CN113534115A - 一种主被动联合处理的声纳目标高精度线谱提取方法 - Google Patents

一种主被动联合处理的声纳目标高精度线谱提取方法 Download PDF

Info

Publication number
CN113534115A
CN113534115A CN202110600554.5A CN202110600554A CN113534115A CN 113534115 A CN113534115 A CN 113534115A CN 202110600554 A CN202110600554 A CN 202110600554A CN 113534115 A CN113534115 A CN 113534115A
Authority
CN
China
Prior art keywords
target
spectrum
line spectrum
sonar
power spectrum
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
Application number
CN202110600554.5A
Other languages
English (en)
Other versions
CN113534115B (zh
Inventor
孙微
王方勇
唐浩
査继林
谷新禹
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 CN202110600554.5A priority Critical patent/CN113534115B/zh
Publication of CN113534115A publication Critical patent/CN113534115A/zh
Application granted granted Critical
Publication of CN113534115B publication Critical patent/CN113534115B/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
    • 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)
  • 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

本发明公开了一种主被动联合处理的声纳目标高精度线谱提取方法，该方法利用主动声纳估计目标相对运动速度，映射为多普勒频偏后对被动声纳估计的目标功率谱进行修正，修正后的功率谱时间相关性和准确性将得到极大改善，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，获得高精度高信噪比的线谱特征。本发明的有益效果为：该方法较常规方法提取到的线谱特征位置更为准确，不受多普勒频偏影响，同时具有更高的信噪比，大幅提高了线谱检测能力，能够对声纳目标识别性能起到改善提高作用，可应用于目前我国大部分主被动声纳设备。

