DE102014107979A1 - A method of classifying a water object, device, sonar and watercraft or stationary platform - Google Patents
A method of classifying a water object, device, sonar and watercraft or stationary platform Download PDFInfo
- Publication number
- DE102014107979A1 DE102014107979A1 DE102014107979.5A DE102014107979A DE102014107979A1 DE 102014107979 A1 DE102014107979 A1 DE 102014107979A1 DE 102014107979 A DE102014107979 A DE 102014107979A DE 102014107979 A1 DE102014107979 A1 DE 102014107979A1
- Authority
- DE
- Germany
- Prior art keywords
- parameter set
- sound signal
- water object
- underwater sound
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/04—Frequency
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/001—Acoustic presence detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63G—OFFENSIVE OR DEFENSIVE ARRANGEMENTS ON VESSELS; MINE-LAYING; MINE-SWEEPING; SUBMARINES; AIRCRAFT CARRIERS
- B63G8/00—Underwater vessels, e.g. submarines; Equipment specially adapted therefor
- B63G8/39—Arrangements of sonic watch equipment, e.g. low-frequency, sonar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/14—Signal detection
- G01V2210/142—Receiver location
- G01V2210/1423—Sea
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/40—Transforming data representation
- G01V2210/43—Spectral
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Klassifizieren eines Wasserobjekts, insbesondere eines Schiffs oder eines U-Boots, wobei das Verfahren folgende Schritte aufweist: – Ermitteln eines Unterwasserschallsignals mittels eines Hydrophons, wobei das Unterwasserschallsignal ein Schallsignal des Wasserobjekts aufweist, – Bestimmen eines Frequenzspektrums des ermittelten Unterwasserschallsignals, – Bestimmen eines Cepstrums des Frequenzspektrums, – Bestimmen eines Parametersatzes des Cepstrums, wobei der Parametersatz insbesondere direkte Parameter aufweist, und – Bestimmen einer Wasserobjektklasse anhand des Parametersatzes.The invention relates to a method for classifying a water object, in particular a ship or a submarine, the method comprising the following steps: determining an underwater sound signal by means of a hydrophone, the underwater sound signal comprising a sound signal of the water object, determining a frequency spectrum of the detected underwater sound signal Determining a cepstrum of the frequency spectrum, determining a parameter set of the cepstrum, the parameter set having, in particular, direct parameters, and determining a water object class based on the parameter set.
Description
Die Erfindung betrifft ein Verfahren zum Klassifizieren eines Wasserobjekts, insbesondere eines Schiffs oder eines U-Bootes anhand ermittelter Unterwasserschallsignale sowie eine Vorrichtung zum Durchführen des Verfahrens und ein Sonar sowie ein Wasserfahrzeug oder stationäre Plattform. The invention relates to a method for classifying a water object, in particular a ship or a submarine, on the basis of determined subsonic sound signals, as well as a device for carrying out the method and a sonar and a watercraft or stationary platform.
Wasserfahrzeuge wie U-Boote und Schiffe werden anhand von Frequenzlinien von ausgesandten Unterwasserschallsignalen klassifiziert. Die zur Klassifizierung dienenden Merkmale werden teilweise automatisch extrahiert, wobei zusätzlich ein Bediener des Sonars spezielle durch ihn erkannte Charakteristika in ein kontinuierlich weiterentwickeltes Modell gibt und entsprechend eine Klassifizierung stattfindet. Somit besteht die Klassifizierung insbesondere auch auf einem manuell erstellten Regelwerk. Watercraft such as submarines and ships are classified by frequency lines of emitted subsonic sound signals. Some of the features used for classification are automatically extracted, and in addition, an operator of the sonar gives specific characteristics recognized by him to a continuously evolving model and accordingly classifies. Thus, the classification is especially on a manually created rules.
