CN112684437A - 一种基于时域warping变换的被动测距方法 - Google Patents
一种基于时域warping变换的被动测距方法 Download PDFInfo
- Publication number
- CN112684437A CN112684437A CN202110035772.9A CN202110035772A CN112684437A CN 112684437 A CN112684437 A CN 112684437A CN 202110035772 A CN202110035772 A CN 202110035772A CN 112684437 A CN112684437 A CN 112684437A
- Authority
- CN
- China
- Prior art keywords
- time
- signal
- sound source
- domain
- normal
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于时域warping变换的被动测距方法,该方法包括如下步骤:对接收信号进行时域warping变换;对时域warping变换后的信号进行频域滤波,分离和提取简正模;对分离得到的简正模,取其中两号模做互相关,提取互相关的时延,根据时延比值与距离比值的关系,利用一个引导声源,对未知声源进行测距;为了提高测距精度以及提高测距的鲁棒性,利用多号简正模进行测距,然后取加权平均,考虑到低号模在近距离分离效果不明显,而高号模能量很弱,因此取中间几号模分离效果较明显且能量较强的。该方法通过时域warping变换分离和提取简正模,再利用简正模的互相关提取与距离有关的时延,进而实现声源测距,仿真结果表明,该方法能够有效地估计声源距离。
Description
技术领域
本发明涉及水声工程技术领域,特别涉及一种基于时域warping变换的被动测距方法。
背景技术
21世纪是海洋的世纪,海洋在全球中的战略地位受到各国关注。海洋目标探测在海洋科学研究、资源开发、权益维护,特别是安全防卫中发挥重要的作用,也得到了各国科研人员的广泛关注。海洋中目标的距离测量和估计作为海洋目标探测的重要组成部分一直以来都是科学研究的热点。
目前在海洋工程中广泛应用的目标测距技术有多种,根据定位系统工作方式主要分为主动测距和被动测距。主动测距是指探测平台主动发射源信号,利用接收到的目标回波信号信息,对目标进行距离估计的方法。主动测距方式由于主动发射探测信号,对目标回波有一定的先验知识,有利于获得目标的位置信息。但是在军事领域,使用主动工作方式,敌方有可能探测到平台发射的探测信号,使本身完全暴露于敌方,进而遭到敌方运用武器进行反攻击,使得本方的安全性不能得到保障。被动测距技术是指根据目标辐射的声信号对目标进行距离估计。因此,其高隐蔽性、作用距离等特性对于提高系统在错综复杂环境下的作战能力和生存能力具有重要作用。
现有的技术面临的挑战主要有:1.传统的几何定位方法是利用声基阵对目标的方位角进行估计,然后通过方位角确定目标的方位线,通过多个声基阵测量得到的方位线的交点确定目标的位置,从而得到目标与观测站的距离。该方法的测距精度严重依赖于方位角的估计精度,对于方位角误差非常敏感,所以在实际应用中存在很大的局限性。2.传统的匹配场处理方法,在模型和驱动模型的参数准确的情况下具有良好的定位性能,但是声场环境是复杂多变的,实际的环境具有随机性,难以取得准确的参数驱动模型,况且目前的模型也难以做到随机描述,而匹配场处理方法对于模型的失配特别敏感,且对于模型失配还没有好的解决方案。此外匹配场处理方法需要事先进行大量的计算,生成拷贝场,对于计算速度的要求较高。3.目标运动分析方法也是目前广泛使用的一种方法,通过对运动目标进行连续测量,进而实现目标的跟踪,但是这种方法需要对目标进行较长时间的测量才能够比较准确地确定目标的位置,并且对与目标和观测站的运动状态也有较高的要求,要求目标做匀速或匀加速直线运动,并且需要观测站做有效机动,在某些条件下可能是不可观测的。
综上,提出一种对现有测距技术的一种补充技术,以使得在现有定位方法基础上,水声定位技术领域更加完善,这也是整个水声领域一直致力于研究的问题。
发明内容
本发明的目的在于针对目前水声领域测距技术的不足,提供了一种基于时域warping变换的被动测距方法,用于估计目标声源与观测站之间的距离,测距的精度较高,且具有较高的稳定性。
本发明的目的是通过以下技术方案来实现的:
本发明提供了一种基于时域warping变换的被动测距方法,其用于发射信号为短时宽带脉冲信号的未知声源的被动测距,所述方法包括如下步骤:
(1)接收信号:
1.1)发射信号:引导声源和未知声源发射短时宽带脉冲信号;
1.2)声场环境:声源发射信号通过水下声场环境到达水听器;
1.3)接收信号:单个水听器接或水听器阵列接收来自引导声源和未知声源的信号;
