CN115825870A - 基于群稀疏的离网格压缩匹配场处理声源定位方法 - Google Patents
基于群稀疏的离网格压缩匹配场处理声源定位方法 Download PDFInfo
- Publication number
- CN115825870A CN115825870A CN202310126376.6A CN202310126376A CN115825870A CN 115825870 A CN115825870 A CN 115825870A CN 202310126376 A CN202310126376 A CN 202310126376A CN 115825870 A CN115825870 A CN 115825870A
- Authority
- CN
- China
- Prior art keywords
- grid
- sound source
- signal
- points
- matrix
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012545 processing Methods 0.000 title claims abstract description 51
- 230000006835 compression Effects 0.000 title description 10
- 238000007906 compression Methods 0.000 title description 10
- 239000013598 vector Substances 0.000 claims abstract description 79
- 239000011159 matrix material Substances 0.000 claims abstract description 69
- 230000004044 response Effects 0.000 claims abstract description 48
- 230000004807 localization Effects 0.000 claims description 29
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003672 processing method Methods 0.000 description 5
- 230000010076 replication Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 241001386813 Kraken Species 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请提出了一种基于群稀疏的离网格压缩匹配场处理声源定位方法,该方法包括:通过预设的水声工具箱将待分析的目标区域划分为多个网格;基于网格区域内任一位置处的信道冲击响应由其所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算四个格点处的复制向量子字典重构匹配场处理的信号模型;通过群稀疏重建的方式估计离散网格单元四个格点处的信号幅度矩阵;对于多个待定位的声源,结合估计出的信号幅度矩阵以及每个声源所处的网格的四个格点处的真实距离和真实深度,估计每个声源的位置。该方法可以对网格内不同位置处的声源进行精确定位,降低了声源定位的限制性,提高水下声源定位的精确性和实用性。
Description
技术领域
本申请涉及水下定位技术领域,尤其涉及一种基于群稀疏的离网格压缩匹配场处理声源定位方法。
背景技术
海洋中储藏着丰富的能源及各类资源,近年来随着人们对海洋开发的力度日益增加,海洋探测的重要性越发突显出来,并成为研究的焦点。其中,声源定位技术能为水下设备的布放提供准确的位置保障,发展水声定位技术具有重要意义。
相关技术中,通常是采用匹配场处理(Matched Filed Processing ,简称MFP)进行水下声源定位。匹配场处理是一种广义波束形成方法,将接收的复声压与预先计算的复制向量字典相匹配,以确定声源的位置。
然而,上述传统的匹配场处理定位方式,由于其宽主瓣和高旁瓣而具有较低的分辨率,在定位多个声源时常常给出一些错误的定位结果,导致定位的准确性较差。并且,该方案仅能定位到预先对目标区域进行划分好的网格的格点上,当声源不在网格点上时,定位性能会下降,定位结果存在误差,导致该方案的限制性较高且进一步降低了定位的准确性。
因此,如何更加精准的对处于网格任意位置处的水下声源进行定位,成为目前亟需解决的问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种基于群稀疏的离网格压缩匹配场处理声源定位方法,该方法可以对网格内不同位置处的声源进行精确定位,解决了传统匹配场处理方法仅能局限于定位到网格点上的问题,降低了声源定位的限制性,提高水下声源定位的精确性和实用性。
本申请的第二个目的在于提出一种基于群稀疏的离网格压缩匹配场处理声源定位系统;
