CN117148273B - 一种匹配概率测度的水下声源定位方法 - Google Patents
一种匹配概率测度的水下声源定位方法 Download PDFInfo
- Publication number
- CN117148273B CN117148273B CN202311411941.XA CN202311411941A CN117148273B CN 117148273 B CN117148273 B CN 117148273B CN 202311411941 A CN202311411941 A CN 202311411941A CN 117148273 B CN117148273 B CN 117148273B
- Authority
- CN
- China
- Prior art keywords
- copy
- measure
- gaussian
- sound source
- vertical array
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 69
- 239000013598 vector Substances 0.000 claims abstract description 54
- 238000001228 spectrum Methods 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000003595 spectral effect Effects 0.000 claims description 22
- 230000005855 radiation Effects 0.000 claims description 18
- 230000004807 localization Effects 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004613 tight binding model Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000021615 conjugation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 241001386813 Kraken Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001360 synchronised 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
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种匹配概率测度的水下声源定位方法,属于水声信号处理技术领域,该匹配概率测度的水下声源定位方法为将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;该方法能够解决现有的匹配场水下声源定位方法较弱目标的真实位置难以获得的问题;同时能够解决定位模糊平面存在较多高旁瓣,在实际目标数量未知时,会对定位结果产生误判的问题。
Description
技术领域
本发明属于水声信号处理技术领域,具体而言,涉及一种匹配概率测度的水下声源定位方法。
背景技术
匹配场水下声源定位技术利用声传播信道特性和已知的海洋环境参数,通过水下声场建模计算得到接收基阵的声场幅度和相位,形成拷贝场向量,并与基阵接收数据进行匹配,从而实现水下声源的被动定位。随着水下声学技术的不断发展,水下声源定位技术被视为水下声学领域的重要问题之一。在水下环境中,声源的识别和定位对于声呐系统的设计、成像和控制等方面具有至关重要的意义。然而,由于水下环境复杂多变,加上声波传播的特性和障碍物的影响,水下声源定位技术一直面临着挑战和困难。匹配场水下声源定位技术是在实验室条件下研究的一种新型的水下声源定位技术,具有快速、高效、准确的特点,可以在各种复杂水下环境中实现声源定位。
现有的匹配场水下声源定位方法主要针对单目标场景,将定位模糊平面的最大值所在位置作为定位结果。但是实际中常存在多目标场景,辐射噪声级较低目标的主瓣易被辐射噪声级较高目标的旁瓣湮没,导致较弱目标的真实位置难以获得,甚至两目标估计位置均偏离真实位置;同时现有方法的定位模糊平面存在较多高旁瓣,在实际目标数量未知时,易对定位结果产生误判。
发明内容
有鉴于此,本发明提供一种匹配概率测度的水下声源定位方法,能够解决现有的匹配场水下声源定位方法主要针对单目标场景,辐射噪声级较低目标的主瓣易被辐射噪声级较高目标的旁瓣湮没,导致较弱目标的真实位置难以获得,两目标估计位置均偏离真实位置的问题;同时能够解决现有方法的定位模糊平面存在较多高旁瓣,在实际目标数量未知时,易对定位结果产生误判的问题。
本发明是这样实现的:
本发明提供一种匹配概率测度的水下声源定位方法,其中,包括以下步骤:
S10:将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;
S20:根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;
S30:通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;