Zusätzlich werden von Wasserobjekten ausgesandte Unterwassersignale anhand ihrer Spektrallinien beispielsweise bei einem DEMON-Verfahren (DEMON = Detection of Envelope Modulation on Noise) oder LOFAR-Verfahren (LOFAR = Low Frequency Analysis and Recording) charakterisiert. Anhand der mittels dieser Verfahren ermittelten Muster können beispielsweise Propellergeschwindigkeiten und die Anzahl der Blätter analysiert werden. Ein zielsicheres Klassifizieren, bei dem das Unterwasserschallsignale aussendende Objekt zuverlässig kategorisiert werden kann, ist automatisiert gemäß dem Stand der Technik nicht oder nur eingeschränkt möglich. In addition, underwater signals emitted by water objects are characterized by their spectral lines, for example in a DEMON (DEMON = Detection of Envelope Modulation on Noise) or LOFAR (LOFAR = Low Frequency Analysis and Recording) method. For example, propeller speeds and the number of blades can be analyzed on the basis of the patterns determined by these methods. An unambiguous classification, in which the underwater sound signals emitting object can be reliably categorized, is automated or not possible according to the prior art, or only to a limited extent.
Aufgabe der Erfindung ist es den Stand der Technik zu verbessern. The object of the invention is to improve the prior art.
Gelöst wird die Aufgabe durch ein Verfahren zum Klassifizieren eines Wasserobjekts, insbesondere eines Schiffs oder eines U-Boots, wobei das Verfahren folgende Schritte aufweist:
- – Ermitteln eines Unterwasserschallsignals mittels eines Hydrophons, wobei das Unterwasserschallsignal ein Schallsignal des Wasserobjekts aufweist,
- – Bestimmen eines Frequenzspektrums des ermittelten Unterwasserschallsignals,
- – Bestimmen eines Cepstrums aus dem Frequenzspektrum,
- – Bestimmen eines Parametersatzes des Cepstrums, wobei der Parametersatz insbesondere direkte Parameter aufweist, und
- – Bestimmen einer Wasserobjektklasse anhand des Parametersatzes.
- Detecting an underwater sound signal by means of a hydrophone, wherein the underwater sound signal comprises a sound signal of the water object,
- Determining a frequency spectrum of the detected underwater sound signal,
- Determining a cepstrum from the frequency spectrum,
- Determining a parameter set of the cepstrum, the parameter set having, in particular, direct parameters, and
- - Determine a water object class based on the parameter set.
Somit kann automatisiert anhand des ermittelten Parametersatzes ein Wasserobjekt klassifiziert werden. Zudem werden zusätzlich oder ergänzend Informationen von einem Bediener des Sonars nicht benötigt, sodass die vorliegende Klassifikation nicht auf einem manuell erstellten Regelwerk basiert. Thus, a water object can be classified automatically based on the determined parameter set. Additionally, additional or supplemental information from a sonar operator is not needed, so the present classification is not based on a manual set of rules.
Folgendes Begriffliche sei erläutert:
Ein „Klassifizieren“ bedeutet insbesondere das Einordnen in eine bestimmte (Fahrzeug-)Kategorie. Da es sich bei den „Wasserobjekten“ insbesondere um Schiffe, U-Boote, bemannte oder unbemannte Wasserfahrzeuge oder auch schallaussendende Bojen handelt, können diese vorliegend in bestimmte Kategorien gefasst werden. So können beispielsweise Fischtrawler oder kleine motorbetriebene Schiffe eine erste Kategorie, Unterwasserboote (U-Boote) und AUV´s (autonomous underwater vehicle) oder ROV´s (remotely operated vehicle) bilden. Eine weitere Klasse können beispielsweise große Container-Schiffe bilden. Die Klassen können beliebig fein aufgeteilt werden, wobei die Zusammenfasskriterien im Allgemeinen Geschwindigkeit und/oder Größe und/oder Anwendungen sind. The following concept is explained:
A "classifying" means in particular the classification into a specific (vehicle) category. Since the "water objects" are in particular ships, submarines, manned or unmanned vessels or sound-emitting buoys, these can be made in certain categories here. For example, fish trawlers or small motorized vessels can form a first category, submarines (submarines) and AUVs (autonomous underwater vehicles) or ROVs (remotely operated vehicles). Another class, for example, form large container ships. The classes may be arbitrarily finely divided, the summary criteria being generally speed and / or size and / or applications.
Ein „Hydrophon“ ist insbesondere ein schallsensitiver Sensor, welcher Unterwasserschallsignale in elektrische Signale umwandelt. Das Hydrophon kann vorliegend Bestandteil eines passiven oder aktiven Sonars sein. A "hydrophone" is in particular a sound-sensitive sensor, which converts underwater sound signals into electrical signals. The hydrophone may in this case be part of a passive or active sonar.
