CN116449351A - 基于costas波形的主动声呐处理方法及系统 - Google Patents
基于costas波形的主动声呐处理方法及系统 Download PDFInfo
- Publication number
- CN116449351A CN116449351A CN202310344073.1A CN202310344073A CN116449351A CN 116449351 A CN116449351 A CN 116449351A CN 202310344073 A CN202310344073 A CN 202310344073A CN 116449351 A CN116449351 A CN 116449351A
- Authority
- CN
- China
- Prior art keywords
- frequency
- costas
- signal
- matrix
- snapshot
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 39
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 32
- 230000003595 spectral effect Effects 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 14
- 108091026890 Coding region Proteins 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000005562 fading Methods 0.000 abstract description 10
- 230000004927 fusion Effects 0.000 abstract description 10
- 230000001427 coherent effect Effects 0.000 abstract description 8
- 238000007500 overflow downdraw method Methods 0.000 abstract description 4
- 235000008694 Humulus lupulus Nutrition 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000001545 Page's trend test Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01S15/88—Sonar systems specially adapted for specific applications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于COSTAS波形的主动声呐处理方法及系统，通过频率间隔以及频率跳变个数实现COSTAS波形信号的生成；基于导向向量以及快速傅里叶变换实现频域波束形成，提升接收信号信噪比，同时增加方位信息；通过最大频率模值选取以及噪声估计，实现归一化匹配滤波；通过近似相干加权融合，获得方位历程图。本发明能够有效克服信道频率选择性衰落，明显提升信号检测性能。同时，本发明充分利用了各个频率中的相干成分，并结合基于信噪比加权的融合方法，有效地提升了方位历程图下的回波增益，提高了探测的准确性与可靠性。
Description
技术领域
本发明涉及水声信号生成与处理领域，特别是一种基于COSTAS波形的主动声呐处理方法及系统。
背景技术
主动声呐通过回波定位的方式来对目标进行探测，从而实现对水下目标的检测和定位。其中，水声信道作为声信号的传输通道，结构复杂、影响因素诸多：传播速度低、传输损耗随频率增加、海洋噪声高等因素都是水声信道的不利条件，同时水声信道还具有时变性强、多径传播复杂等特点(M.Stojanovic and J.Preisig,"Underwater acousticcommunication channels:Pro-pagation models and statistical characterization,"in IEEE Communications Magazine,vol.47,no.1,pp.84-89,January 2009.)。当声波通过水声信道后，将发生严重的信号畸变，不利于对探测回波的后续处理。其中，最为明显的现象是频率选择性衰落和时间选择性衰落，这些现象进一步加重了信号的畸变程度，对探测接收信号处理提出了更高要求。
传统的主动声呐普遍采用单频波进行探测，结合窄带滤波、快速傅里叶变换和脉冲压缩技术进行回波处理。近些年，一些新型的主动声呐信号相继出现，如线性调频信号(Line Frequency Modulation,LFM)、双曲调频信号(Hyperbolic Frequency Modulation,HFM)、编码调相脉冲(Pulse Code Modulation,PCM)、伪随机信号(Pseudo-Random,PR)、脉间调制信号(Interpulse Modulated signal,IM)、复合信号等。这些信号各具特点，但信号的各项性能之间通常是相互矛盾的，比如速度估计能力与时延估计能力之间；测量精度、不同目标分辨能力与多值性模糊之间(张瑶.浅海条件下主动声呐目标探测若干方法研究[D].哈尔滨工程大学,2013.)。在远距离目标探测中，速度、分辨率一般不是首要目标，检测出回波才是主要目标，因此亟需一种能够在时变、频率选择性衰落的水声信道下适用的主动声呐信号以及相关的处理方法。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种基于COSTAS波形的主动声呐处理方法及系统，提升传统COSTAS(科斯塔斯波形)处理波形的增益。
