率-方位矩阵指的是，经过抗旁瓣处理后的原始频率-方位矩阵。
此外，还需要指出的是，对当前帧图像的原始频率-方位矩阵依次进行噪声估计和平滑处理时，噪声估计包括频率噪声估计和方位噪声估计。其中，在本申请中，对原始频率-方位矩阵进行噪声估计时，可以采用先频率噪声估计再方位噪声估计的方式进行。
即，参阅图2，在一种可能的实现方式中，首先，通过步骤S210，对第一原始矩阵进行频率维度的噪声估计，得到频率维度噪声矩阵。此处，需要说明的是，第一原始矩阵指的是由原始频率-方位矩阵中所提取出来的当前帧图像的原始频率-方位矩阵。即，当前处理的频率-方位矩阵。
然后，再通过步骤S220，对所得到的频率维度噪声矩阵进行方位维度的噪声估计，得到方位维度噪声矩阵。
其中，在步骤S210中，对第一原始矩阵进行频率维度的噪声估计时可以基于公式：
Figure BDA0002475122990000081
来实现。
即，对第一原始矩阵A按照上述公式进行频率维度的噪声估计，得到频率维度噪声矩阵B。其中，g和k均为窗函数参数，其取值均为正整数。并且，g＜k。具体的，k的取值范围为：10-16，g的取值范围为：1-4。m为第一原始矩阵的行数，n为第一原始矩阵的列数。
在步骤S220中，对所得到的频率维度噪声矩阵进行方位维度的噪声估计，得到方位维度噪声矩阵时，则可以根据公式：
Figure BDA0002475122990000091
计算得到。
即，对频率维度噪声矩阵B按照上述公式进行方位维度的噪声估计，得到方位维度噪声矩阵C。其中，g和k均为窗函数参数，其取值均为正整数。并且，g＜k。具体的，k的取值范围为：10-16，g的取值范围为：1-4。m为第一原始矩阵的行数，n为第一原始矩阵的列数。
在通过步骤S220，对频率维度噪声矩阵进行方位维度的噪声估计后，即可执行步骤S230，对方位维度噪声矩阵进行平滑处理，得到平滑处理后的频率-方位矩阵。
此处，需要说明的是，在一种可能的实现方式中，对方位维度噪声矩阵进行平滑处理，得到平滑处理后的频率-方位矩阵时，可以利用α-β算法对方位维度噪声矩阵进行平滑处理。
其中，利用α-β算法对方位维度噪声矩阵进行平滑处理时的公式为：Dn＝Dn-1+α(Dn-Dn-1)；Dn为平滑处理后的频率-方位矩阵；Dn-1为前一帧平滑处理后的频率-方位矩阵；α为滤波系数，α的取值范围为0.1-0.9。在一具体实施例中，α的取值优选为0.3。
应当指出的是，在按照上述公式对方位维度噪声矩阵进行平滑处理时，当n＝0时，Dn＝C。即，在n为0时，Dn为平滑处理后的频率-方位矩阵。
进一步的，通过上述任一种方式对原始频率-方位矩阵进行噪声估计和平滑处理后，即可执行步骤S300，基于各平滑处理后的频率-方位矩阵，对各原始频率-方位矩阵进行信噪比归一化和加权处理，得到各原始频率-方位矩阵的方位能量。
参阅图2，在一种可能的实现方式中，对各原始频率-方位矩阵进行信噪比归一化和加权处理时，可以根据公式：A'＝A.*(A./Dn)进行信噪比归一化和加权处理。其中，A’为方位能量，A为原始频率-方位矩阵，Dn为平滑处理后的频率-方位矩阵。
随后，再执行步骤S400，对方位能量进行积分得到积分结果，并对积分结果进行量化显示，得到相应的量化显示结果。其中，对方位能量进行积分，得到积分结果时，可以根据公式：
Figure BDA0002475122990000101
来实现。其中，公式中的i为当前所处理的原始频率-方位矩阵的频率数，m和n分别为当前所处理的原始频率-方位矩阵的行数和列数。
由此，通过上述步骤即可完成对当前帧图像的原始频率-方位矩阵的处理。应当指出的是，由于图2所示的本申请实施例是采用逐帧串行处理的方式。即，先提取出当前帧图像的原始频率-方位矩阵，对所提取出的当前帧图像的原始频率-方位矩阵处理完之后，再进行下一帧图像的原始频率-方位矩阵的提取和处理。
因此，在本申请中，当通过上述步骤完成当前帧图像的原始频率-方位矩阵的处理后，还包括步骤S500，对当前帧数进行加1计算，进而再通过步骤S600，判断被动声纳方位历程图中所有帧数是否均处理完成。