(2)对引导声源和未知声源的接收信号分别进行时域warping变换分离和提取简正模:
2.1)时域warping变换:采用观察法和微调法相结合选取信号到达时刻,并利用信号到达时刻对接收信号做时域warping变换;
2.2)分离简正模:对时域warping变换后的信号,采用频域滤波方式,设置对应的带通滤波器滤波得到各号简正模;
2.3)逆时域warping变换:对于分离出的各号简正模,利用逆时域warping变换将其变换到原来的域中,得到原域中各号简正模的时域信号;
(3)简正模互相关估计距离:
3.1)简正模互相关提取时延:利用分离出来的其中两号简正模做互相关,然后对得到的互相关信号利用峰值检测方法,提取出峰值处所对应的时间,就是这两号简正模互相关所对应的时延;
3.2)利用引导声源被动估距:对于引导声源和未知声源,均采用步骤3.1)中的简正模互相关的方法提取时延,根据已知的引导声源的距离,对未知声源进行测距。
作为本发明的优选方案,所述步骤1.1)采用高斯脉冲信号作为发射信号,设置信号的频率范围为100Hz-200Hz,脉宽为50ms。
作为本发明的优选方案,1.2)声场环境,为浅海波导环境,对于仿真数据,可采用简正波模型模拟浅海波导环境,产生仿真信号进行方法的说明,输入环境参数包括水中声速梯度,海水密度,海底声速梯度,海底密度,海底衰减系数。
作为本发明的优选方案,所述的步骤2.1)中,首先采用观察法粗略确定信号的初始到达时刻,利用这个初始到达时刻对接收信号做时域warping变换,观察变换的结果,如果变换后各个简正模在频域能够较好地分离,则说明初始时刻选取合适,如果不能较好地分离,则对初始时刻进行微调,继续做warping变换观察,并对此过程不断重复,直到找到最好的信号初始到达时刻为止。
作为本发明的优选方案,所述步骤2.2)中,时域warping变换后接收信号变成了频率在简正模截止频率附近的近似单频信号,利用带通滤波器在频域进行滤波得到warping变换后的单号模信号,即实现了简正模的分离。
作为本发明的优选方案,所述步骤2.3)在逆warping变换过程中,设置重采样的时间轴和原截取信号的时间轴一致。
作为本发明的优选方案,所述步骤3.1)中对简正模做互相关并利用峰值检测方法提取时延,将低号模看做一个匹配滤波器,高号模作为输入信号,输出的互相关幅值对应的时延即为所要提取的时延值。
作为本发明的优选方案,所述步骤3.2)中,对于引导声源和未知声源都选择相同的简正模互相关项,利用时延比与距离比的关系进行距离估计。
作为本发明的优选方案,所述接收信号由多个简正模组成,在步骤3.1)中对接收信号的多个简正模两两做互相关提取时延,针对每两个简正模互相关提取时延均利用步骤3.2)进行未知声源的测距,从而得到多个未知声源的估距结果,对估距结果进行加权求和,得到最终的未知声源的测距结果;其中,加权求和时,若两号简正模的号数差越小,则赋给较小的权值。
作为本发明的优选方案,在对多个简正模两两做互相关提取时延前,还包括对简正模筛选的步骤,具体为:删除分离效果不好的简正模和/或删除能量较低的高号简正模。
本发明所具有的有益效果有:
(1)能够利用单个水听器实现目标被动测距。传统的纯方位测距方法需要利用接收阵列先测量目标的方位,然后利用滤波的方法进行被动测距,测距的结果紧紧依赖于方位测量的精度。而本发明提出的方法不需要阵列接收信号,考虑到了水声信号传播的物理特性,利用单个水听器就能实现目标的被动测距。
(2)能够适应大部分的浅海环境。传统的匹配场处理方法需要对海洋环境进行精确的建模,测距结果对于环境失配非常敏感,并且需要进行拷贝场的大量计算,对计算量的要求较高。本发明提出的方法能够适用于大多数的浅海环境,对于环境的要求较低,同时不需要进行拷贝场计算,大大降低了计算量。
(3)能够适用于较大距离范围的被动测距。传统的频域β-warping变换方法需要事先对波导不变量进行估计,并且在不同距离和深度波导不变量可能不同,尤其是引导声源和未知声源与接收器距离相差较大的情况,测距会存在误差。而本发明提出的方法不涉及波导不变量,能够避免因为不同距离波导不变量不同而造成的测距误差。
附图说明
图1是本发明一个实施例的基于时域warping变换的被动测距方法的实现流程图;
图2是本发明一个实施例的仿真环境示意图;
图3是本发明一个实施例的接收信号时频表示;
图4是本发明一个实施例的接收信号经过时域warping变换后的时频表示;
图5是本发明一个实施例的接收信号经过时域warping变换后的频域表示;
图6是本发明一个实施例的接收信号经过时域warping变换后分离出的5号模的时频表示;
图7是本发明一个实施例的(3,4)号模测距结果及其误差图;
图8是本发明一个实施例的(3,5)号模测距结果及其误差图;
图9是本发明一个实施例的(3,6)号模测距结果及其误差图;
图10是本发明一个实施例的(4,5)号模测距结果及其误差图;
