CN116819432A - 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 - Google Patents
基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 Download PDFInfo
- Publication number
- CN116819432A CN116819432A CN202310004193.7A CN202310004193A CN116819432A CN 116819432 A CN116819432 A CN 116819432A CN 202310004193 A CN202310004193 A CN 202310004193A CN 116819432 A CN116819432 A CN 116819432A
- Authority
- CN
- China
- Prior art keywords
- target
- azimuth
- characteristic spectrum
- information
- spectrum
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000005855 radiation Effects 0.000 description 10
- 238000004088 simulation Methods 0.000 description 10
- 238000007796 conventional method Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/80—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using ultrasonic, sonic or infrasonic waves
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统,方法包括:1、拾取数据,截取超低频信号;采样处理,划分N帧数据;2、对离散信号进行FFT分析,并做瞬时相位差方差加权处理,得到频谱;3、对声压、振速信息做互谱方位估计,基于声能流的多目标检测与方位估计,对多目标特征谱信息锁定并跟踪;4、对多目标基于特征谱进行二次方位估计,计算各目标特征谱方位信息,方位声能流聚类处理,得到目标方位与特征谱信息;5、重复步骤2~4,更新迭代得到目标方位与特征谱信息数据集,对前后时间段数据集进行融合并做欧氏距离计算,通过度量空间门限进行匹配处理;6、剔除方位估计结果中的野值,输出多目标高稳定方位信息。
Description
技术领域
本发明属于信号处理技术领域,涉及一种多目标方位估计技术方案,具体涉及一种基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统。
背景技术
被动多目标方位估计是水下声信号处理的关键技术之一,其主要利用水听器接收水下声源所产生的辐射噪声,并通过相关的信号处理技术获取方位信息。现有的声压水听器仅能测得声压标量信息,无法对目标定向以及方位估计,只有多个水听器组成阵列才能够具备空间指向性和空间抗干扰能力。但随着减振降噪技术的发展,舰船等水下目标的辐射噪声越来越低,一些安静型潜艇在200Hz以上频带的噪声已经不高于海洋环境噪声,这就对水听器的低频检测能力提出了更高的要求,因此基于超低频矢量水听器及其信号处理技术成为研究热点。
矢量水听器是一种新型的水下声信号探测装置,由传统的声压传感器和多个质点振速传感器复合构成,能够拾取更加全面的水下声场信息。与声压水听器相比,矢量水听器既具有与频率无关的偶极子指向性,同时也具有抗各向同性噪声的能力,能够提供更加全面的声场信息。目前,基于矢量水听器的测向技术可以根据特点分为两大类:一是利用矢量水听器具有阵列流型的特点,将各个通道类比为多元阵列,使用现有的阵列信号处理方法进行测向。二是利用声压振速联合信号处理技术,该技术可以抑制各向同性噪声,也可以分辨同一波束内的多个目标。其中,声压振速联合信号处理技术相较于其他测向方法具有良好的鲁棒性,并且简便易实现、计算量小,在理想情况下具有较好的性能表现。但实际的海洋中一般都有水面行船等干扰目标,而且存在风关等产生的自然噪声以及鱼群活动产生的生物噪声,使得海洋背景声场呈现强各向异性。上述因素会对目标声源信号造成严重的干扰,这就导致现有基于单矢量水听器的水下多目标测向技术在工程应用中存在方位估计精度差、估计值跳变等问题,甚至造成算法失效,这严重制约了矢量水听器的应用推广。