此处，需要说明的是，在进行被动声纳方位历程图所有帧数是否均处理完成时，可以根据所记录的当前帧数的取值进行判断。在所记录的当前帧数的取值等于被动声纳方位历程图的总帧数时，则表明已完成对被动声纳方位历程图的所有帧图像的处理，此时则直接执行步骤S700，输出方位历程归一化结果。即，输出所有得到的En。
在所记录的当前帧数的取值小于被动声纳方位历程图的总帧数时，即，在判断出所有帧数没有处理完成时，则执行步骤S800，提取出下一帧图像的原始频率-方位矩阵，并执行步骤S120，对提取出的下一帧图像的原始频率-方位矩阵进行是否采用自适应波束形成算法得到进行判断，直至被动声纳方位历程图的每一帧图像的原始频率-方位矩阵均处理完成为止。
参阅图3和图4，分别为采用传统的被动声纳方位历程图归一化处理方法处理后的方位历程图显示结果，以及采用本申请实施例的被动声纳方位历程图处理方法处理后的方位历程图显示结果。
由图3和图4可以明显看出，采用本申请实施例的被动声纳方位历程图处理方法处理得到的方位历程图显示更加清晰，目标的方位历程结果变细，有效抑制了强目标的能量遮蔽效应，增强了弱目标的显示效果，从而提高了方位历程图中的视觉增益。
需要说明的是，尽管以图2作为示例介绍了如上所述的被动声纳方位历程图处理方法，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤的具体实现方式，只要能够实现相应的功能即可。
相应的，基于前面任一所述的被动声纳方位历程图处理方法，本申请还提供了一种被动声纳方位历程图处理装置。由于本申请提供的被动声纳方位历程图处理装置的工作原理与本申请提供的被动声纳方位历程图处理方法相同或相似，因此重复之处不再赘述。
参阅图5，本申请提供的被动声纳方位历程图处理装置100，包括原始矩阵获取模块110、噪声估计平滑处理模块120、归一化加权处理模块130和积分量化显示模块140。其中，原始矩阵获取模块110，被配置为获取被动声纳方位历程图中每一帧的原始频率-方位矩阵。噪声估计平滑处理模块120，被配置为逐帧对各原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵；归一化加权处理模块130，被配置为基于各平滑处理后的频率-方位矩阵，对各原始频率-方位矩阵进行信噪比归一化和加权处理，得到各原始频率-方位矩阵的方位能量；积分量化显示模块140，被配置为对方位能量进行积分得到积分结果，并对积分结果进行量化显示，得到相应的量化显示结果。
更进一步地，根据本公开的另一方面，还提供了一种被动声纳方位历程图处理设备200。参阅图6，本公开实施例被动声纳方位历程图处理设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中，处理器210被配置为执行可执行指令时实现前面任一所述的被动声纳方位历程图处理方法。
此处，应当指出的是，处理器210的个数可以为一个或多个。同时，在本公开实施例的被动声纳方位历程图处理设备200中，还可以包括输入装置230和输出装置240。其中，处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。
存储器220作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的被动声纳方位历程图处理方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块，从而执行被动声纳方位历程图处理设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的被动声纳方位历程图处理方法。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (9)

