CN117233737A - 主动目标深度估计方法、装置、计算机设备和存储介质 - Google Patents
主动目标深度估计方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117233737A CN117233737A CN202311510140.9A CN202311510140A CN117233737A CN 117233737 A CN117233737 A CN 117233737A CN 202311510140 A CN202311510140 A CN 202311510140A CN 117233737 A CN117233737 A CN 117233737A
- Authority
- CN
- China
- Prior art keywords
- target
- depth
- density matrix
- frequency
- depth estimation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011159 matrix material Substances 0.000 claims abstract description 60
- 238000001228 spectrum Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 32
- 230000003595 spectral effect Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000002592 echocardiography Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 3
- 241001386813 Kraken Species 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请揭示了一种主动目标深度估计方法、装置、计算机设备和存储介质，方法利用波导不变量的特性，通过采样目标回波的短时傅里叶变换向量，获取多快拍的目标回波数据，得到互谱密度矩阵；基于常规匹配场算法，以黎曼距离度量准则表征数据互谱密度矩阵与拷贝互谱密度矩阵之间的相关性，实现对目标深度的估计；本发明提供的目标深度估计方法、装置、计算机设备和存储介质，通过寻求模糊度输出表面最大值的方式来对目标进行准确的深度估计，更稳健、受噪声干扰小、抗干扰能力强；在低信噪比时仍能稳健的估计目标深度，具有良好的宽容性，同等条件时在不同带宽下均能实现目标的深度估计，具有较高的工程应用价值。
Description
技术领域
本发明涉及目标探测领域，特别涉及一种主动目标深度估计方法、装置、计算机设备和存储介质。
背景技术
海洋波导中的目标深度估计一直以来都是水声领域关注的难题之一。从被动目标深度估计研究现状看，已有的深度估计方法主要分为两类，一类是基于匹配场处理（MFP，Matched Field Processing）的深度估计方法；一类为基于匹配模处理（MMP，Matched ModeProcessing）或匹配波束处理（MBP，Matched Beam Processing）的深度估计方法。Bucker被认为将匹配场处理公式化的第一人，他通过声场模型生成拷贝场数据与实际接收场数据进行匹配来实现被动目标的距离和深度估计，并引入了模糊度表面的概念（H. P. Bucker.Use of calculated sound fields and matched field detection to locate soundsources in shallow water[J]. Journal of the Acoustical Society of America，1976，59:368–373.）。Klemm引入了高分辨的广义最大熵（ME，Maximum Entropy）波束形成器来进行深度估计，得到了超过常规MFP方法的性能（Klemm R. Range and depthestimation by line arrays in shallow water[J]. Signal Processing，1981，3（4）:333-344.）。李鹏等提出了一种基于水平阵列的f-k模态域分布提取方法，实现基于模态域分布特性的深度辨识（Li P，Zhang X H，Li L R，et al. Source depth discriminationusing wavenumber domain feature with a horizontal array[J]. AppliedAcoustics，2020，164（2）:107287.）。于梦枭等提出了一种利用单水听器接收信号中多阶简正模相干项能量与非相干项能量比值特征匹配的目标深度估计方法，消除了声源频谱对被动目标深度估计的影响，提升了深度估计的稳健性（于梦枭，周士弘，张岩，等.浅海宽带简正模相干/非相干能量比值特征匹配的源深估计[J].声学学报，2020，45（3）:309-324.）。