CN113640806A - 一种基于多声纳设备的沉积层声特性获取方法及系统 - Google Patents

一种基于多声纳设备的沉积层声特性获取方法及系统 Download PDF

Info

Publication number
CN113640806A
CN113640806A CN202010343455.9A CN202010343455A CN113640806A CN 113640806 A CN113640806 A CN 113640806A CN 202010343455 A CN202010343455 A CN 202010343455A CN 113640806 A CN113640806 A CN 113640806A
Authority
CN
China
Prior art keywords
acoustic characteristic
seabed
characteristic parameters
empirical
acoustic
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
CN202010343455.9A
Other languages
English (en)
Other versions
CN113640806B (zh
Inventor
倪海燕
王文博
肖旭
鹿力成
任群言
马力
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.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
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 Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN202010343455.9A priority Critical patent/CN113640806B/zh
Publication of CN113640806A publication Critical patent/CN113640806A/zh
Application granted granted Critical
Publication of CN113640806B publication Critical patent/CN113640806B/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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
    • 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
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/023—Solids
    • G01N2291/0232—Glass, ceramics, concrete or stone
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明属于水声物理技术领域，具体涉及一种基于多声纳设备的沉积层声特性获取方法，包括：以待反演声学特性参数为输入变量，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，反演得到声学特性参数，并利用经验推导，得到经验性声学特性参数；以待反演反向声学特性参数为输入变量，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，反演得到反向声学特性参数，并利用经验推导，得到经验性反向声学特性参数；利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息。

Description

一种基于多声纳设备的沉积层声特性获取方法及系统
技术领域
本发明属于水声物理、海底探测技术领域，具体地说，涉及一种基于多声纳设备的沉积层声特性获取方法及系统。
背景技术
在水下，声波的传播特性受海底沉积物声学特性以及沉积层结构特性影响极大。目前，获取海底沉积层的底质类型、声学特性参数、沉积层数目、沉积层厚度等特性信息的方法有：海底沉积物定点取样辅之实验室分析，以及声学手段获得某一区域海底数据再利用物理模型反演特性参数等方法。
但是，上述两种方法通常为定点采集数据，在分析较大范围内海底数据信息时具有一定的局限性，测量效率较差；且当采用单种声纳设备获取数据时，其分析结果不足以描述全局的环境状况。因此，选择具有走航式测量功能的多种声纳设备获取海底沉积层数据信息，可对海底信息数据进行大范围、全方位、多维度地采集与获取，进而通过综合分析多种声纳设备的海底声学回波数据，了解海底沉积层物理特性及空间分布。
同时，多种声纳设备的分析结果可从多个维度上描述海底沉积层特性，其彼此分析结果可起到相互补充、验证的作用。这一方法更节省人力物力，效率更高。常用的走航式声纳系统包括单波束声纳、多波束声纳以及浅地层剖面仪等。其中，单波束声纳、多波束声纳工作频率高(一般到几十kHz到几百kHz)，穿透海底深度小，覆盖角度大，可获得较大范围内的海底浅表层沉积物声学回波数据；但是，因高频声波能量大量衰减，导致声波无法透射到更深的海底沉积层，无法获取海底沉积层的结构信息。浅地层剖面仪通常工作在几kHz到几十kHz，可获得较深层的海底沉积物声学回波信息；但是，该数据通常用于获取海底沉积层的结构信息，不用于得到浅表层沉积物的声学特性参数信息。
发明内容
本发明的目的在于，为解决现有技术存在上述缺陷，本发明提出了一种基于多声纳设备的沉积层声特性获取方法，一种基于多声纳设备的沉积层声特性获取方法，其特征在于，该方法包括：
以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性声学特性参数；
以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；
将得到的整体海底浅表层沉积物声学特性参数和整体海底浅表层沉积物反向声学特性参数进行比较与组合，形成海底在水平方向上的海底声学特性参数；
利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息；
