EP3152534A1 - Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform - Google Patents
Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattformInfo
- Publication number
- EP3152534A1 EP3152534A1 EP15737967.8A EP15737967A EP3152534A1 EP 3152534 A1 EP3152534 A1 EP 3152534A1 EP 15737967 A EP15737967 A EP 15737967A EP 3152534 A1 EP3152534 A1 EP 3152534A1
- Authority
- EP
- European Patent Office
- Prior art keywords
- sound signal
- determining
- underwater sound
- water object
- 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.)
- Withdrawn
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005236 sound signal Effects 0.000 claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
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 Frequenz Spektrums 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.
Description
Verfahren zum Klassifizieren eines Wasserobjekts, Vorrichtung, Sonar und Wasserfahrzeug oder stationäre
Plattform
[Ol] 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.
[02] 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.
[03] 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.
[04] Aufgabe der Erfindung ist es den Stand der Technik zu verbessern .
[05] 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 Frequenz Spektrums des ermittelten Unterwasserschallsignals ,
- Bestimmen eines Cepstrums aus dem Frequenzspektrum,
- Bestimmen eines Parametersat zes des Cepstrums, wobei der Parametersatz insbesondere direkte Parameter aufweist, und
- Bestimmen einer Wasserobjektklasse anhand des Parametersat zes .
[06] Somit kann automatisiert anhand des ermittelten Parametersat zes 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.
[07] Folgendes Begriffliche sei erläutert:
[08] 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.
[09] Ein „Hydrophon" ist insbesondere ein schallsensitiver Sensor, welcher Unterwasserschallsignale in elektrische Signale umwandelt. Das Hydrophon kann vorliegend Bestandteil eines passiven oder aktiven Sonars sein.
[10] 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.
[11] 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 „Frequenz spektrum" vorliegt. In diesem Frequenz spektrum werden insbesondere die Anteile der das
Unterwasserschallsignal bildenden Frequenzen aufgezeigt.
[12] Ein „Cepstrum" umfasst insbesondere eine erneute Transformation des Frequenz Spektrums . Dabei kann das Frequenz spektrum 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 .
[13] 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.
[14] Eine „Wasserobjektklasse" ist insbesondere eine Kategorie, in die ein Wasserobjekt klassifiziert wird.
[15] In einer Ausführungsform wird das
Unterwasserschallsignal gewichtet. Dadurch können
vorteilhafterweise höherfrequente Anteile des
Unterwassersignals hervorgehoben werden.
[16] 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.
[17] 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.
[18] In einer weiteren Ausführungsform erfolgt das Bestimmen des Frequenz Spektrums 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.
[19] 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.
[20] „Logarithmieren" kann zu sämtlichen Basen wie beispielsweise zur Basis 2 oder zur Basis 10 erfolgen.
[21] Die „Absolutwerte" werden insbesondere durch Betragsbildung aus dem komplexen Frequenzspektrum berechnet
[22] Zudem dient der Verbesserung des Parametersatzes, dass beim Bestimmen des Cepstrums eine diskrete
Kosinustransformation durchgeführt wird.
[23] 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.
[24] Um den Informationsgehalt des Parametersatzes zu erhöhen, können aus den direkten Parametern des Parametersat zes abgeleitete Parameter gebildet werden, sodass der Parametersatz abgeleitete Parameter (mit) umfasst. An dieser Stelle sei angemerkt, dass selbstverständlich ausschließlich abgeleitete Parameter verwendet werden können.
[25] 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.
[26] Da die Aussagekraft der einzelnen Parameter des Parametersat zes 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.
[27] Um das Bestimmen einer Wasserobjektklasse anhand des Parametersat zes und dem Zuordnen des Wasserobjekts zu dieser Wasserobjektklasse zu realisieren, kann das Bestimmen der Wasserobjektklasse mittels eines Vergleiches des Parametersat zes 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.
[28] Insbesondere wurden bereits bekannte Wasserobjekte einer Objektklasse zugeordnet und die bekannten Unterwasserschallsignale und die daraus resultierenden „Vergleichsparametersät ze" für die Wasserobjektklasse ermittelt .
[29] Insbesondere können alle für eine Wasserobjektklasse geltenden Einzel- (Vergleichs-) Parametersätze gemittelt werden, sodass ein Vergleich mit diesen gemittelten
Parametern erfolgt. Wird nun der ermittelte Parametersat z mit den gemittelten (Vergleichs-) Parametersatz der Objektklasse korreliert, so wird eine Wahrscheinlichkeit ermittelt, mit der das Wasserobjekt dieser Objektklasse zugehörig ist.