Description

一种主被动联合处理的声纳目标高精度线谱提取方法
技术领域
本发明属于声学信号处理目标识别领域，主要是一种主被动联合处理的声纳目标高精度线谱提取方法。
背景技术
随着我国主被动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。主动声纳利用PCW信号可以实现对目标的相对速度估计，因此考虑利用主动声纳估计目标多普勒频偏，然后修正被动声纳获取的目标功率谱，再通过积分时间相干处理，即可获得目标高精度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
本发明的目的在于针对多普勒频偏导致的水声目标线谱特征准确度不高的问题，而提供一种主被动联合处理的声纳目标高精度线谱提取方法。
本发明的目的是通过如下技术方案来完成的。一种主被动联合处理的声纳目标高精度线谱提取方法，该方法利用主动声纳估计目标相对运动速度，映射为多普勒频偏后对被动声纳估计的目标功率谱进行修正，修正后的功率谱时间相关性和准确性将得到极大改善，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，获得高精度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
Figure BDA0003092548630000011
为矩形窗函数，XT为T时间段内的输入数据；
步骤二：获取目标回波数据，并对T时间内的各批次回波进行处理，通过极大值搜索和门限筛选获得目标多普勒频偏
Figure BDA0003092548630000021
进而获得目标相对运动状态的估计，即
Figure BDA0003092548630000022
步骤三：计算各快拍功率谱，利用目标相对运动状态计算各频率多普勒频偏，并进行修正；
计算各快拍功率谱
Yn(f)＝|FFT(Xn)|2
利用下式计算各频率多普勒频偏
Figure BDA0003092548630000023
对各频率进行修正，得到修正后的功率谱
Yn(f)′＝Yn(f+Δf)
步骤四：将修正后的各时刻功率谱累积，并对累积后的功率谱进行特征提取，获得高信噪比线谱特征；
对不同时刻的Yn(f)′做累积处理，得到累积后的功率谱
Figure BDA0003092548630000024
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：该方法较常规方法提取到的线谱特征位置更为准确，不受多普勒频偏影响，同时具有更高的信噪比，大幅提高了线谱检测能力，能够对声纳目标识别性能起到改善提高作用，可应用于目前我国大部分主被动声纳设备。
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。
Figure BDA0003092548630000025
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8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：
如图1所示，本发明的流程如下：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个快拍数据并分别计算各快拍功率谱。②通过对主动目标回波数据进行处理，获得对本船和目标径向相对运动状态的估计。③利用估计的本船和目标径向相对运动状态计算目标全频段频率偏移量，并对目标各快拍功率谱进行修正。④将修正后的各快拍功率谱累积，对累积后的功率谱进行特征提取，获得高信噪比高精度线谱特征。
参照图2的本船和目标相对态势，令本船绝对速度为
Figure BDA0003092548630000031
目标绝对速度为
Figure BDA0003092548630000032
本船/目标航向相对两者径向的夹角为θ/φ，本船发射PCW主动脉冲探测信号，频率fa，目标辐射噪声谱频率fb，则
本船相对径向方向速度为
Figure BDA0003092548630000033
目标相对径向方向速度为
Figure BDA0003092548630000034
根据多普勒效应，可得主动探测时，目标回波频率为
Figure BDA0003092548630000035
通过式(1)可以计算多普勒频偏和本船目标相对速度的关系，即
Figure BDA0003092548630000036
则
Figure BDA0003092548630000037
根据多普勒效应，可得被动探测时，接收到目标频率为
Figure BDA0003092548630000038
则目标多普勒频移为
Figure BDA0003092548630000039
可以看出目标多普勒频移与本船目标相对速度有关，带入式(3)可得
Figure BDA0003092548630000041
利用式(6)结果可以对接收目标频率进行修正，获得不受多普勒频偏影响的目标功率谱。考察目标某一时间t功率谱，
Yt(fn)＝|FFT(Xt)|2 l≤n≤h (7)
由于多普勒频偏影响，实际上真实频率位置
fn′＝fn+Δfn (8)
式(6)(8)带入式(7)，可得修正后的功率谱
Figure BDA0003092548630000042
对积分时间T以内的N个时间快拍功率谱进行式(9)的修正处理，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
Figure BDA0003092548630000043
对式(10)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。
该特征经过多普勒频偏修正，具有高精度的特点，同时修正后的功率谱相干性更好，累积后会产生“聚焦”效应，信噪比更高。
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是通过主动目标回波估计的多普勒偏移，利用该偏移量可以计算目标相对运动状态。
图5为目标功率谱修正前后的历程图，与图3的3个线谱相对应，可见修正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。
图6为目标功率谱修正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(较修正前分别提高了1～2dB)，具有更好的可提取性，同时由于经过了频偏修正，使得频谱位置更为精确，而修正前的频谱谱峰位置大多会有偏差。在图中标注出的位置1、位置2、位置3等处，功率谱修正前无法看到明确的线谱特征，修正后线谱特征得到增强，从背景中凸现出来。
图7为选取位置3处的目标功率谱历程修正前后对比，证明该处确实存在目标弱线谱特征，通过频偏修正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8为目标功率谱特征提取后的结果比对，可见经过频偏修正后，提取到的线谱特征具有更高的信噪比和精确度，并且提取到了修正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 (2)