郭良浩等根据近水面声源难以激发低阶模态的物理现象，研究了利用声源波数谱结构和波数位置的不同来分辨水面声源和水下声源。Zheng等人考虑垂直阵波束域对应的水面目标与水下目标激发声场差异，定义了一种隐含目标深度信息的特征-垂直波束谱空间差异因子，用于被动目标深度辨识，并基于Swellex-96数据验证了算法的有效性和宽容性（Zheng GY，Zhu F W. Difference factor of vertical beam pattern for shallow-watersource depth discrimination[J]. Acoustics Australia / Australian AcousticalSociety，2021，49:105-123.）。
与被动目标深度估计研究相比，主动声纳目标深度估计研究相对较少。Premus等人将其基于模态能量分布的被动目标深度辨识方法扩展到主动声纳目标深度辨识，给出了典型的仿真分析结果（Zheng G Y，Zhu F W.Difference factor of vertical beampattern for shallow-water source depth discrimination[J].Acoustics Australia/ Australian Acoustical Society，2021，49:105-123.）。Han提出了传统模态闪烁指数的变体，为主动声纳目标深度辨识引入了调制闪烁指数和总闪烁指数的数学定义，用于区分浅水波导中水面/水下目标（Han N，Yao S. Discrimination of the active submerged/bottom target based on the total scintillation index[J]. Applied Acoustics，2021，172: 107646.）。
上述方法的前提是利用足够孔径的垂直或水平接收阵列实现模态滤波，然而对于传统的有源水平拖曳声呐平台，在考虑目标方位的条件下，其等效的水平物理孔径是不足以用于模态滤波的。因此在主动声纳目标深度估计研究方面，匹配场定位技术仍得到了一定的关注。Yang提出了利用多途相对幅度的宽带匹配场定位技术，采用基于接收数据特征值分解的模式分解方法实现了对目标深度和距离的估计（Yang T C. Method and systemfor sensing with an active acoustic array[R].DEPARTMENT OF THE NAVYWASHINGTON DC，1996.）。
主动声纳常规自适应信号处理估计目标深度的难题与障碍主要在于，可用数据的量（快拍数）不够；主动声纳中，经目标散射后的宽带信号在单快拍内与噪声信号相似；为了获得准确的距离估计，主动声纳脉冲通常间隔时间长，采集足够的快拍数用于互谱密度矩阵的估计非常耗时。
发明内容
本发明的主要目的为提供一种主动目标深度估计方法、装置、计算机设备和存储介质，旨在解决主动声纳常规自适应信号处理估计目标深度过程中，经目标散射后的宽带信号在单快拍内与噪声信号相似，主动声纳脉冲通常间隔时间长，采集足够的快拍数用于互谱密度矩阵的估计非常耗时的问题。
为了实现上述目的，本发明提供一种主动目标深度估计方法，包括：
基于所述采样目标回波的观测数据获取短时傅里叶变换向量；
选取等间隔频率采样的子集，滑动频率抽取K个频域快拍；
基于多快拍的目标回波数据构建目标回波的互谱密度矩阵；
基于海洋波导环境获取拷贝互谱密度矩阵；
以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面；
根据深度模糊度面获取目标深度值。
进一步地，所述基于所述采样目标回波的观测数据获取短时傅里叶变换向量的步骤包括：
采样目标回波的观测数据y=s+n，其中，s为目标散射回波，n为噪声，时刻观测数据的短时傅里叶变换为/>，其中，ω1至ωL为短时傅里叶变换的频率，以/>为短时傅里叶变换的频率间隔。
进一步地，所选取等间隔频率采样的子集，滑动频率抽取K个频域快拍的步骤包括：
从y中选取等间隔频率采样的子集，其中，ω1至ωN为对应的频率且N<<L，/>中系数的频率间隔/>，对应y的第/>次采样，通过设定频率间隔，滑动频率抽取K个频域快拍，第p个快拍为/>。
进一步地，所述从y中选取等间隔频率采样的子集，对应y的第/>次采样，通过设定频率间隔，滑动频率抽取K个频域快拍的步骤中，快拍数至少为每快拍中元素个数的一半，满足/>，且元素个数与快拍数的乘积满足/>。
进一步地，所述基于多快拍的目标回波数据构建目标回波的互谱密度矩阵的步骤包括：
谱密度矩阵，其中，r和z为目标的距离和深度，l为1至K的正整数，代入观测数据模型，得到/>，其中，/>随距离快变且与深度无关，/>随距离慢变而随深度快变。
进一步地，所述基于海洋波导环境获取拷贝互谱密度矩阵的步骤中：
拷贝互谱密度矩阵由海洋波导环境以KRAKEN计算声场模型后获得。
进一步地，所述以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面的步骤包括：