图11是本发明一个实施例的(4,6)号模测距结果及其误差图;
图12是本发明一个实施例的(5,6)号模测距结果及其误差图;
图13是本发明一个实施例的多个简正模互相关项测距结果加权和得到的最终测距结果及其误差图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
本发明的方法适用于发射信号为短脉宽的宽带信号的未知声源的被动测距,在本实施例中,方法具体包括如下步骤:
(1)接收信号
1.1)发射信号:本发明仿真使用的发射信号为高斯脉冲信号,信号带宽为100Hz,频率范围为[100,200]Hz,信号脉宽为50ms。
1.2)声场环境:仿真采用Kraken模型,仿真环境为Pekeris波导,水深100m,声源深度10m,接收器深度50m,水中声速1500m/s,海水密度为1g/cm3,海底声速1600m/s,海底密度为1.8g/cm3,海底衰减系数0.2dB/λ。假设目标与观测站的距离为10km变化到30km,引导声源和未知声源的发射信号通过水下声场环境到达水听器。
1.3)观测站:观测站采用单水听器或者水听器阵跟踪上声源后的波束形成输出观测。
(2)对接收信号做时域warping变换分离和提取简正模:
2.1)信号到达时刻选取:因为时域warping变换的分离效果与接收信号的到达时刻的选取有关,因此需要准确地识别出信号的到达时刻,作为时间原点。本发明采用手动方式选取信号到达时刻,并通过微调确定最佳到达时刻。
对于Pekeris波导环境,接收信号可以表示为各号简正模叠加的形式:
其中,am(t)是第m号简正波的瞬时幅度,r是声源信号的传播距离,cw为水中声速,tr=r/cw是信号从发射到接收的传播时间,fc,m=mcw/2D是第m号简正波的截止频率,D表示水深。时域warping变换对于tr的选择具有较强的宽容性,因此可以使用其他的方法大致估计。但是warping变换对于信号初始到达时刻的选取比较敏感,需要选取一个比较精确的信号到达时刻,为此本方法中采用的信号到达时刻选取方法是先通过观察确定一个大致的信号到达时刻,然后利用这个结果对接收信号进行时域warping变换,对于时域warping变换后的信号在时频域观察分离效果,并根据分离效果,对信号到达时刻进行微调,从而确定最好的信号到达时刻。
2.2)warping变换分离简正模:对于浅海环境,时域warping变换可以使用与理想波导下相同的warping函数,依然能够得到很好的简正模分离效果。因此本发明利用理想波导下推导出的warping函数对接收信号进行时域warping变换,warping函数为:
根据warping变换的定义,利用warping函数对接收的时域信号进行时域warping得到:
其中:
认识到warping变换实际上就是一种变量代换,所以在具体的数值实现上,就是对时间轴进行重采样,重采样的时间轴与原来时间轴的关系为:
重采样的时间轴与原来时间轴的呈非线性关系,因此重采样后需要进行插值处理,使得重采样后的信号时间轴还是均匀的,方便后续进行傅里叶变换,在频域进行滤波。
本发明采用线性插值的方法对非线性重采样后的信号进行均匀插值。设置重采样的采样率和原接收信号的采样率一致,因为截取信号的长度为length(t),非均匀重采样后的长度则在线性插值后信号长度依然是length(t),所以插值后的时间轴为:其中为的最小值,为的最大值。
2.3)频域滤波提取简正模:在时域warping变换后,接收信号变成了一个个近似单频的信号,每一个单频信号对应于一个简正模,通过传统的频域滤波方法,可以在频域上进行滤波,从而将各个简正模进行分离和提取。
时域warping变换后的信号在频域上是互相分离的近似单频信号,频率在简正模的截止频率附近。所以对时域warping变换后的信号做离散傅里叶变换(DFT),采用快速傅里叶变换(FFT)算法可以实现。然后在频域里面对每一个单频信号进行带通滤波,得到每一号模的频域表示,接着利用逆快速傅里叶变换(IFFT)算法将其变换到时域,从而得到warping变换的单号模信号。
2.4)时域逆warping变换得到简正模:对于分离出的warping变换后的简正模,利用逆warping变换将其变换到原来的域中,这样就得到了接收信号的各号简正模。
在频域滤波完成后,得到的单号简正模依然是在时域warping变换后的模,因此还需要通过逆时域warping变换将其变换到原来的域中。逆时域warping变换和时域warping变换类似,其中逆warping函数为:
在具体的数值实现过程中,也是进行非线性重采样,然后再进行线性插值。重采样的时间轴与warping域中时间轴的关系为:
线性化插值的时候同样设置重采样的采样率和原接收信号的采样率一致,插值后的时间轴为:(t'min,t'max,length(t)),其中t'min为t'的最小值,t'max为t'的最大值。
(3)对提取出的简正模两两做互相关提取时延