本申请的第三个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本申请的第一方面实施例在于提出一种基于群稀疏的离网格压缩匹配场处理声源定位方法,该方法包括以下步骤:
通过预设的水声工具箱将待分析的目标区域划分为多个网格;
基于网格区域内任一位置处的信道冲击响应,由所述任一位置所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算所述四个格点处的复制向量子字典重构匹配场处理的信号模型;
对于重构的信号模型下的离散网格单元四个格点处的信号幅度矩阵,通过群稀疏重建的方式估计所述信号幅度矩阵;
对于多个待定位的声源,结合估计出的所述信号幅度矩阵以及每个所述声源所处的网格的四个格点处的真实距离和真实深度,估计每个所述声源的位置。
可选地,在本申请的一个实施例中,通过计算所述四个格点处的复制向量子字典重构匹配场处理的信号模型,包括:通过计算声源所处的网格的四个格点处的复制向量的线性组合,确定声源位置处的信道冲击响应;根据多个声源的信道冲击响应计算所述目标区域对应的阵列接收信号;将全部的网格的格点处的复制向量组成复制向量字典矩阵,并分别计算网格的左上角、右上角、左下角和右下角四个格点处的归一化复制向量,生成所述四个格点处的复制向量子字典;基于所述四个格点处的复制向量子字典,将所述阵列接收信号进行重写,其中,重写后的阵列接收信号包括所述信号幅度矩阵。
通过以下公式表示所述阵列接收信号:
可选地,在本申请的一个实施例中,通过以下公式估计所述信号幅度矩阵:
其中,是信号幅度矩阵,是由每个网格的矩阵的弗罗贝尼乌斯Frobenius范数组成的向量,是复制向量字典矩阵,是误差容限,,表示相应格点处的信号幅度,是的第行,是第个网格第个格点处的信号幅度,是矩阵的第行,,表示行数。
可选地,在本申请的一个实施例中,在所述通过群稀疏重建的方式估计所述信号幅度矩阵之前,还包括:确定声源定位过程中的快拍数,并将所述快拍数与预设的阈值进行比较;当所述快拍数大于所述阈值时,将所述阵列接收信号进行奇异值分解SVD;保留奇异值分解后的阵列接收信号中的信号子空间,并通过所述信号子空间代替所述阵列接收信号。
可选地,在本申请的一个实施例中,通过以下公式估计每个待定位的声源的位置:
其中,是第个声源的位置估计值,是第个声源所处网格的四个格点处的真实距离和真实深度,是第个声源所处网格的四个格点处信号幅度,,分别代表第个声源所处网格的左上角、右上角、左下角和右下角的四个格点,是多个待定位的声源中的任一个。
为达上述目的,本申请的第二方面实施例还提出了一种基于群稀疏的离网格压缩匹配场处理声源定位系统,包括以下模块:
划分模块,用于通过预设的水声工具箱将待分析的目标区域划分为多个网格;
重构模块,用于基于网格区域内任一位置处的信道冲击响应,由所述任一位置所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算所述四个格点处的复制向量子字典重构匹配场处理的信号模型;
估计模块,用于对于重构的信号模型下的离散网格单元四个格点处的信号幅度矩阵,通过群稀疏重建的方式估计所述信号幅度矩阵;
定位模块,用于对于多个待定位的声源,结合估计出的所述信号幅度矩阵以及每个所述声源所处的网格的四个格点处的真实距离和真实深度,估计每个所述声源的位置。
可选地,在本申请的一个实施例中,重构模块,具体用于:通过计算声源所处的网格的四个格点处的复制向量的线性组合,确定声源位置处的信道冲击响应;根据多个声源的信道冲击响应计算所述目标区域对应的阵列接收信号;将全部的网格的格点处的复制向量组成复制向量字典矩阵,并分别计算网格的左上角、右上角、左下角和右下角四个格点处的归一化复制向量,生成所述四个格点处的复制向量子字典;基于所述四个格点处的复制向量子字典,将所述阵列接收信号进行重写,其中,重写后的阵列接收信号包括所述信号幅度矩阵。
还用于通过以下公式表示所述阵列接收信号:
为了实现上述实施例,本申请第三方面实施例还提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中的基于群稀疏的离网格压缩匹配场处理声源定位方法。
本申请的实施例提供的技术方案至少带来以下有益效果:本申请首先基于网格内任意位置处的信道冲击响应可以由其所处网格的四个格点处的复制向量来模拟近似的原理,将匹配场处理的信号模型由四个修改的子字典重写,以模拟离网格位置。然后,使用群稀疏方法来解决匹配场定位问题,估计出声源周围四个格点处的信号能量,进而得到归一化插值系数计算声源在网格内的具体位置。由此,本申请结合群稀疏和压缩匹配场处理技术,显著提高了声源定位的准确率,使定位结果更加可信,提高了定位结果的可靠性。并且,本申请不再局限于仅定位在网格点上的声源,对于网格内部处的声源也能定位出精确的位置信息,打破了传统匹配场处理方法由于网格划分而存在的固有性能限制,降低了声源定位的限制性,减小了定位误差,显著提高水下声源定位的精确性和实用性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提出的一种基于群稀疏的离网格压缩匹配场处理声源定位方法的流程图;
