CN113534113B - 一种基于运动补偿的声纳目标线谱增强方法 - Google Patents

一种基于运动补偿的声纳目标线谱增强方法 Download PDF

Info

Publication number
CN113534113B
CN113534113B CN202110602582.0A CN202110602582A CN113534113B CN 113534113 B CN113534113 B CN 113534113B CN 202110602582 A CN202110602582 A CN 202110602582A CN 113534113 B CN113534113 B CN 113534113B
Authority
CN
China
Prior art keywords
spectrum
power spectrum
line spectrum
target
snapshot
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
CN202110602582.0A
Other languages
English (en)
Other versions
CN113534113A (zh
Inventor
谷新禹
孙微
尚金涛
叶思懋
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.)
715th Research Institute of CSIC
Original Assignee
715th Research Institute of CSIC
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 715th Research Institute of CSIC filed Critical 715th Research Institute of CSIC
Priority to CN202110602582.0A priority Critical patent/CN113534113B/zh
Publication of CN113534113A publication Critical patent/CN113534113A/zh
Application granted granted Critical
Publication of CN113534113B publication Critical patent/CN113534113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种基于运动补偿的声纳目标线谱增强方法，该方法利用多普勒频偏的等比例关系，对被动声纳估计的目标功率谱进行补偿，改善积分时间内的各快拍功率谱相关性；再对补偿后的各时间快拍功率谱进行累积处理，利用累积后的功率谱进行特征提取，获得高信噪比的线谱特征。该方法利用多普勒频偏的等比例关系，对被动声纳估计的目标功率谱进行补偿，补偿后的功率谱时间相关性将得到极大改善，利用相干处理方法以及特征提取技术可以得到增强的线谱特征。该方法较常规方法能够获得高信噪比线谱特征，甚至在常规方法提取不到线谱时能够获得较明显的线谱特征，大幅提高了识别准确率，能够对被动声纳目标识别性能起到改善提高作用。

