CN113030983B - 一种基于测深侧扫声纳的近场逐点聚焦doa方法 - Google Patents

Abstract

本发明提供了一种基于测深侧扫声纳的近场逐点聚焦DOA方法，涉及声纳信号处理技术领域，能够实现在近场范围内较高的测深精度，满足近场条件下高精度测深的需求；该方法步骤包括：S1、采用多子阵声纳换能器进行声波的发射和接收，得到声呐接收数据；S2、对声呐接收数据进行数字内插和滤波，得到多子阵滤波数据；S3、根据多子阵滤波数据进行波束形成；S4、根据波束形成的结果逐点聚焦，进行DOA估计。本发明提供的技术方案适用于水下声纳测量的过程中。

Description

一种基于测深侧扫声纳的近场逐点聚焦DOA方法

技术领域

本发明涉及声纳信号处理技术领域，尤其涉及一种基于测深侧扫声纳的近场逐点聚焦DOA方法。

背景技术

近些年来，随着世界各国对海洋资源的探索和开发的需求日益迫切，海洋探测声纳技术也得到了长足发展，海洋探测中通常会采用主动探测声纳，其中一种重要的类型称为侧扫声纳。早期的侧扫声纳形式较为简单，通常采用仅有单条线阵的换能器，因此该声纳仅具备侧扫功能，不具备测深功能。到二十世纪七十年代，国外学者提出了测深侧扫声纳的概念，该声纳的主要特点是换能器增加到两条平行线阵，早期使用的算法是声干涉算法，该算法存在测深精度不高的问题；第二阶段是差分相位算法，该算法的测深精度较高，但由于一次只能估计一个目标，因此不能适应复杂地形下的应用；第三个阶段是将换能器增加到多条平行线阵，利用多条线阵的相位差来估计海底深度信息，出现了几种高分辨率算法，包括加拿大Simon Fraser大学专利算法CAATI算法及中国科学院声学研究所提出的子空间拟合算法，其中子空间拟合算法基于Unitary TLS-ESPRIT算法，具有角度分辨率高，可以同时估计多个目标，且能够区分海底回波及其他多途目标的特点。

采用以上两种算法的测深侧扫声纳设备多工作在中低频段，且工作时一般距底较远，因此声纳回波信号一般满足信号处理时所需的远场条件，随着对海底微地形地貌和小目标探测需求日益迫切，对声纳测深精度等指标提出了更高的要求，此时声纳通常会采用较高的工作频率，且工作时较为贴近海底，这种情况下采样同样长度的声纳换能器阵会包含更多的换能器基元，这种情况下就需要考虑信号处理时的近场条件，同时也需要采用满足近场条件的测深算法。为了满足近场条件下DOA估计的需求，YUEN N等人在《Performanceanalysis of higher order ESPRIT for local ization of near-field source》的论文中提出了近场广义ESPRIT算法，该算法根据信号流型矢量的相位对称性，可得到包含入射角信息的谱函数，由于阵列对阵性的原因，该算法的可估算信源数只有阵元数的一半；梁军利等人在《Passive Localization of Near-field source using cumulant》的论文中提出了基于高阶累计量的MUSIC算法，该算法无需进行二维MUSIC搜索及参数匹配，但仍需进行一维MUSIC搜索和计算多个高阶累计量，整体算法的复杂度较高。

因此，有必要研究一种基于测深侧扫声纳的近场逐点聚焦DOA算法来应对现有技术的不足，以解决或减轻上述一个或多个问题。

发明内容

有鉴于此，本发明提供了一种基于测深侧扫声纳的近场逐点聚焦DOA方法，能够实现在近场范围内较高的测深精度，满足近场条件下高精度测深的需求。

一方面，本发明提供一种基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，所述方法的步骤包括：

S1、采用多子阵声纳换能器进行声波的发射和接收，得到声呐接收数据；

S2、对声呐接收数据进行数字内插和滤波，得到多子阵滤波数据；

S3、根据多子阵滤波数据进行波束形成；

S4、根据波束形成的结果逐点聚焦，进行DOA估计。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述多子阵声纳换能器包括接收阵元、发射阵元和哑元，三者依次叠置；