图2为本申请实施例提出的一种信号模型的重构方法的流程图;
图3为本申请实施例提出的一种复制向量字典重排的原理示意图;
图4为本申请实施例提出的一种定位仿真结果的示意图;
图5为本申请实施例提出的另一种定位仿真结果的示意图;
图6为本申请实施例提出的一种具体的基于群稀疏的离网格压缩匹配场处理声源定位方法的流程图;
图7为本申请实施例提出的一种基于群稀疏的离网格压缩匹配场处理声源定位系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
需要说明的是,随着压缩感知理论的发展,在本申请实施例中,可以通过压缩匹配场处理实现水下声源定位。并且,在实际定位中,由于声源的数量远远小于可能的候选位置的数量,水下声信号在空间域中本质上是稀疏的,因此声源定位可以重新表述为稀疏恢复优化问题,并以此来估计不同候选位置处的声源功率。然而在实际应用中,声源在目标区域中的位置是连续的和任意的。当声源位置不在预先划分的网格点时,它们的稀疏表示会遇到网格失配问题。即使网格失配问题一部分可通过网格细化进行处理,但当网格过密时,会出现严重的模糊性。
因此,仅仅通过压缩匹配场处理进行声源定位,仍存在以下问题:首先,压缩匹配场处理在定位多个声源时的分辨率虽然优于传统匹配场处理,但是网格失配问题会严重影响其性能。对于离网格的声源,压缩匹配场处理将显示出许多模糊的峰值,可能给出错误的定位结果。即,定位准确率仍较差。
其次,传统匹配场处理和压缩匹配场处理方法都只能将声源定位在预先划分好的距离-深度网格点上,当声源不在网格点上时,定位性能会下降。且非格点上的声源即使能定位到临近的格点上,也会由于格点划分的限制存在固有的估计误差,不能给出离网格声源的精确位置信息。
为此,本申请提出一种基于群稀疏的离网格压缩匹配场处理声源定位方法,以解决离网格水下源定位问题。与传统匹配场处理和单一的压缩匹配场处理相比,该发明的定位准确率更高,定位结果更可信;同时能够给出具体的定位位置,而不是仅定位到格点上。
下面参考附图描述本发明实施例所提出的一种基于群稀疏的离网格压缩匹配场处理声源定位方法和系统。
图1为本申请实施例提出的一种基于群稀疏的离网格压缩匹配场处理声源定位方法的流程图,如图1所示,该方法包括以下步骤:
步骤S101,通过预设的水声工具箱将待分析的目标区域划分为多个网格。
其中,水声工具箱是Matlab软件中用于水下声学仿真的工具,可以在输入界面自定义参数进行绘制声速图等图像以及划分网格等操作。水声工具箱具有多种类型,比如,Bellhop、Acoustic_signal_processer和Makefile等,本申请可以根据定位过程所处的海洋环境等因素预先确定使用的水声工具,比如,选择简正波模型kraken进行网格划分。
其中,目标区域是指待定位的一个或多个水下声源所处的区域。
具体的,本申请通过水声工具箱,按照距离和深度将待分析的目标区域划分为多个网格,将目标区域转换为网格的形式,由多个离散的网格单元(在本申请中可简称为网格)构成划分后的网格区域,从而便于后续进行定位,划分出的网格的数量由距离和深度等划分参数确定。
步骤S102,基于网格区域内任一位置处的信道冲击响应,由任一位置所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算四个格点处的复制向量子字典重构匹配场处理的信号模型。
具体的,由于水下相邻位置处的信道冲击响应具有较大的相似性,每个网格内任意位置处的信道冲击响应可以用它所处网格的四个格点处的复制向量来模拟近似。基于这一事实,本申请进行离网格压缩匹配场处理,将匹配场处理的信号模型由四个修改的子字典重写,以模拟离网格位置。
为了更加清楚地说明本申请重写信号模型的具体实现过程,下面以在本申请一个实施例中提出的一种具体的信号模型的重构方法进行详细说明。图2为本申请实施例提出的一种信号模型的重构方法的流程图。
如图2所示,该方法包括以下步骤:
步骤S201,通过计算声源所处的网格的四个格点处的复制向量的线性组合,确定声源位置处的信道冲击响应。
具体的,假设某个声源位于划分后的网格区域中的第个离散化网格单元中,该声源位置处的信道冲击响应为,则可以由周围4个网格点处的复制向量的线性组合近似得到,即可以通过以下公式计算第个离散化网格单元中的声源位置处的信道冲击响应:
步骤S202,根据多个声源的信道冲击响应计算目标区域对应的阵列接收信号。
需要说明的是,实际应用中目标区域内的不同网格处可能有多个声源,因此针对目标区域的水下声源的信息采集设备,比如,水听器等设备,可能采集到多个接收信号,即目标区域的阵列接收信号。
在本申请一个实施例中,先通过步骤S201的计算方式依次每个声源的信道冲击响应,再根据各个声源的信道冲击响应通过以下公式计算目标区域对应的阵列接收信号:
步骤S203,将全部的网格的格点处的复制向量组成复制向量字典矩阵,并分别计算网格的左上角、右上角、左下角和右下角四个格点处的归一化复制向量,生成四个格点处的复制向量子字典。