根据简正波理论,接收信号的频域表达式可以写成下面的形式:
其中:
zs为声源深度,z为接收器深度,ψm(zs)和ψm(z)是模深度函数,krm(f)为水平波数,由于波导的频散特性,krm(f)随着频率非线性变化,θ(f)为声源的激发谱相位。
实际上,由于这里是被动接收,所以目标声源的信号发射时刻是未知的,假设为t0,则接收信号的声场应该表示为:
可以看出,相位上面除了krm(f)r以外,还有声源的激发谱相位θ(f)和声源发射信号时刻未知引入的相位-2πft0,为了消除声源的激发谱相位θ(f)和声源发射信号时刻未知引入的相位-2πft0的影响,可以考虑做共轭相乘得到:
其中,γmnf-1/β=krm(f)-krn(f),γmn为一个只与简正模号数m和n有关的常数,I(f)即为接收信号的声强。需要注意的是,根据信号处理的知识,频域共轭相乘相当于时域互相关,这里由于是接收信号频域表示于其自身的共轭相乘,所以在时域上就表现为接收信号自相关。
I(f)由两部分组成,第一部分是各号简正模的自相关成分,第二部分是各号简正模的互相关成分。现在考虑第二部分中其中两号模的互相关成分,即:
m号模和n号模的互相关频域表示的相位项与距离r成线性关系,即:
Φmn=rγmnf-1/β
根据时域与频域的对应关系,频域的相位项对应于时域的时延,根据相位表达式,可以得到时域上m号模和n号模互相关的时延值为:
上述过程只是介绍时延值提取的原理,在实际的时延值提取过程中,并不需要将简正模变换到频域进行共轭相乘等一系列步骤,而是直接在时域做互相关,然后利用峰值检测的方法就可以提取出时延值。
(4)利用引导声源对未知声源进行测距
引导声源用符号g表示,对于引导声源,利用时域warping变换提取出m号模和n号模,分别表示为yg,m(t)和yg,n(t),然后对m号模和n号模做时域互相关,提取出时延值为:
未知声源用符号u表示,对于未知声源,同样利用时域warping变换提取出m号模和n号模,分别表示为yu,m(t)和yu,n(t),然后对m号模和n号模做时域互相关,提取出时延值为:
根据引导声源和未知声源的时延表达式,联立求解消去相同的量可以得到:
这就是利用引导声源对未知声源进行被动测距的公式。
以下再结合一个具体实施案例对本发明做进一步的阐述。
如图1所示,本发明一个实施例的基于时域warping变换的被动测距方法的实现包括以下步骤:
(1)发射信号:
由于时域warping变换分离和提取简正模只能针对于短脉宽的宽带信号,因此本发明采用频率范围为[100,200]Hz的高斯脉冲信号,信号的脉宽为50ms。
(2)仿真的声场模型:
前面推导的warping函数适用于大部分浅海环境,而不适用于深海环境,并且本发明针对的是二维平面内的测距问题,所以仿真的环境为浅海环境。而对于浅海环境,且声源为低频宽带声源,利用简正波模型来描述是最合适的,所以本发明采用简正波模型。对于简正波模型数据的仿真,利用目前比较成熟的Kraken模型进行仿真,仿真环境如图2所示。
(3)接收信号:
声源发射的信号经过声场之后,水听器接收到的信号即为接收信号。
(4)时域warping变换分离和提取简正模
4.1)对接收信号做时域warping变换:
由于模间色散效应,接收到的信号在时频域是自然分离的,如图3所示,并且每一号简正模都是一个频率在[100,200]Hz之间的信号,正是由于这种自然分离性质,才能够利用时域warping变换对其进行分离。图3所示的是26km处接收信号的时频表示,可以看出,一共存在7号简正模,从左到右分别是1-7号简正模,这是因为高号简正模传播快,低号简正模传播慢;而观察其中一号简正模,可以看出简正模从高频到低频的弯曲方式是向着时间大的方向弯曲,这是因为对于同一号简正模,低频传播快,高频传播慢。
根据前面介绍的接收信号时域warping变换的原理,对接收信号在时域上进行重采样,将其变成一个个近似单频的信号,也就是各号简正模在频域互相分离的形式。在时域warping变换后接收信号的时频表示如图4所示。可以看出,接收信号在时域warping变换后,在频率上互相分离了,不再是占据[100,200]Hz整个频带,而是变成了在各号模截止频率附近的近似单频信号。
4.2)频域滤波分离和提取简正模
这里以26km处接收信号的5号模的提取为例。图5显示了接收信号warping变换后再经过傅里叶变换的结果,根据图5可以看出每一号简正模都有其对应的频带范围,其中5号模所对应的频率范围为138~167Hz,利用传统的频域滤波方法,设置带通滤波器将其他频率的置零,只留下138~167Hz的信号,即得到5号模的频谱,然后对于得到的5号模频谱再进行逆傅里叶变换就能够得到warping变换后5号模的时间信号。
对于warping变换后5号模的时间信号,利用逆时域warping变换将其变换到原域中得到最终提取出的5号模时间信号。图6为经过模滤波和逆warping变换之后的5号模的时频表示,对比图3和图6可以看出,经过时域warping变换,在warped域内进行频域滤波,以及时域逆warping变换后,成功地提取出了5号模。
