CN111708006B - 一种适用于无人平台探测声纳的目标线谱检测方法 - Google Patents

一种适用于无人平台探测声纳的目标线谱检测方法 Download PDF

Info

Publication number
CN111708006B
CN111708006B CN202010467368.4A CN202010467368A CN111708006B CN 111708006 B CN111708006 B CN 111708006B CN 202010467368 A CN202010467368 A CN 202010467368A CN 111708006 B CN111708006 B CN 111708006B
Authority
CN
China
Prior art keywords
frequency
detection
channel
variance
sequence
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
CN202010467368.4A
Other languages
English (en)
Other versions
CN111708006A (zh
Inventor
邹男
王逸林
曲坦
梁国龙
付进
张光普
邱龙皓
孟庆春
李雄辉
贾祯祺
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202010467368.4A priority Critical patent/CN111708006B/zh
Publication of CN111708006A publication Critical patent/CN111708006A/zh
Application granted granted Critical
Publication of CN111708006B publication Critical patent/CN111708006B/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
    • 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
    • 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
    • G01S7/534—Details of non-pulse systems
    • G01S7/536—Extracting wanted echo signals

Landscapes

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

Abstract

本发明是一种适用于无人平台探测声纳的目标线谱检测方法。本发明获取传感器待测信号各个通道的采样序列，对每个通道的采样序列进行分段处理，对每个通道每个频率的频率偏移量进行估计；计算不同频率的频率偏移估计值的方差，并基于所述方差生产不同频点的权值；将不同频点的权值作为功率谱值输出，并进行后置检测提取。本发明利用了在低信噪比下，频率偏差的估计依然具有较好的稳定性的特点，充分利用了多个通道的数据，将频率偏差的方差的倒数作为检测统计量，避免了常规谱分析信号能量过低而无法检测的问题，检测时不需要过多的通道即可获得良好的检测效果，提高了多通道系统的弱线谱目标检测能力。