S40:根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;
S50:设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;
S60:通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性。
本发明提供的一种匹配概率测度的水下声源定位方法的技术效果如下:通过将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性,将匹配场定位问题转化为高斯测度空间的距离度量问题,能够解决现有的匹配场水下声源定位方法主要针对单目标场景,辐射噪声级较低目标的主瓣易被辐射噪声级较高目标的旁瓣湮没,导致较弱目标的真实位置难以获得,两目标估计位置均偏离真实位置的问题;同时能够解决现有方法的定位模糊平面存在较多高旁瓣,在实际目标数量未知时,易对定位结果产生误判的问题。
在上述技术方案的基础上,本发明的一种匹配概率测度的水下声源定位方法还可以做如下改进:
其中,所述将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据的具体步骤包括:
第一步,设置所述多元垂直阵阵元数范围为8-30;
第二步,使用所述多元垂直阵采集目标辐射噪声,所述目标辐射噪声的一段时域信号的长度为30-60秒;
第三步,将所述一段时域信号分为多个子段,所述子段的时间长度范围为4-15秒;
第四步,定义重合度范围为相邻所述子段之间在时间上的重合部分的时间长度除以单个所述子段的时间长度,所述重合度范围为0-75%。
进一步的,所述根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵的具体步骤包括:
第一步,所述多元垂直阵采集目标辐射噪声,将采集的信号按时间分为多段,对每段作傅里叶变换,获得多段频谱,其表示如下:
;
其中,表示第/>段频谱中第/>个阵元在频点/>处的接收声压;/>为第段频谱在频点/>处的垂直阵接收声压向量,/>为转置符号;
第二步,多次采样平均得到数据互谱密度矩阵,
;
其中,为共轭转置符号;/>为数据互谱密度矩阵;/>为采样的次数。
进一步的,所述根据多段所述垂直阵频域接收数据计算数据高斯测度的具体步骤包括:
第一步,对数据互谱密度矩阵进行归一化,可得归一化数据互谱密度矩阵:
;
其中,为矩阵F-范数算符,/>为归一化数据互谱密度矩阵;
第二步,将归一化数据互谱密度矩阵作为高斯测度协方差矩阵,构造零均值高斯测度:
;
其中,为零均值高斯测度;
第三步,将所述数据高斯测度记为所述零均值高斯测度。
进一步的,所述通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量的具体步骤包括:
第一步,在探测范围内水平距离和深度上划分网格;
第二步,通过声场软件计算目标位于每个所述网格点上时频率的垂直阵声压向量,记为拷贝声压向量。
进一步的,所述探测范围为深度5-3300米,水平距离3-10公里的空间大小。
进一步的,所述根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵的具体步骤为:
第一步,通过所述声场软件计算目标位于网格点时垂直阵位置处的声场格林函数/>;
第二步,将每个所述网格点对应的所述垂直阵接收声压向量与自身共轭转置相乘,获得所述网格点对应的拷贝互谱密度矩阵;
;
其中,为拷贝互谱密度矩阵。
进一步的,所述根据所述不同位置处的拷贝声压向量计算拷贝高斯测度集的具体步骤包括;
第一步,对拷贝互谱密度矩阵进行归一化,可得归一化拷贝互谱密度矩阵:
;
第二步,将归一化拷贝互谱密度矩阵作为高斯测度协方差矩阵,构造零均值高斯测度:
;
第三步,将所述零均值高斯测度记为拷贝高斯测度;
第四步,将各网格点对应拷贝高斯测度的集合称为拷贝高斯测度集。
进一步的,所述设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果的具体步骤包括:
第一步,在获得所述数据高斯测度和所述拷贝高斯测度集后,计算所述数据高斯测度与各网格点对应所述拷贝高斯测度之间的Wasserstein距离;
第二步,选取各网格点对应Wasserstein距离的最大值,对所有获得的Wasserstein距离进行归于化处理并取对数,得到各网格点在定位模糊平面上的值;
已知目标数:将定位模糊平面上前目标数个最大值位置作为定位结果;
目标数未知:搜索定位模糊平面上的奇异值,将定位模糊平面上奇异值的位置作为定位结果。
进一步的,所述计算所述数据高斯测度与各网格点对应所述拷贝高斯测度之间的Wasserstein距离的具体步骤包括:
第一步,计算数据高斯测度和各网格点对应高斯测度的Wasserstein距离,得到拷贝场代价函数,即定位模糊平面各网格点的值:
;
第二步,根据高斯测度性质,代价函数可等价为互谱密度矩阵间的计算:
;
第三步,在获得定位模糊平面后,通过搜索定位模糊平面确定声源位置。
若已知目标数Q,将定位模糊平面上前Q个最大值对应的网格点位置作为定位结果;若目标数未知(需已知存在声源,声源是否存在是前期检测问题,与该发明无关),将定位模糊平面上的值以从大到小的方式排列,记最大值对应序号为1,次大值对应序号为2,以此类推,最小值对应序号为。将序号/>(/>为正整数,初始值为1)对应值与序号/>对应数值进行比较,若相减小于1dB,则记/>,并继续比较,直到相减大于1dB,则停止,此时前/>个值对应的网格点位置作为定位结果。
