CN1731212A - 一种合成孔径声纳成像的自聚焦处理方法 - Google Patents

Abstract

本发明涉及一种合成孔径声纳成像的自聚焦处理方法，主要包括以下步骤：(1)每次回波信号经过复基带解调以及匹配滤波处理得到宽带解析信号r_p(t)；(2)相邻回波解析信号之间相关处理；(3)通过求复数相角，得到相邻回波解析信号之间的相位误差估计；(4)通过空间位置累积处理获得运动误差引起的累积相位误差；(5)利用获得的相位误差序列进行补偿来实现回波数据校正；(6)补偿后数据应用相应的图像重构算法，则可获得聚焦的合成孔径声纳图像。本发明的有益的效果是：它不需要迭代运算，并具有较好的实时运算性能和较好的图像宏观校正能力。并且进一步通过α加权削弱强目标散射点和噪声对运动误差估计的影响，从而拓宽了应用条件。

Description

一种合成孔径声纳成像的自聚焦处理方法

                               技术领域

本发明涉及合成孔径声纳成像的信号处理，主要是一种合成孔径声纳成像的自聚焦处理方法，用于获得更加精细的海底地貌测绘和沉物探测的声成像。

                               背景技术

合成孔径声纳(Synthetic Aperture Sonar，简称SAS)是一种高分辨力声学成像设备。它是利用小孔径基阵匀速直线运动，在运动过程中相继发射和接收信号，并将一段运动历程中接收信号进行相干迭加，从而得到等效于实际物理声阵几倍到几十倍的合成虚拟孔径阵，获得很高的分辨力和空间增益。然而在实际航行过程中这个条件并不满足，使得合成孔径图像产生强度失真和几何失真。实现运动误差补偿的自聚焦处理方法是合成孔径声纳的一项关键技术。

合成孔径声纳的估计和校正方法通常分为两类：一类为采用传感器的硬件补偿，另一类为自聚焦算法补偿。由于传感器精度难于满足合成孔径声纳的要求，合成孔径声纳一般都需要采用自聚焦算法来实现运动误差补偿。自聚焦算法通常又可分为数据域自聚焦算法(如冗余相位中心自聚焦算法)和图像域自聚焦算法(如相位梯度自聚焦)算法两种。

国外合成孔径声纳所采用的自聚焦算法主要是冗余相位中心(Redundance Phase Center，简称RPC)自聚焦算法，它是利用接收回波信号的冗余性来处理的，需要采用冗余子阵设计或牺牲空间采样来实现。经典的相位梯度自聚焦(Phase Gradient Autofocus，简称PGA)算法，需要进行迭代处理才具有良好的估计性能，同时经典自聚焦处理方法需要选择强目标散射点。

                               发明内容

本发明的目的是为了克服上述方法的不足，而提供一种合成孔径声纳成像的自聚焦处理方法。

本发明解决其技术问题所采用的技术方案。这种合成孔径声纳成像的自聚焦处理方法，主要包括以下步骤：

(1)、每次回波信号经过复基带解调以及匹配滤波处理得到宽带解析信号r_p(t)；

(2)、相邻回波解析信号之间相关处理；相邻两个发射脉冲回波的宽带解析信号r_p(t)、r_p-1(t)的互相关运算为：

$r{r}_p={\∫}_0^T{r}_p^{*}\left(t\right)r_{p-1}\left(t\right)\mathrm{dt}----\left(5\right)$

式中^*表示复共轭；

(3)、通过求复数相角，得到相邻回波解析信号之间的相位误差估计：

$\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_p=\mathrm{Arg}\left\{r{r}_p\right\}----\left(6\right)$

(4)、通过空间位置累积处理获得运动误差引起的累积相位误差：

${\widehat{\mathrm{\ϵ}}}_p={\widehat{\mathrm{\ϵ}}}_{p-1}+\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_p;{\widehat{\mathrm{\ϵ}}}_0\≡0----\left(7\right)$