Ein „Unterwasserschallsignal“ ist im Allgemeinen ein von dem Wasserobjekt ausgesandtes oder reflektiertes Signal, wobei vorliegend besonders gute Ergebnisse mit originär vom Objekt ausgesandten Unterwasserschallsignale erzielt werden. An "underwater sound signal" is generally a signal emitted or reflected by the water object, wherein in the present case particularly good results are achieved with original submarine sound signals emitted by the object.
Die durch die Hydrophone aufgezeichneten Signale sind insbesondere in der Zeitdomäne aufgenommen. Diese in der Zeitdomäne vorliegenden Unterwasserschallsignale können beispielsweise durch eine Transformation in eine Frequenzdomäne überführt werden, sodass diesbezüglich ein „Frequenzspektrum“ vorliegt. In diesem Frequenzspektrum werden insbesondere die Anteile der das Unterwasserschallsignal bildenden Frequenzen aufgezeigt. The signals recorded by the hydrophones are recorded especially in the time domain. These underwater sound signals present in the time domain can be converted, for example, by a transformation into a frequency domain, so that a "frequency spectrum" exists in this regard. In particular, the proportions of the frequencies that form the underwater sound signal are shown in this frequency spectrum.
Ein „Cepstrum“ umfasst insbesondere eine erneute Transformation des Frequenzspektrums. Dabei kann das Frequenzspektrum vorher beispielsweise mittels Logarithmierens oder sonstiger mathematischer Beeinflussungen bearbeitet worden sein. Durch das Bilden des Cepstrums kann ein „Parametersatz“ extrahiert werden, welches das Cepstrum hinreichend beschreibt. Sich direkt aus dem Cepstrum ergebende Parameter werden vorliegend direkte Parameter genannt. A "cepstrum" includes in particular a renewed transformation of the frequency spectrum. In this case, the frequency spectrum may have previously been processed, for example by means of logarithming or other mathematical influences. By forming the cepstrum, a "set of parameters" can be extracted that adequately describes the cepstrum. Parameters resulting directly from the cepstrum are referred to here as direct parameters.
Anhand dieses ermittelten Parametersatzes kann ein Wasserobjekt einer Wasserobjektklasse zugeordnet werden. Dies kann beispielsweise dadurch erfolgen, dass das Bestimmen der Wasserobjektklasse anhand des Parametersatzes mittels eines Vergleiches, einer Korrelation oder sonstiger vergleichender Funktionen ermittelt wird. On the basis of this determined parameter set, a water object can be assigned to a water object class. This can be done, for example, by determining the water object class based on the parameter set by means of a comparison, a correlation or other comparative functions.
Eine „Wasserobjektklasse“ ist insbesondere eine Kategorie, in die ein Wasserobjekt klassifiziert wird. A "water object class" is in particular a category into which a water object is classified.
In einer Ausführungsform wird das Unterwasserschallsignal gewichtet. Dadurch können vorteilhafterweise höherfrequente Anteile des Unterwassersignals hervorgehoben werden. In one embodiment, the underwater sound signal is weighted. As a result, advantageously higher-frequency components of the underwater signal can be highlighted.
Unter „Gewichtung“ wird insbesondere verstanden, dass Verstärkungen und/oder Abschwächungen des Signals in linearer oder nichtlinearer Weise erfolgen. Die Gewichtung kann sowohl in der Zeitdomäne als auch in der Frequenzdomäne erfolgen. By "weighting" is meant, in particular, that gains and / or attenuations of the signal occur in a linear or non-linear manner. The weighting can be done both in the time domain and in the frequency domain.
Um die digitale Signalverarbeitung zu verbessern, kann eine Fensterfunktion, insbesondere eine Hamming-Fenster-Funktion, auf das Unterwasserschallsignal und/oder das gewichtete Unterwasserschallsignal angewandt werden. Mit dieser Fensterfunktion kann insbesondere festgelegt werden, mit welcher Gewichtung bei der Abtastung eines Signals gewonnene Abtastwerte innerhalb eines Ausschnittes (Fenster) in nachfolgenden Berechnungen eingehen. Insbesondere können bei einer Frequenzanalyse sogenannte Leck-Effekte vermieden werden. Vorliegend kann die Fensterfunktion sowohl in der Zeit- als auch in der Frequenzdomäne angewandt werden. In order to improve the digital signal processing, a window function, in particular a Hamming window function, may be applied to the underwater sound signal and / or the weighted underwater sound signal. In particular, this window function can be used to determine the weighting with which samples obtained during the sampling of a signal are received within a section (window) in subsequent calculations. In particular, in a frequency analysis so-called leak effects can be avoided. In the present case, the window function can be applied both in the time domain and in the frequency domain.