[30] Bei dem Verwenden der Gaußschen-Mischverteilung oder des neuronalen Netzwerkes, werden die entsprechenden Rechner oder Rechnermodelle mittels bekannter
Wasserobjektdaten und somit der zugehörigen Paramtersät ze trainiert. Je mehr Testdaten vorliegen, desto besser können bei diesen Umsetzungen die Wasserobjekte zielsicher den einzelnen Wasserobjekten zugeordnet werden.
[31] 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
fei Λ |2ΤΓ Σ ^Ι
[32] wobei K die Anzahl der gemischten Komponenten, k der Mittelwert einer Komponente Ek, die Kovarianzmatrix und ck die Gewichtung der Mischung einer Komponente ist.
[33] Insbesondere wird das GMM für jede einzelne Klasse trainiert .
[34] Der Wasserobjektklasse, welche die höchste Wahrscheinlichkeit erreicht hat, wird das entsprechende Wasserobjekt zugeordnet.
[35] 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.
[36] In einer weiteren Ausgestaltung, wird die Aufgabe gelöst durch eine Vorrichtung, welche derart eingerichtet ist, dass ein zuvor beschriebenes Verfahren durchführbar ist .
[37] Eine derartige Vorrichtung kann beispielsweise ein Rechner mit entsprechenden Ein- und Ausgabemitteln sein. Auch ein FPGA ist von dieser Vorrichtung mit umfasst.
[38] In einer weiteren Ausprägung wird die Aufgabe gelöst durch ein Sonar, insbesondere ein passives Sonar, welches eine zuvor beschriebene Vorrichtung aufweist.
[39] 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.
[40] Im Weiteren wird die Erfindung anhand eines Ausführungsbeispiels näher erläutert. Es zeigt
Figur 1 eine schematische Darstellung einer für ein von einem Wasserobjekt ausgesandten
Unterwassersignal ermittelten
Wahrscheinlichkeit mit einer ermittelten
Zugehörigkeit zu einer (Wasserobjekt-
) Klasse .
[41] 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.
[42] Das aufbereitete Zeitsignal wird mit der Funktion Sn = Si - a · Si -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 .
[43] 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.
[44] Für jedes Segment wird das zugehörige Frequenzspektrum mittels einer Fast-Fourier-Transformation ermittelt.
[45] Anschließend werden die Absolutwerte jedes einzelnen Frequenz Spektrums und die zugehörigen Logarithmen zur Basis 10 gebildet.
[46] 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.
[47] Anschließend werden die gefilterten Spektren mittels einer diskreten Kosinustransformation umgewandelt, sodass sich anschließend dreizehn direkte Parameter ergeben.
[48] Diese dreizehn direkten Parameter werden mittels einer Linearfunktion verstärkt, sodass Parameter höherer Ordnung eine größere Verstärkung erfahren.
[49] 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.
[50] Vorliegend wurden vier Wasserobjektklassen gebildet. Die erste Klasse umfasst U-Boote 105, die zweite Klasse umfasst Fischkutter und kleine Wasserfahrzeuge 109, die dritte Klasse umfasst Speedboote 113 und die vierte Klasse umfasst Container-Schiffe 117.
[51] Jeweils für zehn verschiedene Mitglieder der jeweiligen Klasse 105, 109, 113, 117 wurden die bekannten Unterwasserschallsignale verwendet und die zugehörigen direkten Parameter und abgeleiteten Parameter gebildet. Aus diesen Parametern wurde dann jeweils der arithmetische Mittelwert berechnet.
[52] Das gemessene Unterwasserschallsignal und zugehörigen direkten und abgeleiteten Parameter werden mit den arithmetrischen-Mittelwert-Parametersät zen der zugehörigen Wasserobjektklassen korreliert und es wird die Wahrscheinlichkeit in Prozent ermittelt.
[53] Die Wasserobjektklassen für U-Boote 105, und die Fischkutterklasse 109 und die Speedbootklasse 113 ergeben eine geringere Wahrscheinlichkeit (<30%) der Zugehörigkeit zu dieser Klasse wieder (107, 111, 115), wobei die Wahrscheinlichkeit 119 der Zugehörigkeit zur
Wasserobjektklasse der Container-Schiffe 117 mit über 90 % sehr hoch ist .
[54] Dies ist graphisch in der Figur 1 dargestellt, wobei die Wahrscheinlichkeitsachse 103 einen Wert zwischen 0 und 100 % angibt und auf der Abszisse vier Bereiche angegeben werden, welche jeweils einer der Wasserobjektklassen zugehörig sind. Die jeweils zugehörige Wahrscheinlichkeit 107 für die U-Bootklasse 105, die Wahrscheinlichkeit 111 für die Fischkutter 109 und die Wahrscheinlichkeit 115 für die Speedboote 113 ist so gering, dass vorliegend ausgeschlossen werden kann, dass das Wasserobjekt, welches das Unterwasserschallsignal ausgesandt hat, diesen Klassen
zugehörig ist. Aufgrund der hohen Wahrscheinlichkeit 119 ist das eingangs erwähnte Schiff als Container-Schiff eingestuft .