(5)、利用获得的相位误差序列

进行补偿来实现回波数据校正：

$R_p^{\mathrm{Ideal}}\left(f\right)=R_p\left(f\right)\exp \left(j{\widehat{\mathrm{\ϵ}}}_p\right)----\left(8\right)$

式中，R_p(f)为r_p(t)的傅立叶变换；

(6)、补偿后数据应用相应的图像重构算法，则可获得聚焦的合成孔径声纳图像。

本发明的有益的效果是：它是一种利用合成孔径声纳混响中冗余信息的数据域相关处理的运动误差估计方法。采用以均自聚焦算法为核心的、通过测量宽带解析信号复相关的相位角进行合成孔径声纳运动误差估计和补偿，从而获得合成孔径声纳成像的自聚焦处理。它不需要迭代运算，并具有较好的实时运算性能和较好的图像宏观校正能力。并且进一步通过α加权削弱强目标散射点和噪声对运动误差估计的影响，使得切变平均自聚焦算法既适应于空间缓变场景的宽波束SAS处理；也适用于存在强目标散射点的场景，从而拓宽了应用条件。

                               附图说明

图1本发明实施例2的α加权切变平均自聚焦处理方法的流程图；

                             具体实施方式

下面结合附图和实施例对本发明作进一步介绍：

实施例1：

一、基于混响估计的运动误差模型

对于一个混响限制(混响占主导地位，而噪声相对较弱)慢变化场景海底模型，假定海底的各个散射体的尺寸远小于波长，可以把它们看作“点源”目标，在这种近似下可以不考虑频率和波束方向对散射的影响，这样混响模型可看为很多点源目标回波的线性之和。如果在测绘区域内共有Q个散射体，则第p个发射脉冲的回波可描述为：

$e_p\left(t\right)=\underset{q=1}{\overset{Q}{\mathrm{\Σ}}}{s}_p\left(t\right)\⊗h(t,{\mathrm{\τ}}_{\mathrm{pq}})+n_p\left(t\right)----\left(1\right)$

式中表示卷积操作，s_p(t)是宽带发射信号，h(t，τ_pq)为点扩展函数(包括介质中传播函数，散射体散射响应以及基阵响应函数)，n_p(t)为噪声项。在没有运动误差时，回波信号经过复基带解调以及匹配滤波处理得到解析信号r_p(t)，表示为：

$r_p^{\mathrm{Ideal}}\left(t\right)=\left|r_p^{\mathrm{Ideal}}\left(t\right)\right|\exp \left(j{\mathrm{\ψ}}_p^{\mathrm{Ideal}}\left(t\right)\right)----\left(2\right)$

由于混响场中散射体服从均匀分布，接收回波为各个散射体散射信号之和，故而ψ_p ^Ideal(t)为[-π，π]内均匀分布的随机变量。

假设在声学换能器基阵发生摆动误差x_p，而散射体的主体近似不变，则对于场景中每一个散射体的回波延时误差都等于ε_p≈2x_p/c，第p个回波可表示为

$r_p\left(t\right)=r_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)\exp (-j2\mathrm{\π}{f}_0{\mathrm{\ϵ}}_p)$

$=\left|r_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)\right|\exp \left(j{\mathrm{\ψ}}_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)\right)\exp (-j2\mathrm{\π}{f}_0{\mathrm{\ϵ}}_p)----\left(3\right)$

故而获得测量相位为

${\mathrm{\ψ}}_p\left(t\right)=\mathrm{Arg}\left\{r_p\left(t\right)\right\}=[{\mathrm{\ψ}}_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)-2\mathrm{\π}{f}_0{\mathrm{\ϵ}}_p]\mathrm{mod}2\mathrm{\π}----\left(4\right)$

