CN116027336A - 一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法 - Google Patents

Abstract

本发明公开了一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法，包括有用于探测的声呐设备、接收设备与潜器，所述方法包括：声呐探测设备发射声信号，经螺旋桨反射后形成回波；接收设备接收到回波信号后，对信号进行短时傅里叶变换，得到螺旋桨叶片微多普勒频移；根据多普勒频移的特征，最终实现螺旋桨叶片长度、数目、转速的多个特征提取。本发明通过对桨叶回波信号进行短时傅里叶分析，得到不同桨叶的微多普勒特征，通过计量微多普勒特征的数目、强度及变化周期，即可得到螺旋桨叶片数目、叶片长度及螺旋桨转速。

Description

一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法

技术领域

本发明涉及微多普勒频谱估计技术领域，具体为一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法。

背景技术

美国科学家VictorC.Chen于1995年首次将微运动及微多普勒的概念引入到雷达观测领域，提出目标或目标组成部分的微运动会对雷达回波的频谱产生调制，开创了基于微多普勒特征的雷达目标检测与识别的新领域。微运动是指目标主体外的其他部件进行与主体不同的运动，典型的微运动包括人行走过程中的四肢运动、坦克行进过程中的履带转动等。目标的这些微运动会对回波信号产生相应的多普勒调制称为微多普勒。微多普勒与微动目标直接相关，因此可用于作为目标识别分类。目前，经过许多科研工作者多年的研究，在雷达领域已经形成了一套比较完善的微多普勒理论体系，并在飞行器分类、人类行走与鸟类飞行姿态识别等领域发展到了实际应用的阶段。

在水下探测领域，同样也存在大量的目标微运动，如舰船壳体振动、螺旋桨转动、水下蛙人的肢体摆动等，这些微运动都能够产生相应的微多普勒调制。但电磁波在水中衰减极快，探测距离十分有限，而声信号在水中具有良好的传播特性，是目前水下探测的主要手段。然而，目前传统的水声探测和识别主要基于水下目标的反射强度及线性多普勒频移，微多普勒效应在水声探测领域的研究尚属空白。

发明内容

鉴于现有技术的不足，本发明旨在于提供一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法，通过对桨叶回波信号进行短时傅里叶分析，得到不同桨叶的微多普勒特征，通过计量微多普勒特征的数目、强度及变化周期，即可得到螺旋桨叶片数目、叶片长度及螺旋桨转速。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法，包括有用于探测的水声换能器、水听器与螺旋桨，所述方法包括：水声换能器发射固定频率的声波信号，经螺旋桨叶片反射后形成回波；水听器接收到回波信号后，对信号进行短时傅里叶变换，得到螺旋桨叶片微多普勒频移特征，根据多普勒频移的特征，最终实现螺旋桨叶片长度、数目、转速的多个特征提取。

需要说明的是，包括建立空间坐标系，以O为坐标原点的坐标系(x,y,z)为空间固定坐标系，声呐探测设备位于原点O；坐标系(x′,y′,z)为参考坐标系，平行于空间固定坐标系，原点为O′，距离OO′＝r₀；长为l的N个螺旋叶片L_n(n＝1,…,N)在x′-y′平面内绕点(0,r_c,r₀)以角速度ω逆时针方向旋转。

设叶片L_n上任一点

到旋转中心R_c的距离为

初始时刻t＝0时，叶片L_n与x′轴正向夹角为θ_n，且目标以速度v沿OR_c背向声呐探测设备运动。则P_n的运动是旋转与平移运动的复合，可看作是先旋转到P_n′，再平移到P_n″，旋转后的位置R_cP_n′与x′轴正向夹角为ωt+θ_n，则P_n′点的位置为：