1.一种主被动联合处理的声纳目标高精度线谱提取方法，其特征在于：该方法利用主动声纳估计目标相对运动速度，映射为多普勒频偏后对被动声纳估计的目标功率谱进行修正，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，获得高精度高信噪比的线谱特征。
2.根据权利要求1所述的主被动联合处理的声纳目标高精度线谱提取方法，其特征在于：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
Figure FDA0003092548620000011
为矩形窗函数，XT为T时间段内的输入数据；
步骤二：获取目标回波数据，并对T时间内的各批次回波进行处理，通过极大值搜索和门限筛选获得目标多普勒频偏
Figure FDA0003092548620000012
进而获得目标相对运动状态的估计，即
Figure FDA0003092548620000013
步骤三：计算各快拍功率谱，利用目标相对运动状态计算各频率多普勒频偏，并进行修正；
计算各快拍功率谱
Yn(f)＝|FFT(Xn)|2
利用下式计算各频率多普勒频偏
Figure FDA0003092548620000014
对各频率进行修正，得到修正后的功率谱
Yn(f)′＝Yn(f+Δf)
步骤四：将修正后的各时刻功率谱累积，并对累积后的功率谱进行特征提取，获得高信噪比线谱特征；
对不同时刻的Yn(f)′做累积处理，得到累积后的功率谱
Figure FDA0003092548620000015
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。
CN202110600554.5A 2021-05-31 2021-05-31 一种主被动联合处理的声纳目标高精度线谱提取方法 Active CN113534115B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110600554.5A CN113534115B (zh) 2021-05-31 2021-05-31 一种主被动联合处理的声纳目标高精度线谱提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110600554.5A CN113534115B (zh) 2021-05-31 2021-05-31 一种主被动联合处理的声纳目标高精度线谱提取方法

Publications (2)

Publication Number Publication Date
CN113534115A true CN113534115A (zh) 2021-10-22
CN113534115B CN113534115B (zh) 2023-09-29

Family

ID=78094932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110600554.5A Active CN113534115B (zh) 2021-05-31 2021-05-31 一种主被动联合处理的声纳目标高精度线谱提取方法

Country Status (1)

Country Link
CN (1) CN113534115B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534113A (zh) * 2021-05-31 2021-10-22 中国船舶重工集团公司第七一五研究所 一种基于运动补偿的声纳目标线谱增强方法
CN114114278A (zh) * 2021-11-23 2022-03-01 中国航空工业集团公司洛阳电光设备研究所 一种被动全向浮标lofix定位方法
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 (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11271436A (ja) * 1998-03-23 1999-10-08 Mitsubishi Electric Corp パルスドップラーレーダ装置
KR20040078321A (ko) * 2003-03-04 2004-09-10 삼성전자주식회사 이동통신 시스템의 전력증폭기 제어방법 및 장치
FR2872919A1 (fr) * 2004-07-09 2006-01-13 Thales Sa Traitement coherent rapide pour codes a spectre de raies periodiques
JP2011203276A (ja) * 2011-07-15 2011-10-13 Furuno Electric Co Ltd ドップラー計測器および潮流計
CN103023833A (zh) * 2011-09-26 2013-04-03 北京邮电大学 一种消除多普勒频偏的方法、接收机及系统
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
CN110208808A (zh) * 2019-05-28 2019-09-06 哈尔滨工程大学 一种被动声纳非合作目标线谱信息融合方法
CN110518936A (zh) * 2019-07-22 2019-11-29 西安电子科技大学 高超声速飞行器大动态多普勒快速捕获方法及通信系统
KR20190138445A (ko) * 2018-06-05 2019-12-13 국방과학연구소 표적의 거리 및 도플러 추정을 위한 송수신 방법 및 장치
CN111505584A (zh) * 2020-05-25 2020-08-07 中国科学技术大学 基于相对速度和多普勒效应的音频信号到达时间修正方法
CN111665489A (zh) * 2019-03-08 2020-09-15 中国科学院声学研究所 一种基于目标特性的线谱提取方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11271436A (ja) * 1998-03-23 1999-10-08 Mitsubishi Electric Corp パルスドップラーレーダ装置
KR20040078321A (ko) * 2003-03-04 2004-09-10 삼성전자주식회사 이동통신 시스템의 전력증폭기 제어방법 및 장치
FR2872919A1 (fr) * 2004-07-09 2006-01-13 Thales Sa Traitement coherent rapide pour codes a spectre de raies periodiques
JP2011203276A (ja) * 2011-07-15 2011-10-13 Furuno Electric Co Ltd ドップラー計測器および潮流計
CN103023833A (zh) * 2011-09-26 2013-04-03 北京邮电大学 一种消除多普勒频偏的方法、接收机及系统
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
KR20190138445A (ko) * 2018-06-05 2019-12-13 국방과학연구소 표적의 거리 및 도플러 추정을 위한 송수신 방법 및 장치
CN111665489A (zh) * 2019-03-08 2020-09-15 中国科学院声学研究所 一种基于目标特性的线谱提取方法
CN110208808A (zh) * 2019-05-28 2019-09-06 哈尔滨工程大学 一种被动声纳非合作目标线谱信息融合方法
CN110518936A (zh) * 2019-07-22 2019-11-29 西安电子科技大学 高超声速飞行器大动态多普勒快速捕获方法及通信系统
CN111505584A (zh) * 2020-05-25 2020-08-07 中国科学技术大学 基于相对速度和多普勒效应的音频信号到达时间修正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XI LUO等: "Research of High Resolution ISAR Algorithm Based on Coherent Registration and Fusion for Distributed Radar", AMAE2019 *
李耀波;任志良;刘恩洋;: "一种鱼雷辐射噪声的线谱估计方法", 指挥控制与仿真, no. 01 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534113A (zh) * 2021-05-31 2021-10-22 中国船舶重工集团公司第七一五研究所 一种基于运动补偿的声纳目标线谱增强方法
CN113534113B (zh) * 2021-05-31 2023-08-15 中国船舶重工集团公司第七一五研究所 一种基于运动补偿的声纳目标线谱增强方法
CN114114278A (zh) * 2021-11-23 2022-03-01 中国航空工业集团公司洛阳电光设备研究所 一种被动全向浮标lofix定位方法
CN114114278B (zh) * 2021-11-23 2024-06-04 中国航空工业集团公司洛阳电光设备研究所 一种被动全向浮标lofix定位方法
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
CN114593815B (zh) * 2022-01-21 2024-06-07 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