具体的,将划分后的网格区域内的全部的网格的格点处的复制向量组成复制向量字典矩阵A,再将复制向量字典矩阵A细分为4个较小的块,即A1、A2、A3和A4。这四个块分别对应所有网格单元左上角、右上角、左下角和右下角格点处归一化复制向量组成的子字典,则。
举例而言,如图3所示,以4*3的网格区域为例,图3中横坐标为距离,纵坐标为深度,对于复制向量字典矩阵A,包含全部左上角复制向量子字典为A1,包含全部右上角复制向量子字典为A4。可以理解的是,如图3所示,四个复制向量子字典中互相之间含有较多的重复部分。
步骤S204,基于四个格点处的复制向量子字典,将阵列接收信号进行重写,其中,重写后的阵列接收信号包括信号幅度矩阵。
具体的,基于上述的字典重排步骤,阵列接收信号可以被重写为如下公式所示:
步骤S103,对于重构的信号模型下的离散网格单元四个格点处的信号幅度矩阵,通过群稀疏重建的方式估计信号幅度矩阵。
具体的,基于上述重构的信号模型,结合群稀疏重建的方式进行定位。如上所述,由于的对应行之间共享稀疏度,对于同一网格,这四个信号幅度矩阵的子块分别代表了该离散网格单元的4个格点处的信号幅度,对于某一网格,分别对应这四个块中的某一行数据,即以这四个块中对应的4行数据为一组,使用群稀疏重建方法来估计。
在本申请一个实施例中,将信号幅度矩阵的估计问题转为追踪去噪问题进行分析,可以通过以下公式估计信号幅度矩阵:
其中,是信号幅度矩阵,是由每个网格的矩阵的弗罗贝尼乌斯Frobenius范数组成的向量,是复制向量字典矩阵,是误差容限,,表示相应格点处的信号幅度,是的第行,是第个网格第个格点处的信号幅度,是矩阵的第行,,表示行数。
其中,误差容限可以根据噪声水平和模型匹配度来预先确定。弗罗贝尼乌斯-范数(Frobenius norm,简称F-范数)是一种矩阵范数,具体是计算矩阵中每项数的平方和的开方值,可用于利用低秩矩阵来近似单一数据矩阵。
需要说明的是,在实际应用中,当定位所需的计算数据较多等原因导致快拍数较大时,在本申请一个实施例中,在进行信号幅度矩阵的估计之前,还可以通过奇异值分解降低计算量。其中,快拍数是指时域上的采样点数(snaps),奇异值分解(Singular ValueDecomposition,简称SVD)是一种矩阵分解,是特征分解在任意矩阵上的推广。
具体实施时,在本实施例中进行奇异值分解降低计算量时,包括以下步骤:首先,确定声源定位过程中的快拍数,并将快拍数与预设的阈值进行比较;然后当快拍数大于阈值时,将阵列接收信号进行奇异值分解SVD;最后保留奇异值分解后的阵列接收信号中的信号子空间,并通过信号子空间代替阵列接收信号。
具体而言,预设的阈值是用于确定快拍数是否过大的阈值,当快拍数大于阈值时,确定快拍数较大,需要降低计算量。进一步的,假设接收信号由个声源产生,则接收信号为矩阵,将接收信号矩阵进行SVD分解为:。其中, U是酉矩阵,L是半正定的对角矩阵,V是酉矩阵。更进一步的,保留信号子空间YSV=YVK,其中,VK是V的前K列。由此,本实施例通过YSV代替接收信号矩阵Y进行上述过程中的优化问题的求解,可以减少计算量,缩短定位所需的时间,便于实施。
步骤S104,对于多个待定位的声源,结合估计出的信号幅度矩阵以及每个声源所处的网格的四个格点处的真实距离和真实深度,估计每个声源的位置。
在本申请一个实施例中,当目标区域内存在多个待定位的声源时,确定每个声源在信号幅度矩阵中对应的数据,以及从划分网格时设置的格点数据中确定各个声源所处的网格的四个格点处的真实距离和真实深度,再结合上述数据通过相应的公式计算各个声源的位置。
在本申请一个实施例中,对于存在K个待定位的声源的场景,从恢复的信号中选择信号总功率最高的前K个组,即根据估计出的信号幅度矩阵确定功率,根据最高的K组功率依次确定K个待定位声源分别位于的网格。再针对每个声源及其所处的网格,通过以下公式估计每个待定位的声源的位置:
其中,是第个声源的位置估计值,是第个声源所处网格的四个格点处的真实距离和真实深度,是第个声源所处网格的四个格点处信号幅度,,分别代表第个声源所处网格的左上角、右上角、左下角和右下角的四个格点,是多个待定位的声源中的任一个。
由此,本申请可以对网格内任意位置处的声源进行定位。
为了更将清楚的表明本申请的基于群稀疏的离网格压缩匹配场处理声源定位方法具有更佳的定位效果,下面以在本申请一个实施例中进行的具体的水下声源定位实验进行说明。
在本实施例中,以双源定位为例进行说明,声源1附近水平距离500-1500 m、深度之差0-20 m的范围内存在另一相同信号强度的声源2。用Matlab水声工具箱对海洋环境进行仿真,通过定位的准确率和距离平均绝对误差评价不同定位方案的估计性能。
通过仿真得到的结果如图4和图5所示。具体的,图4和图5为在双源场景中统计的声源2的定位结果。图4和图5中的横坐标为信噪比(SNR),单位为dB,图4的纵坐标为定位准确率ACC,图5的纵坐标为距离平均绝对误差rMAE,单位为km。图4和图5中的节点为矩形的曲线为传统匹配场处理的定位性能,在高信噪比下定位准确率低于0.6,且平均绝对误差很大。节点为菱形的曲线为压缩匹配场处理的定位性能,两指标均有所提升,但仍无法满足需求。节点为圆形的曲线为本申请的基于群稀疏的离网格压缩匹配场处理声源定位方法的定位性能,由图可知,本申请的方案在信噪比大于-5 dB时就能达到很好的性能,定位准确率高且给出了离网格源的具体估计位置,误差较于前两者更小。