将海底在水平方向上的海底声学特性参数，和海底垂直方向上的海底沉积层的结构信息组合在一起形成多维度的沉积层声特性。
作为上述技术方案的改进之一，所述海底浅表层沉积物声学特性参数包括：声学特性参数和海底声学特性参数：
其中，声学特性参数包括：单波束海底沉积物的特性阻抗IOI1、单波束海底体积散射系数σv1和单波束海底表层沉积层粗糙度w1；
经验性声学特性参数包括：单波束沉积层-水层密度比ρ1、单波束沉积层-水层声速比v1和单波束海底表层沉积物衰减系数kp1。
作为上述技术方案的改进之一，所述以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系推导，得到经验性声学特性参数；具体为：
对单波束声纳设备原始接收的海底回波散射信号进行滤波，获得滤波后的散射信号，再对其进行Hilbert变换并取绝对值，获得变换后的散射信号，以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与声学特性参数之间的函数关系，即公式(1)，以及海底声学特性参数之间的经验性的函数关系，即公式(2)-(4)：
Figure BDA0002469313820000031
ρ1＝1.02+1.2ln(IOI1) (2)
v1＝1.164-0.3001(IOI1)+0.1253(IOI1)2 (3)
kp1＝-3.31+4.33(IOI1)-1.138(IOI1)2 (4)
其中，P(t,IOI1,w1,σv1)为时间域上的声压包络；t为时间；IOI1为单波束海底沉积物的特性阻抗；w1为单波束海底表层沉积层粗糙度；σv1为单波束海底体积散射系数；ρw为水层密度；vw为水层声速；I(t,IOI1,w1,σv1)为时间域上的声强包络；ρ1为单波束沉积层-水层密度比；v1为单波束沉积层-水层声速比；kp1为单波束海底表层沉积物衰减系数；
基于公式(1)，对单波束数据选取代价函数fcost 1：
Figure BDA0002469313820000032
其中，N为时间轴上声压包络的采样点数；Preplica(n)为理论时间域上的声压包络；Pexp(n)为实际时间域上的声压包络；
采用基于物理模型的匹配场反演方法，将理论时间域上的海底散射回波声压包络与实际时间域上的海底散射回波声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数；
并利用海底声学特性参数之间的经验性的函数关系进行推导，获得经验性声学特性参数，
将获得的经验性声学特性参数和反演得到的声学特性参数组合在一起，得到整体的海底浅表层沉积物声学特性参数。
作为上述技术方案的改进之一，所述海底浅表层沉积物反向声学特性参数包括：反向声学特性参数和经验性反向声学特性参数；
其中，反向声学特性参数包括：多波束沉积层-水层密度比ρ2、多波束沉积层-水层声速比v2、多波束海底表层沉积层粗糙度w2、多波束沉积层声波衰减系数kp2和多波束海底体积散射系数σv2；
经验性反向声学特性参数包括：多波束海底表层沉积物的特性阻抗IOI2。
作为上述技术方案的改进之一，所述以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；具体为：
对多波束声纳设备原始接收并记录多声波入射角下海底反向散射回波相对强度，进行时变增益补偿校准和海底声照射面积校准，以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与反向声学特性参数之间的函数关系，即公式(6)，以及海底反向声学特性参数之间的经验性的函数关系，即公式(7)：
Figure BDA0002469313820000042
IOI2＝ρ2v2 (7)
其中，BS为角度域上的反向散射回波相对强度；θ为波束入射角；ρ2为多波束沉积层-水层密度比；v2为多波束沉积层-水层声速比；w2为多波束海底表层沉积层粗糙度；
Figure BDA0002469313820000041
为多波束沉积层声波衰减系数；σv2为多波束海底体积散射系数；IOI2为多波束沉积层特性阻抗；
基于公式(6)，对多波束数据选取海底反向散射代价函数fcost 2：
Figure BDA0002469313820000051
其中，M为反向散射回波相对强度的角度域上的角度值；BSreplica(m)为理论角度域上的反向散射回波相对强度；BSexp(m)为实际角度域上的反向散射回波相对强度；
采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，
并利用海底反向声学特性参数之间的经验性的函数关系进行推导，获得经验性反向声学特性参数，
将获得的经验性反向声学特性参数和反演得到的反向声学特性参数组合在一起，得到海底浅表层沉积物反向声学特性参数。
作为上述技术方案的改进之一，所述浅地层剖面仪采集海底回波数据，采用基于图像的综合性数据处理方法，进而获得海底垂直方向上的海底沉积层的结构信息；
浅地层剖面仪采集海底回波数据，从回波数据中得到水平距离r0和深度h0的浅剖数据矩阵，将浅剖数据矩阵表示为浅剖图像，再采用基于图像的综合性数据处理方法对该浅剖图像进行基于图像统计特性的均衡增强，获得均衡后的浅剖图像；利用二维多尺度线条滤波器对均衡后的浅剖图像进行多尺度线条滤波，提取所述均衡后的浅剖图像中的能量对比度的结构特征，滤除小尺度的随机高斯噪声，获得浅剖图像的分层界面结构的最大响应图像；
再通过二维小波变换，将最大响应图像分解为水平方向细节子图像、垂直方向细节子图像和平滑的低频图像；将水平方向细节子图像作归一化处理后，再次利用二维多尺度线条滤波器进行滤波，获得完整的水平线条的区域信息的图像；
对获得的完整的水平线条的区域信息的图像的界面结构和背景进行二值化处理，再通过列向量错位相减，获得水平线条的区域边界；
进而获得海底垂直方向上的海底沉积层的结构信息；其中，海底沉积层的结构信息包括：海底沉积层的层数和沉积层各层的厚度信息。
本发明还提供了一种基于多声纳设备的沉积层声特性获取系统，该系统包括：
声学特性获取模块，用于以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性浅表层沉积物声学特性参数；
反向声学特性获取模块，用于以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性浅表层沉积物反向声学特性参数；
海底参数获取模块，用于将得到的整体的海底浅表层沉积物声学特性参数和整体的海底浅表层沉积物反向声学特性参数进行比较与组合，形成海底在水平方向上的海底声学特性参数；