发明内容
针对现有技术在低信噪比条件下常规互谱测向方法估计值与真实值偏差较大、多目标可观测性较差的技术问题,本发明提出了一种基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统。本发明通过矢量水听器获取声场信息,利用线谱瞬时相位差稳定性加权技术,提高线谱信噪比增益并有效抑制环境噪声的能量干扰,结合基于声能流的目标检测与方位估计,完成特征谱锁定跟踪,剔除了方位估计结果中的野值,从而实现多目标高精度稳定测向。通过仿真分析和试验验证可知,本发明在低信噪比条件下多目标测向精度相比常规方法平均提高24%,并且方位历程与真实方位一致性较高,能够明显剔除干扰信号,测向稳定性较强。
为实现上述目的,本发明采取如下技术方案:
基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,该方法包括以下步骤:
步骤1、矢量水听器拾取数据,截取超低频信号;对其采样处理,划分N帧数据;
步骤2、对离散信号进行FFT分析,并分别做瞬时相位差方差加权处理,得到频谱;
步骤3、对声压、振速信息做互谱方位估计,基于声能流的多目标检测与方位估计,对多目标特征谱信息锁定并跟踪;
步骤4、对多目标基于特征谱进行二次方位估计,计算各目标特征谱方位信息,方位声能流聚类处理,得到目标方位与特征谱信息;
步骤5、重复N次步骤2~4,更新迭代得到目标方位与特征谱信息数据集,对前后时间段数据集进行融合并做欧氏距离计算,通过度量空间门限进行匹配处理;
步骤6、剔除方位估计结果中的野值,输出多目标高稳定方位信息。
基于现有技术存在的上述问题,本发明致力于解决水下多目标的高精度测向问题。首先,本发明研究低信噪比条件下方位估计较差问题,通过线谱瞬时相位差稳定性加权,实现目标的高精度测向。然后,在获取准确目标方位的基础上,结合特征谱跟踪技术,有效剔除方位估计结果中的野值,提高多目标方位的可观测性。多目标高精度测向技术在水声领域有广阔的应用前景,具有重要的理论意义以及工程应用价值。
作为优选,步骤1中,首先对接收信号进行滤波放大,提取15Hz~200Hz低频信息,然后通过A/D电路采样,采样率为fs;并对采样数据等长划分为N帧数据。
作为优选,步骤2具体如下:对步骤1所得单次离散信号分为M段做FFT分析,假定单次采样信号为p(t),所得特征频谱记为P(fk),k=1,2,…,K;其中,K为FFT分析所得频率单元数;按照式(11)计算各频率单元下的瞬时相位差值,
式中,1≤m'≤M-1,1≤m≤M,1≤k≤K;
对所有频率单元进行瞬时相位差的方差加权;按式(12)进行计算,记为
式中,1≤m'≤M-1,1≤k≤K。
作为优选,步骤3具体如下:对声压、振速信息频谱做互谱方位估计,基于声能流多目标检测,根据以下三条原则:(1)边界宽度小于8;(2)波束斜率超过3;(3)幅度超过波束域能量平均的3倍;实现对目标声能流自动提取,并建立目标特征谱信息联合目标定位跟踪矩阵,如式(13)所示:
若当前为初始数据帧m=0,目标频谱表示为:
若当前数据帧m>0,得到数据帧下目标对应的瞬时频率为fg,g=1,2,...,G,干扰噪声下对应瞬时频率为fy,y=1,2,...,Y,按照式(14)更新特征谱矩阵:
式中:a1、a2为每次迭代目标瞬时频率与噪声瞬时频率权值改变量,ε1为目标瞬时频率宽度,g为当前时刻目标瞬时频率对应的频率单元,y当前时刻噪声瞬时频率对应的频率单元;
目标频谱表示为:
上述式中,1≤k≤K。
作为优选,步骤4具体如下:对多目标特征谱进行共轭互谱,按照式(16)计算得到二次方位估计各频点方位信息,并对其聚类统计得到声能流目标方位E(n,fg)与特征谱信息数据集:
上述式中,与/>为单次离散信号特征谱信息锁定跟踪法所得最终声能流分量,1≤m≤M,g=1,2,...,G。
作为优选,步骤5具体如下:重复N次步骤2~4,更新迭代得到N行方位与特征谱信息数据集,按顺序对前后时间段信息进行匹配融合;对融合结果按顺序统计从第二帧数据开始,按式(17)进行特征谱和方位信息欧氏距离计算得到ρf(n',g)和ρe(n',g),
式中:fg(n)为当前目标对应当前特征谱频率单元,I(n,fg)为当前目标对应特征谱峰值幅度,θ(n)为当前目标方位信息E(n,θ)为当前目标声能流能量,fg为当前时刻目标对应的瞬时频率单元,g=1,2,3,…,G;
