CN114578333A - 一种主动声呐目标动静辨识方法 - Google Patents

一种主动声呐目标动静辨识方法 Download PDF

Info

Publication number
CN114578333A
CN114578333A CN202210458299.XA CN202210458299A CN114578333A CN 114578333 A CN114578333 A CN 114578333A CN 202210458299 A CN202210458299 A CN 202210458299A CN 114578333 A CN114578333 A CN 114578333A
Authority
CN
China
Prior art keywords
target
dimension
frequency
identification method
active sonar
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
CN202210458299.XA
Other languages
English (en)
Other versions
CN114578333B (zh
Inventor
谷新禹
王方勇
杜栓平
朱辉庆
李帝水
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.)
Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Original Assignee
Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
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 Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp filed Critical Hangzhou Institute Of Applied Acoustics 715th Research Institute Of China Shipbuilding Industry Corp
Priority to CN202210458299.XA priority Critical patent/CN114578333B/zh
Publication of CN114578333A publication Critical patent/CN114578333A/zh
Application granted granted Critical
Publication of CN114578333B publication Critical patent/CN114578333B/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
    • 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
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明属于主动声呐信号处理领域，主要针对传统测速方法受海洋信道、混响、杂波干扰等影响而准确率较低且不稳定的问题，提出了一种主动声呐目标动静辨识方法，利用回波与混响特征分布差异性，突破了平台运动、信道频散效应、海洋混响对目标运动速度估计的影响，提高了目标动静辨识和速度估计的准确性。经仿真分析与试验数据验证，该发明提出的目标动静辨识方法可以高精度估计出目标运动状态和速度，能够提高实际环境下的识别正确率和宽容性，为主动目标探测与识别设备研制提供技术基础。