(5)简正模互相关提取时延
首先对于引导声源g,以4号模和6号模做互相关提取时延为例。简正模互相关相当于一个匹配滤波的过程,由于高号模比低号模传播快,为了使得时延为正值,所以取4号模为匹配滤波器,6号模当做信号。4号模和6号模分别用yg,4(t)和yg,6(t)表示,则4号模和6号模的互相关的频域表达式为:
其中,
kr4(f)为4号模对应的水平波数,kr6(f)为4号模对应的水平波数。
对应的时延值为:
在实现过程中是直接对yg,4(t)和yg,6(t)做互相关,即COV(yg,6,yg,4)。对于互相关,matlab有现成的函数可以用,即xcorr函数。在做完互相关之后,利用峰值检测的方法,找出峰值处对应的时间,即为所要提取的时延值τg,46。
对于未知声源u,也采用同样的方法和步骤提取时延,需要注意的是,因为引导声源提取的是4号模和6号模互相关的时延,未知声源也需要提取4号模和6号模互相关对应的时延,结果为τu,46。
(6)利用引导声源估计未知声源距离
式(17)已经给出了利用提取出的时延以及引导声源来估计未知声源距离的公式,则利用提取出的4号模和6号模互相关时延值,以及已知距离为rg的引导声源,可以计算得到未知声源的距离为:
仅仅利用4号模和6号模的互相关来进行测距实际上没有用到全部的简正模,即没有充分利用接收信号的信息。为了进一步提高测距精度,以及提高测距的稳定性,考虑使用更多的简正模来进行测距。根据接收信号的时频图可以看出,一共存在7号简正模,所以可以利用更多简正模的信息。7号简正模当中,1号模和2号模的分离效果不明显,在时域warping变换后也不能够很好地分离,因此弃用1号模和2号模,而7号模的能量较弱,因此也弃用。所以可以用3,4,5,6一共四个模两两做互相关进行测距,然后将测距结果进行加权求和,作为最终的估距结果。一共有4个简正模,两两互相关,能够得到个简正模互相关项,分别为:(3,4),(3,5),(3,6),(4,5),(4,6),(5,6),从而能够得到6个估距结果,对这6个估距结果进行加权求和,权重系数分别为:权重系数的计算依据是:简正模的号数差越小,则两号简正模的模间色散越小,做互相关之后提取到的时延值就越小,因为时延值较小,使得提取的过程中引入的误差对测距精度影响更大,所以赋给较小的权值,对于(3,4)号模,模号数差为1,对于(3,5)号模,模号数差为2,对于(3,6)号模,模号数差为3,对于(4,5)号模,模号数差为1,对于(4,6)号模,模号数差为2,对于(5,6)号模,模号数差为1,模数差的和为10。将模数差的和作为分母,各个简正波互相关项的模号数差作为分子,即为对应的权重。
仿真结果如图7-13所示,其中图7为(3,4)号模互相关项测距的结果及其误差,图8为(3,5)号模互相关项测距的结果及其误差,图9为(3,6)号模互相关项测距的结果及其误差,图10为(4,5)号模互相关项测距的结果及其误差,图11为(4,6)号模互相关项测距的结果及其误差,图12为(5,6)号模互相关项测距的结果及其误差,图13为(3,4,5,6)号模两两互相关测距结果的加权和及其误差。
本发明不局限于上述最佳实施方式。任何人在本发明的启示下都可以得出其他各种形式的基于时域warping变换的被动测距方法,凡依照本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (9)
1.一种基于时域warping变换的被动测距方法,其特征在于,用于发射信号为短脉宽的宽带信号的未知声源的被动测距,所述方法包括如下步骤:
(1)接收信号:引导声源和未知声源发射信号,水听器接收来自引导声源和未知声源的短时宽带脉冲信号;
(2)对引导声源和未知声源的接收信号分别进行时域warping变换分离和提取简正模:
2.1)时域warping变换:采用观察法和微调法相结合选取信号到达时刻,并利用信号到达时刻对接收信号做时域warping变换;
2.2)分离简正模:对时域warping变换后的信号,采用频域滤波方式,设置对应的带通滤波器滤波得到各号简正模;
2.3)逆时域warping变换:对于分离出的各号简正模,利用逆时域warping变换将其变换到原来的域中,得到原域中各号简正模的时域信号;
(3)简正模互相关估计距离:
3.1)简正模互相关提取时延:利用分离出来的其中两号简正模做互相关,然后对得到的互相关信号利用峰值检测方法,提取出峰值处所对应的时间,就是这两号简正模互相关所对应的时延;
3.2)利用引导声源被动估距:对于引导声源和未知声源,均采用步骤3.1)中的简正模互相关的方法提取时延,根据已知的引导声源的距离,对未知声源进行测距。