按照式(18)设置特征谱与目标方位度量空间门限值为Df和De:
本发明还公开了一种基于上述单矢量水听器水下多目标高稳定测向方法的系统,包括以下模块:
数据拾取模块:矢量水听器拾取数据,截取超低频信号;对进行采样处理,划分N帧数据;
相位差方差加权处理模块:对离散信号进行FFT分析,并分别做瞬时相位差方差加权处理,得到频谱;
多目标特征谱信息锁定并跟踪模块:对声压、振速信息做互谱方位估计,基于声能流的多目标检测与方位估计,对多目标特征谱信息锁定并跟踪;
目标方位与特征谱信息获取模块:对多目标基于特征谱进行二次方位估计,计算各目标特征谱方位信息,方位声能流聚类处理,得到目标方位与特征谱信息;
迭代模块:更新迭代得到目标方位与特征谱信息数据集,对前后时间段数据集进行融合并做欧氏距离计算,通过度量空间门限进行匹配处理;
多目标高稳定方位信息输出模块:剔除方位估计结果中的野值,输出多目标高稳定方位信息。
本发明具有以下有益效果:
1、本发明利用目标线谱频率单元对应瞬时相位差相对稳定,背景噪声频率单元对应瞬时相位差随机变化的特点,进行瞬时相位差的方差加权,可以进一步抑制背景噪声的能量干扰,增强线谱信噪比增益,实现对水下目标方位估计的高精度测向。
2、本发明对多目标特征谱信息锁定跟踪,可以进一步增强各时间段内目标方位与特征谱信息关联性,提高多目标间的可观测性。同时对各时间段特征数据集融合,并通过度量空间匹配处理,剔除方位估计结果中的野值,实现对水下多目标的高稳定性方位估计。
3、本发明对接收信号的带宽与频率没有要求,具有良好的鲁棒性和工程实用价值。
附图说明
图1是互谱法方位估计原理框图。
图2是基于声能流的多目标检测与方位估计流程图。
图3是多目标特征谱锁定跟踪流程图。
图4是水下多目标高稳定测向方法流程图。
图5是优选实施例中的度量空间匹配仿真实验结果示意图。
图6是优选实施例中的蒙特卡洛仿真实验结果示意图。
图7是仿真实验两个运动的目标与观测站方位示意图。
图8是仿真实验中基于特征谱跟踪法的LOFAR图。
图9是仿真实验中基于特征谱跟踪法的时间方位历程图。
图10(a)、图10(b)是优选实施例中的信号收集系统部署示意图。
图11(a)、图11(b)分别为优选实施例中基于常规法的LOFAR图和基于特征谱跟踪法的LOFAR图。
图12(a)、图12(b)分别为优选实施例中基于常规法的时间方位历程图和基于特征谱跟踪法的时间方位历程图。
图13是本发明基于单矢量水听器水下多目标高稳定测向方法的系统框图。
具体实施方式
下面将结合附图对本发明作进一步详细说明。
本发明涉及一种基于特征谱跟踪的矢量水听器水下多目标高稳定测向方法及系统,本发明利用单矢量水听器拾取更加全面的声场信息,并通过瞬时相位差加权提高线谱信噪比增益并有效抑制海洋背景噪声,结合声能流的目标检测与方位估计技术,完成多目标特征谱锁定跟踪,对得到的信息数据集融合匹配处理,剔除方位估计结果中的野值,从而实现对多目标的高精度稳定测向。
一、基于单矢量水听器的互谱测向法
对于远场的点源信号下,三维空间可近似简化为二维情况,此时矢量水听器采集的声压信息以及各通道振速信息可用下式表示:
其中,p(t)为矢量水听器拾取的声压信号,vx(t)为矢量水听器拾取的X轴方向振速信号,vy(t)为矢量水听器拾取的Y轴方向振速信号,α为目标水平方向的方位角,np(t)、nvx(t)、nvy(t)分别为声压与X轴、Y轴方向振速的干扰噪声。
互谱分量定义为:
式中:ω表示频率;上标*表示复共轭;P(f)、Vx(f)和Vy(f)分别是p(t)、vx(t)和vy(t)傅里叶变换所得。根据傅里叶变换的基本特性,两个同相位输入的能量集中在互谱的实部。因此,对式(2)的运算结果取实部便得到各频率的声能流分量Ix(f)和Iy(f),从而得到各频率点声能流的模值R(f):
各频率点声源方位估计值为:
互谱法方位估计原理框图如图1所示。
二、基于特征谱跟踪的矢量水听器水下多目标高稳定测向方法
1.1、基于声能流的多目标检测与方位估计
由于互谱法即可得到各频点所对应的方位角,但在未获得目标分布频段、信源数等先验知识时无法直观的获知各目标方位,因此需要通过能量统计法对各个频点所对应的方位角进行统计。
将[0°,360°]划分为若干区间Δθ,则空间角度所允许的间隔总数N为:
由上式可得到水平方位角的区间范围分别为:0~Δθ,Δθ~2Δθ,2Δθ~3Δθ,......,(N-1)Δθ~NΔθ,扫描整个频带,得到对应的方位角度,假定各个频点估计方位落入各个统计角度间隔的数量分别为m1,m2,m3,......,mN,则计算如下统计量S(θ):