所述接收阵元沿纵向包含M条接收线阵，每条接收线阵沿横向包含N个接收子阵，M和N均为不小于2的整数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S1中得到的声呐接收数据为按一定的采样率采样得到的序列。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S2中对声呐接收数据进行数字内插具体为：在同一子阵接收的两个采样点之间补充若干个零。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S2中对声呐接收数据进行滤波具体为：采用低通滤波器将频率低于预设值的数据滤除。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S3中在中间子阵的正前方进行波束形成。中间子阵指处于中间位置的子阵，可以是一个也可以是两个或多个。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S4中DOA估计使用具有高分辨率的TLS-ESPRIT算法来实现。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，步骤S3中形成的波束的指向均为来波方向。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对来波方向进行求解时采用最小二乘准则。

与现有技术相比，本发明可以获得包括以下技术效果：该算法使用多子阵数据进行近场波束形成，将波束形成后的数据再采用TLS-ESPRIT进行DOA估计，该算法具有复杂度低、角度分辨率高的特点，能够满足近场条件下DOA估计的需求；

相比于广义ESPRIT算法，近场逐点聚焦DOA算法对信源数量的估计不受阵元一半的限制，更适用于复杂地形和多途情况下的DOA估计；

相对于基于高阶累计量的MUSIC算法，近场逐点聚焦DOA算法不需要进行MUSIC搜索，可以利用多子阵数据直接解算出多子阵接收到回波的入射角度(参考公式16)，算法复杂度较小；

该算法在使用多子阵数据进行波束形成后，使波束指向来波方向，提高了信噪比，最终使该算法得到了较高的测深精度。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有技术效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明一个实施例提供的多子阵测深侧扫声纳换能器结构示意图；

图2是本发明一个实施例提供的数字内插滤波原理示意图；

图3是本发明一个实施例提供的近场波束形成原理示意图；

图4是本发明一个实施例提供的远场DOA估计模型示意图；

图5是本发明一个实施例提供的高频测深侧扫声纳不同模型测深精度对比图。

具体实施方式

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

为了解决目前近场DOA估计算法复杂度较高的问题，本发明提出一种基于测深侧扫声纳子阵划分的近场聚焦DOA算法，该算法使用多子阵数据进行近场波束形成，将波束形成后的数据再采用TLS-ESPRIT算法进行DOA估计，该算法具有复杂度低、角度分辨率高的特点，能够满足近场条件下DOA估计的需求。

本发明主要使测深侧扫声纳实现了超高的侧扫分辨率及高测深精度，主要的创新方法包括：为了实现更高的测深精度本发明提出一种基于近场逐点聚焦的DOA算法，能够实现在近场范围内较高的测深精度，满足了在近场条件下高精度测深的需求。DOA是波达方向定位技术，具体为通过处理接收到的回波信号，获取目标的距离信息和方位信息。

本发明的工作原理为：首先高频测深侧扫声纳会采用多子阵声纳换能器，多子阵测深侧扫声纳换能器结构阵面方向的正视图如图1所示，多子阵换能器沿纵向包含M条接收线阵，每条线阵又沿横向切割成N条子阵，M和N均为大于2的正整数，根据声纳工作时的满足远场条件及距底高度的要求进行计算，此处M＝8、N＝3,每次发射后会得到多子阵的声纳回波接收数据，接收完成后先对多子阵的接收数据进行数字内插滤波，得到多子阵滤波数据，然后利用该滤波数据在3条子阵的中间子阵正前方进行波束形成(当子阵数量为偶数时，根据具体情况选择中间子阵具体为哪个或哪几个子阵)，最终得到该线阵逐点聚焦于正前方的结果，最后使用波束形成的数据做DOA估计，DOA估计使用具有高分辨率的TLS-ESPRIT算法。

近场逐点聚焦的DOA算法的实现步骤如下：

步骤1、如图2所示，假设某子阵通道的输入信号为x_i(t)，经过采样率f_s＝1/Δ采样后，得到序列x_i(n)＝x_i(nΔ)，通常在两个采样点之间补L-1个零(L称为内插比)，补零后可得到序列V_i(m)＝v_i(mδ)，此处δ＝Δ/L，两者的关系如下式：

步骤2、可以推导出v_i(mδ)的傅里叶变换如下式：

步骤3、如图3所示，若以1/δ的采样率对x_i(t)进行采样，则可以得到采样序列x_i(nδ)，其傅里叶变换可以表示为：

在频域ω＝±k(2π/δ),(k＝1,2,....)处是相同的，因此若将V_i(e^jwδ)通过一个低通滤波器，则可以将v_i(nδ)转换成x_i(nδ)表示，正如下式所示：

步骤4、h(nδ)为理想低通滤波器的单位响应，其傅里叶变换为H(e^jωδ)，亦即：

X_i(e^jwδ)＝H(e^jwδ)V_i(e^jwδ)＝H(e^jwδ)V_i(e^jwΔ) (4)