2.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述步骤(1)中,采用单个水听器或水听器阵列接收引导声源和未知声源的信号。
3.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述的步骤2.1)中,首先采用观察法粗略确定信号的初始到达时刻,利用这个初始到达时刻对接收信号做时域warping变换,观察变换的结果,如果变换后各个简正模在频域能够较好地分离,则说明初始时刻选取合适,如果不能较好地分离,则对初始时刻进行微调,继续做warping变换观察,并对此过程不断重复,直到找到最好的信号初始到达时刻为止。
4.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述步骤2.2)中,时域warping变换后接收信号变成了频率在简正模截止频率附近的近似单频信号,利用带通滤波器在频域进行滤波得到warping变换后的单号模信号,即实现了简正模的分离。
5.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述步骤2.3)在逆warping变换过程中,设置重采样的时间轴和原截取信号的时间轴一致。
6.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述步骤3.1)中对简正模做互相关并利用峰值检测方法提取时延,将低号模看做一个匹配滤波器,高号模作为输入信号,输出的互相关幅值对应的时延即为所要提取的时延值。
7.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述步骤3.2)中,对于引导声源和未知声源都选择相同的简正模互相关项,利用时延比与距离比的关系进行距离估计。
8.根据权利要求1所述的一种基于时域warping变换的被动测距方法,其特征在于,所述接收信号由多个简正模组成,在步骤3.1)中对接收信号的多个简正模两两做互相关提取时延,针对每两个简正模互相关提取时延均利用步骤3.2)进行未知声源的测距,从而得到多个未知声源的估距结果,对估距结果进行加权求和,得到最终的未知声源的测距结果;其中,加权求和时,若两号简正模的号数差越小,则赋给较小的权值。
9.根据权利要求8所述的一种基于时域warping变换的被动测距技术,其特征在于,在对多个简正模两两做互相关提取时延前,还包括对简正模筛选的步骤,具体为:删除分离效果不好的简正模和/或删除能量较低的高号简正模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110035772.9A CN112684437B (zh) | 2021-01-12 | 2021-01-12 | 一种基于时域warping变换的被动测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110035772.9A CN112684437B (zh) | 2021-01-12 | 2021-01-12 | 一种基于时域warping变换的被动测距方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112684437A true CN112684437A (zh) | 2021-04-20 |
CN112684437B CN112684437B (zh) | 2023-08-11 |
Family
ID=75457508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110035772.9A Active CN112684437B (zh) | 2021-01-12 | 2021-01-12 | 一种基于时域warping变换的被动测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112684437B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820717A (zh) * | 2021-08-23 | 2021-12-21 | 哈尔滨工程大学 | 一种基于负梯度波导下warping变换的单矢量传感器无源测距方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060256659A1 (en) * | 2005-05-10 | 2006-11-16 | Altan Turgut | Method and apparatus for passive acoustic ranging |
CN102074236A (zh) * | 2010-11-29 | 2011-05-25 | 清华大学 | 一种分布式麦克风的说话人聚类方法 |