式中,为符合所在统计间隔角度范围的声能流的模值,由式(6)得到声能流在各统计间隔区间的分布情况,即可得到声能流波束图。
根据水下目标辐射噪声中线谱携带大量方位信息,结合声能流波束图将频点声能流作为权值进行聚类统计的特点,可得目标方位自动提取的三个判据:1)目标波束必须包含左右边界,并且边界宽度应符合某一门限值;2)目标波束斜率的绝对值应超过相应门限值;3)目标声能流幅值应该超过某一门限值并且为区间内最大值。通过这三条基本原则即可实现对于直方图中多目标方位信息的检测与方位估计,程序流程图如图2所示:
峰高门限与背景辐射噪声有密切关系。目标信号分量与噪声谱平均谱级比为:
式中,B为带宽信号bs(t)的带宽,σbs 2为带宽信号bs(t)的方差。
由上式可知,一般情况下,目标辐射信号的谱级远高于噪声信号平均谱级。由于背景噪声声能流起伏很大,最终目标声能流受噪声影响较大,但累加(平均)次数越多,背景噪声越平滑,峰高门限可以设置相对较小,本发明峰高门限值为声能流平均能量值的3倍。在实际工程应用中,可以根据应用要求来设置目标提取门限值。
1.2、基于多目标特征谱锁定跟踪技术
鉴于多目标跟踪测向时,存在多目标可观测性较差以及强瞬时窄带信号干扰的问题,本发明优选实施例提出了一种多目标特征谱锁定并跟踪方法。该实施例利用单矢量水听器采集数据并进行时频转换,通过互谱方位估计得到各频点声能流信息,结合声能流多目标检测与方位估计,进行频谱提取、频谱锁定,获得准确的待测目标特征谱信息,其具体流程见图3。
根据目标辐射噪声线谱强而稳定,携带大量目标方位信息这一特征,目标方位与特征谱信息锁定主要基于多组中心频率可调的窄带矩形窗组合而成的矩阵实现,其具有固定参数滤波器所不具备的优点。在对目标噪声的处理中,由于目标距离改变,其信号强弱随机变化,并非平稳过程;此外,海洋环境噪声也在起伏变化,因此单次数据处理的时间不能过长。假定输入信号x(t),所得频谱记为X(fk),k=1,2,…,K;其中,K为FFT分析所得频率单元数。则特征谱跟踪锁定矩阵可建立为W(k),k=1,2,…,K。若当前为初始时刻,目标频谱可表示为:
通过式(4)计算得出每个频率单元下对应的方位角度,根据声能流处理多目标检测与方位估计得到目标方位下对应的瞬时频率为fg,g=1,2,...,G,干扰噪声下对应瞬时频率为fy,y=1,2,...,Y。并据此锁定跟踪矩阵,作为下一时刻的权值,其迭代过程为如式(9):
式中:a1、a2为每次迭代目标瞬时频率与噪声瞬时频率权值改变量,ε1为目标瞬时频率窗口宽度,g为当前时刻目标瞬时频率对应的频率单元,y当前时刻噪声瞬时频率对应的频率单元。
若当前时刻非起始时刻,t≥1时,如式(10)所示:
式中,k=1,2,...,K。
通过上一时刻所得跟踪矩阵,对当前多目标特征谱进行提取锁定。在单次提取过程中,主要干扰是信号连续谱引起的伪峰,由于海洋干扰信号的瞬时频率是随机变化的,在多次迭代后,其幅值会趋于零。最终可获得目标在超低频特征谱中精确的瞬时频率与目标方位信息。1.3、基于特征谱跟踪的矢量水听器水下多目标高稳定测向方法
假设在观察时间内,多目标沿固定方向做匀速运动,每个目标辐射噪声中包含频率为f0的分量,且可能存在多个。由于目标辐射特征谱幅值与频率的不稳定性,本发明方法通过迭代跟踪矩阵对目标特征谱进行方位频点匹配,从而得到目标的特征谱历程用于后续方位估计,并对数据集融合匹配处理,剔除方位估计结果中的野值,实现特征谱跟踪的矢量水听器水下多目标高稳定测向方法。流程如图4所示,具体实现方法如下:
步骤1、以二维矢量水听器接收到的声压信号为例,首先对接收信号进行滤波放大,提取其15Hz~200Hz低频信息,然后通过A/D电路采样,采样率为fs;并对采样数据等长划分为N帧数据。
步骤2、对步骤1中所得单次离散信号分为M段做FFT分析,假定单次采样信号为p(t),所得特征频谱记为P(fk),k=1,2,…,K;其中,K为FFT分析所得频率单元数。按照式(11)计算各频率单元下的瞬时相位差值,
式中,1≤m'≤M-1,1≤m≤M,1≤k≤K。
对所有频率单元进行瞬时相位差的方差加权。按式(12)进行计算,记为
式中,1≤m'≤M-1,1≤k≤K。
步骤3、对上述声压、振速信息频谱做互谱方位估计,基于声能流多目标检测,根据以下三条原则:(1)边界宽度应小于8;(2)波束斜率应该超过3;(3)幅度应该超过波束域能量平均的3倍;三条原则实现对目标声能流自动提取,并建立目标特征谱信息联合目标定位跟踪矩阵,如式(13)所示:
若当前为初始数据帧m=0,目标频谱可表示为:
若当前数据帧m>0,得到数据帧下目标对应的瞬时频率为fg,g=1,2,...,G,干扰噪声下对应瞬时频率为fy,y=1,2,...,Y,按照式(14)更新特征谱矩阵:
式中:a1、a2为每次迭代目标瞬时频率与噪声瞬时频率权值改变量,ε1为目标瞬时频率宽度,g为当前时刻目标瞬时频率对应的频率单元,y当前时刻噪声瞬时频率对应的频率单元。
目标频谱可表示为:
上述式中,1≤k≤K。
步骤4、对上述多目标特征谱进行共轭互谱,按照式(16)计算得到二次方位估计各频点方位信息,并对其聚类统计得到声能流目标方位E(n,fg)与特征谱信息数据集:
上述式中,与/>为单次离散信号特征谱信息锁定跟踪法所得最终声能流分量,1≤m≤M,g=1,2,...,G。
步骤5、重复N次步骤2~4,更新迭代得到N行方位与特征谱信息数据集,按顺序对前后时间段信息进行匹配融合;对融合结果按顺序统计从第二帧数据开始,按式(17)进行特征谱和方位信息欧氏距离计算得到ρf(n',g)和ρe(n',g)。
式中:fg(n)为当前目标对应当前特征谱频率单元,I(n,fg)为当前目标对应特征谱峰值幅度,θ(n)为当前目标方位信息E(n,θ)为当前目标声能流能量,fg为当前时刻目标对应的瞬时频率单元,g=1,2,3,…,G。
按照式(18)设置特征谱与目标方位度量空间门限值为Df和De:
由于背景噪声声能流起伏很大,最终目标度量空间受噪声影响较大,本发明实验验证分析中选取门限值为采集数据能量的1/10倍。在实际工程应用中,可以根据实际环境来设置度量空间门限值。
步骤6、根据上述度量空间门限值剔除方位估计中野值信息,输出多目标高稳定的方位信息。
三、性能分析
由于背景噪声能量起伏不定,噪声频率随机变化的影响,最终度量空间门限值受海洋背景噪声影响较大,通过仿真分析比较不同度量空间门限值系数下方位角均方根误差(RMSE)的结果如图5所示。海洋背景噪声为白噪声,信号频率在15Hz~200Hz内服从均匀分布,单次样本时间为3min,采样频率为512Hz,多目标水平入射角度在0°~360°服从均匀分布,信噪比设置为0dB,计算结果为2000次独立试验的统计数据。分析图5所知,当门限值系数为10时,即为当前能量和的1/10倍,对方位估计增益效果最好,测向精度提升明显。
为进一步验证基于特征谱跟踪的水下多目标高稳定测向方法的性能,通过FIR线性滤波器获取的宽带连续噪声作为水下目标辐射噪声中的带宽连续谱信号,并对其叠加窄带强线谱信号,其窄带线谱与附近带宽连续谱平均谱级比在10~25dB之间。在信噪比为-20~30dB下做特征谱跟踪测向方法与常规互谱法以及线谱瞬时相位差稳定性加权法的方位角均方根误差(RMSE)对比,每个信噪比下做10000次相互独立仿真实验统计。单次数据采样时间设置为3min,并将采样数据划分36段,每段5s进行数据分析。其中,每次采样的多目标声源窄带线谱频率在15~200Hz内满足均匀分布,目标声源水平入射角度在0°~360°满足均匀分布。在上述信号中添加高斯白噪声以及不同方位、不同强度的噪声来模拟海洋环境,并且在海洋环境中随机时间段添加强窄带线谱干扰信号。仿真结果如图6所示,本发明方法的估计值其均方根误差在SNR=0dB以下有着显著的降低;在SNR=0dB以上方位估计精度均在1°以内。本发明方法所得方位角均方根误差相较于常规复声强器平均降低了24%,当信噪比在10dB以上时,两种方法性能接近。
上述仿真实验可以充分证明本发明对强线谱干扰情况有较好效果,为了进一步验证该算法有效性,在随机添加强线谱干扰的基础上,对目标声源模拟真实舰船方位运动轨迹。假设海域中有两个匀速直线运动的水下目标,目标的初始位置、初始方位、观测站位置如图7所示。目标1的线谱频率为50、90,目标2的线谱频率为100、150。仿真实验对目标进行30min跟踪,划分360帧数据,每帧间隔5s,得到如图8所示基于特征谱跟踪法的LOFAR图以及图9所示基于特征谱跟踪法的时间方位历程图。通过分析基于特征谱跟踪LOFAR结果以及特征谱跟踪时间方位结果,可以看出在目标方位历程存在交叉时,没有出现相互影响导致估计值与真实值出现较大偏差的现象,并且对于一些强线谱干扰具有较好的抑制效果。
