CN116796553A - 一种全场景多参数的海面与舰艇尾迹仿真方法 - Google Patents
一种全场景多参数的海面与舰艇尾迹仿真方法 Download PDFInfo
- Publication number
- CN116796553A CN116796553A CN202310789017.9A CN202310789017A CN116796553A CN 116796553 A CN116796553 A CN 116796553A CN 202310789017 A CN202310789017 A CN 202310789017A CN 116796553 A CN116796553 A CN 116796553A
- Authority
- CN
- China
- Prior art keywords
- wave
- sea
- establishing
- radar
- wake
- 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 46
- 238000004088 simulation Methods 0.000 title claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 8
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 39
- 238000001228 spectrum Methods 0.000 claims description 22
- 230000001788 irregular Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005316 response function Methods 0.000 claims description 4
- 239000013535 sea water Substances 0.000 claims description 4
- 241001421235 Radara Species 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出一种全场景多参数的海面与舰艇尾迹仿真方法。所述方法包括:步骤1:建立海浪高程模型;步骤2:建立尾迹高程模型;步骤3:建立SAR图像距离向轨道速度场与方位向分辨率;步骤4:建立倾斜与水动力调制函数;步骤5:建立归一化雷达截面NRCS;步骤6:利用速度聚束效应进行SAR图像仿真。本发明所述方法解决了广域海洋微波遥感探测问题,创建了海洋空间水波耦合及微波成像的理论体系,以及突破了移动目标尾迹海表分布范围和雷达散射变化规律理论瓶颈。
Description
技术领域
本发明属于海洋遥感技术领域,特别是涉及一种全场景多参数的海面与舰艇尾迹仿真方法。
背景技术
中国拥有广阔的海域面积,海洋安全对我国至关重要,因此,在中国周边海域进行舰艇探测对于国防安全是有迫切需求的。随着隐形技术领域和相关领域的发展,新型隐身舰艇的出现使得合成孔径雷达(SAR)识别舰艇目标变得越来越困难。相比于舰艇本身,舰艇在航行过程中产生的尾迹具有规模大、存在时间长的特点,其长度普遍大于10倍艇长。基于此,舰艇尾迹可以作为遥感检测的特征目标,通过检测尾迹来间接探测舰艇。
然而,当前缺乏可用的合成孔径雷达船舶尾迹数据集进行分析,公开的数据集多为星载雷达拍摄的单张图像,缺少机载雷达数据。而大多数仿真模型仅依赖于数学描述,缺乏具体的物理论证,且在预定条件下尾迹成像的精度达不到实际要求,因此对舰艇尾迹的电磁建模和仿真进行研究至关重要。
发明内容
本发明目的是为了解决广域海洋微波遥感探测问题,创建海洋空间水波耦合及微波成像的理论体系,以及突破移动目标尾迹海表分布范围和雷达散射变化规律理论瓶颈,提出了一种全场景多参数的海面与舰艇尾迹仿真方法。本发明将基于随机粗糙表面的电磁散射(EM)理论、船舶兴波阻力理论以及速度聚束效应对雷达回波的影响,提出了一种全场景多参数的海面与舰艇尾迹仿真方法。
本发明是通过以下技术方案实现的,本发明提出一种全场景多参数的海面与舰艇尾迹仿真方法,所述方法包括:
步骤1:建立海浪高程模型;
步骤2:建立尾迹高程模型;
步骤3:建立SAR图像距离向轨道速度场与方位向分辨率;
步骤4:建立倾斜与水动力调制函数;
步骤5:建立归一化雷达截面NRCS;
步骤6:利用速度聚束效应进行SAR图像仿真。
进一步地,在步骤1中,建立能够模拟复杂海况的三维随机波浪的高程模型;所述三维随机波浪的高程模型表示如下:
其中,ki,ωi和ξij分别为相应子波的波数、圆频率和初相位,ξij在0到2π之间任意选择;M和N分别为子波中频率和方向的个数,共有M*N个子波单元;
采用波能谱的概念来描述海浪;以二维长峰不规则波为例,对于一单元规则波,其单位面积具有的波能为:
不规则波是由无限个单元规则波叠加而成,所以频率在ω:(ω+dω)之间的单元波波能为:
定义函数Sξ(ω),称为波能谱密度函数,即:
单元波为无穷多时,上式变为:
为了模拟实际海浪能量沿风向叠加的分量状态,引入角度分布函数,角度分布函数可表示为海浪波数与风向角的函数,且必须满足:
假设方向函数与频率无关,成分波分布在主浪向夹角90°范围内,可通过调节n值得到不同扩散程度的方向函数,其表达式为:
进一步地,所述波能谱包括PM谱与JONSWAP谱;
PM谱的表达式如下:
其中,αPM=8.10×10-3,βPM=0.74,g为重力加速度,U19.5为海面上方19.5m高度处的平均风速;
JONSWAP谱表达式如下:
其中αJ=0.076χ-0.22,χ为无因次风区,表达式为/>其中x为刻面长度,U10为海面上方10m高度处的平均风速;峰值增强因子γJ被设置为3.3,峰形参数σJ的形式如下:
进一步地,在步骤2中,利用船舶波浪阻力理论,假设船体坚硬,海水不可压缩,无粘性,移动船舶的开尔文尾迹高程模型写成如下形式:
其中,Us为船舶的行驶速度,B、L、Dt、Fr分别为船舶的宽、长、吃水和弗劳德数,在舰船的局部坐标,Kelvin尾迹高程和其对应的流体速度势满足以下关系:
进一步地,在步骤3中,将大尺度长波轨道速度分量Ux、Uy和Uz计算为海浪和船舶尾流模型自由表面即z=0处流体速度势的梯度:
将距离向轨道速度场表示为:
Urange=Uzcosθ1-(Uxsinθ2+Uycosθ2)sinθ1
其中θ1为雷达本地入射角,θ2为浪向角;
将表面的平均径向速度表示为:
其中F(·)与F-1(·)分别为傅里叶变换与逆变换,Qr为附加滤波因子;
方位向分辨率表示为:
其中,λ为雷达波长,H、V分别为平台高度和速度,T为积分时间,Arange(x,y)为表面的平均径向加速度,τ为场景相干时间。
进一步地,在步骤4中,描述由局部入射角的变化引起的雷达后向散射截面的变化的倾斜调制函数如下:
其中,ky为长波在雷达视向的分量,θ为雷达入射角;
流体力学的调制函数简化如下:
其中,ω是海浪角频率,μ是松弛时间常数。
进一步地,在步骤5中,基于倾斜调制与水动力调制建立平均归一化雷达截面NRCS:
其中,λ是雷达信号的波长,φ是局部入射角,S(kx,ky)是海面短波高程的二维傅立叶变换;T(k)=Ttilt(k)+Thydr(k),F(k)是线性叠加海面和Kelvin尾迹的高程模型的二维傅立叶变换。
进一步地,在步骤6中,首先,将海面划分为多个不同的小面元,分别计算每个小面元单独的散射系数,然后根据海浪波对探测器信号的调制机理对所有面元的分布进行调制,从而得到每个小面元的表面SAR图像;为了近似距离方向上的脉冲响应函数,忽略了距离和方位的耦合,并使用狄拉克函数;最后,获得二维海洋场景的合成孔径雷达图像;
其中,为雷达的距离速度比。
本发明提出一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述一种全场景多参数的海面与舰艇尾迹仿真方法的步骤。
本发明提出一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时实现所述一种全场景多参数的海面与舰艇尾迹仿真方法的步骤。
与现有技术相比,本发明的有益效果是:
本发明提出了一种适用于全场景多参数的海面与舰艇尾迹仿真方法,所述方法基于数值模拟,建立了复杂粗糙面和开尔文尾迹的详细电磁散射模型,为三种调制技术对SAR船舶尾迹成像的影响提供了物理依据。并使用各种参数检查了船舶尾迹成像后的可视化效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明所述一种全场景多参数的海面与舰艇尾迹仿真方法的流程图。
图2是海浪高程模型的三维图。其中(a)为二级海况,(b)为四级海况。
图3是KCS船型尾迹高程模型的三维图。其中(a)为Fr=0.35,(b)为Fr=0.5。
图4是倾斜调制、水动力调制的原理示意图。
图5是不同参数不同场景下的仿真SAR图像;其中,
(a)为一级海况,浪向180度,Fr=0.25,平台高度2500m,速度125m/s。
(b)为二级海况,浪向150度,Fr=0.3,平台高度1500m,速度75m/s。
(c)为三级海况,浪向210度,Fr=0.2,平台高度1000m,速度50m/s。