Description

一种主动声呐目标动静辨识方法
技术领域
本发明属于主动声呐信号处理领域，主要是一种主动声呐目标动静辨识方法。
背景技术
针对主动声呐检测识别处理中普遍存在目标检测虚警率高、目标识别能力弱等突出问题，国外学者在主动声呐目标回波特征提取和识别方面做了大量研究，在分析水中目标特征形成机理的基础上，重点提取与目标结构、形状和材料等属性参数相关的特征，形成不同物理意义下的特征提取方法。但国内在主动目标回波特征提取与识别方面的研究起步相对较晚，主动目标识别技术与国外尚有差距，急需开展目标回波散射特征、宏观物理特征、波形结构特征等主动声呐目标声特征提取方法研究，其中运动特征是支撑主动声呐对鱼群、水面船、水下航行器等识别的关键特征之一，目标的动静辨识可以作为目标分类的重要依据，但传统测速方法受海洋信道、混响、杂波干扰等影响而准确率较低且不稳定，因此准确、快速获取目标动静状态尤为重要。本专利发明了一种主动声呐目标动静辨识方法，可以高精度判别目标的动静状态，极大缩短了对水下航行体的发现时间，提高了目标识别正确率。
发明内容
本发明针对传统测速方法受海洋信道、混响、杂波干扰等影响而准确率低的问题，而提供一种主动声呐目标动静辨识方法。
本发明的目的是通过如下技术方案来完成的。一种主动声呐目标动静辨识方法，包括步骤如下：
步骤一：获取包含全部目标回波的基阵数据，通过空时二维波束形成处理得到包 含目标的空时二维特征谱
Figure 22903DEST_PATH_IMAGE001
；
步骤二：计算多普勒频移，在频率维对空时二维特征谱
Figure 256438DEST_PATH_IMAGE002
进行补偿，得到多普 勒频移后的特征谱
Figure 759095DEST_PATH_IMAGE003
；
步骤三：对
Figure 736278DEST_PATH_IMAGE004
沿方位维进行规格化处理，得到在
Figure 772105DEST_PATH_IMAGE005
基础上进行方位维 规格化处理后的特征谱
Figure 442120DEST_PATH_IMAGE006
；
步骤四：对
Figure 432073DEST_PATH_IMAGE007
沿频率维进行规格化处理，得到在
Figure 212947DEST_PATH_IMAGE008
基础上进行频率维 规格化处理后的特征谱
Figure 604746DEST_PATH_IMAGE009
；
步骤五：对
Figure 445663DEST_PATH_IMAGE010
进行二维图像卷积，得到对
Figure 922911DEST_PATH_IMAGE011
进行二维图像卷积后的特 征谱
Figure 507477DEST_PATH_IMAGE012
；对
Figure 252316DEST_PATH_IMAGE013
进行阈值筛选处理，设置门限阈值
Figure 264135DEST_PATH_IMAGE014
，得到筛选后的特征谱
Figure 963100DEST_PATH_IMAGE015
和目标区域；
步骤六：计算目标区域的重心，确定目标所在方位和频率；
步骤七：计算目标的多普勒频移，由目标区域的频率维重心
Figure 351357DEST_PATH_IMAGE016
，计算目标自身运动 产生的多普勒频移
Figure 452168DEST_PATH_IMAGE017
；
步骤八：计算目标的径向速度，进行目标动静辨识。
更进一步的，在步骤一中，
令
Figure 634887DEST_PATH_IMAGE018
代表
Figure 86728DEST_PATH_IMAGE019
维的基阵数据，
Figure 13096DEST_PATH_IMAGE020
是阵元数，
Figure 490386DEST_PATH_IMAGE021
是时间采样点数，
Figure 109587DEST_PATH_IMAGE022
代 表波束形成，包含目标的空时二维特征谱
Figure 783145DEST_PATH_IMAGE023
表示为：
Figure 247624DEST_PATH_IMAGE024
其中
Figure 588607DEST_PATH_IMAGE025
是全空间维度上的采样，
Figure 113129DEST_PATH_IMAGE026
是频率维度上的采 样，
Figure 805141DEST_PATH_IMAGE027
是处理频率下限，
Figure 712792DEST_PATH_IMAGE028
是处理频率上限。
更进一步的，在步骤二中，多普勒频移后的特征谱
Figure 767336DEST_PATH_IMAGE029
表示为：
Figure 338126DEST_PATH_IMAGE030
Figure 845330DEST_PATH_IMAGE031
其中
Figure 58137DEST_PATH_IMAGE032
为声速，
Figure 701608DEST_PATH_IMAGE033
为平台运动速度，
Figure 708878DEST_PATH_IMAGE034
为发射信号中心频率，
Figure 703379DEST_PATH_IMAGE035
为平台运动引起 的多普勒频移；抵消后，多普勒频移后的特征谱
Figure 749570DEST_PATH_IMAGE036
中的混响成分将由原来在方位维度 上呈正弦状起伏，变为沿方位维度呈直线状分布。
更进一步的，在步骤三中，对频率维进行固定，在方位维上利用滑动矩形窗，对中 心点进行归一化处理，得到在
Figure 654072DEST_PATH_IMAGE037
基础上进行方位维归一化处理后的特征谱
Figure 691298DEST_PATH_IMAGE038
；
Figure 314041DEST_PATH_IMAGE039
其中
Figure 727705DEST_PATH_IMAGE040
为方位维滑动矩形窗半窗长，
Figure 486713DEST_PATH_IMAGE041
，
Figure 694841DEST_PATH_IMAGE042
为方位维滑 动矩形窗在