为解决上述技术问题，本发明所采用的技术方案是：一种基于COSTAS波形的主动声呐处理方法，包括以下步骤：
S1、对接收阵列的多通道数据进行波束形成，采用频域波束形成方法获取频域波束形成结果，结合导向向量，实现单一波束方向的波束形成，通过对导向向量修改，实现对其他方向的波束形成；
S2、选择波束形成后的最大谱线，得到匹配滤波结果；
S3、将单一方向、单一跳频、单一快拍的匹配滤波结果除以噪声标准差的估计，得到更新后的输出结果；
S4、对L个快拍、M个波束方向，重复执行步骤S1～S3，所有更新后的输出结果构成第n跳频率的复数方位历程图；0≤n≤N-1，N为COSTAS编码序列的长度；
S5、计算各跳频率的复数方位历程图信噪比，根据所述信噪比对各跳频率的复数方位历程图进行延时加权求和，使复数方位历程图对应的1～L快拍数据变为1+ΔL～L+ΔL快拍数据，得到复数方位历程图矩阵Q；L为快拍数据数量，ΔL＝(n-1)Tsp/TL,TL为快拍之间的时间间隔，Tsp为单个COSTAS码元持续的时长；
S6、对复数方位历程图矩阵Q中的每个元素进行模值平方，得到方位历程图矩阵E。
本发明充分利用了接收数据的空间阵增益以及时间增益提升了接收信噪比，且能有效对抗多普勒效应；同时，本发明利用了各跳频率的复数方位历程图的相干性，使得加权相加之后信噪比相比与传统的非相干处理方式有着更大信噪比输出，提升了传统COSTAS处理波形的增益。
步骤S1中，第m个波束方向、第p根谱线、第l个快拍的频域波束形成结果Rm,p,l表示为：Rm,p,l＝gp(Am,p,Frl)；其中，rl表示接收阵列的D个通道接收的第l个快拍数据组成的矩阵，大小为P*D，P为每个快拍包含的采样点数量；F表示大小为P*P的傅里叶变换矩阵，F中第(k,u)个元素表示为1≤k≤P，1≤u≤P；Am,p表示第m个波束方向、第p根谱线对应的导向向量，为1*D的矩阵，其中1≤m≤M，1≤p≤P，Am,p的第(1,k)个元素为/>d为线列阵阵元间距，θm为第m个波束方向的角度，c为声速，f(p)为第p根谱线对应的频率，f(p)＝(p-1)·fs/P；gp(Am,p,Frl)表示将Frl的第p行与Am,p进行内积操作。
步骤S2中，第m方向、第n跳频、第l快拍的匹配滤波结果表示为：
其中，complexmax{·}表示求矩阵中所有元素中模值最大的元素的操作，Rm,p,l为第m个波束方向、第p根谱线、第l个快拍的频域波束形成结果，/>为第m个波束方向、第p1,n根谱线、第l个快拍的频域波束形成结果，/>为第m个波束方向、第p2,n根谱线、第l个快拍的频域波束形成结果，p1,n～p2,n表示fn-fwindow到fn+fwindow频率范围对应的谱线序号，fn为经过COSTAS序列调制后的第n个码元所对应的单频信号频率，即第n号跳频，fwindow为设定频率。
上述的处理方法，能够处理移动目标带来的多普勒效应，从而有效地检测出频移的回波。
步骤S4中，第n跳频率的复数方位历程图用矩阵Qn表示为：
其中，M为波束方向数量，为第m方向、第n跳频、第l快拍的更新后的输出结果。
步骤S5中，第n跳频率的信噪比SNRn的计算公式为：其中，Qn(i,j)表示矩阵Qn中的第i行，j列的元素。
步骤S5中，复数方位历程图矩阵Q的表达式为：SNRn为第n跳频率的信噪比，delay(·)表示延时操作。通过上述步骤中的延时加权相加操作，一方面充分利用了各个频率之间的相干性，提升了融合处理的信噪比；另一方面，还可提升探测的可靠性，使得从单跳探测不可靠变为多跳探测可靠。
本发明还提供了一种基于COSTAS波形的主动声呐处理系统，其包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明上述方法的步骤。
与现有技术相比，本发明所具有的有益效果为：
1)本发明基于传统主动声呐处理流程，提出了基于COSTAS波形的主动声呐处理流程，传统的单一频率难以抵抗时变和衰落效应，本发明通过COSTAS波形能够有效地抵抗信道选择性衰落，提高了噪声与信道限制下探测的可靠性。
2)通过近似相干融合方法，并结合基于信噪比加权的融合方法，有效利用了各个频率中的相干成分，相较于原有的非相干处理算法，提升了方位历程图下的信号增益。
附图说明
图1为本发明实施例COSTAS信号主动声呐处理流程图；
图2为本发明实施例实验设备布置剖面图；
图3a～图3d为数据处理结果图；
图3a为221212104723costaFIV_001.bin0.00100数据算法对比；
图3b为221212104747costaFIV_001.bin0.00100数据算法对比；
图3c为221212104723costaFIV_001.bin0.00100数据每一段频率单独处理结果；