结构信息获取模块，用于利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息；
将海底在水平方向上的海底声学特性参数，和海底垂直方向上的海底沉积层的结构信息组合在一起形成多维度的沉积层声特性。
本发明与现有技术相比的有益效果是：
(1)综合利用单波束测深声纳、多波束测深声纳以及浅地层剖面仪三种走航式声纳设备，可以同时得到某一试验测集中的海底浅表层沉积物的声学特性参数以及深层沉积物的结构信息(包括海底沉积层的层数，层高等)，利用声学特性参数丛海底水平方向上估计海域海底浅表层沉积层的类型及其软硬度，从水平和垂直两个方向维度上，分析海底沉积层的特性信息，进而构建起海底沉积层的三维立体特性图；
(2)对三种走航式声纳设备所采集的海底声学回波数据进行综合利用和分析，可相互印证彼此数据分析结果的可靠性与相关性，为最终海底沉积层的特性信息的分析获取提供辅助性的支撑；
(3)三种走航式声纳设备均可实现走航式测量，相比传统定点收集数据再物理反演的方法，可应用于较大范围内的海底沉积层的特性信息的分析。
附图说明
图1是本发明的一种基于多声纳设备的海底沉积层特性获取方法中反演海底浅表层沉积物声学特性参数的流程图；
图2是本发明的一种基于多声纳设备的海底沉积层特性获取方法中反演海底浅表层沉积物反向声学特性参数的流程图；
图3是本发明的一个试验例中单波束声纳仿真得到的理论时间域声压包络曲线与单波束试验中获取到的实际时间域声压包络曲线的示意图；
图4是本发明的一个试验例中多波束声纳仿真得到的理论角度域反向散射相对强度曲线与多波束试验中获取到的实际角度域反向散射相对强度曲线的示意图；
图5(a)是本发明的一个试验例中利用单波束声纳数据得到的沉积层-水层密度比ρ1(由反演阻抗值IOI1经经验公式(2)推导得到)的示意图；
图5(b)是本发明的一个试验例中利用单波束声纳数据得到的沉积层-水层声速比v1(由反演阻抗值IOI1经经验公式(3)推导得到)的示意图；
图5(c)是本发明的一个试验例中利用单波束声纳数据反演得到的阻抗值IOI1的示意图；
图5(d)是本发明的一个试验例中利用单波束声纳数据得到的声波衰减系数kp1(由反演阻抗值IOI1经经验公式(4)推导得到)的示意图；
图5(e)是本发明的一个试验例中利用单波束声纳数据反演得到的沉积层界面粗糙度w1的示意图；
图5(f)是本发明的一个试验例中利用单波束声纳数据反演得到的沉积层体积散射系数σv1；
图6(a)是本发明的一个试验例中利用单波束声纳数据反演得到的沉积层-水层密度比ρ2的示意图；
图6(b)是本发明的一个试验例中利用单波束声纳数据反演得到的沉积层-水层声速比v2的示意图；
图6(c)是本发明的一个试验例中利用多波束声纳数据得到的阻抗值IOI2(由反演沉积层-水层密度比ρ2及沉积层-水层声速比v2经经验公式(7)推导得到)的示意图；
图6(d)是本发明的一个试验例中利用单波束声纳数据反演得到的声波衰减系数kp2的示意图；
图6(e)是本发明的一个试验例中利用单波束声纳数据反演得到的沉积层界面粗糙度w2的示意图；
图6(f)是本发明的一个试验例中利用单波束声纳数据反演得到的沉积层体积散射系数σv2；
图7是本发明的一个试验例中浅地层剖面仪分析得到海底沉积层结构图；图8是本发明的一个试验例中试验海区海底底质类型分布图。
具体实施方式
现结合附图对本发明作进一步的描述。
本发明提供了一种基于多声纳设备的海底沉积层特性获取方法，综合利用单波束声纳设备、多波束声纳设备和浅地层剖面仪对同一试验测线上的海底声学回波数据进行采集，分析获取海底沉积层的三维立体结构信息，即海底沉积层特性，其包括海底在水平方向上的海底浅表层沉积物声学特性参数以及海底在垂直方向上的海底沉积层的结构信息。
其中，利用单波束声纳数据和多波束声纳数据，采用基于物理模型的匹配场反演方法，可反演得到海底浅表层沉积物的声学特性参数，进而根据反演得到的海底浅表层沉积物的声学特性参数，估计海底沉积层类型及其在距离上的相对分布；利用浅地层剖面仪，采用基于图像的综合性数据处理方法，可分析得到海底垂直方向上沉积层的结构信息，其包括：沉积层的层数和沉积层各层的厚度信息。
本发明提供的一种基于多声纳设备的海底沉积层特性获取方法，如图1所示，该方法包括：
以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性声学特性参数；
以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；
将得到的海底浅表层沉积物声学特性参数和海底浅表层沉积物反向声学特性参数进行比较与组合，形成海底在水平方向上的海底声学特性参数；
利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息；
将海底在水平方向上的海底声学特性参数，和海底垂直方向上的海底沉积层的结构信息组合在一起形成多维度的沉积层声特性。
该方法由海底在水平方向上的海底声学特性参数的获取和海底在垂直方向上的海底沉积层的结构信息的获取两部分组成。
该方法具体包括：
(1)海底在水平方向上的海底声学特性参数的获取
如图1所示，以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到海底浅表层沉积物声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性声学特性参数；
其中，所述海底浅表层沉积物声学特性参数包括：声学特性参数和经验性声学特性参数：
其中，声学特性参数包括：单波束海底沉积物的特性阻抗IOI1、单波束海底体积散射系数σv1和单波束海底表层沉积层粗糙度w1；
经验性声学特性参数包括：单波束沉积层-水层密度比ρ1、单波束沉积层-水层声速比v1和单波束海底表层沉积物衰减系数kp1。
具体地，如图1所示，对单波束声纳设备原始接收的海底回波散射信号(时域海底回波数据)进行滤波，获得滤波后的散射信号，再对其进行Hilbert变换并取绝对值，获得变换后的散射信号，以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与声学特性参数之间的函数关系，即公式(1)，以及海底声学特性参数之间的经验性的函数关系，即经验公式(2)-(4)：其中，在本实施例中，所述单波束声纳设备为单波束测深声纳；
Figure BDA0002469313820000101