In einer weiteren Ausführungsform erfolgt das Bestimmen des Frequenzspektrums mittels einer Fast-Fourier-Transformation. Somit kann ein effektives Verfahren für die Transformation in die Frequenzdomäne bereitgestellt werden. Insbesondere können derartige Funktionen mittels Rechner oder separat dafür ausgelegte Bausteine, wie FPGA´s (Field Programmable Gate Arrays) realisiert werden. In a further embodiment, the determination of the frequency spectrum is effected by means of a fast Fourier transformation. Thus, an effective method for transforming into the frequency domain can be provided. In particular, such functions can be realized by means of computers or separately designed components, such as FPGAs (Field Programmable Gate Arrays).
Um einen überschaubaren Parametersatz zu erhalten, kann das Bestimmen des Cepstrums ein Logarithmieren eines Absolutwertes und/oder ein Logarithmieren mehrerer Absolutwerte und/oder ein Logarithmieren sämtlicher Absolutwerte des Frequenzspektrums umfassen. In order to obtain a manageable set of parameters, determining the cepstrum may comprise logarithmizing an absolute value and / or logarithmizing a plurality of absolute values and / or logarithmizing all the absolute values of the frequency spectrum.
„Logarithmieren“ kann zu sämtlichen Basen wie beispielsweise zur Basis 2 oder zur Basis 10 erfolgen. "Logarithm" can be done to any base such as base 2 or base 10.
Die „Absolutwerte“ werden insbesondere durch Betragsbildung aus dem komplexen Frequenzspektrum berechnet The "absolute values" are calculated in particular by amount formation from the complex frequency spectrum
Zudem dient der Verbesserung des Parametersatzes, dass beim Bestimmen des Cepstrums eine diskrete Kosinustransformation durchgeführt wird. In addition, the improvement of the parameter set serves to carry out a discrete cosine transformation when determining the cepstrum.
Dabei ist ebenso die modifizierte diskrete Kosinustransformation mit umfasst. Die diskrete Kosinustransformation zählt insbesondere zu den reellwertigen, diskreten, linearen, orthogonalen Transformationen, welche im Allgemeinen ähnlich der diskreten Fouriertransformation ein zeitdiskretes Signal von dem Zeitbereich oder einem Ortsbereich in einen Frequenzbereich transformieren. The modified discrete cosine transformation is also included here. In particular, the discrete cosine transform counts among the real-valued, discrete, linear, orthogonal transforms, which generally transform a discrete-time signal from the time domain or a spatial domain into a frequency domain similar to the discrete Fourier transform.
Um den Informationsgehalt des Parametersatzes zu erhöhen, können aus den direkten Parametern des Parametersatzes abgeleitete Parameter gebildet werden, sodass der Parametersatz abgeleitete Parameter (mit) umfasst. An dieser Stelle sei angemerkt, dass selbstverständlich ausschließlich abgeleitete Parameter verwendet werden können. In order to increase the information content of the parameter set, parameters derived from the direct parameters of the parameter set can be formed, so that the parameter set includes (with) derived parameters. It should be noted at this point that, of course, only derived parameters can be used.
Ein „abgeleiteter Parameter“ kann beispielsweise ein Deltawert oder eine Differenz zweier direkter Parameter oder eines direkten Parameters mit einem abgeleiteten Parameter sein. Bei den direkten Parametern handelt es sich insbesondere um reelwertige Zahlenwerte. A "derived parameter" may be, for example, a delta value or a difference between two direct parameters or a direct parameter with a derived parameter. The direct parameters are, in particular, real-valued numerical values.
Da die Aussagekraft der einzelnen Parameter des Parametersatzes unterschiedlich sein kann, können die direkten Parameter und/oder die abgeleiteten Parameter gewichtet werden. Eine derartige Gewichtungsfunktion kann beispielsweise eine lineare oder eine nichtlineare Funktion sein, welche die Parameter verstärkt und/oder abschwächt. Since the meaningfulness of the individual parameters of the parameter set can be different, the direct parameters and / or the derived parameters can be weighted. Such a weighting function may be, for example, a linear or a nonlinear function, which amplifies and / or attenuates the parameters.