图3d为221212104747costaFIV_001.bin0.00100数据每一段频率单独处理结果。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例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他实施例，都属于本发明保护的范围。
实施例1
本实施例中，通过COSTAS编码序列、频率间隔以及频率跳变个数等参数实现COSTAS波形信号的生成；其中，COSTAS编码信号的带通形式如下：
式中Re[·]表示取复数实部的操作，rect(·)为单位时长的矩形窗函数，N为COSTAS编码序列的长度，Tsp为单个COSTAS码元持续的时长，fn＝f0+CnΔf为经过COSTAS序列调制后的第n个码元所对应的单频信号频率，也称第n号跳频，其中，f0为信号固定载频，Δf为频率间隔，Cn为COSTAS编码序列，本发明实施例的实验部分以8跳为例，编码序列为-1，-4，1，2，0，3，-2，-3，。主动声呐通过发送COSTAS编码信号的带通形式进行探测。
常规主动声呐的信号处理流程一般为“波束形成—匹配滤波—归一化—方位历程图显示”(D.A.Abraham and P.K.Willett,"Active sonar detection in shallow waterusing the Page test,"in IEEE Journal of Oceanic Engineering,vol.27,no.1,pp.35-46,Jan.2002.或Baldacci A,Haralabus G.Signal processing for an activesonar system suitable for advanced sensor technology applications andenvironmental adaptation schemes[C]//2006 14th European Signal ProcessingConference.IEEE,2006:1-5.)，本发明实施例中的COSTAS编码信号的每个单一频率的处理方法与现有技术(Baldacci A,Haralabus G.Signal processing for an active sonarsystem suitable for advanced sensor technology applications and environmentaladaptation schemes[C]//2006 14th European Signal Processing Conference.IEEE,2006:1-5.)相同。对于多个频率的融合，本发明实施例的COSTAS信号探测的总体处理流程如图1所示。处理步骤分为四步：
(1)对接收阵列的D通道数据进行M个方向的波束形成，增强目标方向的声信号，提高接收信号的信噪比。其中第m个波束方向、第p根谱线、第l个快拍(每个快拍包含P个采样点，采样率为fs)的频域波束形成结果为：
Rm,p,l＝gp(Am,p,Frl)；
其中rl表示D通道接收的第l个快拍数据组成的矩阵，大小为P*D；F表示大小为P*P的傅里叶变换矩阵，其中第(k,u)个元素为实际操作时使用快速傅里叶变换(Fast Fourier Transform,FFT)减少计算量；Am,p表示第m个波束方向、第p根谱线对应的导向向量，为1*D的矩阵，第(1,k)个元素为/>其中d为线列阵阵元间距，θm为第m个波束方向的角度(为了实现其他方向的波束形成，需将其他方向的角度代替θm代入到/>中，从而获取其他方向的导向向量，从而实现其他方向的波束形成)，c为声速，f(p)为第p根谱线对应的频率，f(p)＝(p-1)·fs/P，；gp(Am,p,Frl)表示将Am,p与Frl的第p行的内积操作。
(2)进行匹配滤波。重复执行(1)，获取到第m个波束方向、第l个快拍、fn-fwindow到fn+fwindow频率范围(对应的谱线序号为p1,n～p2,n)的频域波束形成结果，fwindow由相对运动引起的频移决定，fwindow取值不超过5Hz，频域波束形成结果组成向量：
然后选择能量最大频率对应的复数值作为输出，这一过程被称为匹配滤波。因此，第m方向、第n跳频、第l快拍的匹配滤波后结果为：
其中complexmax{·}表示求矩阵中所有元素中模值最大的元素的操作。
(3)噪声能量归一化。匹配滤波结果除以噪声标准差的估计，以实现噪声能量归一化，输出结果更新为：
其中complexmean{·}表示求矩阵中所有元素的模值的平均值的操作。
(4)通过上述的步骤获取了单一跳频，单一快拍，单一波束方向的归一化匹配滤波结果，通过遍历L个快拍以及M波束方向重复执行(1)～(3)获得第n跳的复数方位历程图,用矩阵Qn表示，矩阵有M行，L列。
估计各图的信噪比，确定加权系数，然后再进行时延相加。其中信噪比SNRn的确定方法为：
其中max{·}表示求矩阵中所有元素中最大值的操作，abs(·)表示对矩阵中的元素取模值的操作,Qn(i,j)表示矩阵中的第i行，j列的元素。
根据各跳频率的复数方位历程图的信噪比结果SNR1,SNR2,…,SNRn,…,SNRN,，对各跳频率的复数方位历程图Q1,Q2,…,Qn,…,QN进行延时加权求和，下式中的delay(·)表示延时操作，具体操作为使Qn对应的1～L快拍数据变为1+ΔL～L+ΔL快拍数据，其中ΔL＝(n-1)Tsp/TL,TL为快拍之间的时间间隔，得到复数方位历程图矩阵Q：