1.一种被动声纳方位历程图处理方法，其特征在于，包括：
获取被动声纳方位历程图中每一帧的原始频率-方位矩阵；
逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵；
基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量；
对所述方位能量进行积分得到积分结果，并对所述积分结果进行量化显示，得到相应的量化显示结果；
其中，基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量时，根据公式：A'＝A.*(A./Dn)进行信噪比归一化和加权处理；
其中，A’为所述方位能量，A为所述原始频率-方位矩阵，Dn为平滑处理后的频率-方位矩阵。
2.根据权利要求1所述的方法，其特征在于，获取所述被动声纳方位历程图中每一帧的原始频率-方位矩阵时，还包括：
判断所述原始频率-方位矩阵是否采用自适应波束形成算法得到；
在所述原始频率-方位矩阵采用自适应波束形成算法得到时，直接执行逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理的操作；
在所述原始频率-方位矩阵不是采用自适应波束形成算法得到时，对所述原始频率-方位矩阵进行抗旁瓣处理后再对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理。
3.根据权利要求1所述的方法，其特征在于，逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵，包括：
对第一原始矩阵进行频率维度的噪声估计，得到频率维度噪声矩阵；
其中，所述第一原始矩阵为由所述原始频率-方位矩阵中所提取出的当前帧图像的原始频率-方位矩阵；
对所述频率维度噪声矩阵进行方位维度的噪声估计，得到方位维度噪声矩阵；
对所述方位维度噪声矩阵进行平滑处理，得到平滑处理后的频率-方位矩阵。
4.根据权利要求3所述的方法，其特征在于，对所述第一原始矩阵进行频率维度的噪声估计，得到频率维度噪声矩阵时，基于公式：
Figure FDA0003701126480000021
计算得到；
其中，g和k均为窗函数参数，且g＜k；g和k均为正整数，k的取值范围为：10-16，g的取值范围为：1-4；
A为所述第一原始矩阵，B为所述频率维度噪声矩阵；m为所述第一原始矩阵的行数，n为所述第一原始矩阵的列数。
5.根据权利要求3所述的方法，其特征在于，对所述频率维度噪声矩阵进行方位维度的噪声估计，得到方位维度噪声矩阵时，根据公式：
Figure FDA0003701126480000022
计算得到；
其中，g和k均为窗函数参数，且g＜k；g和k均为正整数，k的取值范围为：10-16，g的取值范围为：1-4；
B为所述频率维度噪声矩阵，C为所述方位维度噪声矩阵；m为所述第一原始矩阵的行数，n为所述第一原始矩阵的列数。
6.根据权利要求3所述的方法，其特征在于，对所述方位维度噪声矩阵进行平滑处理，得到平滑处理后的频率-方位矩阵时，利用α-β算法对所述方位维度噪声矩阵进行平滑处理；
其中，利用α-β算法对所述方位维度噪声矩阵进行平滑处理时的公式为：Dn＝Dn-1+α(Dn-Dn-1)；
其中，Dn为平滑处理后的频率-方位矩阵；Dn-1为前一帧平滑处理后的频率-方位矩阵；
α为滤波系数，α的取值范围为0.1-0.9。
7.一种被动声纳方位历程图归一化处理装置，其特征在于，包括原始矩阵获取模块、噪声估计平滑处理模块、归一化加权处理模块和积分量化显示模块；
所述原始矩阵获取模块，被配置为获取被动声纳方位历程图中每一帧的原始频率-方位矩阵；
所述噪声估计平滑处理模块，被配置为逐帧对各所述原始频率-方位矩阵依次进行噪声估计和平滑处理，得到平滑处理后的频率-方位矩阵；
所述归一化加权处理模块，被配置为基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量；
所述积分量化显示模块，被配置为对所述方位能量进行积分得到积分结果，并对所述积分结果进行量化显示，得到相应的量化显示结果；
其中，基于各平滑处理后的频率-方位矩阵，对各所述原始频率-方位矩阵进行信噪比归一化和加权处理，得到各所述原始频率-方位矩阵的方位能量时，根据公式：A'＝A.*(A./Dn)进行信噪比归一化和加权处理；
其中，A’为所述方位能量，A为所述原始频率-方位矩阵，Dn为平滑处理后的频率-方位矩阵。
8.一种被动声纳方位历程图处理设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述可执行指令时实现权利要求1至6中任意一项所述的方法。
9.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
CN202010361374.1A 2020-04-30 2020-04-30 被动声纳方位历程图处理方法和装置及设备 Active CN111562584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010361374.1A CN111562584B (zh) 2020-04-30 2020-04-30 被动声纳方位历程图处理方法和装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010361374.1A CN111562584B (zh) 2020-04-30 2020-04-30 被动声纳方位历程图处理方法和装置及设备