ρ1＝1.02+1.2ln(IOI1) (2)
v1＝1.164-0.3001(IOI1)+0.1253(IOI1)2 (3)
kp1＝-3.31+4.33(IOI1)-1.138(IOI1)2 (4)
其中，P(t,IOI1,w1,σv1)为时间域上的声压包络；t为时间；IOI1为单波束海底沉积物的特性阻抗；σv1为单波束海底体积散射系数；w1为单波束海底表层沉积层粗糙度；I(t,IOI1,w1,σv1)为时间域上的声强包络；ρw为水层密度；vw为水层声速；ρ1为单波束沉积层-水层密度比；v1为单波束沉积层-水层声速比；kp1为单波束海底表层沉积物衰减系数；
基于公式(1)，对单波束数据选取代价函数fcost 1：
Figure BDA0002469313820000102
其中，N为时间轴上声压包络的采样点数；Preplica(n)为理论时间域上的海底散射回波声压包络；Pexp(n)为实际时间域上的海底散射回波声压包络；其中，实际时间域上的海底散射回波声压包络是通过单波束测深声纳接收海底回波数据获得的；
采用基于物理模型的匹配场反演方法，将理论时间域上的海底散射回波声压包络与实际时间域上的海底散射回波声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，该声学特性参数包括：单波束海底沉积物的特性阻抗IOI1、单波束海底体积散射系数σv1和单波束海底表层沉积层粗糙度w1；
并经海底浅表层沉积物声学特性参数之间的经验性的函数关系，即经验公式(2)-(4)进行推导，得到经验性声学特性参数，该海底声学特性参数包括：单波束沉积层-水层密度比ρ1、单波束沉积层-水层密度比v1和单波束海底表层沉积物衰减系数kp1；
将获得的经验性声学特性参数和反演得到的声学特性参数组合在一起，得到海底浅表层沉积物声学特性参数。
其中，实际时间域上的海底散射回波声压包络是通过在实际试验中采用单波束声纳采集并处理后获得的；
具体地，将Preplica(n)和Pexp(n)分别进行匹配分析，通过调整Kirchhoff近似模型与体积散射模型中的参数，该参数包括：单波束海底沉积物的特性阻抗IOI1、单波束海底体积散射系数σv1及单波束海底表层沉积物粗糙度w1，不断优化代价函数，使代价函数达到最小时，则认为反演完成，此时认为输入到模型中的上述三个参数为最符合实际环境参数的值。
如图2所示，以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；
其中，所述海底浅表层沉积物反向声学特性参数包括：反向声学特性参数和经验性反向声学特性参数；
其中，反向声学特性参数包括：多波束沉积层-水层密度比ρ2、多波束沉积层-水层声速比v2、多波束海底表层沉积层粗糙度w2、多波束沉积层声波衰减系数kp2和多波束海底体积散射系数σv2；
经验性反向声学特性参数包括：多波束海底表层沉积物的特性阻抗IOI2。
具体地，如图2所示，对多波束声纳设备原始接收并记录多声波入射角下海底反向散射回波相对强度，进行时变增益补偿校准和海底声照射面积校准，以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与反向声学特性参数之间的函数关系，即公式(6)，以及海底反向声学特性参数之间的经验性的函数关系，即经验公式(7)；其中，在本实施例中，所述多波束声纳设备为多波束测深声纳；
Figure BDA0002469313820000122
IOI2＝ρ2v2 (7)
其中，BS为角度域上的反向散射回波相对强度；θ为反向散射回波相对强度的波束入射角；ρ2为多波束沉积层-水层密度比；v2为多波束沉积层-水层声速比；w2为多波束海底表层沉积层粗糙度；kp2为多波束沉积层声波衰减系数；σv2为多波束海底体积散射系数；IOI2为多波束沉积层特性阻抗；
基于公式(6)，对多波束数据选取海底反向散射代价函数fcost 2：
Figure BDA0002469313820000121
其中，M为反向散射回波相对强度的角度域上的角度值；BSreplica(m)为理论角度域上的反向散射回波相对强度；BSexp(m)为实际角度域上的反向散射回波相对强度；其中，实际角度域上的反向散射回波相对强度是通过多波束声纳设备接收并获取的；
采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数；该反向声学特性参数包括：多波束沉积层-水层密度比ρ2、多波束沉积层-水层声速比v2、多波束海底表层沉积层粗糙度w2、多波束沉积层声波衰减系数kp2和多波束海底体积散射系数σv2；
并利用海底反向声学特性参数之间的经验性的函数关系进行推导，获得经验性反向声学特性参数；海底反向声学特性参数包括：多波束海底表层沉积物的特性阻抗IOI2；
将获得的经验性反向声学特性参数和反演得到的反向声学特性参数组合在一起，得到海底浅表层沉积物反向声学特性参数。
其中，实际角度域上的反向散射回波相对强度是通过在实际试验中采用多波束声纳采集并处理后获得的。
其中，将BSreplica(m)和BSexp(m)分别进行匹配分析，通过调整小斜率近似模型与体积散射模型中的参数，该参数包括：多波束沉积层-水层密度比ρ2、多波束沉积层-水层声速比v2、多波束海底表层沉积层粗糙度w2、多波束沉积层声波衰减系数kp2和多波束海底体积散射系数σv2，不断优化代价函数，使海底反向散射代价函数达到最小时，则认为反演完成，此时认为输入到模型中的上述五个参数为最符合实际环境参数的值。
根据海底在水平方向上的海底浅表层沉积物的声学特性参数，估计海底沉积层的及其软硬程度；
具体地，首先可根据反演得到的海底在水平方向上的海底浅表层沉积物的声学特性参数在距离上的相对变化趋势，分析航线上沉积物软硬程度。通常来说，软的沉积物类型下，其部分声学特性参数(如沉积层-水层密度比、声速比、阻抗值)等较小；而较硬的沉积物类型下，其部分声学特性参数(如沉积层-水层密度比、声速比、阻抗值)等则较大。其次，可以借助历史文献数据，考虑各种海底沉积物类型的声学特性参数范围，进而判断不同距离上对应沉积物的大致类型。
(2)海底在垂直方向上的海底沉积层的结构信息获取
采用浅地层剖面仪采集海底回波数据，基于图像的综合性数据处理方法，进而获得海底垂直方向上的海底沉积层的结构信息。