Bezugs zeichenliste
101 Säulendiagramm
103 Korrelationskoordinate in %
105 Unterseeboot
107 Korrelationsergebnis zum Unterseeboot 105
109 Fischkutter
111 Korrelationsergebnis zum Fischkutter 109
113 Speedboot
115 Korrelationsergebnis zum Speedboot 113
117 Container-Schiff
119 Korrelationsergebnis zum Container-Schiff 117
Claims
1. 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 Frequenz Spektrums des ermittelten Unterwasserschallsignals ,
- Bestimmen eines Cepstrums aus dem Frequenzspektrum,
- Bestimmen eines Parametersat zes des Cepstrums, wobei der Parametersat z insbesondere direkte Parameter aufweist, und
- Bestimmen einer Wasserobjektklasse anhand des Parametersat zes .
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Unterwasserschallsignal gewichtet wird.
3. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass eine Fensterfunktion, insbesondere eine Hamming-Fenster-Funktion, auf das Unterwasserschallsignal oder das gewichtete Unterwasserschallsignal angewandt wird.
4. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das Bestimmen des Frequenzspektrums mittels einer Fast-Fourier-Transformation erfolgt.
5. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das Bestimmen des Cepstrums ein Logarithmieren eines Absolutwertes und/oder mehrerer
Absolutwerte und/oder sämtlicher Absolutwerte des Frequenz Spektrums umfasst.
6. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass beim Bestimmen des Cepstrums eine Diskrete-Kosinus-Transformation durchgeführt wird.
7. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass aus den direkten Parametern des Parametersat zes abgeleitete Parameter gebildet werden, sodass der Parametersatz abgeleitete Parameter umfasst.
8. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass die direkten Parameter und/oder die abgeleiteten Parameter gewichtet werden.
9. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das Bestimmen der Wasserobjektklasse mittels eines Vergleichs des Parametersatzes mit einem Vergleichsparametersat z erfolgt, wobei insbesondere eine Korrelation und/oder ein Detektieren mittels einer Gaußschen-Mischverteilung erfolgt und/oder das
Vergleichen mittels eines trainierten neuronalen Netzwerks erfolgt.
10. Vorrichtung, welche derart eingerichtet ist, dass ein Verfahren nach einem der vorhergehenden Ansprüche durchführbar ist.
11. Sonar, welches eine Vorrichtung nach Anspruch 10 aufweist .
12. Wasserfahrzeug oder stationäre Plattform, insbesondere Schiff, U-Boot, Boje, welches oder welches ein Sonar nach Anspruch 11 oder eine Vorrichtung nach Anspruch 10 aufweist
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102014107979.5A DE102014107979A1 (de) | 2014-06-05 | 2014-06-05 | Verfahren zum Klassifizieren eines Wasserobjekts, Vorrichtung, Sonar und Wasserfahrzeug oder stationäre Plattform |
| PCT/DE2015/100164 WO2015185032A1 (de) | 2014-06-05 | 2015-04-20 | Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| EP3152534A1 true EP3152534A1 (de) | 2017-04-12 |
Family
ID=53546476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EP15737967.8A Withdrawn EP3152534A1 (de) | 2014-06-05 | 2015-04-20 | Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3152534A1 (de) |
| DE (1) | DE102014107979A1 (de) |
| WO (1) | WO2015185032A1 (de) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110807365B (zh) * | 2019-09-29 | 2022-02-11 | 浙江大学 | 一种基于gru与一维cnn神经网络融合的水下目标识别方法 |
| EP3816664A1 (de) | 2019-11-04 | 2021-05-05 | Fundación Tecnalia Research & Innovation | Verfahren, system und computerprogrammprodukt zur identifizierung von unterwasserobjekten |
| CN111024207B (zh) * | 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 | 一种矢量水听器线谱自动检测与判决方法 |
| CN112183225B (zh) * | 2020-09-07 | 2022-07-05 | 中国海洋大学 | 一种基于概率潜在语义分析的水下目标信号特征提取方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10130297C2 (de) * | 2001-06-22 | 2003-12-24 | Stn Atlas Elektronik Gmbh | Verfahren zum Bestimmen der Zielposition eines schallabstrahlenden Ziels |
| DE102010056526B4 (de) * | 2010-12-29 | 2016-08-11 | Atlas Elektronik Gmbh | Verfahren zum Bestimmen einer oder mehrerer relativer Richtungen als Zielpeilung oder Zielpeilungen sowie Vorrichtung zur Ausführung des Verfahrens |
| DE102012000788B4 (de) * | 2012-01-17 | 2013-10-10 | Atlas Elektronik Gmbh | Verfahren und Vorrichtung zum Verarbeiten von Wasserschallsignalen |