综上所述,本申请实施例的基于群稀疏的离网格压缩匹配场处理声源定位方法,首先基于网格内任意位置处的信道冲击响应可以由其所处网格的四个格点处的复制向量来模拟近似的原理,将匹配场处理的信号模型由四个修改的子字典重写,以模拟离网格位置。然后,使用群稀疏方法来解决匹配场定位问题,估计出声源周围四个格点处的信号能量,进而得到归一化插值系数计算声源在网格内的具体位置。由此,本申请结合群稀疏和压缩匹配场处理技术,显著提高了声源定位的准确率,使定位结果更加可信,提高了定位结果的可靠性。并且,本申请不再局限于仅定位在网格点上的声源,对于网格内部处的声源也能定位出精确的位置信息,打破了传统匹配场处理方法由于网格划分而存在的固有性能限制,降低了声源定位的限制性,减小了定位误差,显著提高水下声源定位的精确性和实用性。
为了更加清楚地说明本申请的基于群稀疏的离网格压缩匹配场处理声源定位方法的实施流程,下面在本申请一个实施例中以一个具体的定位方法的实施例进行详细说明。图6为本申请实施例提出的一种具体的基于群稀疏的离网格压缩匹配场处理声源定位方法的流程图。
如图6所示,该方法根据上述实施例中重构的信号模型,包括以下计算流程:
步骤S601,根据具体海洋环境,使用Matlab的水声工具箱KRAKEN按照距离和深度进行网格划分,并计算复制场字典。
步骤S602,对于代表离散网格单元4个格点的信号幅度的子矩阵,以它们对应的4行为一组,使用群稀疏重建方法来估计信号幅度矩阵。
步骤S603,当快拍数较大时,通过奇异值分解降低计算量,将分解产生的子空间代替接收信号进行计算。
具体的,保留信号子空间代替接收信号,通过上述步骤S602的过程进行优化问题的求解。
需要说明的是,本实施例的方法中各步骤的具体实现方式还可参照上述实施例的相关描述,实现原理类似,此处不再赘述。
为了实现上述实施例,本申请还提出了一种基于群稀疏的离网格压缩匹配场处理声源定位系统,图7为本申请实施例提出的一种基于群稀疏的离网格压缩匹配场处理声源定位系统的结构示意图,如图7所示,该系统包括:划分模块100、重构模块200、估计模块300和定位模块400。
其中,划分模块100,用于通过预设的水声工具箱将待分析的目标区域划分为多个网格。
重构模块200,用于基于网格区域内任一位置处的信道冲击响应,由任一位置所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算四个格点处的复制向量子字典重构匹配场处理的信号模型。
估计模块300,用于对于重构的信号模型下的离散网格单元四个格点处的信号幅度矩阵,通过群稀疏重建的方式估计信号幅度矩阵。
定位模块400,用于对于多个待定位的声源,结合估计出的信号幅度矩阵以及每个声源所处的网格的四个格点处的真实距离和真实深度,估计每个声源的位置。
可选地,在本申请的一个实施例中,重构模块200,具体用于:通过计算声源所处的网格的四个格点处的复制向量的线性组合,确定声源位置处的信道冲击响应;根据多个声源的信道冲击响应计算目标区域对应的阵列接收信号;将全部的网格的格点处的复制向量组成复制向量字典矩阵,并分别计算网格的左上角、右上角、左下角和右下角四个格点处的归一化复制向量,生成四个格点处的复制向量子字典;基于四个格点处的复制向量子字典,将阵列接收信号进行重写,其中,重写后的阵列接收信号包括信号幅度矩阵。
可选地,在本申请的一个实施例中,估计模块300具体用于通过以下公式估计信号幅度矩阵:
其中,是信号幅度矩阵,是由每个网格的矩阵的弗罗贝尼乌斯Frobenius范数组成的向量,是复制向量字典矩阵,是误差容限,,表示相应格点处的信号幅度,是的第行,是第个网格第个格点处的信号幅度,是矩阵的第行,,表示行数。
可选地,在本申请的一个实施例中,该系统还包括简化模块,简化模块具体用于:确定声源定位过程中的快拍数,并将快拍数与预设的阈值进行比较;当快拍数大于阈值时,将阵列接收信号进行奇异值分解SVD;保留奇异值分解后的阵列接收信号中的信号子空间,并通过信号子空间代替阵列接收信号。
可选地,在本申请的一个实施例中,定位模块400具体用于通过以下公式估计每个待定位的声源的位置:
其中,是第个声源的位置估计值,是第个声源所处网格的四个格点处的真实距离和真实深度,是第个声源所处网格的四个格点处信号幅度,,分别代表第个声源所处网格的左上角、右上角、左下角和右下角的四个格点,是多个待定位的声源中的任一个。
需要说明的是,前述对基于群稀疏的离网格压缩匹配场处理声源定位方法的实施例的解释说明也适用于该实施例的系统,此处不再赘述。