具体地，浅地层剖面仪采集海底回波数据，从回波数据中得到水平距离r0和深度h0的浅剖数据矩阵，将浅剖数据矩阵表示为浅剖图像，再采用基于图像的综合性数据处理方法，对该浅剖图像进行基于图像统计特性的均衡增强，以提高浅剖图像中各分界面上的能量对比度，获得均衡后的浅剖图像；利用二维多尺度线条滤波器对均衡后的浅剖图像进行多尺度线条滤波，提取所述均衡后的浅剖图像中的能量对比度的结构特征，滤除小尺度的随机高斯噪声，获得浅剖图像的分层界面结构的最大响应图像；
再通过二维小波变换，将最大响应图像分解为水平方向细节子图像、垂直方向细节子图像和平滑的低频图像；将水平方向细节子图像作归一化处理后，再次利用二维多尺度线条滤波器进行滤波，获得完整的水平线条的区域信息的图像；
对获得的完整的水平线条的区域信息的图像的界面结构和背景进行二值化处理，再通过列向量错位相减，获得水平线条的区域边界；进而获得海底垂直方向上的海底沉积层的结构信息；其中，所述结构信息包括：海底沉积层的层数和海底沉积层各层的层厚度。
其中，海底沉积层特性是由海底在水平方向上的海底浅表层沉积物的声学特性参数和海底在垂直方向上的海底沉积层的结构信息组成。
本发明还提供了一种基于多声纳设备的沉积层声特性获取系统，该系统包括：
声学特性获取模块，用于以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性声学特性参数；
反向声学特性获取模块，用于以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；
海底参数获取模块，用于将得到的海底浅表层沉积物声学特性参数和海底浅表层沉积物反向声学特性参数进行比较与组合，形成海底在水平方向上的海底声学特性参数；
结构信息获取模块，用于利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息；
将海底在水平方向上的海底声学特性参数，和海底垂直方向上的海底沉积层的结构信息组合在一起形成多维度的沉积层声特性。
实施例1.
某次海试过程中，将单波束测深声纳、多波束测深声纳同时置于船底，浅地层剖面仪拖曳前进，走航式测量为图7中所示试验航线，分别利用单波束声纳获取海底回波声压包络P、利用多波束声纳获取海底反向散射回波强度以及其随不同入射角变化的响应曲线、利用浅地层剖面仪获取海底沉积层回波数据。
单波束测深声纳发射了25kHz脉冲宽度为1ms的海底回波散射信号，信号采样频率为500kHz，同时记录了功率放大器信号，收发合置换能器信号，包络采样频率10kHz。
通过对接收的海底回波散射信号进行滤波，获得滤波后的散射信号，再对其进行Hilbert变换并取其绝对值，获得时间域上的声压包络P。
其中，信号包络的获取是通过对原始信号进行Hilbert变换，取绝对值可以获得散射回波的包络，接收信号声压包络为P。
多波束测深声纳发射中心频率为200kHz的FM调频信号，频率带宽40kHz，信号脉冲宽度250us。多波束测深声纳开角设置为140°，其包括等间隔设置为512个波束角；这里仅选择1°-60°入射角范围内的多波束数据进行反演。
根据图1、图2中的匹配场反演方法流程，分别分别选取Kirchhoff近似模型与体积散射模型和小斜率近似模型与体积散射模型为物理模型，对单波束声纳声压包络P以及多波束声纳反向散射强度BS进行模型仿真。将仿真得到的理论物理量与试验中获取到的实际数据物理量进行匹配分析，通过调整物理模型中的输入变量不断优化代价函数。对于Kirchhoff近似模型与体积散射模型，这些输入变量包括：单波束海底沉积物的特性阻抗IOI1、单波束海底体积散射系数σv1和单波束海底表层沉积层粗糙度w1；并可经经验公式推导得到声学特性参数，该参数包括：单波束沉积层-水层密度比ρ1、单波束沉积层-水层密度比v1和单波束海底表层沉积物衰减系数kp1。
对于小斜率近似模型与体积散射模型，这些输入变量包括：多波束沉积层-水层密度比ρ2、多波束沉积层-水层声速比v2、海底表层沉积层粗糙度w2多波束沉积层声波衰减系数kp2和多波束海底体积散射系数σv2；并可经经验公式推导得到声学特性参数，该参数为：多波束海底沉积物的特性阻抗IOI2。
图3分别给出了单波束声纳模型仿真得到的理论时间域声压包络曲线与试验中获取到的实际声压域声压包络曲线的示意图；图4分别给出了单波束声纳模型仿真得到的理论角度域反向散射相对强度响应曲线与试验中获取到的实际角度域反向散射相对强度响应曲线的示意图。当理论曲线与实际曲线之间的代价函数值达到阈值限值时，可认为反演过程完成，此时如图3、图4中所示，理论曲线与实际曲线将呈现较高的吻合度。
经反演后各参数结果如图5(a)-5(f)，图6(a)-6(f)所示。对于图5、6中沉积层-水层密度比、沉积层-水层声速比、沉积层特性阻抗、沉积层衰减系数等声学特性参数，在较软的沉积层类型中其值较小，在较硬的沉积层类型中其值较大。图4、5中这些参数在距离上呈现了较为一致的变化关系，均为先较平缓，后逐渐变化，出现几个峰值。这种变化趋势与试验中获取的单波束声压包络数据、多波束反向散射相对强度等数据的变化相同，也符合试验中沉积层类型变化情况：由起始端粘土质粉砂、很快过渡到砂质粉砂、后半段测线再为粉砂质砂；沉积层类型先为软底再逐渐变为硬底。在这些反演参数的具体数值上，整体多波束对应的参数要比单波束对应的参数大，这与多波束声纳设备未完全校准导致反向散射强度数据不绝对准确有关；但利用多波束反向散射相对强度反演得到的上述声学特性参数反演结果与单波束反演结果在相对变化趋势上呈现基本一致，这体现了对应底质软硬度的一致性。
对于图5、6中海底粗糙度参数及海底体积散射系数，单波束反演参数与多波束反演参数在幅值区间以及变化规律上呈现一定的差异：这一方面与反演过程中输入变量搜索区间不同有关；另一方面与该参数对单波束声压包络以及多波束反向散射相对强度的敏感性不同有关。
图7显示了浅地层剖面仪处理得到的海底沉积层结构特性。如图7所示，在航线的后半段，沉积层底质相对较硬时，没有明显的分层结构，对应的声学特性参数(如沉积层-水层密度比、沉积层-水层声速比、沉积层特性阻抗等)也相对更大；在航线前半段，沉积层底质相对较软时，在图7中可以看到明显的分层结构，对应的声学特性参数(如密度比、声速比、阻抗等)也相对更小。
图8中试验海区整条航线上(E1点驶向E2方向)的海底底质类型分布为：在试验起始端底质类型为粘土质粉砂，并很快过渡到砂质粉砂，后半段测线为粉砂质砂；先为较软的粘土质粉砂，再逐渐过渡到较硬的粉砂。这与图5(a)-5(f)，图6(a)-6(f)，图7中三种声纳设备的数据处理结果情况相吻合，互相印证了三种声纳数据处理结果的准确性。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于多声纳设备的沉积层声特性获取方法，其特征在于，该方法包括：