以黎曼距离构建深度估计的模糊度面，其中，/>为互谱密度矩阵，/>为拷贝互谱密度矩阵，/>表示矩阵的迹。
本发明还提供了一种运行主动目标深度估计方法的装置，包括：
第一获取单元，用于基于所述采样目标回波的观测数据获取短时傅里叶变换向量；
第二获取单元，用于选取等间隔频率采样的子集，滑动频率抽取K个频域快拍；
第一处理单元，用于基于多快拍的目标回波数据构建目标回波的互谱密度矩阵；
第二处理单元，用于基于海洋波导环境获取拷贝互谱密度矩阵；
第三处理单元，用于以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面；
第四处理单元，用于根据深度模糊度面获取目标深度值。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述主动目标深度估计方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述主动目标深度估计方法的步骤。
本发明提供的目标深度估计方法、装置、计算机设备和存储介质，相较于Bartlett处理器和MVDR处理器，能够通过寻求模糊度输出表面最大值的方式来对目标进行准确的深度估计，更稳健、受噪声干扰小、抗干扰能力强；在低信噪比时仍能稳健的估计目标深度，具有良好的宽容性，同等条件时在不同带宽下均能实现目标的深度估计，具有较高的工程应用价值。
附图说明
图1 为本发明的方法流程图；
图2 为本发明对应实施的流程图；
图3 为Bartlett处理器、MVDR处理器和黎曼距离度量准则在估计不同目标深度情况下的模糊度面对比；
图4 为Bartlett处理器、MVDR处理器和黎曼距离度量准则在估计不同目标深度情况下的模糊度曲线对比，目标距离30km；
图5 为三种水文条件下，深度估计误差与信噪比的关系曲线，其中，图5中的(a)为等声速、负梯度和典型温跃层声速剖面，图5中的(b)为等声速的水文条件，图5中的(c)为负梯度的水文条件，图5中的(d)为典型温跃层的水文条件；
图6 为处理带宽与深度估计误差的关系曲线；
图7 为不同处理带宽下黎曼距离的深度估计模糊度面；
图8 为本发明运行主动目标深度估计方法的装置的示意图
图9 为本发明计算机设备的示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部实施例。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。
本发明涉及一种主动目标深度估计方法，利用波导不变量的特性，通过采样目标回波的短时傅里叶变换向量，获取多快拍的目标回波数据，得到互谱密度矩阵；基于常规匹配场算法，以黎曼距离度量准则表征数据互谱密度矩阵与拷贝互谱密度矩阵之间的相关性，实现对目标深度的估计。
如图1、图2所示，方法包括以下步骤：
S1、基于所述采样目标回波的观测数据获取短时傅里叶变换向量；
S2、选取等间隔频率采样的子集，滑动频率抽取K个频域快拍；
S3、基于多快拍的目标回波数据构建目标回波的互谱密度矩阵；
S4、基于海洋波导环境获取拷贝互谱密度矩阵；
S5、以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面；
S6、根据深度模糊度面获取目标深度值。
以下对方法进行进一步说明。
（1）由简正波理论可知，远距离浅海声场可表示为若干阶简正波的叠加：
(1)
主动声纳由发射换能器辐射声信号，传播至目标，经由目标散射后，散射回波反向传播至接收换能器，因此主动声纳声简正波模型应包含双程的传播，即去程及回程。一个目标，无论在海底还是在海水中，都可将其看做是距离和深度处的点散射体，利用简正波模型，可将频域的目标散射回波表示为：
(2)
其中，
(3)
(4)
式中，和/>分别表示第m和n阶简正波的水平波数，/>和/>分别表示对应/>和的本征函数，z s为发射换能器深度，z t为目标深度，z r为接收换能器深度，r为声源到接收器的距离，/>为海水介质密度，/>为角频率，/>表示声源发射声波的频谱，/>为散射函数；i和j均为虚数；
（2）观测数据可表示为目标散射回波/>和噪声/>的叠加：
(5)
时刻观测数据的短时傅里叶变换可表示为：
(6)
短时傅里叶变换的频率间隔用表示，从完整的短时傅里叶变换向量/>中，选取等间隔频率采样的子集有：
(7)
其中N<<L，即子集的向量长度远小于原观测数据STFT的向量长度，中系数的频率间隔是整数乘以采样间隔，/>，对应/>的第/>次采样。
通过设定频率间隔，滑动频率抽取个频域快拍，则第/>个快拍为：
(8)
为满足协方差矩阵的估计要求，快拍数应至少为每快拍中元素个数的一半，，且元素个数与快拍数的乘积应小于原STFT的向量长度，即/>；这里的N和K称为频域亚采样参数。
（3）关于各频率间隔STFT亚采样快拍间的关系，以及如何用于互谱密度矩阵的估计。
Grachev波导不变量关系描述了简正波波数差之间的频率特性：
(9)
式中，为与模态阶数有关的常数，β为波导不变量。
将（9）式代入（2）式有：
(10)
上式可被解释为的频率慢调制；m1和n1由式(9)中m和n分别取1得到。
考虑频率扰动（即频移后）的目标回波，表示如下：
(11)