综上所述,本申请实施例的基于群稀疏的离网格压缩匹配场处理声源定位系统,首先基于网格内任意位置处的信道冲击响应可以由其所处网格的四个格点处的复制向量来模拟近似的原理,将匹配场处理的信号模型由四个修改的子字典重写,以模拟离网格位置。然后,使用群稀疏方法来解决匹配场定位问题,估计出声源周围四个格点处的信号能量,进而得到归一化插值系数计算声源在网格内的具体位置。由此,本申请结合群稀疏和压缩匹配场处理技术,显著提高了声源定位的准确率,使定位结果更加可信,提高了定位结果的可靠性。并且,本申请不再局限于仅定位在网格点上的声源,对于网格内部处的声源也能定位出精确的位置信息,打破了传统匹配场处理方法由于网格划分而存在的固有性能限制,降低了声源定位的限制性,减小了定位误差,显著提高水下声源定位的精确性和实用性。
为了实现上述实施例,本申请还提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述实施例中任一所述的基于群稀疏的离网格压缩匹配场处理声源定位方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于群稀疏的离网格压缩匹配场处理声源定位方法,其特征在于,包括以下步骤:
通过预设的水声工具箱将待分析的目标区域划分为多个网格;
基于网格区域内任一位置处的信道冲击响应,由所述任一位置所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算所述四个格点处的复制向量子字典重构匹配场处理的信号模型;
对于重构的信号模型下的离散网格单元四个格点处的信号幅度矩阵,通过群稀疏重建的方式估计所述信号幅度矩阵;
对于多个待定位的声源,结合估计出的所述信号幅度矩阵以及每个所述声源所处的网格的四个格点处的真实距离和真实深度,估计每个所述声源的位置。
2.根据权利要求1所述的方法,其特征在于,所述通过计算所述四个格点处的复制向量子字典重构匹配场处理的信号模型,包括:
通过计算声源所处的网格的四个格点处的复制向量的线性组合,确定声源位置处的信道冲击响应;
根据多个声源的信道冲击响应计算所述目标区域对应的阵列接收信号;
将全部的网格的格点处的复制向量组成复制向量字典矩阵,并分别计算网格的左上角、右上角、左下角和右下角四个格点处的归一化复制向量,生成所述四个格点处的复制向量子字典;
基于所述四个格点处的复制向量子字典,将所述阵列接收信号进行重写,其中,重写后的阵列接收信号包括所述信号幅度矩阵。
5.根据权利要求2所述的方法,其特征在于,在所述通过群稀疏重建的方式估计所述信号幅度矩阵之前,还包括:
确定声源定位过程中的快拍数,并将所述快拍数与预设的阈值进行比较;
当所述快拍数大于所述阈值时,将所述阵列接收信号进行奇异值分解SVD;
保留奇异值分解后的阵列接收信号中的信号子空间,并通过所述信号子空间代替所述阵列接收信号。
7.一种基于群稀疏的离网格压缩匹配场处理声源定位系统,其特征在于,包括:
划分模块,用于通过预设的水声工具箱将待分析的目标区域划分为多个网格;
重构模块,用于基于网格区域内任一位置处的信道冲击响应,由所述任一位置所处的网格的四个格点处的复制向量来模拟近似的方式,通过计算所述四个格点处的复制向量子字典重构匹配场处理的信号模型;
估计模块,用于对于重构的信号模型下的离散网格单元四个格点处的信号幅度矩阵,通过群稀疏重建的方式估计所述信号幅度矩阵;
定位模块,用于对于多个待定位的声源,结合估计出的所述信号幅度矩阵以及每个所述声源所处的网格的四个格点处的真实距离和真实深度,估计每个所述声源的位置。
8.根据权利要求7所述的系统,其特征在于,所述重构模块,具体用于:
通过计算声源所处的网格的四个格点处的复制向量的线性组合,确定声源位置处的信道冲击响应;
根据多个声源的信道冲击响应计算所述目标区域对应的阵列接收信号;
将全部的网格的格点处的复制向量组成复制向量字典矩阵,并分别计算网格的左上角、右上角、左下角和右下角四个格点处的归一化复制向量,生成所述四个格点处的复制向量子字典;
基于所述四个格点处的复制向量子字典,将所述阵列接收信号进行重写,其中,重写后的阵列接收信号包括所述信号幅度矩阵。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的基于群稀疏的离网格压缩匹配场处理声源定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310126376.6A CN115825870B (zh) | 2023-02-17 | 2023-02-17 | 基于群稀疏的离网格压缩匹配场处理声源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310126376.6A CN115825870B (zh) | 2023-02-17 | 2023-02-17 | 基于群稀疏的离网格压缩匹配场处理声源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115825870A true CN115825870A (zh) | 2023-03-21 |
CN115825870B CN115825870B (zh) | 2023-05-12 |
Family