CN104280737A (zh) * | 2014-08-29 | 2015-01-14 | 浙江工业大学 | 加权宽带时反算子分解声成像方法 |
CN104501938A (zh) * | 2014-11-19 | 2015-04-08 | 哈尔滨工程大学 | 一种在置于空气中的矩形混响水槽内测量水下声源低频辐射声功率的方法 |
CN105158734A (zh) * | 2015-07-09 | 2015-12-16 | 哈尔滨工程大学 | 一种基于阵不变量的单矢量水听器被动定位方法 |
CN105425212A (zh) * | 2015-11-18 | 2016-03-23 | 西北工业大学 | 一种声源定位方法 |
CN107085216A (zh) * | 2017-04-20 | 2017-08-22 | 国家海洋局第三海洋研究所 | 一种基于单水听器的深海水声被动测距测深方法 |
CN108549069A (zh) * | 2018-03-08 | 2018-09-18 | 哈尔滨工程大学 | 一种非理想波导下的warping变换修正方法 |
CN109815942A (zh) * | 2019-03-18 | 2019-05-28 | 西北工业大学 | 基于海洋环境噪声信号的简正波特征提取方法 |
CN110456361A (zh) * | 2019-06-27 | 2019-11-15 | 浙江大学 | 大范围海底地貌遥测的双基地声学成像方法 |
CN111458008A (zh) * | 2020-04-16 | 2020-07-28 | 浙江大学 | 基于单固定水听器和单移动声源的海洋地声参数反演方法 |
-
2021
- 2021-01-12 CN CN202110035772.9A patent/CN112684437B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060256659A1 (en) * | 2005-05-10 | 2006-11-16 | Altan Turgut | Method and apparatus for passive acoustic ranging |
CN102074236A (zh) * | 2010-11-29 | 2011-05-25 | 清华大学 | 一种分布式麦克风的说话人聚类方法 |
CN104280737A (zh) * | 2014-08-29 | 2015-01-14 | 浙江工业大学 | 加权宽带时反算子分解声成像方法 |
CN104501938A (zh) * | 2014-11-19 | 2015-04-08 | 哈尔滨工程大学 | 一种在置于空气中的矩形混响水槽内测量水下声源低频辐射声功率的方法 |
CN105158734A (zh) * | 2015-07-09 | 2015-12-16 | 哈尔滨工程大学 | 一种基于阵不变量的单矢量水听器被动定位方法 |
CN105425212A (zh) * | 2015-11-18 | 2016-03-23 | 西北工业大学 | 一种声源定位方法 |
CN107085216A (zh) * | 2017-04-20 | 2017-08-22 | 国家海洋局第三海洋研究所 | 一种基于单水听器的深海水声被动测距测深方法 |
CN108549069A (zh) * | 2018-03-08 | 2018-09-18 | 哈尔滨工程大学 | 一种非理想波导下的warping变换修正方法 |
CN109815942A (zh) * | 2019-03-18 | 2019-05-28 | 西北工业大学 | 基于海洋环境噪声信号的简正波特征提取方法 |
CN110456361A (zh) * | 2019-06-27 | 2019-11-15 | 浙江大学 | 大范围海底地貌遥测的双基地声学成像方法 |
CN111458008A (zh) * | 2020-04-16 | 2020-07-28 | 浙江大学 | 基于单固定水听器和单移动声源的海洋地声参数反演方法 |
Non-Patent Citations (4)
Title |
---|
ZHANG YIFENG ET AL.: "Extracting the interference components of normal modes in a shallow water waveguide using modified autocorrelation warping transform", 《OCEANS 2019》 * |
李晓曼;张明辉;张海刚;朴胜春;刘亚琴;周建波;: "一种基于模态匹配的浅海波导中宽带脉冲声源的被动测距方法", 物理学报, vol. 66, no. 09 * |
李晓曼;朴胜春;张明辉;刘亚琴;周建波;: "一种基于单水听器的浅海水下声源被动测距方法", 物理学报, vol. 66, no. 18 * |