Figure 37835DEST_PATH_IMAGE043
上截取的片段。
更进一步的，在步骤四中，对方位维进行固定，在频率维上利用滑动矩形窗，对中 心点进行归一化处理，得到在
Figure 255190DEST_PATH_IMAGE044
基础上进行频率维归一化处理后的特征谱
Figure 868705DEST_PATH_IMAGE045
；
Figure 513313DEST_PATH_IMAGE046
其中
Figure 845068DEST_PATH_IMAGE047
为频率维滑动矩形窗半窗长，
Figure 600534DEST_PATH_IMAGE048
，
Figure 334135DEST_PATH_IMAGE049
为频率维滑 动矩形窗在
Figure 149644DEST_PATH_IMAGE050
上截取的片段。
更进一步的，在步骤五中，根据目标运动特征和杂波干扰在空时特征谱上的分布差异，采用高斯核函数进行滤波；
Figure 201652DEST_PATH_IMAGE051
其中
Figure 760809DEST_PATH_IMAGE052
为高斯核函数，
Figure 348916DEST_PATH_IMAGE053
和
Figure 335327DEST_PATH_IMAGE054
分别是方位维和频率维上的方差，得到对
Figure 641675DEST_PATH_IMAGE055
进行二维图像卷积后的特征谱
Figure 738944DEST_PATH_IMAGE056
；
Figure 181557DEST_PATH_IMAGE057
其中图像卷积核在方位维和频率维上的长度分别为
Figure 338869DEST_PATH_IMAGE058
和
Figure 365469DEST_PATH_IMAGE059
，
Figure 266429DEST_PATH_IMAGE060
和
Figure 829128DEST_PATH_IMAGE061
分 别是半窗长，
Figure 891762DEST_PATH_IMAGE062
和
Figure 172702DEST_PATH_IMAGE063
分别是卷积核在特征谱和核函数上截取的二维片段，其中
Figure 346194DEST_PATH_IMAGE064
，
Figure 28979DEST_PATH_IMAGE065
；
Figure 528094DEST_PATH_IMAGE066
目标所在区域被筛选出来，目标区域的边界设定为
Figure 263707DEST_PATH_IMAGE067
，
Figure 772048DEST_PATH_IMAGE068
。
更进一步的，在步骤六中，
Figure 309340DEST_PATH_IMAGE069
其中
Figure 979356DEST_PATH_IMAGE070
为目标区域的方位维重心，是目标方位的估计；
Figure 703729DEST_PATH_IMAGE071
其中
Figure 750183DEST_PATH_IMAGE072
为目标区域的频率维重心，是目标回波频率的估计。
更进一步的，在步骤七中，目标自身运动产生的多普勒频移
Figure 876402DEST_PATH_IMAGE073
；
Figure 717319DEST_PATH_IMAGE074
其中
Figure 693103DEST_PATH_IMAGE075
为多普勒频移为零时的基准频率。
更进一步的，在步骤八中，利用
Figure 277668DEST_PATH_IMAGE073
计算出目标真实速度在目标和平台连线方向的 投影分量，也就是目标径向速度
Figure 523972DEST_PATH_IMAGE076
；
Figure 535791DEST_PATH_IMAGE077
，其中
Figure 500336DEST_PATH_IMAGE078
为声速，
Figure 623013DEST_PATH_IMAGE079
为发射信号中心频率；
对连续3个以上主动探测周期内的目标径向速度进行统计，当满足以下两个条件时，判定目标是运动目标；
Figure 989403DEST_PATH_IMAGE080
Figure 172123DEST_PATH_IMAGE081
其中
Figure 856920DEST_PATH_IMAGE082
为
Figure 783287DEST_PATH_IMAGE083
个主动探测周期内目标径向速度的统计序列，
Figure 4184DEST_PATH_IMAGE084
，
Figure 357805DEST_PATH_IMAGE085
为第
Figure 31363DEST_PATH_IMAGE086
个主动探测周期的目标径向速度，
Figure 761422DEST_PATH_IMAGE087
，
Figure 836825DEST_PATH_IMAGE088
为序列
Figure 361347DEST_PATH_IMAGE089
的方 差，
Figure 20737DEST_PATH_IMAGE090
为第一经验阈值，
Figure 554486DEST_PATH_IMAGE091
为序列
Figure 484396DEST_PATH_IMAGE092
的最小值，
Figure 179819DEST_PATH_IMAGE093
为第二经验阈值。
本发明的有益效果为：本发明利用回波与混响特征分布差异性，突破了平台运动、信道频散效应、海洋混响对目标运动速度估计的影响，提高了速度估计和目标动静辨识的准确性。经仿真分析与试验数据验证，该发明提出的目标动静辨识方法可以高精度估计出目标运动状态和目标的径向速度，能够提高实际环境下的识别正确率和宽容性，为主动目标探测与识别设备研制提供技术基础。
附图说明
图1为一种主动声呐目标动静辨识方法的处理流程；
图2为谱线搬移后的特征谱图；
图3为沿方位维归一化后的特征谱图；
图4为沿频率维归一化后的特征谱图；
图5为图像卷积处理后的特征谱；
图6（a）—图6（d）为动目标判别、径向速度估计的性能仿真分析结果图。
具体实施方式
下面将结合附图，通过理论推导、模拟仿真和水池试验对算法具体实现方式做详细说明。