为了验证本发明的有效性,处理了相关海试数据。本次数据为2017年11月在南海进行相关试验采集存储所得。当时水深100m左右,海底平坦。试验所用接收设备示意图如图10(a)所示,潜标所连矢量水听器布放深度约为70m,试验所用低频声源目标方位示意图如图10(b)所示。频率为48Hz的低频目标声源在潜标后方6km附近运动,声源距水面40m。频率为92Hz的低频目标声源在潜标右侧方7km附近运动,声源距水面30m。水听器所接采集设备采样率为512Hz,一次采集长度约为3min,对采集数据分35段进行FFT分析,然后再分别按现有常规方法与本发明基于特征谱跟踪的水下多目标高稳定测向方法所得最终LOFAR图和时间方位历程图。LOFAR对比图如图11(a)、图11(b)所示,时间方位对比图如图12(a)、图12(b)所示。对比图11和图12可知,在低信噪比下,使用常规复声强法计算的多目标方位角由于受到海洋背景噪声的干扰,存在着较大的偏差,多目标难以观测。相对而言,基于本发明方法瞬时相位差加权计算所得的频谱更加稳定,并且结合多目标特征谱锁定跟踪方法,多目标方位角稳定性得到了一定的提高,有效的剔除方位估计结果中的野值,使得时间方位历程图更加清晰。
如图13所示,本发明还公开了一种基于上述单矢量水听器水下多目标高稳定测向方法的系统,其包括以下模块:
数据拾取模块:矢量水听器拾取数据,截取超低频信号;对进行采样处理,划分N帧数据;
相位差方差加权处理模块:对离散信号进行FFT分析,并分别做瞬时相位差方差加权处理,得到频谱;
多目标特征谱信息锁定并跟踪模块:对声压、振速信息做互谱方位估计,基于声能流的多目标检测与方位估计,对多目标特征谱信息锁定并跟踪;
目标方位与特征谱信息获取模块:对多目标基于特征谱进行二次方位估计,计算各目标特征谱方位信息,方位声能流聚类处理,得到目标方位与特征谱信息;
迭代模块:更新迭代得到目标方位与特征谱信息数据集,对前后时间段数据集进行融合并做欧氏距离计算,通过度量空间门限进行匹配处理;
多目标高稳定方位信息输出模块:剔除方位估计结果中的野值,输出多目标高稳定方位信息。
本发明公开了一种基于特征谱跟踪的矢量水听器水下多目标高稳定测向方法及系统,本发明利用单矢量水听器探测水下声场信息,通过瞬时相位差加权提高线谱信噪比增益并有效抑制海洋背景噪声的能量干扰,提高方位估计精度。同时本发明通过基于声能流的目标检测与方位估计,完成多目标特征谱信息锁定跟踪,可以进一步增强各时间段内目标方位与特征谱关联性,解决了多目标可观测性差的问题。该方法结合信息数据集融合匹配处理,剔除方位估计结果中的野值,最终实现对多目标的高稳定性测向。通过仿真分析可知,本发明方法在低信噪比条件下多目标测向精度相比常规方法平均提高24%,海试试验数据处理结果得到方位历程与真实方位一致性较高,能够明显剔除干扰信号,测向稳定性较强,证明了本发明处理方法的有效性和良好的工程实用性。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,本领域技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的范围应以权利要求的保护范围为准。
Claims (7)
1.基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,其特征是,包括以下步骤:
步骤1、矢量水听器拾取数据,截取超低频信号;对进行采样处理,划分N帧数据;
步骤2、对离散信号进行FFT分析,并分别做瞬时相位差方差加权处理,得到频谱;
步骤3、对声压、振速信息做互谱方位估计,基于声能流的多目标检测与方位估计,对多目标特征谱信息锁定并跟踪;
步骤4、对多目标基于特征谱进行二次方位估计,计算各目标特征谱方位信息,方位声能流聚类处理,得到目标方位与特征谱信息;
步骤5、重复N次步骤2~4,更新迭代得到目标方位与特征谱信息数据集,对前后时间段数据集进行融合并做欧氏距离计算,通过度量空间门限进行匹配处理;
步骤6、剔除方位估计结果中的野值,输出多目标高稳定方位信息。
2.如权利要求1所述基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,其特征是,步骤1中,首先对接收信号进行滤波放大,提取15Hz~200Hz低频信息,然后通过A/D电路采样,采样率为fs;并对采样数据等长划分为N帧数据。
3.如权利要求2所述基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,其特征是,步骤2具体如下:对步骤1所得单次离散信号分为M段做FFT分析,假定单次采样信号为p(t),所得特征频谱记为P(fk),k=1,2,…,K;其中,fk为FFT分析对应的频率单元,K为FFT分析所得频率单元数;按照式(11)计算各频率单元下的瞬时相位差值,