Um das Bestimmen einer Wasserobjektklasse anhand des Parametersatzes und dem Zuordnen des Wasserobjekts zu dieser Wasserobjektklasse zu realisieren, kann das Bestimmen der Wasserobjektklasse mittels eines Vergleiches des Parametersatzes mit einem Vergleichsparametersatz erfolgen, wobei insbesondere eine Korrelation und/oder ein Detektieren mittels einer Gaußschen-Mischverteilung erfolgt und/oder das Vergleichen mittels eines trainierten neuronalen Netzwerks erfolgt. In order to realize the determination of a water object class on the basis of the parameter set and the assignment of the water object to this water object class, the water object class can be determined by means of a comparison of the parameter set with a comparison parameter set, wherein in particular a correlation and / or a detection takes place by means of a Gaussian mixed distribution and / or the comparison is performed by means of a trained neural network.
Insbesondere wurden bereits bekannte Wasserobjekte einer Objektklasse zugeordnet und die bekannten Unterwasserschallsignale und die daraus resultierenden „Vergleichsparametersätze“ für die Wasserobjektklasse ermittelt. In particular, already known water objects were assigned to an object class and the known underwater sound signals and the resulting "comparison parameter sets" for the water object class were determined.
Insbesondere können alle für eine Wasserobjektklasse geltenden Einzel-(Vergleichs-)Parametersätze gemittelt werden, sodass ein Vergleich mit diesen gemittelten Parametern erfolgt. Wird nun der ermittelte Parametersatz mit den gemittelten (Vergleichs-)Parametersatz der Objektklasse korreliert, so wird eine Wahrscheinlichkeit ermittelt, mit der das Wasserobjekt dieser Objektklasse zugehörig ist. In particular, all individual (comparison) parameter sets that apply to a water object class can be averaged so that a comparison is made with these averaged parameters. If the determined parameter set is correlated with the averaged (comparison) parameter set of the object class, a probability is determined with which the water object of this object class is associated.
Bei dem Verwenden der Gaußschen-Mischverteilung oder des neuronalen Netzwerkes, werden die entsprechenden Rechner oder Rechnermodelle mittels bekannter Wasserobjektdaten und somit der zugehörigen Paramtersätze trainiert. Je mehr Testdaten vorliegen, desto besser können bei diesen Umsetzungen die Wasserobjekte zielsicher den einzelnen Wasserobjekten zugeordnet werden. When using the Gaussian mixing distribution or the neural network, the corresponding computers or computer models are trained by means of known water object data and thus the associated parameter sets. The more test data available, the better the water objects can be reliably assigned to the individual water objects in these implementations.
Unter einer Mischverteilung wird insbesondere eine zusammengesetzte Verteilung verstanden. Die Grundsätze entsprechen denen der Wahrscheinlichkeitsrechnung, sodass nach dem Anwenden der Gaußschen-Mischverteilung (GMM = Gaußschen Mixture Modell) die Grundfunktion lautet wobei K die Anzahl der gemischten Komponenten, µk der Mittelwert einer Komponente Σk, die Kovarianzmatrix und ck die Gewichtung der Mischung einer Komponente ist. A mixed distribution is understood in particular to be a composite distribution. The principles are the same as in probability theory, so that after applying the Gaussian Mixture (GMM = Gaussian Mixture Model) the basic function is where K is the number of mixed components, μ k is the average of a component Σ k , the covariance matrix and c k is the weight of the mixture of a component.
Insbesondere wird das GMM für jede einzelne Klasse trainiert. In particular, the GMM is trained for each individual class.
Der Wasserobjektklasse, welche die höchste Wahrscheinlichkeit erreicht hat, wird das entsprechende Wasserobjekt zugeordnet. The water object class that has reached the highest probability is assigned the corresponding water object.