Also Published As

Publication number Publication date
CN113534115B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN113534115A (zh) 一种主被动联合处理的声纳目标高精度线谱提取方法
CN107561508B (zh) 一种用于匀加速运动目标的相参积累检测方法
CN108761418B (zh) 一种基于微多普勒特征的雷达多径目标剔除方法
CN108490410B (zh) 一种两坐标雷达对海目标联合检测跟踪方法
CN108469608B (zh) 一种运动平台雷达多普勒质心精确估计方法
CN107356922B (zh) 一种扩表辅助法解模糊的多重频雷达目标检测前跟踪方法
CN111624574A (zh) 弱目标探测的目标检测方法、系统、存储介质和装置
CN109324315B (zh) 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法
CN109507669B (zh) 基于相参累积的地面微弱运动目标参数估计方法
CN103197297B (zh) 基于认知框架的雷达动目标检测方法
CN107356908B (zh) 一种捷变频信号相参积累方法
CN111624573A (zh) 一种海杂波背景下的时域自适应目标检测方法
CN111796266B (zh) 一种匀加速运动目标rd平面检测前跟踪方法
CN113885006A (zh) 一种机动转弯目标相参积累检测方法
CN111796288B (zh) 一种基于杂波频谱补偿技术的三坐标雷达动目标处理方法
CN115877350B (zh) 一种和差波束体制雷达时变目标角度估计方法和装置
CN110596651B (zh) 一种雷达检测的方法
CN115407279B (zh) 一种脉冲压缩雷达距离多普勒耦合误差补偿方法
CN107315169B (zh) 基于二阶统计量相似度的杂波协方差矩阵估计方法
CN113534113B (zh) 一种基于运动补偿的声纳目标线谱增强方法
CN115685169A (zh) 基于宽带keystone变换的水声弱运动目标检测方法
CN113156392B (zh) 一种基于俯仰域自适应处理的杂波抑制方法
CN111796267B (zh) 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法
CN112748434B (zh) 一种基于多项式拟合的多普勒天气雷达速度退模糊方法
CN108490417A (zh) 一种精确的sar动目标参数估计方法

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