式中,1≤m'≤M-1,1≤m≤M,1≤k≤K;
对所有频率单元进行瞬时相位差的方差加权;按式(12)进行计算,M段瞬时相位差的平均值记为M段瞬时相位差的方差记为δ(fk),最终特征频谱记为/>
式中,1≤m'≤M-1,1≤k≤K。
4.如权利要求3所述基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,其特征是,步骤3具体如下:对声压、振速信息频谱做互谱方位估计,基于声能流多目标检测,根据以下三条原则:(1)边界宽度小于8;(2)波束斜率超过3;(3)幅度超过波束域能量平均的3倍;实现对目标声能流自动提取,并建立目标特征谱信息联合目标定位跟踪矩阵,如式(13)所示:
若当前为初始数据帧m=0,目标频谱表示为:
若当前数据帧m>0,得到数据帧下目标对应的瞬时频率为fg,g=1,2,...,G,干扰噪声下对应瞬时频率为fy,y=1,2,...,Y,按照式(14)更新特征谱矩阵:
式中:a1、a2为每次迭代目标瞬时频率与噪声瞬时频率权值改变量,ε1为目标瞬时频率宽度,g为当前时刻目标瞬时频率对应的频率单元,y当前时刻噪声瞬时频率对应的频率单元;
目标频谱表示为:
上述式中,1≤k≤K。
5.如权利要求4所述基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,其特征是,步骤4具体如下:对多目标特征谱进行共轭互谱,按照式(16)计算得到二次方位估计各频点方位信息,并对其聚类统计得到声能流目标方位E(n,fg)与特征谱信息数据集:
上述式中,与/>为单次离散信号特征谱信息锁定跟踪法所得最终声能流分量,1≤m≤M,g=1,2,...,G。
6.如权利要求5所述基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法,其特征是,步骤5具体如下:重复N次步骤2~4,更新迭代得到N行方位与特征谱信息数据集,按顺序对前后时间段信息进行匹配融合;对融合结果按顺序统计从第二帧数据开始,按式(17)进行特征谱和方位信息欧氏距离计算得到ρf(n',g)和ρe(n',g),
式中:fg(n)为当前目标对应当前特征谱频率单元,I(n,fg)为当前目标对应特征谱峰值幅度,θ(n)为当前目标方位信息E(n,θ)为当前目标声能流能量,fg为当前时刻目标对应的瞬时频率单元,g=1,2,3,…,G;
按照式(18)设置特征谱与目标方位度量空间门限值为Df和De:
7.一种基于权利要求1-6任一项所述单矢量水听器水下多目标高稳定测向方法的系统,其特征是,包括以下模块:
数据拾取模块:矢量水听器拾取数据,截取超低频信号;对进行采样处理,划分N帧数据;
相位差方差加权处理模块:对离散信号进行FFT分析,并分别做瞬时相位差方差加权处理,得到频谱;
多目标特征谱信息锁定并跟踪模块:对声压、振速信息做互谱方位估计,基于声能流的多目标检测与方位估计,对多目标特征谱信息锁定并跟踪;
目标方位与特征谱信息获取模块:对多目标基于特征谱进行二次方位估计,计算各目标特征谱方位信息,方位声能流聚类处理,得到目标方位与特征谱信息;
迭代模块:更新迭代得到目标方位与特征谱信息数据集,对前后时间段数据集进行融合并做欧氏距离计算,通过度量空间门限进行匹配处理;
多目标高稳定方位信息输出模块:剔除方位估计结果中的野值,输出多目标高稳定方位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004193.7A CN116819432A (zh) | 2023-01-03 | 2023-01-03 | 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004193.7A CN116819432A (zh) | 2023-01-03 | 2023-01-03 | 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116819432A true CN116819432A (zh) | 2023-09-29 |
Family
ID=88113373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310004193.7A Pending CN116819432A (zh) | 2023-01-03 | 2023-01-03 | 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116819432A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117595943A (zh) * | 2024-01-17 | 2024-02-23 | 之江实验室 | 一种目标特征频点快速回溯分析方法、系统、设备及介质 |