Description

一种基于运动补偿的声纳目标线谱增强方法
技术领域
本发明属于声学信号处理目标识别领域，主要是一种基于运动补偿的声纳目标线谱增强方法。
背景技术
随着我国声纳探测设备的作用距离不断提升，声纳可发现目标的数量直线上升，这其中绝大多数为干扰目标，这使得真实目标辨识变得极为困难，需要提升目标识别技术性能，以应对日益复杂的水声环境。目前被动声纳识别技术常常用到目标线谱特征，其原理是对于人造水声目标(诸如潜器、舰艇、商船等)，其辐射噪声谱反映了目标结构、动力、工况、状态等多方面固有特征，因此从辐射噪声谱中提取的线谱特征可以表征目标类型甚至目标状态，从而达到被动目标识别的目的。然而在实际情况下，由于目标和声纳大多处于相对运动状态，产生的多普勒效应会使频谱产生不可忽视的偏移，导致相干性下降，线谱信噪比降低，特征提取困难。目前声纳设备大多通过长积分时间处理的方式获取稳定线谱特征，但是由于本船和目标相对运动状态不恒定，使得各时间快拍功率谱提取的线谱特征存在一定差异，累积时会损失一定的相干增益，识别效果不佳。通过补偿被动声纳获取的目标功率谱，使其在各个时间快拍内不存在频偏差异，再通过积分时间相干处理，即可获得目标高信噪比的线谱特征，目标识别效果将有较大提升。
发明内容
本发明主要针对多普勒频偏导致的水声目标线谱性能下降问题，而提供一种基于运动补偿的声纳目标线谱增强方法，该方法较常规方法能够获得高信噪比线谱特征，大幅提高了线谱检测能力，可以应用在目前国内大部分被动声纳设备上。
本发明的目的是通过如下技术方案来完成的。一种基于运动补偿的声纳目标线谱增强方法，该方法利用多普勒频偏的等比例关系，对被动声纳估计的目标功率谱进行补偿，改善积分时间内的各快拍功率谱相关性；再对补偿后的各时间快拍功率谱进行累积处理，利用累积后的功率谱进行特征提取，获得高信噪比的线谱特征。
更进一步的，具体包括如下步骤：
步骤一：获取目标噪声数据，并对T时间内的噪声数据进行分段处理，得到N个快拍数据；
Xn＝Wn*XT n＝1,2,…N
其中为矩形窗函数，XT为T时间段内的输入数据，Xn即为tn1～tn2时间段内数据；
步骤二：计算各快拍功率谱，选取较明显的线谱做为基准，测量当前时刻与其他时刻快拍基准线谱频偏量；
Yn(f)＝|FFT(Xn)|2
Yn(f)为Xn的功率谱，对最近时刻，即N时刻功率谱进行特征提取
yN＝extract(YN(f))＝{fN1,fN2,…fNl}
选取信噪比最大的线谱特征fNk做为基准，测量与其他时刻的频偏
Δfn＝fNk-fnk n＝1,2,…N-1
步骤三：利用频偏与参考频率的等比例关系，对各时刻功率谱进行频率补偿；
利用公式对其他频率多普勒频偏进行计算并对该频率进行补偿，得到补偿后的功率谱Yn(f)′
Yn(f)′＝Yn(f+Δf)
步骤四：将补偿后的各时刻功率谱与当前时刻功率谱累积；
对不同时刻的Yn(f)′做累积处理，得到累积后的功率谱
步骤五：对累积后的功率谱进行特征提取，获得高信噪比线谱特征；
利用极大值搜索方式配合信噪比门限筛选得到线谱特征
F＝extract(YT(f)′)＝{f1′,f2′,…fl′}
其中fl′是特征集合中的第l个线谱。
本发明的有益效果为：利用多普勒频偏的等比例关系，对被动声纳估计的目标功率谱进行补偿，补偿后的功率谱时间相关性将得到极大改善，利用相干处理方法以及特征提取技术可以得到增强的线谱特征。该方法较常规方法能够获得高信噪比线谱特征，甚至在常规方法提取不到线谱时能够获得较明显的线谱特征，大幅提高了识别准确率，能够对被动声纳目标识别性能起到改善提高作用。
附图说明
图1是本发明原理框图。
图2是本船和目标相对态势的示意图，分别为本船和目标的绝对速度，θ、φ为本船和目标航向相对两者径向的夹角。
图3～图7为某海试数据处理结果示意图。
具体实施方式
下面将结合附图对本发明做详细的介绍：
本发明针对多普勒频移导致不同时间快拍目标功率谱相关性差的问题，提出了基于多普勒频移等比例伸缩特性的功率谱补偿方法，极大改善了积分时间内的各快拍功率谱相关性，再对补偿后的各时间快拍功率谱进行累积处理，利用累积后的功率谱进行特征提取，获得高信噪比的线谱特征。
如图1所示，本发明的实施流程：①获取目标噪声数据，并对T时间内的噪声数据进行分段处理，得到N个快拍数据。②计算各快拍功率谱，选取较明显的线谱做为基准，测量当前时刻与其他时刻快拍基准线谱频偏量，利用频偏与参考频率的等比例关系，对各时刻功率谱进行频率补偿，将补偿后的各时刻功率谱与当前时刻功率谱累积。③对累积后的功率谱进行特征提取，获得高信噪比线谱特征。
参照图2的本船和目标相对态势，令本船绝对速度为目标绝对速度为/>本船/目标航向相对两者径向的夹角为θ/φ，目标辐射噪声谱频率f。
则本船相对径向方向速度为目标相对径向方向速度为/>
根据多普勒效应，可得被动探测时，接收到目标频率为
则目标多普勒频移为
从式(2)可以看出，当本船和目标相对运动状态恒定时，也就是保持不变时，Δf只和f有关，对于同一目标的不同辐射噪声谱频率f1、f2有如下关系
即，对于同一时间快拍数据，多普勒频偏与参考频率成比例关系，可以利用这一特性对各时间快拍的功率谱进行频谱补偿，获得“相对”准确的功率谱。考察目标某一时间t1功率谱，
Yt1(fn)＝|FFT(Xt1)|2 l≤n≤h (4)
利用极大值搜索方式配合信噪比门限筛选提取功率谱线谱特征，取最强线谱f0t1作为基准频率。相对的在t2时刻，谱峰提取位置为f0t2，则多普勒频移量为
Δf0＝f0t2-f0t1 (5)
对于其它频率，则有
fkt1′＝fkt1+Δfk＝fkt2 (7)
则
式(9)说明通过对t1时刻功率谱进行补偿，与t2时刻功率谱进行了“对齐”。对积分时间T以内的N个时间快拍功率谱进行式(8)的补偿处理，得到对齐后的功率谱Yt(fn′),t＝1,2…N。对Yt(fn′)进行累积处理，则
对式(9)得到的累积功率谱进行特征提取，利用极大值搜索方式配合信噪比门限筛选可以比较容易的得到线谱特征F＝[f1′,f2′,…,fl′]，其中fl′是特征集合中的第k个线谱，经过多普勒频偏补偿，各时刻功率谱具有更好相干性，累积后会产生“聚焦”效应，提取到的特征信噪比更高。这里要注意的是，在没有测速手段时，无法确知本船和目标的相对运动状态，即未知，导致F只是“相对”准确的功率谱，即最终提取的线谱特征也是带有多普勒频移的，因此在后续识别处理中要考虑这一点，例如在模版匹配识别中，要考虑对匹配模版进行扩展，利用不同相对速度下的匹配模版集合对目标进行匹配识别。
图3是选取3个不同时间快拍的功率谱比对结果，图中可见由于不同时刻本船目标相对运动状态不同，导致目标固有线谱特征产生了频偏。
图4为目标功率谱补偿前后的历程图，可见补偿前目标频谱历程成曲线形态，修正后目标频谱历程变为直线形态，相干性得到极大改善。
图5为目标功率谱补偿前后的长时间积分处理结果，可见修正前目标频谱由于相干性较差，导致谱峰较矮较胖，修正后目标频谱尖锐具有较高信噪比(较修正前提高了1dB左右)，具有更好的可提取性。同时在图中标注出的位置处，功率谱补偿前无法看到明确的线谱特征，补偿后线谱特征得到增强，从背景中凸现出来。
图6为选取图5标注处的目标功率谱历程补偿前后对比，证明该处确实存在目标弱线谱特征，通过运动补偿使本来分散的各快拍线谱特征得到能量“聚集”，使得线谱凸现出来。
图7为目标功率谱特征提取后的结果比对，可见经过运动补偿后，提取到的线谱特征具有更高的信噪比，并且提取到了补偿前无法提取的线谱特征。
可以理解的是，对本领域技术人员来说，对本发明的技术方案及发明构思加以等同替换或改变都应属于本发明所附的权利要求的保护范围。