Description

一种适用于无人平台探测声纳的目标线谱检测方法
技术领域
本发明涉及声纳探测技术领域，是一种适用于无人平台探测声纳的目标线谱检测方法。
背景技术
水下目标辐射噪声在低频处具有丰富的线谱特征，线谱能量通常较连续谱能量高十几分贝，且由于频率较低，传播损失小，传播距离远；在时间上线谱具有连续存在性以及频率稳定性，对目标线谱特性进行探测可以显著的提高目标探测的性能。但是搭载于无人平台的探测声呐阵列受限于无人平台体积，阵列孔径较小，且水下目标辐射噪声中的线谱分量处于低频段，因此探测线谱过程中系统很难拿到阵增益。
目前主要应用以DFT为基础的线谱检测方法对信号线谱成分进行检测，如周期图法、平均周期图法等，DFT离散取值产生了频率的估计偏差(即栅栏效应)。
传统的平均周期图算法段间为非相干累加，没有利用到线谱信号的相位信息，无法在低信噪比的情况下对信号中的线谱成分进行有效检测，而对相位信息的利用主要为通过相位补偿达到线谱频点处各时间段同相累加，以达到加强低信噪比下线谱检测性能的目的。在过低的信噪比下，信号能量本身十分微弱，即使同相累加也无法观测到线谱，但是此时对频率估计偏差的估计依然有很高的准确度，线谱处的频率偏差的估计方差较噪声处的方差有明显的降低。
发明内容
本发明为利用线谱信号DFT频率偏差估计稳定的特性，对不同通道相同时间的信号进行频率估计偏差统计分析，在低信噪比下进行线谱检测，从而得到更好的检测性能，本发明提供了一种适用于无人平台探测声纳的目标线谱检测方法，本发明提供了以下技术方案：
一种适用于无人平台探测声纳的目标线谱检测方法，包括以下步骤：
步骤1：获取传感器待测信号各个通道的采样序列sch(n)；
步骤2：对每个通道的采样序列sch(n)进行分段处理，每个通道得到分段的数据序列；
步骤3：对每个分段信号做M点FFT处理，频率序列
Figure BDA0002513117590000011
步骤4：对每个通道相同频率不同时段的频率序列进行FFT处理，确定峰值的位置；
步骤5：对每个通道每个频率的频率偏移量进行估计；
步骤6：计算不同频率的频率偏移估计值的方差，并基于所述方差生产不同频点的权值；
步骤7：将不同频点的权值作为功率谱值输出，并进行后置检测提取。
优选地，对每个通道的采样序列sch(n)进行时域分段处理，使得每段长度为M点，每段步进为R点，共分成L段，得到分段的数据序列
Figure BDA0002513117590000021
通过下式表示
Figure BDA0002513117590000022
Figure BDA0002513117590000023
优选地，对各个通道的分段数据进行FFT处理，得到频率CH×L组频率序列
Figure BDA0002513117590000024
通过下式表示
Figure BDA0002513117590000025
Figure BDA0002513117590000026
优选地，对每个
Figure BDA0002513117590000027
进行初步相位补偿，对不同时间段每个频点相较第一段的相位变化进行补偿，得到相位补偿后的序列
Figure BDA0002513117590000028
通过下式表示
Figure BDA0002513117590000029
Figure BDA00025131175900000210
对
Figure BDA00025131175900000211
以l为时间变量做FFT，得到FFT结果
Figure BDA00025131175900000212
通过下式表示
Figure BDA00025131175900000213
Figure BDA00025131175900000214
优选地，根据
Figure BDA00025131175900000215
的最大值pmax，估计频率偏差值
Figure BDA00025131175900000216
通过下式表示
Figure BDA00025131175900000217
Figure BDA00025131175900000218
优选地，对不同通道相同频点的频率偏差估计值进行统计，得到每个频点的频率偏差的估计值的方差，通过下式表示每个频点的频率偏移的估计值的方差：
Figure BDA00025131175900000219
其中，Δ(k)为每个频点的频率偏移的估计值的方差。
优选地，将不同频点的权值作为功率谱值输出，通过下式表示频谱值：
Figure BDA00025131175900000220
其中，P(k)为频谱值，a为常数；
并对频谱值进行后置通过门限检测提取。
本发明具有以下有益效果：
本发明利用了在低信噪比下，频率偏差的估计依然具有较好的稳定性的特点，充分利用了多个通道的数据，将频率偏差的方差的倒数作为检测统计量，避免了常规谱分析信号能量过低而无法检测的问题，检测时不需要过多的通道即可获得良好的检测效果，提高了多通道系统的弱线谱目标检测能力。
附图说明
图1为适用于无人平台探测声纳的目标线谱检测方法流程图；
图2为单帧序列平均周期图功率谱图；
图3为单帧序列本方法估计谱图；
图4为仿真LOFAR图；
图5为本发明的LOFAR图。
具体实施方式
以下结合具体实施例，对本发明进行了详细说明。
具体实施例一：
如图1所示，本发明提供一种适用于无人平台探测声纳的目标线谱检测方法，包括以下步骤：
步骤1：获取传感器待测信号各个通道的采样序列sch(n)；
步骤2：对每个通道的采样序列sch(n)进行分段处理，每个通道得到分段的数据序列；
对每个通道的采样序列sch(n)进行时域分段处理，使得每段长度为M点，每段步进为R点，共分成L段，得到分段的数据序列
Figure BDA0002513117590000031
通过下式表示
Figure BDA0002513117590000032
Figure BDA0002513117590000033
步骤3：对每个分段信号做M点FFT处理，频率序列
Figure BDA0002513117590000034
对各个通道的段数据进行FFT处理，得到频率CH×L组频率序列
Figure BDA0002513117590000035
通过下式表示
Figure BDA0002513117590000036
Figure BDA0002513117590000037
步骤4：对每个通道相同频率不同时段的频域序列进行FFT处理，确定峰值的位置；对每个
Figure BDA0002513117590000038
进行初步相位补偿，对不同时间段每个频点相较第一段的相位变化进行补偿，得到相位补偿后的序列
Figure BDA0002513117590000039
通过下式表示
Figure BDA00025131175900000310
Figure BDA00025131175900000311
对
Figure BDA00025131175900000312
以l为时间变量做FFT，得到FFT结果
Figure BDA00025131175900000313
通过下式表示
Figure BDA00025131175900000314
Figure BDA00025131175900000315
步骤5：对每个通道每个频率的频率偏移量进行估计；
根据
Figure BDA00025131175900000316
的最大值pmax，估计频率偏差值
Figure BDA00025131175900000317
通过下式表示
Figure BDA00025131175900000318
Figure BDA0002513117590000041
步骤6：计算不同频率的频率偏移估计值的方差，并基于所述方差生产不同频点的权值；
对不同通道相同频点的频率偏差估计值进行统计，得到每个频点的频率偏差的估计值的方差，通过下式表示每个频点的频率偏差的估计值的方差：
Figure BDA0002513117590000042
其中，Δ(k)为每个频点的频率偏差的估计值的方差。
步骤7：将不同频点的权值作为功率谱值输出，并进行后置检测提取。
将不同频点的权值作为功率谱值输出，通过下式表示频谱值：
Figure BDA0002513117590000043
其中，P(k)为频谱值，a为常数，
并对频谱值进行后置通过门限检测提取。
具体实施例2：
(1)从传感器的各个通道中接收待检测采样序列sch(n)。
(2)对每个通道的采样序列sch(n)进行时域分段处理，每段长度为M点，每段步进为R点，共分成L段，就可以得到分段的数据序列
Figure BDA00025131175900000423
Figure BDA0002513117590000044
Figure BDA0002513117590000045
(3)对各个通道的段数据进行FFT处理，得到频率CH×L组频率序列
Figure BDA0002513117590000046
即
Figure BDA0002513117590000047
Figure BDA0002513117590000048
(4)相对每个频点k，对每个
Figure BDA0002513117590000049
进行初步相位补偿，得到
Figure BDA00025131175900000410
即假定频率没有估计偏差，对不同时间段每个频点相较第一段的相位变化进行补偿，具体的计算公式为
Figure BDA00025131175900000411
(5)对
Figure BDA00025131175900000412
以l为时间变量做FFT，得到
Figure BDA00025131175900000413
具体的公式为
Figure BDA00025131175900000414
Figure BDA00025131175900000415
(6)找到每个
Figure BDA00025131175900000416
最大值对应的pmax，根据pmax计算每个通道每个频率点对应的频率偏移量
Figure BDA00025131175900000417
根据
Figure BDA00025131175900000418
的最大值pmax，估计频率偏差值
Figure BDA00025131175900000419
Figure BDA00025131175900000420
(7)对不同通道相同频点的频率偏差估计值进行统计，得到每个频点的频率偏差的估计值的方差
Figure BDA00025131175900000421
以
Figure BDA00025131175900000422
为样本，计算每个频点k对应的频率偏移量的方差。
(8)计算频谱值
Figure BDA0002513117590000051
其中a>0是一个很小的常数，引入常数a是防止出现Δ(k)＝0的情况出现。Δ(k)越小，P(k)越大，以达到增强线谱的功能。
图2和图3处理的信号为长度为10s，线谱频率为100.25Hz，信噪比-25dB的白噪声背景信号，处理时频谱的频率分辨率为0.5Hz。图4和图5处理信号为长度为120s，线谱频率为100.25Hz，信噪比-25dB的白噪声背景信号，LOFAR图的每一行视为某一时刻的频谱，采用长度为10s的信号用不同方法计算频谱，计算频谱方法与图2、图3使用方法相同。
以上所述仅是一种适用于无人平台探测声纳的目标线谱检测方法的优选实施方式，一种适用于无人平台探测声纳的目标线谱检测方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。