其中模态幅度项在测量带宽内认为随频率是慢变的函数；
进一步利用简正波掠射角表示波数，，式中/>为第一阶简正波的掠射角，/>为水体的平均声速，考虑到/>很小，故/>近似为1，因此有，
(12)
当为一小量时，式（12）是成立的，将式（12）代入式（11）有：
(13)
将的进行一阶泰勒展开，如下：
(14)
在典型浅海环境下，近似有，再结合式代入式后有：
(15)
当对于所有的m，n和/>都远小于/>时，项/>可以被忽略；此外，/>可近似表示为/>，其中/>是与频率有关的常数，当频率存在/>后的频率扰动时，可以得出：
(16)
将的进行一阶泰勒展开，如下：
(17)
当扰动项远小于1时，该项可忽略，有
(18)
频率扰动下的目标回波响应为：
(19)
即，频率小扰动下的目标回波的STFT可近似表示为频率未扰动的目标回波响应与附加相位项的乘积/>，这是利用频域亚采样构建互谱密度矩阵的物理基础。
（4）目标回波响应亚采样的互谱密度矩阵
目标回波响应亚采样的互谱密度矩阵可通过多快拍数据（与式(8)对应）的平均得到：
(20)
将观测数据模型式(5)代入式(20)得到：
(21)
由于目标回波快拍是共线的，因此估计的互谱密度矩阵是近似秩1的，互谱密度矩阵是、/>的乘积，其中，/>随距离快变且与深度无关，/>随距离慢变而随深度快变；α为幅度，ξ为黎曼函数。
（5）黎曼距离度量准则
考虑到WI-SDM近似为Hermitian矩阵，在信号空间中形成黎曼流形，常用的欧式距离并不是度量互谱密度矩阵相关性的最佳形式，而黎曼距离是更为恰当的，因此引入黎曼距离来度量互谱密度矩阵和拷贝互谱密度矩阵之间的相关性，黎曼距离越小说明矩阵之间的相关性越大。
用黎曼距离来构建深度估计的模糊度面，表示如下，
(22)
其中，为互谱密度矩阵，/>为拷贝互谱密度矩阵，/>表示矩阵的迹。
最终，通过寻求模糊度输出表面最大值的方式，即可对目标进行准确的深度估计。
对上述方法的应用效果以Bartlett处理器、MVDR处理器进行对比验证。
如图3所示，为Bartlett处理器、MVDR处理器和黎曼距离度量准则在估计不同目标深度情况下的模糊度面对比。其中Bartlett处理器为：子图（a）、（d）、（g）；MVDR处理器为：子图（b）、（e）、（h）；黎曼距离度量准则为：子图（c）、（f）、（i）。目标深度10m的图例为：（a）、（b）、（c）；目标深度50m的图例为：（d）、（e）、（f）；目标深度90m的图例为：（g）、（h）、（i）。colorbar的单位是dB（参考模糊度面输出的最大能量）。
MVDR处理器和黎曼距离能够通过寻求模糊度输出表面最大值的方式来对目标进行准确的深度估计，而Bartlett处理器的深度估计模糊度面背景干扰较大。
如图4所示，为Bartlett处理器、MVDR处理器和黎曼距离度量准则在估计不同目标深度情况下的模糊度曲线对比，目标距离30km；其中Bartlett处理器为：子图（a）、（d）、（g）；MVDR处理器为：子图（b）、（e）、（h）；黎曼距离度量准则为：子图（c）、（f）、（i）。目标深度10m的图例为：（a）、（b）、（c）；目标深度50m的图例为：（d）、（e）、（f）；目标深度90m的图例为：（g）、（h）、（i）。其中横坐标是归一化的幅值，单位是dB。
（1）Bartlett处理器的主瓣最宽，且旁瓣较高，深度估计误差较大；
（2）MVDR处理器相较于Bartlett处理器的主瓣较窄，旁瓣较低，深度估计误差较小，其水体中（50m）目标的主旁瓣比最大，约为10dB，近水面（10m）和近海底（90m）目标的主旁瓣比约为6dB和8dB，这是由于海底与海面混响分别是位于海底与海面的散射体产生的声场，与位于海中的目标产生的回波声场不匹配，因此主动匹配场定位（实际上是定深）自然具有一定的抗混响干扰的能力；
（3）黎曼距离度量准则相较于Bartlett处理器和MVDR处理器，受噪声干扰小，能更加稳健的实现目标深度估计，抗干扰能力强；
如图5所示，为三种水文条件下，深度估计误差与信噪比的关系曲线：
（1）当信噪比大于2dB时，Bartlett处理器和MVDR处理器以及黎曼距离度量准则的深度估计误差都小于5m；
（2）当信噪比小于0dB大于-10dB时，Bartlett处理器和MVDR处理器的深度估计误差显著增大，且都大于5m，而黎曼距离度量准则的估计误差小于5m；因此，黎曼距离度量准则在低信噪比时，仍能稳健的估计目标深度，具有良好的宽容性。
如图6所示，为处理带宽与深度估计误差的关系曲线：
（1）随着带宽增大，Bartlett处理器、MVDR处理器和黎曼距离度量准则的深度估计误差减小；
（2）当带宽小于150Hz时，Bartlett估计器和MVDR估计器的估计误差大于5m，而黎曼距离度量准则的估计误差小于5m；
基于此，在实际应用中，为了得到良好的深度估计结果，应选择发射信号的带宽大于200Hz。
如图7所示，为不同处理带宽下黎曼距离的深度估计模糊度面，对于黎曼距离度量准则来说，虽然50Hz的处理带宽也能实现目标的深度估计，但是带宽越宽，深度估计的分辨率越好，原则上50Hz的处理带宽也可用于目标深度的估计，只是比400Hz处理带宽分辨率有所下降。
参照图8，本发明还提供了一种运行主动目标深度估计方法的装置，包括：