(1) 基础理论
目标径向速度指目标速度在目标与本船连线上的投影。目标相对本船的运动会引起回波接收频率的变化，目标单频回波接收频率与同方向混响的接收频率之差为目标运动引起的多普勒频移，与目标径向速度成正比。本发明提出了一种基于单周期回波多普勒频移的目标径向速度估计新方法，经试验数据验证表明，较好地实现了对水下动静目标的感知与判别。
本发明所述的一种主动声呐目标动静辨识方法的处理流程如图1所示。下面以一段拖曳线列阵主动声呐目标数据为例，介绍算法的主要处理流程，如下：
步骤一：算法以完整包含目标回波的基阵数据为输入，通过空时二维波束形成处 理得到特征谱，令
Figure 562390DEST_PATH_IMAGE018
代表
Figure 634252DEST_PATH_IMAGE019
维的基阵数据，
Figure 418668DEST_PATH_IMAGE020
是阵元数，
Figure 816151DEST_PATH_IMAGE021
是时间采样点数，
Figure 918974DEST_PATH_IMAGE022
代表波束形成，则
Figure 60106DEST_PATH_IMAGE094
Figure 433449DEST_PATH_IMAGE095
是包含目标的空时二维特征谱，其中
Figure 736255DEST_PATH_IMAGE096
是全空间维度上的采 样，
Figure 890155DEST_PATH_IMAGE097
是频率维度上的采样，
Figure 179185DEST_PATH_IMAGE098
是处理频率下限，
Figure 62828DEST_PATH_IMAGE099
是处理频率上限。
步骤二：计算多普勒频移，补偿特征谱。根据平台运动速度
Figure 910436DEST_PATH_IMAGE033
，计算多普勒频移 量，在频率维对特征谱进行补偿
Figure 82791DEST_PATH_IMAGE031
Figure 300146DEST_PATH_IMAGE100
其中
Figure 913661DEST_PATH_IMAGE032
为声速，
Figure 558269DEST_PATH_IMAGE034
为发射信号中心频率，
Figure 890024DEST_PATH_IMAGE035
为平台运动引起的多普勒频移。
步骤三：对特征谱进行补偿，抵消因本平台运动引起的频率维起伏。
Figure 645491DEST_PATH_IMAGE101
其中
Figure 175829DEST_PATH_IMAGE102
是抵消平台运动引起的多普勒频移后的得到的特征谱。抵消后，特征 谱中的混响成分将由原来在方位维度上呈正弦状起伏，变为沿方位维度呈直线状分布，处 理后的特征谱如图2所示。
步骤四：对
Figure 929021DEST_PATH_IMAGE102
沿方位维进行规格化处理，消除方位维度上的混响以及其他带 状空间能量干扰。对频率维进行固定，在方位维上利用滑动矩形窗，对中心点进行归一化处 理；
Figure 43346DEST_PATH_IMAGE103
其中
Figure 805765DEST_PATH_IMAGE104
为在
Figure 190610DEST_PATH_IMAGE102
基础上进行方位维归一化处理后得到的特征谱，
Figure 380283DEST_PATH_IMAGE105
为方 位维滑动矩形窗半窗长，
Figure 217789DEST_PATH_IMAGE106
，
Figure 924845DEST_PATH_IMAGE107
为方位维滑动矩形窗在
Figure 757672DEST_PATH_IMAGE102
上 截取的片段。处理后的结果如图3所示。
步骤五：对
Figure 288885DEST_PATH_IMAGE104
沿频率维进行规格化处理，消除频率维度上的目标被动辐射噪 声干扰。对方位维进行固定，在频率维上利用滑动矩形窗，对中心点进行归一化处理；
Figure 941583DEST_PATH_IMAGE108
其中
Figure 717910DEST_PATH_IMAGE109
为在
Figure 77347DEST_PATH_IMAGE104
基础上进行频率维归一化处理后得到的特征谱，
Figure 405560DEST_PATH_IMAGE110
为频 率维滑动矩形窗半窗长，
Figure 420920DEST_PATH_IMAGE111
，
Figure 859992DEST_PATH_IMAGE112
为频率维滑动矩形窗在
Figure 510154DEST_PATH_IMAGE104
上 截取的片段。处理后的结果如图4所示。
步骤六：对
Figure 9268DEST_PATH_IMAGE113
进行二维图像卷积，去除杂波和野值点干扰。根据目标运动特征 和杂波干扰在空时特征谱上的分布差异，采用高斯核函数进行滤波。
Figure 777504DEST_PATH_IMAGE114
其中
Figure 20267DEST_PATH_IMAGE115
为高斯核函数，
Figure 291979DEST_PATH_IMAGE116
和
Figure 696416DEST_PATH_IMAGE117
分别是方位维和频率维上的方差。则，图像卷积 后的空时特征谱为
Figure 686369DEST_PATH_IMAGE118
其中
Figure 903461DEST_PATH_IMAGE119
是对
Figure 154314DEST_PATH_IMAGE113
进行二维图像卷积后得到的特征谱。图像卷积核在方位 维和频率维上的长度分别为
Figure 870597DEST_PATH_IMAGE120
和
Figure 472480DEST_PATH_IMAGE121
，
Figure 666832DEST_PATH_IMAGE122
和
Figure 37770DEST_PATH_IMAGE123
分别是半窗长。
Figure 924955DEST_PATH_IMAGE124
和
Figure 14134DEST_PATH_IMAGE125