最后，将矩阵中每个元素进行模值平方，得到方位历程图矩阵E，利用方位历程图矩阵E进行目标判决(Baldacci A,Haralabus G.Signal processing for an activesonar system suitable for advanced sensor technology applications andenvironmental adaptation schemes[C]//2006 14th European Signal ProcessingConference.IEEE,2006:1-5.)，完成探测。
E＝Φ(Q)；
其中Φ(·)表示对矩阵中每个元素进行模值平方的操作。
可以预见，本发明实施例通过进行多个频率的融合，提高了处理增益，方法的稳定性更佳。
为了验证本发明实施例提出的方法，在2022年12月份进行了湖试实验，如图2所示，探测船布置有4阵元水听器阵列，放于水下约30m，水听器按照1.5m间隔布阵，应答器船布放有单个换能器，也同样放置于水下30m。应答器船与探测船相距约2km。应答器船通过换能器发送微弱的信号，探测船通过水听器接收信号。通过此实验方案，验证Costas在水声环境中的性能以及本发明实施例提出的方法增益。采用本发明实施例的方法，得到了如下的分析结果：
结合图3a、图3b，常规处理方法采用等权重平方和的方式对COSTAS每一个频率的信号进行融合，但这样并未能完全地提取其中的增益，因此，本发明实施例通过相干近似融合结合信噪比加权进行微弱信号数据处理。图3a所示是命名为“221212104723costaFIV_001.bin0.00100”的实验数据。其中“221212104723”表明实验时间，“costaFIV_001.bin”表示探测使用的波表代码，“0.00100”表示应答船发送的声波强度(相对强度，满功率为1)。图3a、图3b表明，相较于传统方法，近似相干融合和加权融合都会获得更佳的方位历程图，图中亮点更为明显，背景噪声更弱。
同时，通过处理多组数据，计算每张方位历程图的信噪比PSNR：
下表1列出了四组实验数据PSNR结果：
表1四组实验数据PSNR结果
通过上表可知，单独使用近似相干融合与加权融合可提升信噪比，将近似相干方法与加权融合结合后，方位历程图的信噪比得到进一步提升。
结合图3c、图3d，对COSTAS的每一种频率进行单独处理，可以观察到在单独处理下，由于信道频率选择性衰落，图3c中的460Hz、520Hz、500Hz、530Hz，480Hz和470Hz的方位历程图信噪比明显偏低，若使用单一频率探测，无法保证选择到例如490Hz和510Hz的低衰落的频率，从而难以实现稳健探测。图3d中的490Hz、460Hz、510Hz、520Hz、530Hz和470Hz的方位历程图信噪比明显偏低，若使用单一频率探测，无法保证选择到例如500Hz和480Hz的低衰落的频率，从而难以实现稳健探测。因此采用单独频率难以实现稳健的探测。但是通过多个频率方位历程图融合，尤其是通过近似相干以及加权融合方法，信噪比会获得明显提升，一方面保证了能够以较大概率选择到低衰落频率，另一方面充分利用了各个频率之间的相干性(通过实验发现10Hz频率间隔可以保证良好的相干性)，提升了融合处理的信噪比。
针对主动声呐回波处理面临着多径、多普勒效应和环境时变等特点，使得回波信号出现频率选择性衰落，从而导致传统的基于单频波的探测方法变得不可靠。本发明实施例提出了基于COSTAS主动探测处理方法，充分利用了各个频率中的相干成分，结合基于信噪比加权的方法，有效地提升了方位历程图下的回波增益，明显提升了信号检测性能，同时通过上述实验证明COSTAS处理方法比现有的处理方法有着更佳的性能。
实施例2
本发明实施例2提供一种对应上述实施例1的终端设备，终端设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行上述实施例的方法。
本实施例的终端设备包括存储器、处理器及存储在存储器上的计算机程序；处理器执行存储器上的计算机程序，以实现上述实施例1方法的步骤。
在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例3
本发明实施例3提供了一种对应上述实施例1的计算机可读存储介质，其上存储有计算机程序/指令。计算机程序/指令被处理器执行时，实现上述实施例1方法的步骤。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种基于COSTAS波形的主动声呐处理方法，其特征在于，包括以下步骤：
S1、对接收阵列的多通道数据进行波束形成，采用频域波束形成方法获取频域波束形成结果，结合导向向量，实现单一波束方向的波束形成，通过对导向向量修改，实现对其他方向的波束形成；
S2、选择波束形成后的最大谱线，得到匹配滤波结果；
S3、将单一方向、单一跳频、单一快拍的匹配滤波结果除以噪声标准差的估计，得到更新后的输出结果；
S4、对L个快拍、M个波束方向，重复执行步骤S1～S3，所有更新后的输出结果构成第n跳频率的复数方位历程图；0≤n≤N-1，N为COSTAS编码序列的长度；