Claims (1)

1.一种基于运动补偿的声纳目标线谱增强方法，其特征在于：该方法利用多普勒频偏的等比例关系，对被动声纳估计的目标功率谱进行补偿，改善积分时间内的各快拍功率谱相关性；再对补偿后的各时间快拍功率谱进行累积处理，利用累积后的功率谱进行特征提取，获得高信噪比的线谱特征；
具体包括如下步骤：
步骤一：获取目标噪声数据，并对T时间内的噪声数据进行分段处理，得到N个快拍数据；
Xn＝Wn*XT n＝1,2,...N
其中为矩形窗函数，XT为T时间段内的输入数据，Xn即为tn1～tn2时间段内数据；
步骤二：计算各快拍功率谱，选取较明显的线谱做为基准，测量当前时刻与其他时刻快拍基准线谱频偏量；
Yn(f)＝|FFT(Xn)|2
Yn(f)为Xn的功率谱，对最近时刻，即N时刻功率谱进行特征提取
yN＝extract(YN(f))＝{fN1,fN2,...fNl}
选取信噪比最大的线谱特征fNk做为基准，测量与其他时刻的频偏
△fn＝fNk-fnk n＝1,2,...N-1
步骤三：利用频偏与参考频率的等比例关系，对各时刻功率谱进行频率补偿；
利用公式对其他频率多普勒频偏进行计算并对该频率进行补偿，得到补偿后的功率谱Yn(f)′
Yn(f)′＝Yn(f+△f)
步骤四：将补偿后的各时刻功率谱与当前时刻功率谱累积；
对不同时刻的Yn(f)′做累积处理，得到累积后的功率谱
步骤五：对累积后的功率谱进行特征提取，获得高信噪比线谱特征；
利用极大值搜索方式配合信噪比门限筛选得到线谱特征
F＝extract(YT(f)′)＝{f1′,f2′,...fl′}
其中fl′是特征集合中的第l个线谱。
CN202110602582.0A 2021-05-31 2021-05-31 一种基于运动补偿的声纳目标线谱增强方法 Active CN113534113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110602582.0A CN113534113B (zh) 2021-05-31 2021-05-31 一种基于运动补偿的声纳目标线谱增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110602582.0A CN113534113B (zh) 2021-05-31 2021-05-31 一种基于运动补偿的声纳目标线谱增强方法

Publications (2)

Publication Number Publication Date
CN113534113A CN113534113A (zh) 2021-10-22
CN113534113B true CN113534113B (zh) 2023-08-15

Family

ID=78094929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110602582.0A Active CN113534113B (zh) 2021-05-31 2021-05-31 一种基于运动补偿的声纳目标线谱增强方法

Country Status (1)