式中Arg{·}为取复数相位操作。

如果我们能够对每一个ψ_p(t)进行去卷绕处理，则获得一个常量相移2πf₀ε_p和一个随机变量ψ_p ^Ideal(t-ε_p)，进一步通过在时间t上做平均处理就可获得常量相移，从而求出误差时延估计

二、合成孔径声纳成像的切变平均自聚焦处理方法

(1)每次回波信号经过复基带解调以及匹配滤波处理得到宽带解析信号r_p(t)。

(2)相邻回波解析信号之间相关处理。

利用(4)式中单个脉冲回波在时间t上做平均处理获得的常量误差相位2πf₀ε_p一般大于2π从而会导致相位模糊问题。一个可行的解决这种相位卷绕的方法就是估计相邻两个发射回波信号之间的相位差，其核心是一种相关处理。相邻两个发射脉冲回波的宽带解析信号r_p(t)、r_p-1(t)的互相关运算为：

$r{r}_p={\∫}_0^T{r}_p^{*}\left(t\right)r_{p-1}\left(t\right)\mathrm{dt}----\left(5\right)$

式中^*表示复共轭。

(3)通过求复数相角，得到相邻回波解析信号之间的相位误差估计：

$\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_p=\mathrm{Arg}\left\{r{r}_p\right\}----\left(6\right)$

(4)通过空间位置累积处理获得运动误差引起的累积相位误差

${\widehat{\mathrm{\ϵ}}}_p={\widehat{\mathrm{\ϵ}}}_{p-1}+\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_p;{\widehat{\mathrm{\ϵ}}}_0\≡0----\left(7\right)$

(5)利用获得的相位误差序列

进行补偿就可实现回波数据校正：

$R_p^{\mathrm{Ideal}}\left(f\right)=R_p\left(f\right)\exp \left(j{\widehat{\mathrm{\ϵ}}}_p\right)----\left(8\right)$

式中，R_p(f)为r_p(t)的傅立叶变换。

(6)补偿后数据应用相应的图像重构算法，则可获得聚焦的合成孔径声纳图像。

实施例2：α加权切变平均自聚焦处理方法

为了提高误差相位变化量估计的精度，K.A.Johnson等人提出最小均方意义加权平均核心，选择一种加权函数w(t)＝|r_p(t)|使其侧重于信噪比较大的相位差，从而有效抑制噪声相位的影响。使用加权方法对(5)式相关函数重新估计如下：

$\mathrm{rr}=\left\{\frac{{\∫}_0^T{w}^2\left(t\right)r_p^{*}\left(t\right)r_{p-1}\left(t\right)\mathrm{dt}}{{\∫}_0^T{w}^2\left(t\right)\mathrm{dt}}\right\}----\left(9\right)$

但是K.A.Johnson加权方法在抑制噪声影响的同时也加重了强目标散射体对相位函数的贡献。当有强目标存在时，(4)式中的ψ_p ^Ideal(t)不再能够视为一个[-π，π]内均匀分布随机变量，此时它主要表现为强目标的距离徙动相位，故而通过(6)式估计的时延变化量受到距离徙动变化量的影响。仿真结果和实际数据处理也证明当强散射体存在时使得运动误差估计有偏，必须采用合理方法抑制强目标散射体对相位估计影响。

我们提出一种新的α加权加权函数，对应于(9)式中，

$w^2\left(t\right)=\frac{\left|r_p^{*}\left(t\right)r_{p-1}\left(t\right)\right|}{{\mathrm{\α}}^4+{\left|r_p^{*}\left(t\right)r_{p-1}\left(t\right)\right|}^2}----\left(10\right)$

式中α参数为一可调整量，通过合理选择α值可折衷控制强目标散射体和噪声对误差相位估计的影响。从抑制强散射目标考虑，α取值越小越好，而从抑制噪声考虑，α取值越大越好；可结合实际的先验知识来优化α取值。