S5、计算各跳频率的复数方位历程图信噪比，根据所述信噪比对各跳频率的复数方位历程图进行延时加权求和，使复数方位历程图对应的1～L快拍数据变为1+ΔL～L+ΔL快拍数据，得到复数方位历程图矩阵Q；L为快拍数据数量，ΔL＝(n-1)Tsp/TL,TL为快拍之间的时间间隔，Tsp为单个COSTAS码元持续的时长；
S6、对复数方位历程图矩阵Q中的每个元素进行模值平方，得到方位历程图矩阵E。
2.根据权利要求1所述的基于COSTAS波形的主动声呐处理方法，其特征在于，步骤S1中，第m个波束方向、第p根谱线、第l个快拍的频域波束形成结果Rm,p,l表示为：Rm,p,l＝gp(Am,p,Frl)；其中，rl表示接收阵列的D个通道接收的第l个快拍数据组成的矩阵，大小为P*D，P为每个快拍包含的采样点数量；F表示大小为P*P的傅里叶变换矩阵，F中第(k,u)个元素表示为1≤k≤P，1≤u≤P；Am,p表示第m个波束方向、第p根谱线对应的导向向量，为1*D的矩阵，其中1≤m≤M，1≤p≤P，Am,p的第(1,k)个元素为/>d为线列阵阵元间距，θm为第m个波束方向的角度，c为声速，f(p)为第p根谱线对应的频率，f(p)＝(p-1)·fs/P；gp(Am,p,Frl)表示将Frl的第p行与Am,p进行内积操作。
3.根据权利要求1所述的基于COSTAS波形的主动声呐处理方法，其特征在于，步骤S2中，第m方向、第n跳频、第l快拍的匹配滤波结果表示为：
其中，complexmax{·}表示求矩阵中所有元素中模值最大的元素的操作，Rm，p，l为第m个波束方向、第p根谱线、第l个快拍的频域波束形成结果，/>为第m个波束方向、第p1,n根谱线、第l个快拍的频域波束形成结果，/>为第m个波束方向、第p2,n根谱线、第l个快拍的频域波束形成结果，p1,n～p2,n表示fn-fwindow到fn+fwindow频率范围对应的谱线序号，fn为经过COSTAS序列调制后的第n个码元所对应的单频信号频率，即第n号跳频，fwindow为设定频率。
4.根据权利要求1所述的基于COSTAS波形的主动声呐处理方法，其特征在于，步骤S4中，第n跳频率的复数方位历程图用矩阵Qn表示为：
其中，M为波束方向数量，为第m方向、第n跳频、第l快拍的更新后的输出结果。
5.根据权利要求4所述的基于COSTAS波形的主动声呐处理方法，其特征在于，步骤S5中，第n跳频率的信噪比SNRn的计算公式为：其中，Qn(i,j)表示矩阵Qn中的第i行，j列的元素。
6.根据权利要求4所述的基于COSTAS波形的主动声呐处理方法，其特征在于，步骤S5中，复数方位历程图矩阵Q的表达式为：SNRn为第n跳频率的信噪比，delay(·)表示延时操作。
7.一种基于COSTAS波形的主动声呐处理系统，其特征在于，包括：
一个或多个处理器；
存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1～6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310344073.1A CN116449351A (zh) | 2023-03-31 | 2023-03-31 | 基于costas波形的主动声呐处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310344073.1A CN116449351A (zh) | 2023-03-31 | 2023-03-31 | 基于costas波形的主动声呐处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116449351A true CN116449351A (zh) | 2023-07-18 |
Family
ID=87134996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310344073.1A Pending CN116449351A (zh) | 2023-03-31 | 2023-03-31 | 基于costas波形的主动声呐处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449351A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116956227A (zh) * | 2023-09-21 | 2023-10-27 | 之江实验室 | 方位历程图显示方法、装置、计算机设备和存储介质 |
-
2023
- 2023-03-31 CN CN202310344073.1A patent/CN116449351A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116956227A (zh) * | 2023-09-21 | 2023-10-27 | 之江实验室 | 方位历程图显示方法、装置、计算机设备和存储介质 |
| CN116956227B (zh) * | 2023-09-21 | 2024-01-09 | 之江实验室 | 方位历程图显示方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yardim et al. | An overview of sequential Bayesian filtering in ocean acoustics | |