步骤5、x_i(n)代表任意子阵的采样序列，x_in(n)则代表第M条线阵中沿航迹向第n子阵经低通滤波后的序列，τ_n代表该子阵的时延，δ是内插后时的时间间隔，而M_nδ即为延时τ_n，因此经过数字内插波束形成的第M条线阵的序列x_bM(nδ)可用下式表示：

其中M＝1,2,... (5)

步骤6、得到声纳换能器在垂直航迹向的M条线阵的序列x_bM(nδ)后，采用子空间拟合算法对上述序列进行处理，假设两线阵之间的距离为Δx，可以将M个线阵划分为两个线阵集合X和Y，两线阵集合的线阵数量均为M-1，且两线阵集合间的距离同样为Δx，输出噪声均为互相独立的高斯白噪声，因此两个线阵集合的回波信号矩阵可以分别表示为：

X＝AS+n_x (6)

Y＝AΦS+n_y (7)

如上式所示A＝[a(θ₁),....,a(θ_k)],a(θ_k)＝[a₁(θ_k),a₂(θ_k),…,a_M-1(θ_k)]^T，X＝[x_b1(t),x_b2(t),…,x_bM-1(t)]^T，Y＝[y₁(t),y₂(t),…,y_M-1(t)]^T，其中t＝nδ，矩阵A被称为方向矩阵,a(θ_k)被称为阵列流型，X和Y分别代表各自线阵集合接收到M-1个接收信号，S＝[s₁(t),s₂(t),…,s_k(t)]^T代表线阵集合接收到的K个发射信号，n_x＝[n_x1(t),n_x2(t),…,n_xM-1(t)]^T和n_y＝[n_y1(t),n_y2(t),…,n_yM-1(t)]^T各自代表该线阵集合接收到加性噪声，

被称为旋转算子。

步骤6、将两个线阵集合合并得到矩阵Z：

步骤7、若要估计信源的入射角θ_i，则需要对矩阵Φ进行估计，信号子空间和噪声子空间可以用矩阵Z的协方差矩阵的特征值分解来描述，矩阵Z的自相关矩阵可表示为下式，其中R_SS为发射信号的自相关矩阵，δ²为噪声的方差：

步骤8、自相关矩阵R_ZZ的特征值分解为:

步骤9、由上式可知，特征值λ₁≥λ₂≥…≥λ_k>λ_k+1＝…≥λ_2(M-1)＝σ²,其中K个较大特征值的特征向量U_S张成的信号子空间，其他较小特征值向量U_N为张成的噪声子空间，因此可以认为特征向量张成的信号子空间和阵列流形张成的信号子空间是相同的，因此存在唯一的非奇异阵T，使得：

步骤10、因此，根据上式可得：

U_Y＝U_XT^-1ΦT＝U_XΨ (14)

步骤11、上式中Ψ＝T^-1ΦT，对入射角度的求解转换成对上式方程的求解，对上式的求解会采用最小二乘准则(TLS)。

步骤12、按照总体最小二乘的方法求解方程U_Y＝U_XΨ，首先对如下矩阵进行特征值分解：

步骤13、将E按K×K子矩阵块分解为

得到方程的解

步骤14、求矩阵ψ的特征值，求所有特征值的相位，记为μ₁,μ₂,…,μ_k。

步骤15、估计信号到达方向为：

实施例1：

(1)高频测深侧扫声纳采用多子阵换能器设计，即换能器纵向包含M条接收线阵，每条线阵沿横向又被切割成N个子阵，因此共有M*N个通道的子阵接收数据，对于其中一个任意子阵的接收数据x_i(t),i＝1，…，M*N，在两个采样点之间插入L-1个零,此处取L＝50，得到序列V_i(m)＝v_i(mδ)：

(2)然后将序列v_i(mδ)的傅里叶变换V_i(e^jwδ)通过低通滤波器，低通滤波器的截止频率为f_s＝1/Δ，实际中低通滤波器不是理想滤波器，它有过渡带，且通带和阻带内有纹波，因此通过低通滤波器器后，可以计算出以下近似序列：

(3)

代表第M条线阵沿航迹向第n子阵经过低通滤波后的信号，τ_n代表该子阵的时延，其中Δ＝Lδ为数字波束输出时间间隔，δ是内插后时的时间间隔，而M_nδ即为延时τ_n，得到计算第M条线阵波束聚焦序列的公式：