Claims (1)

1.一种适用于无人平台探测声纳的目标线谱检测方法，其特征是：包括以下步骤：
步骤1：获取传感器待测信号各个通道的采样序列sch(n)；
步骤2：对每个通道的采样序列sch(n)进行分段处理，每个通道得到分段的数据序列；
步骤3：对每个分段信号做M点FFT处理，频率序列
Figure FDA0003922920990000011
步骤4：对每个通道相同频率不同时段的频率序列进行FFT处理，确定峰值的位置；
步骤5：对每个通道每个频率的频率偏移量进行估计；
步骤6：计算不同频率的频率偏移估计值的方差，并基于所述方差生产不同频点的权值；
步骤7：将不同频点的权值作为功率谱值输出，并进行后置检测提取；
对每个通道的采样序列sch(n)进行时域分段处理，使得每段长度为M点，每段步进为R点，共分成L段，得到分段的数据序列
Figure FDA0003922920990000012
通过下式表示
Figure FDA0003922920990000013
Figure FDA0003922920990000014
对各个通道的分段数据进行FFT处理，得到频率CH×L组频率序列
Figure FDA0003922920990000015
通过下式表示
Figure FDA0003922920990000016
Figure FDA0003922920990000017
对每个
Figure FDA0003922920990000018
进行初步相位补偿，对不同时间段每个频点相较第一段的相位变化进行补偿，得到相位补偿后的序列
Figure FDA0003922920990000019
通过下式表示
Figure FDA00039229209900000110
Figure FDA00039229209900000111
对
Figure FDA00039229209900000112
以l为时间变量做FFT，得到FFT结果
Figure FDA00039229209900000113
通过下式表示
Figure FDA00039229209900000114
Figure FDA00039229209900000115
根据
Figure FDA00039229209900000116
的最大值pmax，估计频率偏差值
Figure FDA00039229209900000117
通过下式表示
Figure FDA00039229209900000118
Figure FDA00039229209900000119
对不同通道相同频点的频率偏差估计值进行统计，得到每个频点的频率偏差的估计值的方差，通过下式表示每个频点的频率偏移的估计值的方差：
Figure FDA00039229209900000120
其中，Δ(k)为每个频点的频率偏移的估计值的方差；
将不同频点的权值作为功率谱值输出，通过下式表示频谱值：
Figure FDA00039229209900000121
其中，P(k)为频谱值，a为常数；
并对频谱值进行后置通过门限检测提取。
CN202010467368.4A 2020-05-28 2020-05-28 一种适用于无人平台探测声纳的目标线谱检测方法 Active CN111708006B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010467368.4A CN111708006B (zh) 2020-05-28 2020-05-28 一种适用于无人平台探测声纳的目标线谱检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010467368.4A CN111708006B (zh) 2020-05-28 2020-05-28 一种适用于无人平台探测声纳的目标线谱检测方法