(d)为四级海况,浪向180度,Fr=0.3,平台高度2500m,速度125m/s。
(e)为五级海况,浪向180度,Fr=0.3,平台高度2500m,速度125m/s。
具体实施方式
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他实施例,都属于本发明保护的范围。
本发明提出一种全场景多参数的海面与舰艇尾迹仿真方法,所述方法包括:
步骤1:建立海浪高程模型;
步骤2:建立尾迹高程模型;
步骤3:建立SAR图像距离向轨道速度场与方位向分辨率;
步骤4:建立倾斜与水动力调制函数;
步骤5:建立归一化雷达截面NRCS;
步骤6:利用速度聚束效应进行SAR图像仿真。
在步骤1中,建立能够模拟复杂海况的三维随机波浪的高程模型;所述三维随机波浪的高程模型表示如下:
其中,ki,ωi和ξij分别为相应子波的波数、圆频率和初相位,ξij在0到2π之间任意选择;M和N分别为子波中频率和方向的个数,共有M*N个子波单元;
采用波能谱的概念来描述海浪;以二维长峰不规则波为例,对于一单元规则波,其单位面积具有的波能为:
不规则波是由无限个单元规则波叠加而成,所以频率在ω:(ω+dω)之间的单元波波能为:
定义函数Sξ(ω),称为波能谱密度函数,即:
单元波为无穷多时,上式变为:
为了模拟实际海浪能量沿风向叠加的分量状态,引入角度分布函数,角度分布函数可表示为海浪波数与风向角的函数,且必须满足:
假设方向函数与频率无关,成分波分布在主浪向夹角90°范围内,可通过调节n值得到不同扩散程度的方向函数,其表达式为:
所述波能谱包括PM谱与JONSWAP谱;
PM谱的表达式如下:
其中,αPM=8.10×10-3,βPM=0.74,g为重力加速度,U19.5为海面上方19.5m高度处的平均风速;
JONSWAP谱表达式如下:
其中αJ=0.076χ-0.22,χ为无因次风区,表达式为/>其中x为刻面长度,U10为海面上方10m高度处的平均风速;峰值增强因子γJ被设置为3.3,峰形参数σJ的形式如下:
在步骤2中,利用船舶波浪阻力理论,假设船体坚硬,海水不可压缩,无粘性,移动船舶的开尔文尾迹高程模型写成如下形式:
其中,Us为船舶的行驶速度,B、L、Dt、Fr分别为船舶的宽、长、吃水和弗劳德数,在舰船的局部坐标,Kelvin尾迹高程和其对应的流体速度势满足以下关系:
在步骤3中,将大尺度长波轨道速度分量Ux、Uy和Uz计算为海浪和船舶尾流模型自由表面即z=0处流体速度势的梯度:
将距离向轨道速度场表示为:
Urange=Uzcosθ1-(Uxsinθ2+Uycosθ2)sinθ1
其中θ1为雷达本地入射角,θ2为浪向角;
将表面的平均径向速度表示为:
其中F(·)与F-1(·)分别为傅里叶变换与逆变换,Qr为附加滤波因子;
方位向分辨率表示为:
其中,λ为雷达波长,H、V分别为平台高度和速度,T为积分时间,Arange(x,y)为表面的平均径向加速度,τ为场景相干时间。
在步骤4中,描述由局部入射角的变化引起的雷达后向散射截面的变化的倾斜调制函数如下:
其中,ky为长波在雷达视向的分量,θ为雷达入射角;
流体力学的调制函数简化如下:
其中,ω是海浪角频率,μ是松弛时间常数。
在步骤5中,基于倾斜调制与水动力调制建立平均归一化雷达截面NRCS:
其中,λ是雷达信号的波长,φ是局部入射角,S(kx,ky)是海面短波高程的二维傅立叶变换;T(k)=Ttilt(k)+Thydr(k),F(k)是线性叠加海面和Kelvin尾迹的高程模型的二维傅立叶变换。
在步骤6中,首先,将海面划分为多个不同的小面元,分别计算每个小面元单独的散射系数,然后根据海浪波对探测器信号的调制机理对所有面元的分布进行调制,从而得到每个小面元的表面SAR图像;为了近似距离方向上的脉冲响应函数,忽略了距离和方位的耦合,并使用狄拉克函数;最后,获得二维海洋场景的合成孔径雷达图像;
其中,为雷达的距离速度比。
实施例
结合图1-图5,本发明提出一种全场景多参数的海面与舰艇尾迹仿真方法,所述方法包括:
步骤1:建立海浪高程模型;
海浪的表面条件受到多种因素的影响,包括风速、重力和水下地形,导致环境复杂且不断演变。二维海谱可以典型地表示为其中/>kx和ky分别是x和y方向上的波数分量,/>是波浪方向角。而实际海浪的运动过程是一个复杂的三维随机过程,二维波浪模拟不能有效地反映实际海浪的运动情况,因此本发明建立了能够模拟复杂海况下的三维随机波浪的双叠加法模型。
在步骤1中,建立能够模拟复杂海况的三维随机波浪的高程模型;所述三维随机波浪的高程模型表示如下:
其中,ki,ωi和ξij分别为相应子波的波数、圆频率和初相位,ξij在0到2π之间任意选择;M和N分别为子波中频率和方向的个数,共有M*N个子波单元;
海上波浪是不规则的,因此引入一定的数学模型来描述它的统计特征规律性,即采用波能谱的概念来描述海浪;以二维长峰不规则波为例,对于一单元规则波,其单位面积具有的波能为:
不规则波是由无限个单元规则波叠加而成,所以频率在ω:(ω+dω)之间的单元波波能为:
定义函数Sξ(ω),称为波能谱密度函数,即:
单元波为无穷多时,上式变为:
由上式可以看出,波能谱密度函数正比于波浪的能量,是单元波波频的函数,表征了波能相对于波浪频率的分布,也代表着一定海面情况对应的统计特征。
由于风向的影响,真实的海面具有各向异性,单单使用波能谱不能充分描述海浪在空间中的传播。因此为了模拟实际海浪能量沿风向叠加的分量状态,引入角度分布函数,角度分布函数可表示为海浪波数与风向角的函数,且必须满足:
假设方向函数与频率无关,成分波分布在主浪向夹角90°范围内,可通过调节n值得到不同扩散程度的方向函数,其表达式为:
所述波能谱包括PM谱与JONSWAP谱;
PM谱的表达式如下:
其中,αPM=8.10×10-3,βPM=0.74,g为重力加速度,U19.5为海面上方19.5m高度处的平均风速;
JONSWAP谱表达式如下:
其中αJ=0.076χ-0.22,χ为无因次风区,表达式为/>其中x为刻面长度,U10为海面上方10m高度处的平均风速;峰值增强因子γJ被设置为3.3,峰形参数σJ的形式如下:
步骤2:建立尾迹高程模型;
开尔文尾迹是SAR图像中最常见的船舶尾迹类型之一,其特征是横向波和发散波,二者在尾迹边界碰撞形成开尔文臂,因此在SAR图像中经常清晰可见。在步骤2中,利用船舶波浪阻力理论,假设船体坚硬,海水不可压缩,无粘性,移动船舶的开尔文尾迹高程模型写成如下形式:
其中,Us为船舶的行驶速度,B、L、Dt、Fr分别为船舶的宽、长、吃水和弗劳德数,在舰船的局部坐标,Kelvin尾迹高程和其对应的流体速度势满足以下关系:
步骤3:建立SAR图像距离向轨道速度场与方位向分辨率;
在步骤3中,将大尺度长波轨道速度分量Ux、Uy和Uz计算为海浪和船舶尾流模型自由表面即z=0处流体速度势的梯度:
将距离向轨道速度场表示为:
Urange=Uzcosθ1-(Uxsinθ2+Uycosθ2)sinθ1
其中θ1为雷达本地入射角,θ2为浪向角;
将表面的平均径向速度表示为:
其中F(·)与F-1(·)分别为傅里叶变换与逆变换,Qr为附加滤波因子;
方位向分辨率表示为:
其中,λ为雷达波长,H、V分别为平台高度和速度,T为积分时间,Arange(x,y)为表面的平均径向加速度,τ为场景相干时间。
步骤4:建立倾斜与水动力调制函数;
海面扰动产生的小尺度波和破碎波分别产生布拉格和非布拉格电磁散射。必须考虑海面上大尺度长波和小尺度布拉格波之间的相互作用,因为标准布拉格散射不能充分解释雷达图像中观察到的不同海浪特征。布拉格波上普遍存在两种类型的长波调制:倾斜调制与流体动力学调制。
倾斜调制是一种典型的几何效应,其中大尺度波的波动导致小尺度波的局部倾斜方向发生变化。由于大尺度(长波)的起伏,导致本地入射角发生变化。对于后向散射而言,入射角越小,后向散射越强。不同本地入射角导致不同的回波强度,因此会产生SAR图像中的亮暗条纹。描述由局部入射角的变化引起的雷达后向散射截面的变化的倾斜调制函数如下:
其中,ky为长波在雷达视向的分量,θ为雷达入射角;
由于波的轨道速度特性,可能会产生小尺度波的收敛或发散效应。当短波的振幅随长波不均匀地变化时,就会产生流体动力学调制。海浪的轨道速度特征会导致波峰前面产生辐聚现象,后面会产生辐散现象,辐聚的部分粗糙度大,回波亮一些,辐散的部分暗一些。
流体力学的调制函数简化如下:
其中,ω是海浪角频率,μ是松弛时间常数,依据经验,X波段雷达下,风速小于5m/s时μ=0.24,否则μ=1.7。
步骤5:建立归一化雷达截面NRCS;
在步骤5中,基于倾斜调制与水动力调制建立平均归一化雷达截面NRCS:
其中,λ是雷达信号的波长,φ是局部入射角,S(kx,ky)是海面短波高程的二维傅立叶变换;T(k)=Ttilt(k)+Thydr(k),F(k)是线性叠加海面和Kelvin尾迹的高程模型的二维傅立叶变换。
步骤6:利用速度聚束效应进行SAR图像仿真。
对于距离向传播的海浪,波峰或波谷随着波浪整体移动,不会产生相对位置的偏移,而对于方位向传播的海浪,其径向速度会在方位向上产生明显的偏移,波在雷达方向上的运动影响SAR成像过程中的多普勒频移,导致速度聚束调制。SAR在海面场景中成像的基本思想是:首先,将海面划分为多个不同的小面元,分别计算每个小面元单独的散射系数,然后根据海浪波对探测器信号的调制机理对所有面元的分布进行调制,从而得到每个小面元的表面SAR图像;为了近似距离方向上的脉冲响应函数,忽略了距离和方位的耦合,并使用狄拉克函数;最后,获得二维海洋场景的合成孔径雷达图像;