(4)如图4所示，实际计算正前方逐点聚焦时，假设高频测深侧扫换能器沿航迹方向有三个子阵，间距均为d，子阵1、子阵3分别向子阵2的正前方垂直航迹向进行聚焦，子阵1、子阵3的聚焦时间差为τ_n，带入上式即可得到逐点波束聚焦后的结果：

(5)得到换能器纵向M条线阵的序列

采用子空间拟合算法对上述序列进行处理，首先两线阵之间的距离为Δx，可以将M个线阵划分为两个线阵集合X和Y，两线阵集合包含M-1条线阵，且两线阵集合的距离同样为Δx，输出噪声均为互相独立的高斯白噪声，两个线阵集合的回波信号矩阵可以分别表示为：X＝AS+n_x和Y＝AΦS+n_y，其中矩阵A被称为方向矩阵,a(θ_k)被称为阵列流型，X和Y分别代表各自线阵集合接收到M-1个接收信号，将两个线阵集合合并得到矩阵Z，其中

A＝[a(θ₁),…,a(θ_k)],a(θ_k)＝[a₁(θ_k),a₂(θ_k),…,a_M-1(θ_k)]^T，X＝[x_b1(t),x_b2(t),…,x_bM-1(t)]^T，Y＝[y₁(t),y₂(t),…,y_M-1(t)]^T，求解矩阵Z的自相关函数R_ZZ，并将R_ZZ做特征值分解，即

其中有K个大特征值，其对应的大特征向量U_S张成信号子空间，其余小特征向量U_N张成的噪声子空间，因此只需要求解非奇异阵T，使得

因U_s＝[U_X U_Y]^T＝[AT AΦT]^T，因此U_Y可以表示为：U_Y＝U_XT^-1ΦT＝U_XΨ，其中Ψ＝T^-1ΦT，因此只需求出此方程即可。

(6)按照总体最小二乘法，对

进行特征值分解，得到特征向量矩阵E，将矩阵E按K×K子矩阵块分解为

得到方程的解

其中ψ的特征值的相位可以写作μ₁,μ₂,…,μ_k，最终得到信号的波达方向估计

最后为了验证本算法的测深性能，另增加两种模型进行对比：

其中单段模型使用子阵2的数据进行DOA估计；三段模型使用子阵1、子阵2、子阵3数据的算术平均值进行DOA估计；逐点聚焦模型使用子阵1、子阵2、子阵3数据进行近场波束形成后再进行DOA估计。图5显示的是相对测深精度随水平距离的变化曲线，逐点聚焦模型的曲线在单侧水平距离40m以内较为平缓，在此范围内相对测深精度均优于三段模型和单段模型，按照第五版IHO海道测量标准(S-44)，高频测深侧扫声纳的相对测深精度在2*40m范围内满足IHO S-44特级标准，在2*50m的范围内满足IHO S-44一级标准。

以上对本申请实施例所提供的一种基于测深侧扫声纳的近场逐点聚焦DOA算法，进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

如在说明书及权利要求书当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语，故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求书的保护范围内。

Claims (7)

1.一种基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，所述方法的步骤包括：

S1、采用多子阵声纳换能器进行声波的发射和接收，得到声呐接收数据；

S2、对声呐接收数据进行数字内插和滤波，得到多子阵滤波数据；

S3、根据多子阵滤波数据进行近场波束形成；

S4、根据波束形成的结果逐点聚焦，进行DOA估计；

所述多子阵声纳换能器为长方形面阵换能器；

所述多子阵声纳换能器包括接收阵元、发射阵元和哑元，三者依次叠置；

所述接收阵元沿纵向包含M条接收线阵，每条接收线阵沿横向包含N个接收子阵，M和N均为不小于2的整数；

步骤S4中DOA估计使用具有高分辨率的TLS-ESPRIT算法来实现。

2.根据权利要求1所述的基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，步骤S1中得到的声呐接收数据为按一定的采样率采样得到的序列。

3.根据权利要求2所述的基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，步骤S2中对声呐接收数据进行数字内插具体为：在同一子阵接收的两个采样点之间补充若干个零。

4.根据权利要求2所述的基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，步骤S2中对声呐接收数据进行滤波具体为：采用低通滤波器将频率低于预设值的数据滤除。

5.根据权利要求1所述的基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，步骤S3中在中间子阵的正前方进行波束形成。

6.根据权利要求1所述的基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，步骤S3中形成的波束的指向均为来波方向。

7.根据权利要求6所述的基于测深侧扫声纳的近场逐点聚焦DOA方法，其特征在于，对来波方向进行求解时采用最小二乘准则。

Images