第一获取单元10，用于基于所述采样目标回波的观测数据获取短时傅里叶变换向量；
第二获取单元20，用于选取等间隔频率采样的子集，滑动频率抽取K个频域快拍；
第一处理单元30，用于基于多快拍的目标回波数据构建目标回波的互谱密度矩阵；
第二处理单元40，用于基于海洋波导环境获取拷贝互谱密度矩阵；
第三处理单元50，用于以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面；
第四处理单元60，用于根据深度模糊度面获取目标深度值。
在本实施例中，第一获取单元10、第二获取单元20、第一处理单元30、第二处理单元40、第三处理单元50和第四处理单元60的具体工作方法，参照前述主动目标深度估计方法的实施例，在此不再赘述。
参照图9，本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述主动目标深度估计方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述主动目标深度估计方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（RambuS）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
综上所述，本发明提供的目标深度估计方法、装置、计算机设备和存储介质，相较于Bartlett处理器和MVDR处理器，能够通过寻求模糊度输出表面最大值的方式来对目标进行准确的深度估计，更稳健、受噪声干扰小、抗干扰能力强；在低信噪比时仍能稳健的估计目标深度，具有良好的宽容性，同等条件时在不同带宽下均能实现目标的深度估计，具有较高的工程应用价值。
尽管已描述了本发明的优选实施例，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发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种主动目标深度估计方法，其特征在于，包括：
基于所述采样目标回波的观测数据获取短时傅里叶变换向量；
选取等间隔频率采样的子集，滑动频率抽取K个频域快拍；
基于多快拍的目标回波数据构建目标回波的互谱密度矩阵；
基于海洋波导环境获取拷贝互谱密度矩阵；
以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面；
根据深度模糊度面获取目标深度值。
2.根据权利要求1所述的主动目标深度估计方法，其特征在于，所述基于所述采样目标回波的观测数据获取短时傅里叶变换向量的步骤包括：
采样目标回波的观测数据y=s+n，其中，s为目标散射回波，n为噪声，时刻观测数据的短时傅里叶变换为/>，其中，ω1至ωL为短时傅里叶变换的频率，以为短时傅里叶变换的频率间隔。
3.根据权利要求2所述的主动目标深度估计方法，其特征在于，所选取等间隔频率采样的子集，滑动频率抽取K个频域快拍的步骤包括：
从y中选取等间隔频率采样的子集，其中，ω1至ωN为对应的频率且N<<L，/>中系数的频率间隔/>，对应y的第/>次采样，通过设定频率间隔，滑动频率抽取K个频域快拍，第p个快拍为/>。
4.根据权利要求3所述的主动目标深度估计方法，其特征在于，所述从y中选取等间隔频率采样的子集，对应y的第/>次采样，通过设定频率间隔，滑动频率抽取K个频域快拍的步骤中，快拍数至少为每快拍中元素个数的一半，满足/>，且元素个数与快拍数的乘积满足/>。
5.根据权利要求3所述的主动目标深度估计方法，其特征在于，所述基于多快拍的目标回波数据构建目标回波的互谱密度矩阵的步骤包括：
谱密度矩阵，其中，r和z为目标的距离和深度，l为1至K的正整数，代入观测数据模型，得到/>，其中，/>随距离快变且与深度无关，/>随距离慢变而随深度快变。
6.根据权利要求1所述的主动目标深度估计方法，其特征在于，所述基于海洋波导环境获取拷贝互谱密度矩阵的步骤中：
拷贝互谱密度矩阵由海洋波导环境以KRAKEN计算声场模型后获得。
7.根据权利要求1所述的主动目标深度估计方法，其特征在于，所述以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面的步骤包括：
以黎曼距离构建深度估计的模糊度面，其中，/>为互谱密度矩阵，/>为拷贝互谱密度矩阵，/>表示矩阵的迹。
8.一种运行主动目标深度估计方法的装置，其特征在于，包括：
第一获取单元，用于基于所述采样目标回波的观测数据获取短时傅里叶变换向量；
第二获取单元，用于选取等间隔频率采样的子集，滑动频率抽取K个频域快拍；
第一处理单元，用于基于多快拍的目标回波数据构建目标回波的互谱密度矩阵；
第二处理单元，用于基于海洋波导环境获取拷贝互谱密度矩阵；
第三处理单元，用于以黎曼距离度量准则对互谱密度矩阵和拷贝互谱密度矩阵进行度量，获取深度模糊度面；