分别是卷积核在特征谱和核函数上截取的二维片段，其中
Figure 534149DEST_PATH_IMAGE126
，
Figure 759594DEST_PATH_IMAGE127
。
这里跟步骤四、五不同处在于，步骤四、五重点对方位维上的全空间混响干扰和频 率维上的全频段噪声干扰进行消除，干扰强度高、范围大，是平台和目标产生的固有干扰， 所用滑动窗的半窗长
Figure 83259DEST_PATH_IMAGE128
和
Figure 66259DEST_PATH_IMAGE129
均较长。而步骤六重点对特征谱中的杂波、野值等不规则形 态干扰进行消除，干扰强度低、范围小，是复杂环境和海洋生物造成的随机干扰，对应的滑 动窗的半窗长
Figure 195889DEST_PATH_IMAGE122
和
Figure 213523DEST_PATH_IMAGE123
均较短。处理后的结果如图5所示。
步骤七：对特征谱进行阈值筛选处理。设置门限阈值
Figure 770407DEST_PATH_IMAGE130
，对
Figure 739237DEST_PATH_IMAGE131
进行筛选处理；
Figure 469296DEST_PATH_IMAGE132
Figure 544699DEST_PATH_IMAGE133
为筛选后的特征谱。其中，目标所在区域被筛选出来，基于目标特征和高 斯核低通特性，形成区域为较规则的块状，令其边界为
Figure 803642DEST_PATH_IMAGE134
。
步骤八：计算目标区域
Figure 964496DEST_PATH_IMAGE133
，
Figure 232667DEST_PATH_IMAGE135
，
Figure 162577DEST_PATH_IMAGE136
的重心，确定目标所在 方位和频率。
Figure 123579DEST_PATH_IMAGE137
其中
Figure 270265DEST_PATH_IMAGE138
为目标区域的方位维重心，是目标方位的估计。
Figure 748651DEST_PATH_IMAGE139
其中
Figure 923280DEST_PATH_IMAGE140
为目标区域的频率维重心，是目标回波频率的估计。
步骤九：计算目标的多普勒频移。由目标所在的特征谱频率维重心
Figure 664971DEST_PATH_IMAGE141
，计算目标自 身运动产生的多普勒频移
Figure 659472DEST_PATH_IMAGE142
其中
Figure 941549DEST_PATH_IMAGE143
为多普勒频移为零时的基准频率。
步骤十：计算目标的径向速度。利用
Figure 344586DEST_PATH_IMAGE144
可以计算出目标真实速度在目标和平台连 线方向的投影分量，也就是径向速度
Figure 647391DEST_PATH_IMAGE145
其中
Figure 4554DEST_PATH_IMAGE146
为声速，
Figure 152639DEST_PATH_IMAGE147
为发射信号中心频率，
Figure 911647DEST_PATH_IMAGE148
即为目标径向速度。
步骤十一：进行目标动静辨识。对连续3个以上主动探测周期内的目标径向速度进行统计，当满足以下条件时，认为目标是运动目标
Figure 385354DEST_PATH_IMAGE149
其中
Figure 26551DEST_PATH_IMAGE150
为
Figure 86649DEST_PATH_IMAGE151
个主动探测周期内目标径向速度的统计 序列，
Figure 90377DEST_PATH_IMAGE152
为第
Figure 610351DEST_PATH_IMAGE153
个主动探测周期的目标径向速度，
Figure 738844DEST_PATH_IMAGE154
为序列
Figure 494310DEST_PATH_IMAGE155
的方差，
Figure 696753DEST_PATH_IMAGE156
为第一经验阈值，一般不大于0.5m/s，
Figure 512262DEST_PATH_IMAGE157
为序列
Figure 626586DEST_PATH_IMAGE158
的最小值，
Figure 61110DEST_PATH_IMAGE159
为第二经验阈 值，一般可设为0.5m/s~1m/s。
满足上述两个条件，说明在连续3个以上周期内，目标存在稳定的、明显的运动速度，可判别为运动目标。
（2）性能分析
采用实际数据与仿真相结合的方式分析了上述基于回波特征谱的目标多普勒特征提取方法在实际水下动目标判别、径向速度估计等方面的性能。
本专利利用实际海洋环境下获取的主动声呐时空采样数据的基础上，通过以下仿真策略生成不同条件下含动目标回波的特征谱数据：（1）在阵元域数据中增加宽带随机噪声，控制混响与噪声强度比（简称混噪比RNR），以模拟不同距离或具有不同混响级下的海洋环境背景数据；（2）在阵元域数据中增加任意方位、具有不同多普勒频移和信混比（SRR）特性的目标回波。重点考察了在不同混噪比、信混比以及目标处于不同的运动速度条件下，基于回波特征谱的目标动静辨识方法在动目标判别、径向速度估计等方面的性能，分析结果如图6(a)- 图6(d)所示。图6 (a)为SRR=0dB时，目标动静判别正确率与目标实际径向速度的关系，图6 (b)为SRR=0dB时，径向速度估计的最大绝对误差与目标实际径向速度的关系，图6(c)为SRR=0dB，目标径向速度5kn时，径向速度估计的最大绝对误差与混噪比的关系，图6(d)为RNR=0dB、目径向速度为5kn时，径向速度估计的最大绝对误差与信混噪比的关系。
通过图6(a)- 图6(d)中各图所示性能仿真结果表明，本成果提出的主动声呐目标动静辨识方法，在信混比（SRR）不小于0dB的条件下，对径向速度不低于0.5节的运动目标的动静状态判断正确率达95%。
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 (9)