Country Link
CN (1) CN113534113B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5016242A (en) * 1988-11-01 1991-05-14 Gte Laboratories Incorporated Microwave subcarrier generation for fiber optic systems
EP2677343A1 (en) * 2011-02-18 2013-12-25 Mitsubishi Electric Corporation Passive radar device
CN103675819A (zh) * 2012-09-06 2014-03-26 中国科学院声学研究所 一种可用于被动合成孔径阵列偏航的目标检测方法及系统
WO2014101009A1 (zh) * 2012-12-26 2014-07-03 华为技术有限公司 信道参数估计方法及装置、评估信道传播环境的方法及装置
CN107479025A (zh) * 2017-08-15 2017-12-15 重庆邮电大学 一种单快拍大规模线阵空间谱估计方法
CN109471063A (zh) * 2018-11-06 2019-03-15 江西师范大学 基于延迟快拍的均匀线列阵高分辨波达方向估计方法
CN112462352A (zh) * 2020-10-30 2021-03-09 哈尔滨工程大学 一种适用于低信噪比条件下的线谱增强方法
CN113534115A (zh) * 2021-05-31 2021-10-22 中国船舶重工集团公司第七一五研究所 一种主被动联合处理的声纳目标高精度线谱提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5016242A (en) * 1988-11-01 1991-05-14 Gte Laboratories Incorporated Microwave subcarrier generation for fiber optic systems
EP2677343A1 (en) * 2011-02-18 2013-12-25 Mitsubishi Electric Corporation Passive radar device
CN103675819A (zh) * 2012-09-06 2014-03-26 中国科学院声学研究所 一种可用于被动合成孔径阵列偏航的目标检测方法及系统
WO2014101009A1 (zh) * 2012-12-26 2014-07-03 华为技术有限公司 信道参数估计方法及装置、评估信道传播环境的方法及装置
CN107479025A (zh) * 2017-08-15 2017-12-15 重庆邮电大学 一种单快拍大规模线阵空间谱估计方法
CN109471063A (zh) * 2018-11-06 2019-03-15 江西师范大学 基于延迟快拍的均匀线列阵高分辨波达方向估计方法
CN112462352A (zh) * 2020-10-30 2021-03-09 哈尔滨工程大学 一种适用于低信噪比条件下的线谱增强方法
CN113534115A (zh) * 2021-05-31 2021-10-22 中国船舶重工集团公司第七一五研究所 一种主被动联合处理的声纳目标高精度线谱提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Three-Dimensional Imaging Using Colocated MIMO Radar and ISAR Technique;Changzheng Ma 等;IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING;第50卷(第8期);全文 *

Also Published As

Publication number Publication date
CN113534113A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113534115B (zh) 一种主被动联合处理的声纳目标高精度线谱提取方法
CN110852201A (zh) 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN107450055B (zh) 基于离散线性调频傅立叶变换的高速机动目标检测方法
CN108469608B (zh) 一种运动平台雷达多普勒质心精确估计方法
CN106019263B (zh) 基于多亮点回波模型的目标径向速度测量方法
CN111610503B (zh) 基于改进的lvd的线性调频信号参数估计方法
CN110518936B (zh) 高超声速飞行器大动态多普勒快速捕获方法及通信系统
CN110501683B (zh) 一种基于四维数据特征的海陆杂波分类方法
CN103941089A (zh) 基于dft的正弦信号频率估计方法
CN111273297A (zh) 一种基于ar波数谱的水平阵动目标深度估计方法
JP2009257907A (ja) 目標検出装置
CN108809354B (zh) 一种高动态多普勒捕获的长时间累积方法
CN111624573A (zh) 一种海杂波背景下的时域自适应目标检测方法
Kang et al. ISAR cross-range scaling via joint estimation of rotation center and velocity
CN110196407B (zh) 一种基于频率预估的单矢量水听器信号来波方向估计方法
CN117269950B (zh) 基于参差重频的快速解速度模糊方法、设备及存储介质
CN113534113B (zh) 一种基于运动补偿的声纳目标线谱增强方法
CN113885006A (zh) 一种机动转弯目标相参积累检测方法
CN111781590B (zh) 基于高效frft的雷达目标参数估计方法
CN111796266B (zh) 一种匀加速运动目标rd平面检测前跟踪方法
CN110554392A (zh) 一种基于频率—能量起伏特性的运动目标线谱识别方法
CN110426681B (zh) 一种基于同步提取s变换的lfm信号参数估计方法
CN110275150B (zh) 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法
CN116626590A (zh) 一种基于频率线相位差的运动目标瞬时频率估计方法
CN113972951B (zh) 一种低信噪比高动态信号载波多普勒频偏的梳状搜索方法

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