在t时刻，声呐探测设备O到点P_n″的距离记为R_Pn(t)，由于

因次根据空间几何关系有：

对上式进行Taylor展开取一阶项可得：

简记为：R_Pn(t)≈B+vt+Aρ_Pnsin(ωt+θ_n)，其中

声呐换能器位于原点O处，发射的声波以频率为f的单频正弦波，潜器以速度v移动，螺旋桨以角速度ω旋转，取螺旋桨上一任意一点P_n，点P_n的回波信号可表示为：

上式中

为反射系数，

为基带信号相位，则点P_n的多普勒频移为：

其中λ为声呐换能器所发射声波的波长，上式的第一项为潜器平动速度v所引起的线性多普勒频移，第二项为螺旋桨旋转所引起的微多普勒频移；对

在叶片路径L_n上积分，并对N个螺旋桨回波信号求和可得螺旋桨回波信号为：

N个螺旋桨叶片的总回波信号s_N(t)为：

其中，l表示螺旋桨叶片长度，θ_n表示第n个叶片的初始相位，θ_n＝θ₁+(n-1)2π/N,n＝1,2,3,...,N。螺旋桨叶片L_n的相位函数是

螺旋桨叶片L_n的多普勒频率为：

叶片L_n上任一散射点的多普勒信号为线性多普勒和随时间做周期性三角函数变化的微多普勒组成。微多普勒变化周期与叶片的旋转周期相同，变化幅值与螺旋桨叶片的长度l成正比。根据螺旋桨叶片长度和其旋转速率，螺旋桨叶片末端速度v_tip＝lω，因此，螺旋桨叶片的最大微多普勒频移为：

由于螺旋桨的N个叶片长度相同，旋转速度也相同，各个螺旋桨叶片产生的微多普勒频率均为周期性的三角函数曲线，且幅值和周期均相同，不同的是各个三角函数的初始相位，相邻两叶片的微多普勒频率的相位差为Δθ＝2πN。相邻两个叶片的微多普勒时间差为

螺旋桨叶片的旋转角速度可以由叶片回波的微多普勒频移三角函数的周期T_c来决定，即ω＝2πT_c，T_c是从螺旋桨叶片微多普勒频率特征中提取的单个三角函数的周期。

估计完螺旋桨的旋转角速度ω后，便可从相邻两叶片的微多普勒时间差对螺旋桨叶片数目进行估计，有

同时，估计完螺旋桨的旋转角速度ω后，便可根据螺旋桨回波的最大微多普勒频移量来估计螺旋桨叶片的长度，

螺旋桨叶片的长度估计与微多普勒最大频移量f_dmax、声波的波长λ、螺旋桨的转速ω以及参数A有关，参数A的求解需要通过声呐设备测量潜器与声呐设备之间的方位距离信息。

需要指出的是，本发明的螺旋桨叶片参数估计的步骤如下：

步骤1：水声换能器朝螺旋桨发射某固定频率的声波，水听器对螺旋桨的回波信号进行短时傅里叶时频分析，得到时频分布图；

步骤2：提取时频分布图同一三角函数曲线的周期T_c和同一三角函数曲线相邻峰值间的时间间隔Δt，从而可对螺旋桨旋转角速度ω及螺旋桨叶片数目N进行估计；

步骤3：提取时频分布图三角函数曲线的幅值f_dmax，结合声波波长、螺旋桨转速ω以及距离参数A，可对螺旋桨叶片长度l进行估计。

需要指出的是，当前水下潜器的探测与识别过程中，仅能利用回波的强度及多普勒信息进行经验判断，或者转换为图像利用深度学习的方法。由于声呐获取的目标信息十分有限，无论上述哪种方法均无法有效的进行水下潜器的识别和分类。

本发明在传统声呐探测的基础上，额外对回波信号进行的短时傅里叶变换获取目标的微多普勒特征。结合目标的微多普勒特征，可以得到螺旋桨叶片的数量、长度及转速，这些信息可以极大的提高水下潜器的探测及识别精度。

附图说明

图1为本发明中微多普勒频移数学模型示意图；

图2为本发明中螺旋桨叶片微多普勒仿真测试示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本发为一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法，包括有用于探测的声呐设备、接收设备与潜器，所述方法包括：声呐探测设备发射声信号，经螺旋桨反射后形成回波；接收设备接收到回波信号后，对信号进行短时傅里叶变换，得到螺旋桨叶片微多普勒频移；根据多普勒频移的特征，最终实现螺旋桨叶片长度、数目、转速的多个特征提取。

进一步的，包括建立空间坐标系，以O为坐标原点的坐标系(x,y,z)为空间固定坐标系，声呐探测设备位于原点O；坐标系(x′,y′,z)为参考坐标系，平行于空间固定坐标系，原点为O′，距离OO′＝r₀；长为l的N个螺旋叶片L_n(n＝1,…,N)在x′-y′平面内绕点(0,r_c,r₀)以角速度ω逆时针方向旋转。

设叶片L_n上任一点

到旋转中心R_c的距离为

初始时刻t＝0时，叶片L_n与x′轴正向夹角为θ_n，且目标以速度v沿OR_c背向声呐探测设备运动。则P_n的运动是旋转与平移运动的复合，可看作是先旋转到P_n′，再平移到P_n″，旋转后的位置R_cP_n′与x′轴正向夹角为ωt+θ_n，则P_n′点的位置为：