这种合成孔径声纳成像的α加权切变平均自聚焦处理方法如附图1所示。首先对回波数据进行复解调和匹配滤波，然后进行α加权切变平均处理得到运动误差时延变化量空间位置累积，并用运动误差补偿回波数据，最后应用图像重构算法进行合成孔径成像。

该自聚焦处理方法的试验结果：使用α加权切变平均自聚焦处理方法对实际合成孔径声纳湖试数据处理结果表示，自聚焦处理后T字型煤气瓶目标聚焦为三个亮点，而且自聚焦处理后图像的信混比明显增强。试验结果表明改进的α加权切变平均自聚焦算法能够较好估计运动误差，从而有效地抑制图像模糊。

Claims (3)

1、一种合成孔径声纳成像的自聚焦处理方法，其特征在于：主要包括以下步骤：

(1)、每次回波信号经过复基带解调以及匹配滤波处理得到宽带解析信号r_p(t)；

(2)、相邻回波解析信号之间相关处理；相邻两个发射脉冲回波的宽带解析信号r_p(t)、r_p-1(t)的互相关运算为：

$r{r}_p={\∫}_0^T{r}_p^{*}\left(t\right)r_{p-1}\left(t\right)\mathrm{dt}----\left(5\right)$

式中^*表示复共轭；

(3)、通过求复数相角，得到相邻回波解析信号之间的相位误差估计：

$\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_p=\mathrm{Arg}\left\{{\mathrm{rr}}_p\right\}----\left(6\right)$

(4)、通过空间位置累积处理获得运动误差引起的累积相位误差：

${\widehat{\mathrm{\ϵ}}}_p={\widehat{\mathrm{\ϵ}}}_{p-1}+\mathrm{\Δ}{\widehat{\mathrm{\φ}}}_p;{\widehat{\mathrm{\ϵ}}}_0\≡0----\left(7\right)$

(5)、利用获得的相位误差序列

进行补偿来实现回波数据校正：

$R_p^{\mathrm{Ideal}}\left(f\right)=R_p\left(f\right)\exp \left(j{\widehat{\mathrm{\ϵ}}}_p\right)----\left(8\right)$

式中，R_p(f)为r_p(t)的傅立叶变换；

(6)、补偿后数据应用相应的图像重构算法，则可获得聚焦的合成孔径声纳图像。

2、根据权利要求1所述的合成孔径声纳成像的自聚焦处理方法，其特征在于：

采用α加权加权函数，对应于(9)式中，

$\mathrm{rr}=\left\{\frac{{\∫}_0^T{\mathrm{\ω}}^2\left(t\right)r_p^{*}\left(t\right)r_{p-1}\left(t\right)\mathrm{dt}}{{\∫}_0^T{\mathrm{\ω}}^2\left(t\right)\mathrm{dt}}\right\}----\left(9\right)$

${\mathrm{\ω}}^2\left(t\right)=\frac{\left|r_p^{*}\left(t\right)r_{p-1}\left(t\right)\right|}{{\mathrm{\α}}^4+{\left|r_p^{*}\left(t\right)r_{p-1}\left(t\right)\right|}^2}----\left(10\right)$

公式中α参数为一可调整量，通过选择α值来控制强目标散射体和噪声对误差相位估计的影响。

3、根据权利要求1或2所述的合成孔径声纳成像的自聚焦处理方法，其特征在于：假设在声学换能器基阵发生摆动误差x_p，而散射体的主体近似不变，则对于场景中每一个散射体的回波延时误差都等于ε_p≈2x_p/c，第p个回波可表示为

$r_p\left(t\right)=r_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)\exp (-j2\mathrm{\π}{f}_0{\mathrm{\ϵ}}_p)$

$=\left|r_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)\right|\exp \left({\mathrm{j\ψ}}_p^{\mathrm{Ideal}}(t-{\mathrm{\ϵ}}_p)\right)\exp (-j2\mathrm{\π}{f}_0{\mathrm{\ϵ}}_p)----\left(3\right).$

Images