1.一种主动声呐目标动静辨识方法，其特征在于：包括步骤如下：
步骤一：获取包含全部目标回波的基阵数据，通过空时二维波束形成处理得到包含目 标的空时二维特征谱
Figure 534518DEST_PATH_IMAGE001
；
步骤二：计算多普勒频移，在频率维对空时二维特征谱
Figure 144490DEST_PATH_IMAGE002
进行补偿，得到多普勒频 移后的特征谱
Figure 48993DEST_PATH_IMAGE003
；
步骤三：对
Figure 351798DEST_PATH_IMAGE004
沿方位维进行规格化处理，得到在
Figure 207496DEST_PATH_IMAGE005
基础上进行方位维规格 化处理后的特征谱
Figure 621160DEST_PATH_IMAGE006
；
步骤四：对
Figure 114589DEST_PATH_IMAGE007
沿频率维进行规格化处理，得到在
Figure 588296DEST_PATH_IMAGE008
基础上进行频率维规格 化处理后的特征谱
Figure 432755DEST_PATH_IMAGE009
；
步骤五：对
Figure 384531DEST_PATH_IMAGE010
进行二维图像卷积，得到对
Figure 263625DEST_PATH_IMAGE011
进行二维图像卷积后的特征谱
Figure 908233DEST_PATH_IMAGE012
；对
Figure 738524DEST_PATH_IMAGE013
进行阈值筛选处理，设置门限阈值
Figure 493990DEST_PATH_IMAGE014
，得到筛选后的特征谱
Figure 962012DEST_PATH_IMAGE015
；
步骤六：计算目标区域的重心，确定目标所在方位和频率；
步骤七：计算目标的多普勒频移，由目标区域的频率维重心
Figure 777521DEST_PATH_IMAGE016
，计算目标自身运动产生 的多普勒频移
Figure 596572DEST_PATH_IMAGE017
；
步骤八：计算目标的径向速度，进行目标动静辨识。
2.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤一中，
令
Figure 827833DEST_PATH_IMAGE018
代表
Figure 274995DEST_PATH_IMAGE019
维的基阵数据，
Figure 369728DEST_PATH_IMAGE020
是阵元数，
Figure 800709DEST_PATH_IMAGE021
是时间采样点数，
Figure 570082DEST_PATH_IMAGE022
代表波 束形成，包含目标的空时二维特征谱
Figure 278275DEST_PATH_IMAGE023
表示为：
Figure 170008DEST_PATH_IMAGE024
；
其中
Figure 963651DEST_PATH_IMAGE025
是全空间维度上的采样，
Figure 864611DEST_PATH_IMAGE026
是频率维度上的采样，
Figure 660267DEST_PATH_IMAGE027
是处理频率下限，
Figure 988480DEST_PATH_IMAGE028
是处理频率上限。
3.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤二中，多普 勒频移后的特征谱
Figure 3841DEST_PATH_IMAGE029
表示为：
Figure 708491DEST_PATH_IMAGE030
；
Figure 125697DEST_PATH_IMAGE031
；
其中
Figure 359233DEST_PATH_IMAGE032
为声速，
Figure 861889DEST_PATH_IMAGE033
为平台运动速度，
Figure 104652DEST_PATH_IMAGE034
为发射信号中心频率，
Figure 874899DEST_PATH_IMAGE035
为平台运动引起的多 普勒频移；抵消后，多普勒频移后的特征谱
Figure 544915DEST_PATH_IMAGE036
中的混响成分将由原来在方位维度上呈 正弦状起伏，变为沿方位维度呈直线状分布。
4.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤三中，对频 率维进行固定，在方位维上利用滑动矩形窗，对中心点进行归一化处理，得到在
Figure 331605DEST_PATH_IMAGE037
基 础上进行方位维归一化处理后的特征谱
Figure 987846DEST_PATH_IMAGE038
；
Figure 238699DEST_PATH_IMAGE039
；
其中
Figure 954982DEST_PATH_IMAGE040
为方位维滑动矩形窗半窗长，
Figure 556865DEST_PATH_IMAGE041
，
Figure 515331DEST_PATH_IMAGE042
为方位维滑动矩 形窗在
Figure 886270DEST_PATH_IMAGE043
上截取的片段。
5.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤四中，对方 位维进行固定，在频率维上利用滑动矩形窗，对中心点进行归一化处理，得到在
Figure 39033DEST_PATH_IMAGE044
基 础上进行频率维归一化处理后的特征谱
Figure 597054DEST_PATH_IMAGE045
；
Figure 860676DEST_PATH_IMAGE046
；
其中
Figure 351700DEST_PATH_IMAGE047
为频率维滑动矩形窗半窗长，
Figure 940944DEST_PATH_IMAGE048
，
Figure 720681DEST_PATH_IMAGE049
为频率维滑动矩 形窗在
Figure 20951DEST_PATH_IMAGE050
上截取的片段。
6.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤五中，根据目标运动特征和杂波干扰在空时特征谱上的分布差异，采用高斯核函数进行滤波；
Figure 773006DEST_PATH_IMAGE051
；
其中
Figure 392206DEST_PATH_IMAGE052
为高斯核函数，
Figure 65764DEST_PATH_IMAGE053
和
Figure 795823DEST_PATH_IMAGE054
分别是方位维和频率维上的方差，得到对
Figure 605647DEST_PATH_IMAGE055
进行二维图像卷积后的特征谱
Figure 395748DEST_PATH_IMAGE056
；
Figure 789558DEST_PATH_IMAGE057
；
其中图像卷积核在方位维和频率维上的长度分别为
Figure 57729DEST_PATH_IMAGE058
和
Figure 987638DEST_PATH_IMAGE059
，
Figure 948641DEST_PATH_IMAGE060
和
Figure 127950DEST_PATH_IMAGE061
分别是 半窗长，
Figure 75177DEST_PATH_IMAGE062
和
Figure 249807DEST_PATH_IMAGE063
分别是卷积核在特征谱和核函数上截取的二维片段，其中
Figure 490033DEST_PATH_IMAGE064
，
Figure 750113DEST_PATH_IMAGE065
；
Figure 235452DEST_PATH_IMAGE066
；
目标所在区域被筛选出来，目标区域的边界设定为
Figure 264588DEST_PATH_IMAGE067
，
Figure 177180DEST_PATH_IMAGE068
。
7.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤六中，
Figure 924556DEST_PATH_IMAGE069
；
其中
Figure 213586DEST_PATH_IMAGE070
为目标区域的方位维重心，是目标方位的估计；
Figure 831649DEST_PATH_IMAGE071
；
其中
Figure 679258DEST_PATH_IMAGE072
为目标区域的频率维重心，是目标回波频率的估计。
8.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤七中，目标 自身运动产生的多普勒频移
Figure 320454DEST_PATH_IMAGE017
；
Figure 272230DEST_PATH_IMAGE073
；
其中
Figure 151324DEST_PATH_IMAGE074
为多普勒频移为零时的基准频率。
9.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤八中，利用
Figure 733615DEST_PATH_IMAGE017
计算出目标真实速度在目标和平台连线方向的投影分量，也就是目标径向速度
Figure 862108DEST_PATH_IMAGE075
；
Figure 617575DEST_PATH_IMAGE076
，其中
Figure 849711DEST_PATH_IMAGE077
为声速，
Figure 665220DEST_PATH_IMAGE078
为发射信号中心频率；
对连续3个以上主动探测周期内的目标径向速度进行统计，当满足以下两个条件时，判定目标是运动目标；
Figure 484271DEST_PATH_IMAGE079
；
Figure 777849DEST_PATH_IMAGE080
；
其中
Figure 365957DEST_PATH_IMAGE081
为
Figure 352367DEST_PATH_IMAGE082
个主动探测周期内目标径向速度的统计序列，
Figure 658715DEST_PATH_IMAGE083
，
Figure 755984DEST_PATH_IMAGE084
为第
Figure 697133DEST_PATH_IMAGE085
个主动探测周期的目标径向速度，
Figure 854445DEST_PATH_IMAGE086
，
Figure 648088DEST_PATH_IMAGE087
为序列
Figure 17890DEST_PATH_IMAGE088
的方差，
Figure 580589DEST_PATH_IMAGE089
为第 一经验阈值，
Figure 908802DEST_PATH_IMAGE090
为序列
Figure 924163DEST_PATH_IMAGE091
的最小值，
Figure 799453DEST_PATH_IMAGE092
为第二经验阈值。
CN202210458299.XA 2022-04-28 2022-04-28 一种主动声呐目标动静辨识方法 Active CN114578333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210458299.XA CN114578333B (zh) 2022-04-28 2022-04-28 一种主动声呐目标动静辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210458299.XA CN114578333B (zh) 2022-04-28 2022-04-28 一种主动声呐目标动静辨识方法