第四处理单元，用于根据深度模糊度面获取目标深度值。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，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至7中任一项所述主动目标深度估计方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述主动目标深度估计方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311510140.9A CN117233737A (zh) | 2023-11-14 | 2023-11-14 | 主动目标深度估计方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311510140.9A CN117233737A (zh) | 2023-11-14 | 2023-11-14 | 主动目标深度估计方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117233737A true CN117233737A (zh) | 2023-12-15 |
Family
ID=89086437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311510140.9A Pending CN117233737A (zh) | 2023-11-14 | 2023-11-14 | 主动目标深度估计方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117233737A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117590369A (zh) * | 2024-01-18 | 2024-02-23 | 汉江国家实验室 | 一种深海目标深度估计方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112965053A (zh) * | 2020-12-04 | 2021-06-15 | 中国船舶重工集团公司第七一五研究所 | 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法 |
| CN113050075A (zh) * | 2021-03-30 | 2021-06-29 | 哈尔滨工程大学 | 一种基于扩散映射的水下声源匹配场定位方法 |
| CN114265011A (zh) * | 2021-12-17 | 2022-04-01 | 中国船舶重工集团公司第七一五研究所 | 利用近海面水平阵估计深海声源深度的匹配到达结构方法 |
| CN115639522A (zh) * | 2022-10-06 | 2023-01-24 | 中国船舶重工集团公司第七一五研究所 | 一种基于张量信号高阶奇异值分解的水下声源匹配场定位方法 |
-
2023
- 2023-11-14 CN CN202311510140.9A patent/CN117233737A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112965053A (zh) * | 2020-12-04 | 2021-06-15 | 中国船舶重工集团公司第七一五研究所 | 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法 |
| CN113050075A (zh) * | 2021-03-30 | 2021-06-29 | 哈尔滨工程大学 | 一种基于扩散映射的水下声源匹配场定位方法 |
| CN114265011A (zh) * | 2021-12-17 | 2022-04-01 | 中国船舶重工集团公司第七一五研究所 | 利用近海面水平阵估计深海声源深度的匹配到达结构方法 |
| CN115639522A (zh) * | 2022-10-06 | 2023-01-24 | 中国船舶重工集团公司第七一五研究所 | 一种基于张量信号高阶奇异值分解的水下声源匹配场定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| XIAOWEI GUO 等: "Application of Riemann Distance in Depth Estimation of Active Sonar Targets in Shallow Waters", 2021 4TH INTERNATIONAL CONFERENCE ON INFORMATION COMMUNICATION AND SIGNAL PROCESSING (ICICSP), pages 229 - 233 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117590369A (zh) * | 2024-01-18 | 2024-02-23 | 汉江国家实验室 | 一种深海目标深度估计方法、装置、设备及存储介质 |