与现有技术相比较,本发明提供的一种匹配概率测度的水下声源定位方法的有益效果是:通过将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性,将匹配场定位问题转化为高斯测度空间的距离度量问题,能够解决现有的匹配场水下声源定位方法主要针对单目标场景,辐射噪声级较低目标的主瓣易被辐射噪声级较高目标的旁瓣湮没,导致较弱目标的真实位置难以获得,两目标估计位置均偏离真实位置的问题;同时能够解决现有方法的定位模糊平面存在较多高旁瓣,在实际目标数量未知时,易对定位结果产生误判的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一种匹配概率测度的水下声源定位方法的操作流程图;
图2为实施实例仿真环境示意图;
图3为单目标场景假设声源个数已知时定位模糊图;
图4为双目标场景假设声源个数已知时定位模糊图;
图5为双目标场景假设声源个数未知时定位模糊图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述。
如图1所示,是本发明提供的一种匹配概率测度的水下声源定位方法的操作流程图,在图中,包括以下步骤:
S10:将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;
S20:根据多段垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;
S30:通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;
S40:根据不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;
S50:设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;
S60:通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性。
其中,多元垂直阵是包含多个同步接收水听器的垂直布放线列阵;Wasserstein距离为一种衡量两个统计分布差异性的度量方法。
使用时,将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;根据多段垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;根据不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性。
其中,在上述技术方案中,将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据的具体步骤包括:
第一步,设置多元垂直阵阵元数范围为8-30;
第二步,使用多元垂直阵采集目标辐射噪声,目标辐射噪声的一段时域信号的长度为30-60秒;
第三步,将一段时域信号分为多个子段,子段的时间长度范围为4-15秒;
第四步,定义重合度范围为相邻子段之间在时间上的重合部分的时间长度除以单个子段的时间长度,重合度范围为0-75%。
使用多元垂直阵采集目标辐射噪声的具体步骤为:
当检测到目标时,垂直阵接收目标声源辐射出的噪声,并转化为电信号,记录在垂直阵存储单元中。
将一段时域信号分为多个子段的具体步骤为对接收到的一段时域信号,按子段的时间长度沿时间进行划分。
进一步的,在上述技术方案中,根据多段垂直阵频域接收数据计算数据互谱密度矩阵的具体步骤包括:
第一步,所述多元垂直阵采集目标辐射噪声,将采集的信号按时间分为多段,对每段作傅里叶变换,获得多段频谱,其表示如下:
;
其中,表示第/>段频谱中第/>个阵元在频点/>处的接收声压;/>为第段频谱在频点/>处的垂直阵接收声压向量,/>为转置符号;
第二步,多次采样平均得到数据互谱密度矩阵,
;
其中,为共轭转置符号;/>为数据互谱密度矩阵;/>为采样的次数。
进一步的,所述根据多段所述垂直阵频域接收数据计算数据高斯测度的具体步骤包括:
第一步,对数据互谱密度矩阵进行归一化,可得归一化数据互谱密度矩阵:
;
其中,为矩阵F-范数算符,/>为归一化数据互谱密度矩阵;
第二步,将归一化数据互谱密度矩阵作为高斯测度协方差矩阵,构造零均值高斯测度:
;
其中,为零均值高斯测度;
第三步,将所述数据高斯测度记为所述零均值高斯测度。
进一步的,所述通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量的具体步骤包括:
第一步,在探测范围内水平距离和深度上划分网格;
第二步,通过声场软件计算目标位于每个所述网格点上时频率的垂直阵声压向量,记为拷贝声压向量。
在探测范围内水平距离和深度上划分网格的基准为:一般按照距离50m,深度5m进行网格划分,以满足定位精度。
声场软件可选用Kraken。
进一步的,所述探测范围为深度5-3300米,水平距离3-10公里的空间大小。
进一步的,所述根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵的具体步骤为:
第一步,通过所述声场软件计算目标位于网格点时垂直阵位置处的声场格林函数/>;
第二步,将每个所述网格点对应的所述垂直阵接收声压向量与自身共轭转置相乘,获得所述网格点对应的拷贝互谱密度矩阵;