Publications (2)

Publication Number Publication Date
CN111562584A CN111562584A (zh) 2020-08-21
CN111562584B true CN111562584B (zh) 2022-08-16

Family

ID=72071776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010361374.1A Active CN111562584B (zh) 2020-04-30 2020-04-30 被动声纳方位历程图处理方法和装置及设备

Country Status (1)

Country Link
CN (1) CN111562584B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801065B (zh) * 2021-04-12 2021-06-25 中国空气动力研究与发展中心计算空气动力研究所 一种基于时空多特征信息的被动声纳目标探测方法及装置
CN114442871B (zh) * 2021-12-29 2022-12-16 中国船舶重工集团公司第七一五研究所 被动声纳宽带警戒长历程显示方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104363366A (zh) * 2011-08-26 2015-02-18 佳能株式会社 图像处理方法、图像处理装置和图像拾取装置
CN106772261A (zh) * 2016-12-07 2017-05-31 中国船舶重工集团公司第七二四研究所 雷达侦测信号多维特征聚类可视化显示方法
JP2017167216A (ja) * 2016-03-14 2017-09-21 富士通株式会社 画像処理装置、画像処理方法およびプログラム
CN107783096A (zh) * 2016-08-25 2018-03-09 中国科学院声学研究所 一种用于方位历程图显示的二维背景均衡方法
CN109541526A (zh) * 2018-12-29 2019-03-29 西北工业大学 一种利用矩阵变换的圆环阵方位估计方法
CN110542904A (zh) * 2019-08-23 2019-12-06 中国科学院声学研究所 一种基于水声目标方位历程图的目标自动发现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104363366A (zh) * 2011-08-26 2015-02-18 佳能株式会社 图像处理方法、图像处理装置和图像拾取装置
JP2017167216A (ja) * 2016-03-14 2017-09-21 富士通株式会社 画像処理装置、画像処理方法およびプログラム
CN107783096A (zh) * 2016-08-25 2018-03-09 中国科学院声学研究所 一种用于方位历程图显示的二维背景均衡方法
CN106772261A (zh) * 2016-12-07 2017-05-31 中国船舶重工集团公司第七二四研究所 雷达侦测信号多维特征聚类可视化显示方法
CN109541526A (zh) * 2018-12-29 2019-03-29 西北工业大学 一种利用矩阵变换的圆环阵方位估计方法
CN110542904A (zh) * 2019-08-23 2019-12-06 中国科学院声学研究所 一种基于水声目标方位历程图的目标自动发现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于波束扫描特征的被动声纳背景均衡方法;王晓宇 等;《声学技术》;20101231;第29卷(第6期);正文全文 *

Also Published As

Publication number Publication date
CN111562584A (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
US8090214B2 (en) Method for automatic detection and correction of halo artifacts in images
CN111562584B (zh) 被动声纳方位历程图处理方法和装置及设备
US8594456B2 (en) Image denoising method
US20060020203A1 (en) Method and apparatus of image processing to detect and enhance edges
US20060291741A1 (en) Image processing apparatus, image processing method, program, and recording medium therefor
US8885965B2 (en) Image denoising method
CN111210393B (zh) 一种基于边缘提取的彩色图像增强方法、系统及存储介质
US6049623A (en) Directional adaptive noise reduction
CN110866872B (zh) 一种路面裂缝图片预处理智能选择方法、装置及电子设备
CN110800019B (zh) 用于复合超声图像生成的方法和系统
CN113808036B (zh) 基于Retinex模型的低照度图像增强与去噪方法
CN116563146A (zh) 基于可学习曲率图的图像增强方法与系统
CN116612032A (zh) 基于自适应维纳滤波和2d-vmd的声呐图像去噪方法及设备
CN115330657B (zh) 一种海洋探测图像的处理方法、装置和服务器
US8774545B2 (en) Image processing apparatus and image processing method with weighted vectors for filtering
CN115330612A (zh) 基于自适应中值滤波的辐照图像去噪方法和系统
CN115511918A (zh) 一种基于并行处理的目标跟踪方法及装置
CN112766338A (zh) 一种计算距离图像的方法、系统及计算机可读存储介质
CN112927167B (zh) Sar图像相干斑自适应快速滤波处理方法
CN112819733B (zh) 一种定向双边图像滤波方法及装置
CN112862708B (zh) 图像噪声的自适应识别方法、传感器芯片以及电子设备
CN110599405A (zh) 一种超声图像增强方法、装置和计算机设备
CN117576180B (zh) 基于自适应多尺度窗口的多视图深度估计方法及应用
CN115760610A (zh) 锂电池x射线图像增强方法、装置、系统及存储介质
CN114136432A (zh) 一种单声源声学成像方法及终端设备

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