Publications (2)

Publication Number Publication Date
CN111708006A CN111708006A (zh) 2020-09-25
CN111708006B true CN111708006B (zh) 2023-02-03

Family

ID=72538308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010467368.4A Active CN111708006B (zh) 2020-05-28 2020-05-28 一种适用于无人平台探测声纳的目标线谱检测方法

Country Status (1)

Country Link
CN (1) CN111708006B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112379357B (zh) * 2020-11-16 2023-10-27 东南大学 一种基于脉冲信号预估时间参数二次处理的信号判别方法
CN114019236A (zh) * 2021-10-12 2022-02-08 中国科学院空天信息创新研究院 一种电网谐波单通道混叠目标信号检测方法和装置
CN114593815A (zh) * 2022-01-21 2022-06-07 中国人民解放军海军潜艇学院 一种基于自噪声数据的线谱提取技术

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105785346A (zh) * 2014-12-26 2016-07-20 中国科学院声学研究所 一种基于相位方差加权的未知目标线谱检测方法及系统
CN110166024A (zh) * 2019-05-23 2019-08-23 哈尔滨工程大学 一种微弱声信标信号增强方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201211999D0 (en) * 2012-07-05 2012-08-22 Roke Manor Research Sensor location method and system
US10353052B2 (en) * 2016-09-15 2019-07-16 Lawrence Livermore National Security, Llc Object discrimination based on a swarm of agents
CN107728109A (zh) * 2017-09-18 2018-02-23 哈尔滨工程大学 一种非合作目标辐射噪声测量定位技术

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105785346A (zh) * 2014-12-26 2016-07-20 中国科学院声学研究所 一种基于相位方差加权的未知目标线谱检测方法及系统
CN110166024A (zh) * 2019-05-23 2019-08-23 哈尔滨工程大学 一种微弱声信标信号增强方法

Also Published As

Publication number Publication date
CN111708006A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN111708006B (zh) 一种适用于无人平台探测声纳的目标线谱检测方法
US5874916A (en) Frequency selective TDOA/FDOA cross-correlation
CN108509377B (zh) 一种基于沿特征提取的脉冲信号到达时间与脉宽估计方法
US20160260442A1 (en) Method and apparatus for detecting noise of audio signals
CN107528646B (zh) 一种基于宽带频谱的干扰信号识别及提取方法
CN114785379A (zh) 一种水声janus信号参数估计方法及系统
KR20070011049A (ko) 초광대역 통신을 이용한 고정밀도 거리인식 장치 및 방법
CN110299926B (zh) 一种面向低信噪比环境的水声信号检测方法
CN108718223B (zh) 一种非合作信号的盲频谱感知方法
CN105959035B (zh) 一种直扩信号截获检测方法
CN110110341B (zh) 一种判决门限自动推荐的脉冲检测方法
CN106597390B (zh) 一种海杂波抑制方法
CN114724573A (zh) 一种啸叫抑制方法、装置、计算机可读存储介质以及系统
CN115378776A (zh) 一种基于循环谱参数的mfsk调制识别方法
RU2608363C1 (ru) Способ оценки параметров модели замирания огибающей сигнала по закону накагами по информационному многочастотному сигналу
JP4843439B2 (ja) シンボル速度検出装置およびプログラム
CN111030762B (zh) chirp信号功率测量方法及装置
CN115695119B (zh) 一种ofdm与ocdm信号识别方法与系统
CN116055262B (zh) 基于同步挤压小波变换的通信信号载频盲估计方法、系统及介质
CN111257859B (zh) 一种波束域自相关水下目标识别方法
CN111273216B (zh) 宽带信号幅度比的估计方法和装置
CN109614579B (zh) 相控阵天气雷达最大值提取信号方法
CN114584432B (zh) 基于改进平滑周期图算法的信号检测方法
CN115766352B (zh) 一种低信噪比下高精度频谱估计方法
CN112098984B (zh) 散射信号的目标体检测方法及装置

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