Publications (2)

Publication Number Publication Date
CN114578333A true CN114578333A (zh) 2022-06-03
CN114578333B CN114578333B (zh) 2022-08-02

Family

ID=81778776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210458299.XA Active CN114578333B (zh) 2022-04-28 2022-04-28 一种主动声呐目标动静辨识方法

Country Status (1)

Country Link
CN (1) CN114578333B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040184350A1 (en) * 1998-08-04 2004-09-23 Brumley Blair H. System and method for measuring wave directional spectrum and wave height
JP2009162498A (ja) * 2007-12-28 2009-07-23 Ihi Corp 水底下物体の探査類別方法及び装置
CN105182350A (zh) * 2015-09-26 2015-12-23 哈尔滨工程大学 一种应用特征跟踪的多波束声呐目标探测方法
CN106019263A (zh) * 2016-07-13 2016-10-12 东南大学 基于多亮点回波模型的目标径向速度测量方法
WO2018166684A1 (de) * 2017-03-17 2018-09-20 Robert Bosch Gmbh Verfahren und radarvorrichtung zum ermitteln von radialer relativer beschleunigung mindestens eines zieles
CN110658514A (zh) * 2018-06-28 2020-01-07 中国科学院声学研究所 一种水下静态目标的分类识别方法
CN111999735A (zh) * 2020-09-11 2020-11-27 杭州瑞利海洋装备有限公司 一种基于径向速度和目标跟踪的动静目标分离方法
CN112099018A (zh) * 2020-09-11 2020-12-18 杭州瑞利海洋装备有限公司 基于径向速度和区域能量联合的运动目标检测方法及装置
CN113109802A (zh) * 2021-03-05 2021-07-13 福瑞泰克智能系统有限公司 目标运动状态判断方法、装置、雷达设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040184350A1 (en) * 1998-08-04 2004-09-23 Brumley Blair H. System and method for measuring wave directional spectrum and wave height
JP2009162498A (ja) * 2007-12-28 2009-07-23 Ihi Corp 水底下物体の探査類別方法及び装置
CN105182350A (zh) * 2015-09-26 2015-12-23 哈尔滨工程大学 一种应用特征跟踪的多波束声呐目标探测方法
CN106019263A (zh) * 2016-07-13 2016-10-12 东南大学 基于多亮点回波模型的目标径向速度测量方法
WO2018166684A1 (de) * 2017-03-17 2018-09-20 Robert Bosch Gmbh Verfahren und radarvorrichtung zum ermitteln von radialer relativer beschleunigung mindestens eines zieles
CN110658514A (zh) * 2018-06-28 2020-01-07 中国科学院声学研究所 一种水下静态目标的分类识别方法
CN111999735A (zh) * 2020-09-11 2020-11-27 杭州瑞利海洋装备有限公司 一种基于径向速度和目标跟踪的动静目标分离方法
CN112099018A (zh) * 2020-09-11 2020-12-18 杭州瑞利海洋装备有限公司 基于径向速度和区域能量联合的运动目标检测方法及装置
CN113109802A (zh) * 2021-03-05 2021-07-13 福瑞泰克智能系统有限公司 目标运动状态判断方法、装置、雷达设备和存储介质