以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性声学特性参数；
以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；
将得到的海底浅表层沉积物声学特性参数和海底浅表层沉积物反向声学特性参数进行比较与组合，形成海底在水平方向上的海底声学特性参数；
利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息；
将海底在水平方向上的海底声学特性参数，和海底垂直方向上的海底沉积层的结构信息组合在一起形成多维度的沉积层声特性。
2.根据权利要求1所述的基于多声纳设备的沉积层声特性获取方法，其特征在于，所述海底浅表层沉积物声学特性参数包括：声学特性参数和经验性声学特性参数：
其中，声学特性参数包括：单波束海底沉积物的特性阻抗IOI1、单波束海底体积散射系数σv1和单波束海底表层沉积层粗糙度w1；
经验性声学特性参数包括：单波束沉积层-水层密度比ρ1、单波束沉积层-水层声速比v1和单波束海底表层沉积物衰减系数kp1。
3.根据权利要求2所述的基于多声纳设备的沉积层声特性获取方法，其特征在于，所述以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系推导，得到经验性声学特性参数；具体为：
对单波束声纳设备原始接收的海底回波散射信号进行滤波，获得滤波后的散射信号，再对其进行Hilbert变换并取绝对值，获得变换后的散射信号，以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与声学特性参数之间的函数关系，即公式(1)，以及海底声学特性参数之间的经验性的函数关系，即公式(2)-(4)：
Figure FDA0002469313810000021
ρ1＝1.02+1.2ln(IOI1) (2)
v1＝1.164-0.3001(IOI1)+0.1253(IOI1)2 (3)
kp1＝-3.31+4.33(IOI1)-1.138(IOI1)2 (4)
其中，P(t,IOI1,w1,σv1)为时间域上的声压包络；t为时间；IOI1为单波束海底沉积物的特性阻抗；w1为单波束海底表层沉积层粗糙度；σv1为单波束海底体积散射系数；ρw为水层密度；vw为水层声速；I(t,IOI1,w1,σv1)为时间域上的声强包络；ρ1为单波束沉积层-水层密度比；v1为单波束沉积层-水层声速比；kp1为单波束海底表层沉积物衰减系数；
基于公式(1)，对单波束数据选取代价函数fcost 1：
Figure FDA0002469313810000022
其中，N为时间轴上声压包络的采样点数；Preplica(n)为理论时间域上的声压包络；Pexp(n)为实际时间域上的声压包络；
采用基于物理模型的匹配场反演方法，将理论时间域上的海底散射回波声压包络与实际时间域上的海底散射回波声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数；
并利用海底声学特性参数之间的经验性的函数关系进行推导，获得经验性声学特性参数，
将获得的经验性声学特性参数和反演得到的声学特性参数组合在一起，得到海底浅表层沉积物声学特性参数。
4.根据权利要求1所述的基于多声纳设备的沉积层声特性获取方法，其特征在于，所述海底浅表层沉积物反向声学特性参数包括：反向声学特性参数和经验性反向声学特性参数；
其中，反向声学特性参数包括：多波束沉积层-水层密度比ρ2、多波束沉积层-水层声速比v2、多波束海底表层沉积层粗糙度w2、多波束沉积层声波衰减系数
Figure FDA0002469313810000031
和多波束海底体积散射系数σv2；
经验性反向声学特性参数包括：多波束海底表层沉积物的特性阻抗IOI2。
5.根据权利要求4所述的基于多声纳设备的沉积层声特性获取方法，其特征在于，所述以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；具体为：
对多波束声纳设备原始接收并记录多声波入射角下海底反向散射回波相对强度，进行时变增益补偿校准和海底声照射面积校准，以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与反向声学特性参数之间的函数关系，即公式(6)，以及海底反向声学特性参数之间的经验性的函数关系，即公式(7)：
Figure FDA0002469313810000032
IOI2＝ρ2v2 (7)
其中，BS为角度域上的反向散射回波相对强度；θ为波束入射角；ρ2为多波束沉积层-水层密度比；v2为多波束沉积层-水层声速比；w2为多波束海底表层沉积层粗糙度；
Figure FDA0002469313810000041
为多波束沉积层声波衰减系数；σv2为多波束海底体积散射系数；IOI2为多波束沉积层特性阻抗；
基于公式(6)，对多波束数据选取海底反向散射代价函数fcost 2：
Figure FDA0002469313810000042
其中，M为反向散射回波相对强度的角度域上的角度值；BSreplica(m)为理论角度域上的反向散射回波相对强度；BSexp(m)为实际角度域上的反向散射回波相对强度；
采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，
并利用海底反向声学特性参数之间的经验性的函数关系进行推导，获得经验性反向声学特性参数，
将获得的经验性反向声学特性参数和反演得到的反向声学特性参数组合在一起，得到海底浅表层沉积物反向声学特性参数。
6.根据权利要求1所述的基于多声纳设备的沉积层声特性获取方法，其特征在于，所述浅地层剖面仪采集海底回波数据，采用基于图像的综合性数据处理方法，进而获得海底垂直方向上的海底沉积层的结构信息；
浅地层剖面仪采集海底回波数据，从回波数据中得到水平距离r0和深度h0的浅剖数据矩阵，将浅剖数据矩阵表示为浅剖图像，再采用基于图像的综合性数据处理方法对该浅剖图像进行基于图像统计特性的均衡增强，获得均衡后的浅剖图像；利用二维多尺度线条滤波器对均衡后的浅剖图像进行多尺度线条滤波，提取所述均衡后的浅剖图像中的能量对比度的结构特征，滤除小尺度的随机高斯噪声，获得浅剖图像的分层界面结构的最大响应图像；