;
其中,为拷贝互谱密度矩阵。
进一步的,所述根据所述不同位置处的拷贝声压向量计算拷贝高斯测度集的具体步骤包括;
第一步,对拷贝互谱密度矩阵进行归一化,可得归一化拷贝互谱密度矩阵:
;
第二步,将归一化拷贝互谱密度矩阵作为高斯测度协方差矩阵,构造零均值高斯测度:
;
第三步,将所述零均值高斯测度记为拷贝高斯测度;
第四步,将各网格点对应拷贝高斯测度的集合称为拷贝高斯测度集。
进一步的,所述设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果的具体步骤包括:
第一步,在获得所述数据高斯测度和所述拷贝高斯测度集后,计算所述数据高斯测度与各网格点对应所述拷贝高斯测度之间的Wasserstein距离;
第二步,选取各网格点对应Wasserstein距离的最大值,对所有获得的Wasserstein距离进行归于化处理并取对数,得到各网格点在定位模糊平面上的值;
已知目标数:将定位模糊平面上前目标数个最大值位置作为定位结果;
目标数未知:搜索定位模糊平面上的奇异值,将定位模糊平面上奇异值的位置作为定位结果。
进一步的,所述计算所述数据高斯测度与各网格点对应所述拷贝高斯测度之间的Wasserstein距离的具体步骤包括:
第一步,计算数据高斯测度和各网格点对应高斯测度的Wasserstein距离,得到拷贝场代价函数,即定位模糊平面各网格点的值:
;
第二步,根据高斯测度性质,代价函数可等价为互谱密度矩阵间的计算:
;
第三步,在获得定位模糊平面后,通过搜索定位模糊平面确定声源位置。
若已知目标数Q,将定位模糊平面上前Q个最大值对应的网格点位置作为定位结果;若目标数未知(需已知存在声源,声源是否存在是前期检测问题,与该发明无关),将定位模糊平面上的值以从大到小的方式排列,记最大值对应序号为1,次大值对应序号为2,以此类推,最小值对应序号为。将序号/>(/>为正整数,初始值为1)对应值与序号/>对应数值进行比较,若相减小于1dB,则记/>,并继续比较,直到相减大于1dB,则停止,此时前/>个值对应的网格点位置作为定位结果。
实施例:
如图2-5所示,以典型的深海环境为例,利用计算机进行数值仿真,来检验本发明所提方法的效果。
1)浅海环境
假设海深216米,声速剖面为典型浅海负梯度剖面,海底由两层沉积层和半空间组成,具体参数如图2所示。
其中,深度为216m时,密度为1.76g/cm3,衰减值为0.2 dB/km/Hz,最大声速为1562m/s,最小声速为1593 m/s;
深度为240m时,密度为2.06g/cm3,衰减值为0.06 dB/km/Hz,最大声速为1881m/s,最小声速为3245 m/s;
深度为1040 m时,密度为2.66g/cm3,衰减值为0.02 dB/km/Hz,最小声速为5200m/s。
2)换能器参数
接收阵为均匀垂直线列阵,包含21个阵元,阵元间距5m,中心阵元深度140m。
3)仿真多块拍接收信号
仿真包含三组假设场景,场景1假设只存在单一目标,目标声源深度100米,距离垂直阵8km。场景2假设存在两目标,目标声源1深度100米,距离垂直阵5km;目标声源2深度100米,距离垂直阵11km。场景3假设存在两目标,目标声源1深度65米,距离垂直阵4km;目标声源2深度65米,距离垂直阵8km。声源发射信号频率为100Hz。声场格林函数由声场计算软件Kraken计算获得。设置接收信噪比=10dB,噪声向量由服从高斯分布的伪随机函数生成,共生成21组噪声向量。将21组噪声向量与声场格林函数向量相加,得到21组垂直阵接收声压向量,3个场景对应的接收向量结果如表1-3所示。
4)仿真接收互谱密度矩阵
将各组向量与自身共轭转置相乘得到21组互谱密度矩阵,将21组互谱密度矩阵叠加并作F-范数归一化,获得归一化数据互谱密度矩阵。
5)仿真拷贝互谱密度矩阵
水平距离设置3-13千米,深度设置5-180米,在水平距离和深度上均匀划分网格。利用Kraken软件离线计算声源位于各网格点时垂直阵接收声场格林函数,软件中设置环境参数如图2所示,计算出各网格点声场格林函数后,各自与自身共轭转置相乘得到各网格点拷贝互谱密度矩阵,并作F-范数归一化,获得归一化拷贝互谱密度矩阵。
6)在线计算高斯测度间的Wasserstein距离
利用归一化数据互谱密度矩阵和各网格点对应的归一化拷贝互谱密矩阵,根据代价函数,计算各网格点输出结果,从而获得距离-深度定位模糊平面。场景1对应定位模糊图如图3所示,场景2对应定位模糊图如图4所示,场景3对应定位模糊图如图5所示,其中黑色框中心对应真实声源位置。
7)峰值搜索获得定位结果
场景1和场景2假设声源数量已知,选取最大声源数对应位置作为定位结果。场景1中模糊平面最大值为0,对应网格点位置为(8km,100m),与声源真实位置一致;场景2中模糊平面最大值为0,对应网格点位置为(11.05km,100m),模糊平面次大值为-0.000012558,对应网格点位置为(5km,100m),与声源真实位置基本一致。
场景3假设声源数量未知,模糊平面最大值为0,对应网格点位置为(4km,100m),模糊平面次大值为-0.973,对应网格点位置为(8km,100m),模糊平面第三高值为-4.6977,对应网格点位置为(4.65km,160m),由于最大值减去次大值小于1,次大值减去第三高值大于1,故认为存在两个声源,定位结果与声源真实位置一致。
表1:场景1对应的接收向量结果
表2:场景2对应的接收向量结果