| CN117590369B (zh) * | 2024-01-18 | 2024-04-16 | 汉江国家实验室 | 一种深海目标深度估计方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abraham et al. | Novel physical interpretations of K-distributed reverberation | |
| EP1894038B1 (en) | Continuous, continental-shelf-scale monitoring of fish populations and behavior | |
| CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
| US7307914B1 (en) | Hypothesized range and depth sonar processing method | |
| Battle et al. | Geoacoustic inversion of tow-ship noise via near-field-matched-field processing | |
| Bereketli et al. | Experimental results for direction of arrival estimation with a single acoustic vector sensor in shallow water | |
| CN101876715A (zh) | 一种拖曳声学阵列的拖船噪声抑制方法 | |
| CN117233737A (zh) | 主动目标深度估计方法、装置、计算机设备和存储介质 | |
| Gong et al. | Comparing passive source localization and tracking approaches with a towed horizontal receiver array in an ocean waveguide | |
| CN105022050A (zh) | 一种多传感器阵列的水声信道离散噪声源抑制方法 | |
| US20100039899A1 (en) | System and method of range estimation | |
| CN105676211B (zh) | 一种基于降秩技术的多亮点目标时空检测方法 | |
| CN115343714A (zh) | 一种用于浅海主动声纳目标深度估计的匹配相位处理方法 | |
| Dosso et al. | Bayesian inversion of reverberation and propagation data for geoacoustic and scattering parameters | |
| Cable et al. | Reverberation-derived shallow-water bottom scattering strength | |
| 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 | |
| Zhao et al. | Shallow water source localization using a mobile short horizontal array | |
| Barlee et al. | Geoacoustic model parameter estimation using a bottom-moored hydrophone array | |
| CN117406172B (zh) | 一种基于深海环境下拖船干扰特性的海深估计方法 | |
| Li et al. | A Modal Intensity Distribution Estimation Algorithm Based on Horizontal Circular Array | |
| Peng et al. | Use of Mode Intensity Distribution for Depth Discrimination with Horrizontal Array | |
| Nielsen et al. | Combined geoacoustic inversion of propagation and reverberation data | |
| Zhu et al. | Robust conditional probability constraint matched field processing | |
| Dexin et al. | Matched-field Source Localization with a Mobile Short Horizontal Linear Array in Offshore Shallow Water | |
| Ljung | Track Before Detect in Active Sonar Systems |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231215 |