再通过二维小波变换，将最大响应图像分解为水平方向细节子图像、垂直方向细节子图像和平滑的低频图像；将水平方向细节子图像作归一化处理后，再次利用二维多尺度线条滤波器进行滤波，获得完整的水平线条的区域信息的图像；
对获得的完整的水平线条的区域信息的图像的界面结构和背景进行二值化处理，再通过列向量错位相减，获得水平线条的区域边界；
进而获得海底垂直方向上的海底沉积层的结构信息；其中，海底沉积层的结构信息包括：海底沉积层的层数和沉积层各层的厚度信息。
7.一种基于多声纳设备的沉积层声特性获取系统，其特征在于，该系统包括：
声学特性获取模块，用于以待反演声学特性参数为输入变量，基于Kirchhoff近似模型与体积散射模型，建立时间域上的声压包络与海底浅表层沉积物声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论时间域上的声压包络与实际时间域上的声压包络进行匹配分析，通过调整输入变量，使代价函数达到最小，反演得到声学特性参数，并利用海底声学特性参数之间的经验性的函数关系进行推导，得到经验性声学特性参数；
反向声学特性获取模块，用于以待反演反向声学特性参数为输入变量，基于小斜率近似模型与体积散射模型，建立角度域上的反向散射回波相对强度与海底浅表层沉积物反向声学特性参数之间的函数关系，采用基于物理模型的匹配场反演方法，将理论角度域上的反向散射回波相对强度与实际角度域上的反向散射回波相对强度进行匹配分析，通过调整输入变量，使海底反向散射代价函数达到最小，反演得到反向声学特性参数，并利用海底反向声学特性参数之间的经验性的函数关系进行推导，得到经验性反向声学特性参数；
海底参数获取模块，用于将得到的海底浅表层沉积物声学特性参数和海底浅表层沉积物反向声学特性参数进行比较与组合，形成海底在水平方向上的海底声学特性参数；
结构信息获取模块，用于利用浅地层剖面仪采集的海底回波数据，采用基于图像的综合性数据处理方法，获得海底垂直方向上的海底沉积层的结构信息；
将海底在水平方向上的海底声学特性参数，和海底垂直方向上的海底沉积层的结构信息组合在一起形成多维度的沉积层声特性。
CN202010343455.9A 2020-04-27 2020-04-27 一种基于多声纳设备的沉积层声特性获取方法及系统 Active CN113640806B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010343455.9A CN113640806B (zh) 2020-04-27 2020-04-27 一种基于多声纳设备的沉积层声特性获取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010343455.9A CN113640806B (zh) 2020-04-27 2020-04-27 一种基于多声纳设备的沉积层声特性获取方法及系统

Publications (2)

Publication Number Publication Date
CN113640806A true CN113640806A (zh) 2021-11-12
CN113640806B CN113640806B (zh) 2023-07-25

Family

ID=78414989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010343455.9A Active CN113640806B (zh) 2020-04-27 2020-04-27 一种基于多声纳设备的沉积层声特性获取方法及系统

Country Status (1)

Country Link
CN (1) CN113640806B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542331A (zh) * 2022-09-23 2022-12-30 江苏海洋大学 一种基于浅剖声强数据的淤泥层厚度自动提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020173916A1 (en) * 2001-03-22 2002-11-21 Bishwajit Chakraborty Method for determining seafloor roughness using multibeam echosounder
US20030206489A1 (en) * 2002-05-01 2003-11-06 Preston Jonathan M. Compensation of sonar image data primarily for seabed classification
CN107526069A (zh) * 2017-07-27 2017-12-29 天津大学 一种利用前向散射强度反演和分类海底表面沉积层的方法
CN109427042A (zh) * 2017-08-25 2019-03-05 中国科学院声学研究所 一种提取局部海域沉积层的分层结构和空间分布的方法
CN109489799A (zh) * 2018-12-25 2019-03-19 西北工业大学 一种基于双矢量水听器的海底声速分步反演方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020173916A1 (en) * 2001-03-22 2002-11-21 Bishwajit Chakraborty Method for determining seafloor roughness using multibeam echosounder
US20030206489A1 (en) * 2002-05-01 2003-11-06 Preston Jonathan M. Compensation of sonar image data primarily for seabed classification
CN107526069A (zh) * 2017-07-27 2017-12-29 天津大学 一种利用前向散射强度反演和分类海底表面沉积层的方法
CN109427042A (zh) * 2017-08-25 2019-03-05 中国科学院声学研究所 一种提取局部海域沉积层的分层结构和空间分布的方法