Bei den hier vorliegenden neuronalen Netzen handelt es sich insbesondere um künstliche neuronale Netze, welche beispielsweise mittels eines Rechners nachgebildet werden. Diese neuronalen Netze werden ebenfalls auf die einzelnen Wasserobjektklassen trainiert, wobei ein trainiertes neuronales Netz beispielsweise in eine Hardwarestruktur wie beispielsweise ein FPGA überführt werden kann. The neural networks present here are, in particular, artificial neural networks, which are simulated by means of a computer, for example. These neural networks are also trained on the individual water object classes, wherein a trained neural network, for example, in a hardware structure such as an FPGA can be transferred.
In einer weiteren Ausgestaltung, wird die Aufgabe gelöst durch eine Vorrichtung, welche derart eingerichtet ist, dass ein zuvor beschriebenes Verfahren durchführbar ist. In a further embodiment, the object is achieved by a device which is set up such that a previously described method can be carried out.
Eine derartige Vorrichtung kann beispielsweise ein Rechner mit entsprechenden Ein- und Ausgabemitteln sein. Auch ein FPGA ist von dieser Vorrichtung mit umfasst. Such a device may be, for example, a computer with corresponding input and output means. An FPGA is also included in this device.
In einer weiteren Ausprägung wird die Aufgabe gelöst durch ein Sonar, insbesondere ein passives Sonar, welches eine zuvor beschriebene Vorrichtung aufweist. In another embodiment, the object is achieved by a sonar, in particular a passive sonar, which has a device described above.
Abschließend wird die Aufgabe gelöst durch ein Wasserfahrzeug oder einer stationären Plattform, insbesondere Schiff, Boje, U-Boot, AUV, ROV, Unterwasserlaufkörper, Hovercraft, welches oder welche ein zuvor beschriebenes Sonar oder eine zuvor beschriebene Vorrichtung aufweist. Finally, the object is achieved by a watercraft or a stationary platform, in particular ship, buoy, submarine, AUV, ROV, underwater hull, hovercraft, which or which has a previously described sonar or a device described above.
Im Weiteren wird die Erfindung anhand eines Ausführungsbeispiels näher erläutert. Es zeigt Furthermore, the invention will be explained in more detail with reference to an embodiment. It shows
Ein Container-Schiff wird mittels Propeller auf dem Meer angetrieben. Durch den Propeller wird in das Meerwasser ein Unterwasserschallsignal eingebracht. Dieses Unterwasserschallsignal wird vorliegend von einem passiven Sonar detektiert und entsprechend elektronisch aufbereitet. A container ship is powered by propellers at sea. The propeller introduces an underwater sound signal into the seawater. This underwater sound signal is detected in the present case by a passive sonar and processed accordingly electronically.
Das aufbereitete Zeitsignal wird mit der Funktion Sn = Si – aSi –1 gewichtet, wobei Sn das gewichtete Signal, Si das Signal zum Zeitschritt i, a der Gewichtungsparameter und Si – 1 das Signal zum Zeitschritt i – 1 ist. Der Wertebereich von a liegt zwischen 0 und 1, typischerweise nahe bei eins. The prepared time signal is written with the function S n = S i - aS i -1, where S n is the weighted signal, S i is the signal at time step i, a is the weighting parameter, and S i -1 is the signal at time step i-1. Of the Value range of a is between 0 and 1, typically close to one.
Anschließend wird dieses gewichtete Eingangssignal Sn in zwei überlappende Segmente mittels eines Hamming-Fensters überführt. Somit wird eine vernünftige Zeitauflösung für die nachgelagerten Parameter erreicht. Subsequently, this weighted input signal S n is transferred into two overlapping segments by means of a Hamming window. Thus, a reasonable time resolution is achieved for the downstream parameters.
Für jedes Segment wird das zugehörige Frequenzspektrum mittels einer Fast-Fourier-Transformation ermittelt. For each segment, the associated frequency spectrum is determined by means of a fast Fourier transformation.
Anschließend werden die Absolutwerte jedes einzelnen Frequenzspektrums und die zugehörigen Logarithmen zur Basis 10 gebildet. Subsequently, the absolute values of each individual frequency spectrum and the associated logarithms to the base 10 are formed.
Anschließend wird dieses logarithmierte Spektrum mittels Bandpassfiltern angepasst, sodass insbesondere eine an die menschliche Frequenzwahrnehmung angepasste Frequenzachse vorliegt. Der Vorteil hierbei liegt insbesondere in einer Dimensionsreduktion. Subsequently, this logarithmized spectrum is adjusted by means of bandpass filters, so that in particular a frequency axis adapted to human frequency perception is present. The advantage here is especially in a dimensional reduction.