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
PAN LI ET AL.: "Research on Reverberation Cancellation Algorithm Based on Empirical Mode Decomposition", 《2020 IEEE INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY,BIG DATA AND ARTIFICIAL INTELLIGENCE (ICIBA)》 *
PENGFEI SHAO ET AL.: "An Improved Active Sonar Automatic Tracking Method using Spatial Smoothing and PHD Filtering", 《2019 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATIONS AND COMPUTING (ICSPCC)》 *
XU SUN ET AL.: "Multidimensional Information Fusion in Active Sonar via the Generalized Labeled Multi-Bernoulli Filter", 《IEEE ACCESS》 *
YINGJIE GAO ET AL.: "Recognition Method for Underwater Acoustic Target Based on DCGAN and DenseNet", 《2020 IEEE 5TH INTERNATIONAL CONFERENCE ON IMAGE, VISION AND COMPUTING (ICIVC)》 *
刘大利等: "主动声呐舰速补偿的研究", 《海洋技术》 *
李玉伟等: "主动声纳空时自适应处理算法研究", 《舰船电子工程》 *
肖专等: "宽带与窄带模型下的时延—多普勒滤波比较", 《声学技术》 *
邵云生: "机动小目标的时空联合检测技术", 《声学技术》 *
黄舒夏等: "多亮点目标回波混叠条件下速度检测", 《声学技术》 *

Also Published As

Publication number Publication date
CN114578333B (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
US20120062409A1 (en) Method for detecting targets using space-time adaptive processing and shared knowledge of the environment
CN110208806B (zh) 一种航海雷达图像降雨识别方法
CN110673108B (zh) 一种基于迭代Klett的机载海洋激光雷达信号处理方法
CN106338713B (zh) 一种基于波束零陷权的矢量阵目标左右舷分辨方法
CN110146873B (zh) 分布式非相参雷达的目标位置和速度的估计方法
CN104569948A (zh) 海杂波背景下子带自适应glrt-ltd检测方法
CN107942308A (zh) 复合高斯环境下基于伽玛纹理的自适应Rao检测方法
CN109143195A (zh) 一种基于全kl散度的雷达目标检测方法
Xu et al. Fuzzy statistical normalization CFAR detector for non-Rayleigh data
RU2711406C1 (ru) Способ классификации гидроакустических сигналов шумоизлучения морских объектов
CN109100696A (zh) 基于点状杂波图的慢速运动目标消除方法
Bocquet et al. Parameter estimation for a compound radar clutter model with trimodal discrete texture
CN108896971B (zh) 一种海面漂浮小目标回波的仿真方法
Chotiros Non-Rayleigh distributions in underwater acoustic reverberation in a patchy environment
RU2305297C2 (ru) Устройство с корреляционным формирователем характеристики направленности для обнаружения сигналов и определения направления на их источник
Atallah et al. Wavelet analysis of bathymetric sidescan sonar data for the classification of seafloor sediments in Hopvågen Bay-Norway
Gallaudet et al. High-frequency volume and boundary acoustic backscatter fluctuations in shallow water
CN114578333B (zh) 一种主动声呐目标动静辨识方法
CN108008374B (zh) 基于能量中值的海面大型目标检测方法
CN113702937B (zh) 基于自适应mti滤波器的双通道非相干检测方法
CN105676211A (zh) 一种基于降秩技术的多亮点目标时空检测方法
CN105738882B (zh) 对实测杂波协方差矩阵估计性能的白化度评价方法
Fiche et al. Statistical analysis of low grazing angle high resolution X-band SAR sea clutter
CN115220021A (zh) 一种基于声呐图像的微弱运动目标轨迹检测方法和系统
RU2736188C1 (ru) Способ отображения гидроакустической информации

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