在t时刻，声呐探测设备O到点P_n″的距离记为

由于

因次根据空间几何关系有：

对上式进行Taylor展开取一阶项可得：

简记为：

其中

声呐换能器位于原点O处，发射的声波以频率为f的单频正弦波，潜器以速度v移动，螺旋桨以角速度ω旋转，取螺旋桨上一任意一点P_n，点P_n的回波信号可表示为：

上式中

为反射系数，

为基带信号相位，则点P_n的多普勒频移为：

其中λ为声呐换能器所发射声波的波长，上式的第一项为潜器平动速度v所引起的线性多普勒频移，第二项为螺旋桨旋转所引起的微多普勒频移；对

在叶片路径L_n上积分，并对N个螺旋桨回波信号求和可得螺旋桨回波信号为：

N个螺旋桨叶片的总回波信号s_N(t)为：

其中，l表示螺旋桨叶片长度，θ_n表示第n个叶片的初始相位，θ_n＝θ₁+(n-1)2π/N,n＝1,2,3,...,N。螺旋桨叶片L_n的相位函数是

螺旋桨叶片L_n的多普勒频率为：

叶片L_n上任一散射点的多普勒信号为线性多普勒和随时间做周期性三角函数变化的微多普勒组成。微多普勒变化周期与叶片的旋转周期相同，变化幅值与螺旋桨叶片的长度l成正比。根据螺旋桨叶片长度和其旋转速率，螺旋桨叶片末端速度v_tip＝lω，因此，螺旋桨叶片的最大微多普勒频移为：

由于螺旋桨的N个叶片长度相同，旋转速度也相同，各个螺旋桨叶片产生的微多普勒频率均为周期性的三角函数曲线，且幅值和周期均相同，不同的是各个三角函数的初始相位，相邻两叶片的微多普勒频率的相位差为Δθ＝2πN。相邻两个叶片的微多普勒时间差为

螺旋桨叶片的旋转角速度可以由叶片回波的微多普勒频移三角函数的周期T_c来决定，即ω＝2πT_c，T_c是从螺旋桨叶片微多普勒频率特征中提取的单个三角函数的周期。

估计完螺旋桨的旋转角速度ω后，便可从相邻两叶片的微多普勒时间差对螺旋桨叶片数目进行估计，有

同时，估计完螺旋桨的旋转角速度ω后，便可根据螺旋桨回波的最大微多普勒频移量来估计螺旋桨叶片的长度，

螺旋桨叶片的长度估计与微多普勒最大频移量f_dmax、声波的波长λ、螺旋桨的转速ω以及参数A有关，参数A的求解需要通过声呐设备测量潜器与声呐设备之间的方位距离信息。

实施例

本发明的方法为：

声呐探测设备发射声信号，经螺旋桨反射后形成回波，接收设备接收到回波信号后，对信号进行短时傅里叶变换，得到螺旋桨叶片微多普勒频移，根据这些多普勒频移特征，实现叶片长度、数目、转速等特征提取。

对螺旋桨进行建模仿真，采用了1MHz换能器对2个叶片螺旋桨和3个叶片螺旋桨在相同转速下转动进行仿真，螺旋桨转速ω＝10rad/s，水下声波的传播速度c＝1490m/s，将螺旋桨叶片等间距离散为3个硬点，采用短时傅里叶分析的方法实现了螺旋桨叶片在转动下的微多普勒频移，如图2所示。结果表明螺旋桨叶片的回波信号中带有很强的微多普勒特征，进而得到螺旋桨的特征信息，根据微多普勒特征数量可以确定叶片个数，根据微多普勒频移量的大小可以确定叶片长度，同时根据频率随时间变化曲线可以得到螺旋桨转速。

对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变，而所有的这些改变，都应该包括在本发明权利要求的保护范围之内。

Claims (5)

1.一种基于水声微多普勒效应的螺旋桨叶片参数估计的方法，包括有用于探测的声呐设备、接收设备与潜器，其特征在于，所述方法包括：声呐探测设备发射声信号，经螺旋桨反射后形成回波；接收设备接收到回波信号后，对信号进行短时傅里叶变换，得到螺旋桨叶片微多普勒频移；根据多普勒频移的特征，最终实现螺旋桨叶片长度、数目、转速的多个特征提取。