ID=85521722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310126376.6A Active CN115825870B (zh) | 2023-02-17 | 2023-02-17 | 基于群稀疏的离网格压缩匹配场处理声源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115825870B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116073836A (zh) * | 2023-03-14 | 2023-05-05 | 中南大学 | 基于列子集选择的游戏数据压缩方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048642A (zh) * | 2012-12-31 | 2013-04-17 | 东南大学 | 基于频域最小二乘法的水声脉冲信号匹配场定位方法 |
US20150341723A1 (en) * | 2014-05-22 | 2015-11-26 | The United States Of America As Represented By The Secretary Of The Navy | Multitask learning method for broadband source-location mapping of acoustic sources |
CN105652243A (zh) * | 2016-03-14 | 2016-06-08 | 西南科技大学 | 多通道群稀疏线性预测时延估计方法 |
CN108802683A (zh) * | 2018-05-30 | 2018-11-13 | 东南大学 | 一种基于稀疏贝叶斯学习的源定位方法 |
CN108931776A (zh) * | 2017-05-23 | 2018-12-04 | 常熟海量声学设备科技有限公司 | 一种高精度的匹配场定位方法 |
CN113050075A (zh) * | 2021-03-30 | 2021-06-29 | 哈尔滨工程大学 | 一种基于扩散映射的水下声源匹配场定位方法 |
CN113671473A (zh) * | 2021-09-09 | 2021-11-19 | 哈尔滨工程大学 | 基于环境约束和黎曼距离的联合匹配场定位方法及系统 |
CN115236594A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种适用于极地脉冲噪声环境的冰下声源定位方法 |
-
2023
- 2023-02-17 CN CN202310126376.6A patent/CN115825870B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103048642A (zh) * | 2012-12-31 | 2013-04-17 | 东南大学 | 基于频域最小二乘法的水声脉冲信号匹配场定位方法 |
US20150341723A1 (en) * | 2014-05-22 | 2015-11-26 | The United States Of America As Represented By The Secretary Of The Navy | Multitask learning method for broadband source-location mapping of acoustic sources |
CN105652243A (zh) * | 2016-03-14 | 2016-06-08 | 西南科技大学 | 多通道群稀疏线性预测时延估计方法 |
CN108931776A (zh) * | 2017-05-23 | 2018-12-04 | 常熟海量声学设备科技有限公司 | 一种高精度的匹配场定位方法 |
CN108802683A (zh) * | 2018-05-30 | 2018-11-13 | 东南大学 | 一种基于稀疏贝叶斯学习的源定位方法 |
CN113050075A (zh) * | 2021-03-30 | 2021-06-29 | 哈尔滨工程大学 | 一种基于扩散映射的水下声源匹配场定位方法 |
CN113671473A (zh) * | 2021-09-09 | 2021-11-19 | 哈尔滨工程大学 | 基于环境约束和黎曼距离的联合匹配场定位方法及系统 |
CN115236594A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 一种适用于极地脉冲噪声环境的冰下声源定位方法 |
Non-Patent Citations (2)
Title |
---|
郭双乐;彭临慧;唐瑞春;: "基于压缩感知的水下目标定位" * |