表3:场景3对应的接收向量结果
具体的,本发明的原理是:将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性。
Claims (10)
1.一种匹配概率测度的水下声源定位方法,其特征在于,包括以下步骤:
S10:将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据;
S20:根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵和数据高斯测度;
S30:通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量;
S40:根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵和拷贝高斯测度集;
S50:设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果;
S60:通过计算机数值仿真得到水下声源定位结果,验证该匹配概率测度的水下声源定位方法的准确性。
2.根据权利要求1所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述将单个多元垂直阵布放于水体中,获得多段垂直阵频域接收数据的具体步骤包括:
第一步,设置所述多元垂直阵阵元数范围为8-30;
第二步,使用所述多元垂直阵采集目标辐射噪声,所述目标辐射噪声的一段时域信号的长度为30-60秒;
第三步,将所述一段时域信号分为多个子段,所述子段的时间长度范围为4-15秒;
第四步,定义重合度范围为相邻所述子段之间在时间上的重合部分的时间长度除以单个所述子段的时间长度,所述重合度范围为0-75%。
3.根据权利要求2所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述根据多段所述垂直阵频域接收数据计算数据互谱密度矩阵的具体步骤包括:
第一步,所述多元垂直阵采集目标辐射噪声,将采集的信号按时间分为多段,对每段作傅里叶变换,获得多段频谱;
第二步,多次采样平均得到数据互谱密度矩阵。
4.根据权利要求3所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述根据多段所述垂直阵频域接收数据计算数据高斯测度的具体步骤包括:
第一步,对数据互谱密度矩阵进行归一化,可得归一化数据互谱密度矩阵;
第二步,将归一化数据互谱密度矩阵作为高斯测度协方差矩阵,构造零均值高斯测度;
第三步,将所述数据高斯测度记为所述零均值高斯测度。
5.根据权利要求4所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述通过声场软件离线计算得到声源位于不同位置处的拷贝声压向量的具体步骤包括:
第一步,在探测范围内水平距离和深度上划分网格;
第二步,通过声场软件计算目标位于每个网格点上时频率的垂直阵声压向量,记为拷贝声压向量。
6.根据权利要求5所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述探测范围为深度5-3300米,水平距离3-10公里的空间大小。
7.根据权利要求6所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述根据所述不同位置处的拷贝声压向量计算拷贝互谱密度矩阵的具体步骤为:
第一步,通过所述声场软件计算目标位于网格点时垂直阵位置处的声场格林函数;
第二步,将每个所述网格点对应的垂直阵接收声压向量与自身共轭转置相乘,获得所述网格点对应的拷贝互谱密度矩阵。
8.根据权利要求7所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述根据所述不同位置处的拷贝声压向量计算拷贝高斯测度集的具体步骤包括:
第一步,对拷贝互谱密度矩阵进行归一化,可得归一化拷贝互谱密度矩阵;
第二步,将归一化拷贝互谱密度矩阵作为高斯测度协方差矩阵,构造零均值;
第三步,将所述零均值高斯测度记为拷贝高斯测度;
第四步,将各网格点对应拷贝高斯测度的集合称为拷贝高斯测度集。
9.根据权利要求8所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述设计基于Wasserstein距离的匹配场代价函数,搜索峰值获得定位结果的具体步骤包括:
第一步,在获得所述数据高斯测度和所述拷贝高斯测度集后,计算所述数据高斯测度与各网格点对应所述拷贝高斯测度之间的Wasserstein距离;
第二步,选取各网格点对应Wasserstein距离的最大值,对所有获得的Wasserstein距离进行归于化处理并取对数,得到各网格点在定位模糊平面上的值;
已知目标数时将定位模糊平面上前目标数个最大值位置作为定位结果;
目标数未知时搜索定位模糊平面上的奇异值,将定位模糊平面上奇异值的位置作为定位结果。
10.根据权利要求9所述的一种匹配概率测度的水下声源定位方法,其特征在于,所述计算所述数据高斯测度与各网格点对应所述拷贝高斯测度之间的Wasserstein距离的具体步骤包括:
第一步,计算数据高斯测度和各网格点对应高斯测度的Wasserstein距离,得到拷贝场代价函数,即定位模糊平面各网格点的值;
第二步,根据高斯测度性质,代价函数可等价为互谱密度矩阵间的计算;