| DE102012015638A1 (de) * | 2012-08-07 | 2014-02-13 | Atlas Elektronik Gmbh | Verfahren und Vorrichtung zum Klassifizieren von Wasserfahrzeugen |
-
2014
- 2014-06-05 DE DE102014107979.5A patent/DE102014107979A1/de active Pending
-
2015
- 2015-04-20 EP EP15737967.8A patent/EP3152534A1/de not_active Withdrawn
- 2015-04-20 WO PCT/DE2015/100164 patent/WO2015185032A1/de active Application Filing
Non-Patent Citations (1)
| Title |
|---|
| See references of WO2015185032A1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2015185032A1 (de) | 2015-12-10 |
| DE102014107979A1 (de) | 2015-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2883074B1 (de) | Verfahren und vorrichtung zum bestimmen eines frequenzlinienmusters innerhalb wenigstens eines amplitudenspektrums | |
| DE60123161T2 (de) | Verfahren und Vorrichtung zur Spracherkennung in einer Umgebung mit variablerem Rauschpegel | |
| DE202017102381U1 (de) | Vorrichtung zum Verbessern der Robustheit gegen "Adversarial Examples" | |
| WO2015185032A1 (de) | Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform | |
| EP2883073B1 (de) | Verfahren und vorrichtung zum klassifizieren von wasserfahrzeugen | |
| WO2009135719A1 (de) | Verfahren und vorrichtung zur klassifikation von schallerzeugenden prozessen | |
| DE112016006218T5 (de) | Schallsignalverbesserung | |
| DE3002148A1 (de) | Verfahren zur klassifizierung bewegter ziele | |
| DE102017207442A1 (de) | Verfahren und Vorrichtung zum Klassifizieren von Objekten im Umfeld eines Kraftfahrzeuges | |
| EP2483705B1 (de) | Verfahren und vorrichtung zum analysieren amplitudenmodulierter breitbandgeräusche | |
| DE102012000788B4 (de) | Verfahren und Vorrichtung zum Verarbeiten von Wasserschallsignalen | |
| DE102014213122A1 (de) | Vorrichtung und Verfahren zur schallbasierten Umfelddetektion | |
| DE102011114221B3 (de) | Verfahren und Vorrichtung zur Extraktion von Konturen aus Sonarbildern | |
| EP4189673A1 (de) | Computerimplementiertes verfahren und computerprogramm zum maschinellen lernen einer robustheit eines akustischen klassifikators, akustisches klassifikationssystem für automatisiert betreibbare fahrsysteme und automatisiert betreibbares fahrsystem | |
| EP3405759B1 (de) | Verfahren zum eliminieren eines referenz-wasserschallsignals sowie sonarvorrichtung und wasserfahrzeug | |
| EP2009459B1 (de) | Verfahren zur verbesserten DEMON-Berechnung mittels Teilband-Signalen und lokalen Bereichen | |
| EP2956797B1 (de) | Verfahren zum identifizieren oder zum orten eines unterwasserobjekts, zugehöriger rechner oder messsystem, sowie wasserfahrzeug | |
| EP4340227A1 (de) | Verfahren zur rechnergestützten erzeugung eines datengetriebenen modells für die rechnergestützte verarbeitung von digitalen sar-rohdaten | |
| EP3268705B1 (de) | Verfahren zum auflösen eines schifffahrzeugverbands sowie wasserfahrzeug und vorrichtung | |
| DE102022126455A1 (de) | System und verfahren für die verarbeitung eines audioeingangssignals | |
| DE102016114917A1 (de) | Verfahren und System zur Prüfung eines Bedienelements sowie Verfahren und System zur Erstellung eines Prüfmodells | |
| EP3217392A1 (de) | Hörbarmachung breitbandiger ultraschallsignale | |
| DE19907900A1 (de) | Verfahren zur Ermittlung des Signal-zu-Rauschverhältnisses bei gestörten Sprachsignalen sowie Anordnung und Verwendung |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE |
|
| PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE |
|
| 17P | Request for examination filed |
Effective date: 20170105 |
|
| AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
| AX | Request for extension of the european patent |
Extension state: BA ME |
|
| DAV | Request for validation of the european patent (deleted) | ||
| DAX | Request for extension of the european patent (deleted) | ||
| RAP1 | Party data changed (applicant data changed or rights of an application transferred) |
Owner name: ATLAS ELEKTRONIK GMBH |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: EXAMINATION IS IN PROGRESS |
|
| 17Q | First examination report despatched |
Effective date: 20210301 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: EXAMINATION IS IN PROGRESS |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN |
|
| 18D | Application deemed to be withdrawn |
Effective date: 20231130 |