-
2023
- 2023-01-03 CN CN202310004193.7A patent/CN116819432A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117595943A (zh) * | 2024-01-17 | 2024-02-23 | 之江实验室 | 一种目标特征频点快速回溯分析方法、系统、设备及介质 |
CN117595943B (zh) * | 2024-01-17 | 2024-05-14 | 之江实验室 | 一种目标特征频点快速回溯分析方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Conte et al. | Recursive estimation of the covariance matrix of a compound-Gaussian process and its application to adaptive CFAR detection | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN111965615B (zh) | 一种基于检测前估计的雷达目标检测方法 | |
CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN106501800B (zh) | 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法 | |
CN111190157A (zh) | 一种ipix雷达回波数据时频分析方法及系统 | |
CN111965632A (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN112255607B (zh) | 一种海杂波的抑制方法 | |
CN116819432A (zh) | 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 | |
CN106100769B (zh) | 一种多个不同体制卫星下微弱回波信号联合检测方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN109752633B (zh) | 一种对变电站局部放电信号进行定位的方法及系统 | |
CN108594165B (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN113552563B (zh) | 垂测信息和高频地波雷达杂波信息的对应性分析方法 | |
CN109669172A (zh) | 基于主瓣内强干扰抑制的弱目标方位估计方法 | |
CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
Ramos et al. | Observation of wave energy evolution in coastal areas using HF radar | |
CN113075645A (zh) | 一种基于主成分分析-密度聚类的畸变阵形线谱增强方法 | |
CN113126029A (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 | |
CN114252921B (zh) | 基于Power-Law检测器的磁性异常信号检测方法 | |
Wang et al. | Track Before Detect for Low Frequency Active Towed Array Sonar | |
CN112114287B (zh) | 一种方位观测数据的野值实时剔除方法 | |
CN112649787B (zh) | 一种基于低频圆环阵的目标方位估计方法 | |
CN116299387B (zh) | 非均匀杂波下干扰正交抑制的目标智能检测方法 |
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 |