陈迎春;蒋亚立;: "一种基于空间稀疏重构的匹配场定位方法" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116073836A (zh) * | 2023-03-14 | 2023-05-05 | 中南大学 | 基于列子集选择的游戏数据压缩方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115825870B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101797451B1 (ko) | 상호상관 목적 함수를 통한 해양 스트리머 데이터에 대한 동시 소스 반전 | |
EP2681589B1 (en) | Methods for deblending of seismic shot gathers | |
CN113064147B (zh) | 一种低信噪比下新型匹配场被动定位方法 | |
MX2013012969A (es) | Procesamiento de datos sismicos de expansion espacial, metodo y aparato. | |
CN113238189A (zh) | 基于阵列测量和稀疏先验信息的声源辨识方法、系统 | |
US10795039B2 (en) | Generating pseudo pressure wavefields utilizing a warping attribute | |
CN115825870B (zh) | 基于群稀疏的离网格压缩匹配场处理声源定位方法 | |
CN108931776A (zh) | 一种高精度的匹配场定位方法 | |
KR102060656B1 (ko) | 소나 영상의 잡음을 제거하는 장치 및 방법 | |
Zhao et al. | A new method for weakening the combined effect of residual errors on multibeam bathymetric data | |
WO2021127382A1 (en) | Full waveform inversion in the midpoint-offset domain | |
MXPA06011579A (es) | Prediccion generalizada de multiplos de superfie 3-d. | |
US11119233B2 (en) | Method for estimating elastic parameters of subsoil | |
Austin et al. | The use of tessellation in three-dimensional parabolic equation modeling | |
Gu et al. | Inverse-scattering theory guided U-Net neural networks for internal multiple elimination | |
CN115662383B (zh) | 主声源删除方法及系统、多声源识别方法及系统、装置 | |
Niang et al. | Monitoring of air-gun source signature directivity | |
Liu | A simple method for detecting scatterers in a stratified ocean waveguide | |
US20150142831A1 (en) | Computerized method and a computer program rpoduct for determining a resulting data set representative of a geological region of interest | |
Feng et al. | Automatic traveltime inversion via sparse decomposition of seismic data | |
Zhang et al. | Imaging processor for multi-receiver SAS in the presence of partially failed receivers | |
Shi et al. | Multiscale full-waveform inversion based on shot subsampling | |
Menze et al. | Estimating the spatial distribution of vocalizing animals from ambient sound spectra using widely spaced recorder arrays and inverse modelling | |
CN113721245A (zh) | 海底水平阵阵形校正方法及处理器 | |
CN111914609A (zh) | 井震联合叠前地质统计学弹性参数反演方法及装置 |
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 |