其中,为雷达的距离速度比。
本发明提出一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述一种全场景多参数的海面与舰艇尾迹仿真方法的步骤。
本发明提出一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时实现所述一种全场景多参数的海面与舰艇尾迹仿真方法的步骤。
本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasablePROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambusRAM,DRRAM)。应注意,本发明描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disc,SSD))等。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
应注意,本申请实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
以上对本发明所提出的一种全场景多参数的海面与舰艇尾迹仿真方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种全场景多参数的海面与舰艇尾迹仿真方法,其特征在于:所述方法包括:
步骤1:建立海浪高程模型;
步骤2:建立尾迹高程模型;
步骤3:建立SAR图像距离向轨道速度场与方位向分辨率;
步骤4:建立倾斜与水动力调制函数;
步骤5:建立归一化雷达截面NRCS;
步骤6:利用速度聚束效应进行SAR图像仿真。
2.根据权利要求1所述的方法,其特征在于:在步骤1中,建立能够模拟复杂海况的三维随机波浪的高程模型;所述三维随机波浪的高程模型表示如下:
其中,ki,ωi和ξij分别为相应子波的波数、圆频率和初相位,ξij在0到2π之间任意选择;M和N分别为子波中频率和方向的个数,共有M*N个子波单元;
采用波能谱的概念来描述海浪;以二维长峰不规则波为例,对于一单元规则波,其单位面积具有的波能为:
不规则波是由无限个单元规则波叠加而成,所以频率在ω:(ω+dω)之间的单元波波能为:
定义函数Sξ(ω),称为波能谱密度函数,即:
单元波为无穷多时,上式变为:
为了模拟实际海浪能量沿风向叠加的分量状态,引入角度分布函数,角度分布函数可表示为海浪波数与风向角的函数,且必须满足:
假设方向函数与频率无关,成分波分布在主浪向夹角90°范围内,可通过调节n值得到不同扩散程度的方向函数,其表达式为:
3.根据权利要求2所述的方法,其特征在于:所述波能谱包括PM谱与JONSWAP谱;
PM谱的表达式如下:
其中,αPM=8.10×10-3,βPM=0.74,g为重力加速度,U19.5为海面上方19.5m高度处的平均风速;
JONSWAP谱表达式如下:
其中αJ=0.076χ-0.22,χ为无因次风区,表达式为/>其中x为刻面长度,U10为海面上方10m高度处的平均风速;峰值增强因子γJ被设置为3.3,峰形参数σJ的形式如下:
4.根据权利要求3所述的方法,其特征在于:在步骤2中,利用船舶波浪阻力理论,假设船体坚硬,海水不可压缩,无粘性,移动船舶的开尔文尾迹高程模型写成如下形式:
其中,Us为船舶的行驶速度,B、L、Dt、Fr分别为船舶的宽、长、吃水和弗劳德数,在舰船的局部坐标,Kelvin尾迹高程和其对应的流体速度势满足以下关系:
5.根据权利要求4所述的方法,其特征在于:在步骤3中,将大尺度长波轨道速度分量Ux、Uy和Uz计算为海浪和船舶尾流模型自由表面即z=0处流体速度势的梯度:
将距离向轨道速度场表示为:
Urange=Uzcosθ1-(Uxsinθ2+Uycosθ2)sinθ1
其中θ1为雷达本地入射角,θ2为浪向角;
将表面的平均径向速度表示为:
其中F(·)与F-1(·)分别为傅里叶变换与逆变换,Qr为附加滤波因子;
方位向分辨率表示为:
其中,λ为雷达波长,H、V分别为平台高度和速度,T为积分时间,Arange(x,y)为表面的平均径向加速度,τ为场景相干时间。
6.根据权利要求5所述的方法,其特征在于:在步骤4中,描述由局部入射角的变化引起的雷达后向散射截面的变化的倾斜调制函数如下:
其中,ky为长波在雷达视向的分量,θ为雷达入射角;
流体力学的调制函数简化如下:
其中,ω是海浪角频率,μ是松弛时间常数。
7.根据权利要求6所述的方法,其特征在于:在步骤5中,基于倾斜调制与水动力调制建立平均归一化雷达截面NRCS:
其中,λ是雷达信号的波长,φ是局部入射角,S(kx,ky)是海面短波高程的二维傅立叶变换;T(k)=Ttilt(k)+Thydr(k),F(k)是线性叠加海面和Kelvin尾迹的高程模型的二维傅立叶变换。
8.根据权利要求7所述的方法,其特征在于:在步骤6中,首先,将海面划分为多个不同的小面元,分别计算每个小面元单独的散射系数,然后根据海浪波对探测器信号的调制机理对所有面元的分布进行调制,从而得到每个小面元的表面SAR图像;为了近似距离方向上的脉冲响应函数,忽略了距离和方位的耦合,并使用狄拉克函数;最后,获得二维海洋场景的合成孔径雷达图像;
其中,为雷达的距离速度比。
9.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-8任一项所述方法的步骤。
10.一种计算机可读存储介质,用于存储计算机指令,其特征在于,所述计算机指令被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310789017.9A CN116796553B (zh) | 2023-06-30 | 2023-06-30 | 一种全场景多参数的海面与舰艇尾迹仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310789017.9A CN116796553B (zh) | 2023-06-30 | 2023-06-30 | 一种全场景多参数的海面与舰艇尾迹仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796553A true CN116796553A (zh) | 2023-09-22 |
CN116796553B CN116796553B (zh) | 2024-03-19 |
Family
ID=88045802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310789017.9A Active CN116796553B (zh) | 2023-06-30 | 2023-06-30 | 一种全场景多参数的海面与舰艇尾迹仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796553B (zh) |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5546084A (en) * | 1992-07-17 | 1996-08-13 | Trw Inc. | Synthetic aperture radar clutter reduction system |
CN101750061B (zh) * | 2008-12-10 | 2013-04-03 | 北京普及芯科技有限公司 | 用于目标航迹检测/航向预测的方法和装置 |
RU2423722C1 (ru) * | 2010-04-07 | 2011-07-10 | Открытое акционерное общество "Концерн радиостроения "Вега" | Способ распознавания надводных кораблей на взволнованной морской поверхности |
BR102012010659B1 (pt) * | 2012-05-04 | 2022-04-12 | Oil-Finder - Serviços De Sensoriamento Remoto E Modelagem Computacional Ltda | Processo para identificação e classificação de áreas de exsudações de óleo no fundo do mar através de modelagem inversa |
CN104459643A (zh) * | 2014-09-29 | 2015-03-25 | 北京环境特性研究所 | 一种舰船尾迹雷达回波仿真方法及系统 |
CN105528585B (zh) * | 2015-12-24 | 2017-05-17 | 华中科技大学 | 基于舰船尾迹和海底地形内波模型的水下航行器检测方法 |