| Cao et al. | Deep transfer learning for underwater direction of arrival using one vector sensor | |
| US8107320B2 (en) | Autonomous sonar system and method | |
| US7106656B2 (en) | Sonar system and process | |
| Battle et al. | Geoacoustic inversion of tow-ship noise via near-field-matched-field processing | |
| Orris et al. | The matched-phase coherent multi-frequency matched-field processor | |
| Booth et al. | Detectability of low-level broad-band signals using adaptive matched-field processing with vertical aperture arrays | |
| Somasundaram et al. | Evaluation of robust Capon beamforming for passive sonar | |
| CN116449351A (zh) | 基于costas波形的主动声呐处理方法及系统 | |
| Yoon et al. | Deep learning-based high-frequency source depth estimation using a single sensor | |
| Yocom et al. | A Bayesian approach to passive sonar detection and tracking in the presence of interferers | |
| CN103487793A (zh) | 一种基于简正波理论的宽带混响波形仿真方法 | |
| US11269052B2 (en) | Signal processing method | |
| US20110228639A1 (en) | Active Sonar System and Active Sonar Method Using Noise Reduction Techniques and Advanced Signal Processing Techniques | |
| Bennaceur et al. | Target localization in depth and range from passive sonar | |
| Lucifredi et al. | Gray whale target strength measurements and the analysis of the backscattered response | |
| Fabre et al. | Minimum detectable level evaluation of inverse beamforming using Outpost SUNRISE data | |
| CN113126029B (zh) | 适用于深海可靠声路径环境的多传感器脉冲声源定位方法 | |
| CN111722178B (zh) | 一种基于指向性模型数值求解的远场窄带信号来波方向估计方法 | |
| Nicholas et al. | Environmental inversion and matched-field tracking with a surface ship and an L-shaped receiver array | |
| Le Bot et al. | Time-difference-of-arrival estimation based on cross recurrence plots, with application to underwater acoustic signals | |
| Soares et al. | Environmental inversion using high-resolution matched-field processing | |
| Cao et al. | Distinguishing multiple surface ships using one acoustic vector sensor based on a convolutional neural network | |
| Lo | A matched-field processing approach to ranging surface vessels using a single hydrophone and measured replica fields | |
| Gazzah et al. | Closed-form estimation of normal modes from a partially sampled water column |
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 |