Anschließend werden die gefilterten Spektren mittels einer diskreten Kosinustransformation umgewandelt, sodass sich anschließend dreizehn direkte Parameter ergeben. Subsequently, the filtered spectra are converted by means of a discrete cosine transformation, resulting in thirteen direct parameters.
Diese dreizehn direkten Parameter werden mittels einer Linearfunktion verstärkt, sodass Parameter höherer Ordnung eine größere Verstärkung erfahren. These thirteen direct parameters are amplified by means of a linear function so that higher-order parameters experience greater amplification.
Zusätzlich werden Delta-Parameter gebildet, sodass zu den dreizehn direkten Parametern durch Differenzenbildung weitere (abgeleitete) Parameter vorliegen. Dabei werden sowohl benachbarte Parameter als auch der erste mit dem dritten, der zweite mit dem vierten, der dritte mit dem fünften, usw. abgeleiteten Parameter gebildet. In addition, delta parameters are formed, so that there are further (derived) parameters for the thirteen direct parameters through difference formation. In this case, both adjacent parameters and the first with the third, the second with the fourth, the third with the fifth, etc. derived parameters are formed.
Vorliegend wurden vier Wasserobjektklassen gebildet. Die erste Klasse umfasst U-Boote
Jeweils für zehn verschiedene Mitglieder der jeweiligen Klasse
Das gemessene Unterwasserschallsignal und zugehörigen direkten und abgeleiteten Parameter werden mit den arithmetrischen-Mittelwert-Parametersätzen der zugehörigen Wasserobjektklassen korreliert und es wird die Wahrscheinlichkeit in Prozent ermittelt. The measured underwater sound signal and associated direct and derived parameters are correlated with the arithmetic-mean parameter sets of the associated water object classes and the probability is determined in percent.
Die Wasserobjektklassen für U-Boote
Dies ist graphisch in der
BezugszeichenlisteLIST OF REFERENCE NUMBERS
- 101101
- Säulendiagramm bar chart
- 103103
- Korrelationskoordinate in % Correlation coordinate in%
- 105105
- Unterseeboot submarine
- 107107
-
Korrelationsergebnis zum Unterseeboot
105 Correlation result to thesubmarine 105 - 109109
- Fischkutter Trawler
- 111111
-
Korrelationsergebnis zum Fischkutter
109 Correlation result to thetrawler 109 - 113113
- Speedboot speedboat
- 115115
-
Korrelationsergebnis zum Speedboot
113 Correlation result tospeedboat 113 - 117117
- Container-Schiff Container Ship
- 119119
-
Korrelationsergebnis zum Container-Schiff
117 Correlation result to thecontainer ship 117
Claims (12)
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014107979.5A DE102014107979A1 (en) | 2014-06-05 | 2014-06-05 | A method of classifying a water object, device, sonar and watercraft or stationary platform |
EP15737967.8A EP3152534A1 (en) | 2014-06-05 | 2015-04-20 | Method for classifying a water object, device, sonar, and water vehicle or stationary platform |
PCT/DE2015/100164 WO2015185032A1 (en) | 2014-06-05 | 2015-04-20 | Method for classifying a water object, device, sonar, and water vehicle or stationary platform |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014107979.5A DE102014107979A1 (en) | 2014-06-05 | 2014-06-05 | A method of classifying a water object, device, sonar and watercraft or stationary platform |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102014107979A1 true DE102014107979A1 (en) | 2015-12-17 |
Family
ID=53546476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102014107979.5A Pending DE102014107979A1 (en) | 2014-06-05 | 2014-06-05 | A method of classifying a water object, device, sonar and watercraft or stationary platform |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3152534A1 (en) |
DE (1) | DE102014107979A1 (en) |
WO (1) | WO2015185032A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024207A (en) * | 2019-11-26 | 2020-04-17 | 中国船舶重工集团有限公司第七一0研究所 | Automatic detection and judgment method for vector hydrophone line spectrum |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807365B (en) * | 2019-09-29 | 2022-02-11 | 浙江大学 | Underwater target identification method based on fusion of GRU and one-dimensional CNN neural network |
EP3816664A1 (en) | 2019-11-04 | 2021-05-05 | Fundación Tecnalia Research & Innovation | Method, system and computer program product for identifying underwater objects |