CN109489799A (zh) * 2018-12-25 2019-03-19 西北工业大学 一种基于双矢量水听器的海底声速分步反演方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAIYAN NI ET AL.: "Comparison of Single-beam and Multibeam Sonar Systems for Sediment Characterization: Results from Shallow Water Experiment", OCEANS 2019 MTS/IEEE SEATTLE *
LICHENG LU ET AL.: "Experimental Results of Sediment Characterization by Processing Backscatter Envelope of Single-beam Sonar", OCEANS 2019 - MARSEILLE *
杜德文;王宁;周兴华;: "声学与海洋沉积学交叉领域的研究", 海洋科学进展, no. 03 *
王文博 等: "利用混合图像处理方法提取浅层海底沉积层等效分层结构", 哈尔滨工程大学学报 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115542331A (zh) * 2022-09-23 2022-12-30 江苏海洋大学 一种基于浅剖声强数据的淤泥层厚度自动提取方法
CN115542331B (zh) * 2022-09-23 2023-04-07 江苏海洋大学 一种基于浅剖声强数据的淤泥层厚度自动提取方法

Also Published As

Publication number Publication date
CN113640806B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
Hellequin et al. Processing of high-frequency multibeam echo sounder data for seafloor characterization
US20220221431A1 (en) Sonar apparatus
Heaney Rapid geoacoustic characterization using a surface ship of opportunity
Panda et al. Sediment classification based on impedance and attenuation estimation
De et al. Model-based acoustic remote sensing of seafloor characteristics
Gonidec et al. Inhomogeneous substrate analysis using EM300 backscatter imagery
CN113126099B (zh) 一种基于音频特征提取的单波束底质分类方法
CN113640806B (zh) 一种基于多声纳设备的沉积层声特性获取方法及系统
Ni et al. Comparison of Single-beam and Multibeam Sonar Systems for Sediment Characterization: Results from Shallow Water Experiment
He et al. High-accuracy acoustic sediment classification using sub-bottom profile data
CN101644768A (zh) 一种基于倒谱分析的水雷目标识别方法
Bentrem et al. Estimating surface sediments using multibeam sonar
Masetti et al. Remote characterization of seafloor adjacent to shipwrecks using mosaicking and analysis of backscatter response
Murino et al. A confidence-based approach to enhancing underwater acoustic image formation
CN110618452B (zh) 一种基于小波技术的自适应富钴结壳厚度提取方法
Dalton et al. Simulating elastic targets for sonar algorithm development
Fajaryanti et al. A preliminary study on seabed classification using a scientific echosounder
Canepa et al. Characterization of seafloor geo-acoustic properties from multibeam data
Fonseca et al. Seafloor characterization through the application of AVO analysis to multibeam sonar data
CN115079258B (zh) 一种基于小波分析的海底地震信号在线识别方法
CN116626685B (zh) 基于机器学习的河道底泥实时监测方法及系统
Manik et al. Angular Range Analysis (ARA) and K-Means Clustering of Multibeam Echosounder Data for Determining Sediment Type.
CN112945153B (zh) 一种基于多波束接收技术的富钴结壳厚度的测量方法
Hong et al. An effective method for measuring the thickness of Cobalt-rich Manganese Crust based on the neighborhood information and dual-channel information
Rangole et al. Sediment Classification using Spectral Features of Side-Scan Sonar Images

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