2.根据权利要求1所述的基于水声微多普勒效应的螺旋桨叶片参数估计的方法，其特征在于，包括建立空间坐标系，以O为坐标原点的坐标系(x,y,z)为空间固定坐标系，声呐探测设备位于原点O；坐标系(x′,y′,z)为参考坐标系，平行于空间固定坐标系，原点为O′，距离OO′＝r₀；长为l的N个螺旋叶片L_n(n＝1,…,N)在x′-y′平面内绕点(0,r_c,r₀)以角速度ω逆时针方向旋转。

设叶片L_n上任一点

到旋转中心R_c的距离为

初始时刻t＝0时，叶片L_n与x′轴正向夹角为θ_n，且目标以速度v沿OR_c背向声呐探测设备运动。则P_n的运动是旋转与平移运动的复合，可看作是先旋转到P_n′，再平移到P_n″，旋转后的位置R_cP_n′与x′轴正向夹角为ωt+θ_n，则P_n′点的位置为：

在t时刻，声呐探测设备O到点P_n″的距离记为

由于

因次根据空间几何关系有：

对上式进行Taylor展开取一阶项可得：

简记为：

其中

3.根据权利要求1所述的基于水声微多普勒效应的螺旋桨叶片参数估计的方法，其特征在于，包括对螺旋桨进行建模分析：声源位于原点O处，发射的声波以频率为f的单频正弦波，潜器以速度v移动，螺旋桨以角速度ω旋转，取螺旋桨上一任意一点P_n，点P_n的回波信号可表示为：

上式中

为反射系数，

为基带信号相位，则点P_n的多普勒频移为：

其中λ为声呐换能器所发射声波的波长，上式的第一项为潜器平动速度v所引起的线性多普勒频移，第二项为螺旋桨旋转所引起的微多普勒频移；对

在叶片路径L_n上积分，并对N个螺旋桨回波信号求和可得螺旋桨回波信号为：

N个螺旋桨叶片的总回波信号s_N(t)为：

其中，l表示螺旋桨叶片长度，θ_n表示第n个叶片的初始相位，θ_n＝θ₁+(n-1)2π/N,n＝1,2,3,...,N。螺旋桨叶片L_n的相位函数是

螺旋桨叶片L_n的等效多普勒频率为：

叶片L_n上任一散射点的多普勒信号为线性多普勒和随时间做周期性三角函数变化的微多普勒组成。微多普勒变化周期与叶片的旋转周期相同，变化幅值与螺旋桨叶片的长度l成正比。根据螺旋桨叶片长度和其旋转速率，螺旋桨叶片末端速度v_tip＝lω，因此，螺旋桨叶片的最大微多普勒频移为：

4.根据权利要求1所述的基于水声微多普勒效应的螺旋桨叶片参数估计的方法，其特征在于，由于螺旋桨的N个叶片长度相同，旋转速度也相同，各个螺旋桨叶片产生的微多普勒频率均为周期性的三角函数曲线，且幅值和周期均相同，不同的是各个三角函数的初始相位，相邻两叶片的微多普勒频率的相位差为Δθ＝2π/N。相邻两个叶片的微多普勒时间差为：

螺旋桨叶片的旋转角速度可以由叶片回波的微多普勒频移三角函数的周期T_c来决定，即ω＝2π/T_c，T_c是从螺旋桨叶片微多普勒频率特征中提取的单个三角函数的周期；

估计完螺旋桨的旋转角速度ω后，便可从相邻两叶片的微多普勒时间差对螺旋桨叶片数目进行估计，有：

同时，估计完螺旋桨的旋转角速度ω后，便可根据螺旋桨回波的最大微多普勒频移量来估计螺旋桨叶片的长度：

螺旋桨叶片的长度估计与微多普勒最大频移量f_dmax、声波的波长λ、螺旋桨的转速ω以及距离参数A有关，距离参数A的求解需要通过声呐设备测量潜器与声呐设备之间的方位距离信息。

5.根据权利要求1所述的基于水声微多普勒效应的螺旋桨叶片参数估计的方法，其特征在于，螺旋桨叶片参数估计的步骤如下：

步骤1：水声换能器朝螺旋桨发射某固定频率的声波，水听器对螺旋桨的回波信号进行短时傅里叶时频分析，得到时频分布图；

步骤2：提取时频分布图同一三角函数曲线的周期T_c和同一三角函数曲线相邻峰值间的时间间隔Δt，从而可对螺旋桨旋转角速度ω及螺旋桨叶片数目N进行估计；

步骤3：提取时频分布图三角函数曲线的幅值f_dmax，结合声波波长、螺旋桨转速ω以及距离参数A，可对螺旋桨叶片长度l进行估计。

Images