王冬;郭良浩;刘建军;戚聿波;: "一种基于warping变换的浅海脉冲声源被动测距方法", 物理学报, vol. 65, no. 10 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820717A (zh) * | 2021-08-23 | 2021-12-21 | 哈尔滨工程大学 | 一种基于负梯度波导下warping变换的单矢量传感器无源测距方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112684437B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272005B (zh) | 基于可靠声路径下目标回波到达时延和到达角度的主动定位方法 | |
CN102183435B (zh) | 一种基于多路径反射理论的海底密度和声速测量方法 | |
CN103048642B (zh) | 基于频域最小二乘法的水声脉冲信号匹配场定位方法 | |
CN103076594B (zh) | 一种基于互相关的水声脉冲信号双阵元定位的方法 | |
CN111580048B (zh) | 一种利用单矢量水听器的宽带声源深度估计方法 | |
CN103176163B (zh) | 基于相位模型的舰船线谱噪声源位置识别方法 | |
CN104678384B (zh) | 一种波束域的声压差互相关谱分析水下目标速度估计方法 | |
CN112269164A (zh) | 深海可靠声路径下基于干涉结构匹配处理弱目标定位方法 | |
CN109100711B (zh) | 一种深海环境下单基地主动声纳低运算量三维定位方法 | |
Yu et al. | Estimating the delay-Doppler of target echo in a high clutter underwater environment using wideband linear chirp signals: Evaluation of performance with experimental data | |
CN104820218A (zh) | 一种基于频域自相关的浅海海底单参数反演方法 | |
CN109061654B (zh) | 一种深海环境下单圆环阵主动三维定位方法 | |
Hursky et al. | High-frequency (8–16 kHz) model-based source localization | |
CN112684437B (zh) | 一种基于时域warping变换的被动测距方法 | |
CN111458678B (zh) | 一种基于时频干涉谱和辐射噪声声强测量的被动测距方法 | |
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 | |
Zamanizadeh et al. | Source localization from time-differences of arrival using high-frequency communication signals | |
Yayu et al. | Research on Location of Underwater Sound Source Target in Deep Sea Sound Field Based on Bellhop Model | |
Song et al. | Radial source velocity estimation using multiple line spectrum signals based on compressive sensing | |
Chen et al. | Analysis of shallow water sound velocity profile impact on detection performance of active sonar signal | |
CN115236592B (zh) | 一种基于单阵元时频曲线匹配的冰声定位方法 | |
Song et al. | Passive ranging technique using waveguide invariant in shallow water with thermocline | |
CN112466330B (zh) | 一种多途信道下噪声源的声源级估计方法 | |
CN117169816B (zh) | 一种深海声影区宽带声源被动定位方法、介质及系统 | |
CN112346038B (zh) | 一种基于浅海爆炸声传播信号的声信道响应估计方法 |
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 |