CN107545096A (zh) * | 2017-07-14 | 2018-01-05 | 西安电子科技大学 | 海面舰船尾迹实时动态红外仿真方法 |
CN108594230A (zh) * | 2018-07-17 | 2018-09-28 | 电子科技大学 | 一种海船场景的合成孔径雷达图像仿真方法 |
CN109991608B (zh) * | 2019-04-16 | 2023-02-28 | 哈尔滨工程大学 | 一种基于逆合成孔径原理的水下目标声纳成像方法 |
CN110161498A (zh) * | 2019-04-23 | 2019-08-23 | 哈尔滨工程大学 | 一种基于rccd变换的逆合成孔径雷达定标方法 |
CN110910494B (zh) * | 2019-12-05 | 2023-06-23 | 国家海洋环境监测中心 | 随机海况下海水浮筏养殖后向散射机理分析方法 |
CN111610494B (zh) * | 2020-05-27 | 2022-08-19 | 武汉理工大学 | 一种vts雷达配置信号覆盖优化方法 |
CN112966332B (zh) * | 2021-03-02 | 2022-06-21 | 武汉理工大学 | 基于多船运动不确定性的冲突侦测方法、存储器及处理器 |
CN112711195B (zh) * | 2021-03-29 | 2021-07-02 | 中船航海科技有限责任公司 | 一种sil的船舶自动控制仿真测试平台及仿真测试方法 |
CN113470135A (zh) * | 2021-06-08 | 2021-10-01 | 中国人民解放军93114部队 | 海面仿真图像的生成方法、装置和电子设备 |
CN114047511B (zh) * | 2021-11-02 | 2022-04-12 | 中国海洋大学 | 一种基于csa算法的时变海面机载sar成像仿真方法 |
CN114169264A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种舰船尾迹红外仿真方法 |
CN114818385B (zh) * | 2022-06-16 | 2023-11-21 | 自然资源部第一海洋研究所 | Sar海洋图像仿真方法、装置、介质 |
CN115062547A (zh) * | 2022-06-24 | 2022-09-16 | 复旦大学 | 风驱海面和舰船尾迹流体微元轨道速度计算方法及系统 |
CN115391931A (zh) * | 2022-07-29 | 2022-11-25 | 扬州大学 | 一种基于vof模型结合lbm-les大涡模拟的喷水推进舰船喷口尾迹数值模拟方法 |
CN115932854A (zh) * | 2022-12-29 | 2023-04-07 | 中国人民解放军91977部队 | 一种舰船尾迹sar图像检测方法及装置 |
-
2023
- 2023-06-30 CN CN202310789017.9A patent/CN116796553B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116796553B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zilman et al. | On detectability of a ship's Kelvin wake in simulated SAR images of rough sea surface | |
CN103093057B (zh) | 一种船舶导航雷达信号仿真方法 | |
Guan et al. | Fractal characteristic in frequency domain for target detection within sea clutter | |
CN102621533B (zh) | 一种用于船用导航雷达的弱小目标检测方法 | |
Guo et al. | Sea clutter and target detection with deep neural networks | |
CN114708257A (zh) | Sar运动舰船目标检测方法及装置 | |
CN116796553B (zh) | 一种全场景多参数的海面与舰艇尾迹仿真方法 | |
Wang et al. | Application of facet scattering model in SAR imaging of sea surface waves with Kelvin wake | |