CN112183225B (en) * | 2020-09-07 | 2022-07-05 | 中国海洋大学 | Underwater target signal feature extraction method based on probability latent semantic analysis |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013107666A1 (en) * | 2012-01-17 | 2013-07-25 | Atlas Elektronik Gmbh | Method and device for processing water-borne sound signals |
DE102012015638A1 (en) * | 2012-08-07 | 2014-02-13 | Atlas Elektronik Gmbh | Method and device for classifying watercraft |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10130297C2 (en) * | 2001-06-22 | 2003-12-24 | Stn Atlas Elektronik Gmbh | Method for determining the target position of a sound-emitting target |
DE102010056526B4 (en) * | 2010-12-29 | 2016-08-11 | Atlas Elektronik Gmbh | Method for determining one or more relative directions as target bearing or target bearings and device for carrying out the method |
-
2014
- 2014-06-05 DE DE102014107979.5A patent/DE102014107979A1/en active Pending
-
2015
- 2015-04-20 EP EP15737967.8A patent/EP3152534A1/en not_active Withdrawn
- 2015-04-20 WO PCT/DE2015/100164 patent/WO2015185032A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013107666A1 (en) * | 2012-01-17 | 2013-07-25 | Atlas Elektronik Gmbh | Method and device for processing water-borne sound signals |
DE102012015638A1 (en) * | 2012-08-07 | 2014-02-13 | Atlas Elektronik Gmbh | Method and device for classifying watercraft |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024207A (en) * | 2019-11-26 | 2020-04-17 | 中国船舶重工集团有限公司第七一0研究所 | Automatic detection and judgment method for vector hydrophone line spectrum |
CN111024207B (en) * | 2019-11-26 | 2022-09-02 | 中国船舶重工集团有限公司第七一0研究所 | Automatic detection and judgment method for vector hydrophone line spectrum |
Also Published As
Publication number | Publication date |
---|---|
WO2015185032A1 (en) | 2015-12-10 |
EP3152534A1 (en) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2883074B1 (en) | Method and apparatus for determining a frequency line pattern within at least one amplitude spectrum | |
DE202017102381U1 (en) | Device for improving the robustness against "Adversarial Examples" | |
DE60123161T2 (en) | Method and apparatus for speech recognition in a variable noise environment | |
DE102018200724A1 (en) | Method and device for improving the robustness against "Adversarial Examples" | |
EP2883073B1 (en) | Method and device for classifying watercraft | |
DE102014107979A1 (en) | A method of classifying a water object, device, sonar and watercraft or stationary platform | |
González-Hernández et al. | Marine mammal sound classification based on a parallel recognition model and octave analysis | |
DE102014217681A1 (en) | Siren signal source detection, detection and localization | |
EP2483705B1 (en) | Method and device for analyzing amplitude modulated broadband noise | |
DE102017207442A1 (en) | Method and device for classifying objects in the environment of a motor vehicle | |
EP2805175B1 (en) | Method and device for processing water-borne sound signals | |
DE102014213122A1 (en) | Apparatus and method for sound-based environment detection | |
DE102011114221B3 (en) | Method and device for extracting contours from sonar images | |
EP0747724A1 (en) | Method and apparatus for automatic detection or classification of objects | |
WO2022023008A1 (en) | Computer-implemented method and computer program for machine-learning a robustness of an acoustic classifier, acoustic classification system for automatically operable driving systems, and automatically operable driving system | |
EP2956797B1 (en) | Method for identifying or locating an underwater object, associated computer or measurement system, and a water vehicle. | |
EP0845685A2 (en) | Device and method for automatic target classification | |
EP2009459B1 (en) | Method for improved DEMON analysis using sub-band signals and local areas | |
WO2017125102A1 (en) | Method for eliminating a reference underwater sound signal, sonar device, and watercraft | |
CN114937150B (en) | Unmanned aerial vehicle target identification method based on depth threshold residual error network | |
EP3268705B1 (en) | Method for separating a group of ships, and watercraft and device | |
EP4340227A1 (en) | Method for computer-aided generation of a data-driven model for the computer-aided processing of raw digital sar data | |
DE102016114917A1 (en) | Method and system for testing a control element and method and system for creating a test model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R012 | Request for examination validly filed |