第三步,在获得定位模糊平面后,通过搜索定位模糊平面确定声源位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311411941.XA CN117148273B (zh) | 2023-10-30 | 2023-10-30 | 一种匹配概率测度的水下声源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311411941.XA CN117148273B (zh) | 2023-10-30 | 2023-10-30 | 一种匹配概率测度的水下声源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117148273A CN117148273A (zh) | 2023-12-01 |
CN117148273B true CN117148273B (zh) | 2024-02-02 |
Family
ID=88885258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311411941.XA Active CN117148273B (zh) | 2023-10-30 | 2023-10-30 | 一种匹配概率测度的水下声源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117148273B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022050A (zh) * | 2014-04-16 | 2015-11-04 | 中国科学院声学研究所 | 一种多传感器阵列的水声信道离散噪声源抑制方法 |
KR101618326B1 (ko) * | 2014-10-29 | 2016-05-04 | 서울대학교산학협력단 | 선박의 프로펠러에 의해 발생하는 초생 공동의 위치를 추정하는 시스템 및 방법과, 이를 이용한 선박 |
CN114065630A (zh) * | 2021-11-17 | 2022-02-18 | 西北工业大学 | 基于遗传算法的不确定参数聚焦匹配场声源功率估计方法 |
CN115825868A (zh) * | 2022-11-09 | 2023-03-21 | 中国科学院声学研究所 | 一种差频相干的匹配自积处理声源定位方法及系统 |
CN116609725A (zh) * | 2023-05-05 | 2023-08-18 | 中国科学院声学研究所 | 一种利用深海垂直阵的窄带线谱目标深度估计方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266044B2 (en) * | 2004-12-17 | 2007-09-04 | United States Of America Represented By The Secretary Of The Navy | Method and apparatus for acoustic source tracking using a horizontal line array |
US7800978B2 (en) * | 2007-01-30 | 2010-09-21 | The United States Of America As Represented By The Secretary Of The Navy | Method for real time matched field processing |
-
2023
- 2023-10-30 CN CN202311411941.XA patent/CN117148273B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105022050A (zh) * | 2014-04-16 | 2015-11-04 | 中国科学院声学研究所 | 一种多传感器阵列的水声信道离散噪声源抑制方法 |
KR101618326B1 (ko) * | 2014-10-29 | 2016-05-04 | 서울대학교산학협력단 | 선박의 프로펠러에 의해 발생하는 초생 공동의 위치를 추정하는 시스템 및 방법과, 이를 이용한 선박 |
CN114065630A (zh) * | 2021-11-17 | 2022-02-18 | 西北工业大学 | 基于遗传算法的不确定参数聚焦匹配场声源功率估计方法 |
CN115825868A (zh) * | 2022-11-09 | 2023-03-21 | 中国科学院声学研究所 | 一种差频相干的匹配自积处理声源定位方法及系统 |
CN116609725A (zh) * | 2023-05-05 | 2023-08-18 | 中国科学院声学研究所 | 一种利用深海垂直阵的窄带线谱目标深度估计方法及系统 |
Non-Patent Citations (4)
Title |
---|
Non-Euclidean estimation of acoustic cross-spectral density matrices: Evaluation by matched-field localization in an ocean waveguide;Steven Finette;《JASA EXPRESS LETTERS》;第2卷(第5期);1-8 * |