Liu et al. | Numerical simulation of the Doppler spectrum of a flying target above dynamic oceanic surface by using the FEM-DDM method | |
Bi et al. | Partition detection and location of a Kelvin wake on a 2-D rough sea surface by feature selective validation | |
Guo et al. | Target depth estimation by deep neural network based on acoustic interference structure in deep water | |
Zinchenko et al. | Short-time deterministic prediction of individual waves based on space-time X-band Marine radar measurements | |
Wu et al. | Computational Simulation and Modeling of Freak Waves Based on Longuet‐Higgins Model and Its Electromagnetic Scattering Calculation | |
Ahmadibeni et al. | Physics-based wake modeling for marine vehicles activity recognition based on simulated synthetic aperture radar | |
Arivazhagan et al. | Modeling and theoretical exploration of free surface manifestation of submarines in presence and absence of ocean waves | |
Zhang et al. | Numerical simulation and analyses of SAR images from ship wakes | |
Xia et al. | Target detection in sea clutter via contrastive learning | |
Rizaev et al. | The effect of sea state on ship wake detectability in simulated SAR imagery | |
Wallinga et al. | Enhanced detection of a target in a sea clutter environment using a stepped, ultra-wideband signal and E-pulse cancellation | |
Wang et al. | Research on compound scattering modeling and imaging methods of sea surface ship target for GEO-UAV BiSAR | |
Shi et al. | Estimation of the ship RCS on the dynamic sea surface | |
Daniel et al. | Target visibility estimation in a buoy mounted maritime forward scatter radar | |
Li et al. | Modeling of Complex Rough Surface Waves and Ship Wakes Based on SAR Images | |
Li et al. | Study of electromagnetic composite scattering from a ship-generated internal wave wake and its underlying sea surface | |
CN113705035B (zh) | 一种运动水面船回波信号强度模拟优化方法 |
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 |