Stochastic matched-field localization of an acoustic source based on principles of Riemannian geometry;Steven Finette et al.;《The Journal of the Acoustical Society of America》;第143卷(第6期);3628-3638 * |
利用海底弹射区角度-距离干涉结构特征实现声源深度估计;朱启轩等;《物理学报》;第71卷(第18期);154-163 * |
深海声影区稀疏时延估计与声源测距;刘与涵等;《声学学报》;第47卷(第4期);417-431 * |
Also Published As
Publication number | Publication date |
---|---|
CN117148273A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101900811B (zh) | 一种基于单水听器的被动测距方法 | |
CN113064147B (zh) | 一种低信噪比下新型匹配场被动定位方法 | |
CN113050075B (zh) | 一种基于扩散映射的水下声源匹配场定位方法 | |
CN115047417B (zh) | 一种模拟雷达回波及干扰的方法和系统 | |
CN104502904B (zh) | 一种鱼雷自导波束锐化方法 | |
CN115236594B (zh) | 一种适用于极地脉冲噪声环境的冰下声源定位方法 | |
CN110031838A (zh) | 一种不需要参考发射波形的穿墙雷达墙体参数估计方法 | |
Shangguan et al. | GF-3 polarimetric data quality assessment based on automatic extraction of distributed targets | |
Tian et al. | Underwater multi-target passive detection based on transient signals using adaptive empirical mode decomposition | |
CN117148273B (zh) | 一种匹配概率测度的水下声源定位方法 | |
Li et al. | Performance analysis for focused beamformers in passive underwater acoustic localization | |
Guo et al. | Miss distance estimation based on scattering center model using time-frequency analysis | |
CN109752633B (zh) | 一种对变电站局部放电信号进行定位的方法及系统 | |
CN115201821B (zh) | 基于强目标成像对消的小目标检测方法 | |
CN116243240A (zh) | 一种基于空间多元信息融合的地面nlos环境精确定位方法 | |
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 | |
CN112466330B (zh) | 一种多途信道下噪声源的声源级估计方法 | |
Lo et al. | Artificial neural network for AOA estimation in a multipath environment over the sea | |
CN111505582B (zh) | 基于差分进化算法的水听器阵列定位方法 | |
Liang et al. | A DOA Estimation algorithm for the vertical line array of vector hydrophone based on data fusion method | |
Gardner et al. | DIET AWSUM: A fluctuation-based deconvolution technique for enhancing signal-to-noise ratio and resolution | |
Li et al. | Underwater source localization in the presence of strong interference | |
Wilmut et al. | An efficient target tracking algorithm for matched field processing | |
Liang et al. | Passive localization based on double-correlation function using sources of opportunity | |
Lu et al. | Array shape estimation method based on extraction of single normal mode |
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 |