WO2015185032A1 - 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 plattform Download PDF

Info

Publication number
WO2015185032A1
WO2015185032A1 PCT/DE2015/100164 DE2015100164W WO2015185032A1 WO 2015185032 A1 WO2015185032 A1 WO 2015185032A1 DE 2015100164 W DE2015100164 W DE 2015100164W WO 2015185032 A1 WO2015185032 A1 WO 2015185032A1
Authority
WO
WIPO (PCT)
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.)
Ceased
Application number
PCT/DE2015/100164
Other languages
English (en)
French (fr)
Inventor
Ralf Michael MEYER
Sebastian KNABE
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Atlas Elektronik GmbH
Original Assignee
Atlas Elektronik GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Atlas Elektronik GmbH filed Critical Atlas Elektronik GmbH
Priority to EP15737967.8A priority Critical patent/EP3152534A1/de
Publication of WO2015185032A1 publication Critical patent/WO2015185032A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

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

Definitions

  • the invention relates to a method for classifying a water object, in particular a ship or a submarine, using detected underwater sound signals, as well as a device for carrying out the method and a sonar and a watercraft or stationary platform.
  • Classification features are partially extracted automatically, in addition to which 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.
  • DEMON Detection of Envelope Modulation on Noise
  • LOFAR Low Frequency Analysis and Recording
  • the object of the invention is to improve the state of the art.
  • the object is achieved by a method for classifying a water object, in particular a ship or a submarine, the method comprising the following steps:
  • a water object can be classified automatically based on the determined Parameterat zes.
  • additional or additional information from an operator of the sonar is not needed, so that the This classification is not based on a manually created set of rules.
  • Classification means, in particular, classification in a specific (vehicle) category Since the "water objects" are, in particular, ships, submarines, manned or unmanned vessels or sound-emitting buoys, these can be described in certain categories are taken. For example, fish trawlers or small motorized vessels can form a first category, submarines (submarines) and AUV 's (autonomous underwater vehicle) or ROV 's (remotely operated vehicle). 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.
  • a “hydrophone” is in particular a sound-sensitive sensor that converts underwater sound signals into electrical signals, which may be part of a passive or active sonar.
  • An "underwater sound signal” is generally a signal emitted or reflected by the water object, in the present case particularly good results being obtained with original underwater sound signals emitted by the object.
  • 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" is present in this respect
  • a "cepstrum” comprises a renewed transformation of the frequency spectrum
  • a "set of parameters" can be extracted that adequately describes the cepstrum, and parameters directly derived from the cepstrum are called direct parameters in the present case.
  • 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.
  • a "water object class” is in particular a category into which a water object is classified.
  • Weighting is understood to mean, 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.
  • a window function in particular a Hamming window function, can be applied to the underwater sound signal and / or the weighted underwater sound signal.
  • this window function can be used to determine the weighting with which samples of a signal are sampled within a section
  • Window in subsequent calculations.
  • the window function can be applied both in the time domain and in the frequency domain.
  • the determination of the frequency spectrum is effected by means of a fast Fourier transformation.
  • a fast Fourier transformation an effective method for transforming into the frequency domain.
  • functions can be realized by means of computer or separately designed for building blocks, such as FPGAs (Field Programmable Gate Arrays).
  • determining the cepstrum can be logarithmic Absolute value and / or a logarithm of several absolute values and / or a logarithm of all absolute values of the frequency spectrum.
  • the improvement of the parameter set is that when determining the cepstrum a discrete
  • Cosine transformation is one of the real, discrete, linear, orthogonal ones
  • Transformations that generally transform a discrete-time signal from the time domain or a spatial domain into a frequency domain, similar to the discrete Fourier transform.
  • parameters derived from the direct parameters of the parameter set can be formed so that the parameter set includes derived parameters (with). It should be noted at this point that, of course, only derived parameters can be used.
  • 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 being, in particular, real valued numerical values.
  • the direct parameters and / or the derived parameters can be weighted.
  • a weighting function may be, for example, a linear or a nonlinear function, which amplifies and / or attenuates the parameters.
  • the water object class can be determined by means of a comparison of the parameter data with a comparison parameter set, wherein in particular a correlation and / or a detection by means of a Gaussian mixing distribution takes place and / or the comparison takes place by means of a trained neural network.
  • a mixed distribution is understood to mean in particular a composite distribution.
  • K is the number of mixed components
  • k is the mean of a component E k
  • the covariance matrix is the weight of the mixture of a component.
  • the GMM is trained for each individual class.
  • the water object class that has reached the highest probability is assigned the corresponding water object.
  • the neural networks present here are, in particular, artificial neural networks which are simulated, for example, by means of a computer. 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.
  • the object is achieved by a device which is set up such that a previously described method can be carried out.
  • Such a device may be, for example, a computer with corresponding input and output means.
  • An FPGA is also included in this device.
  • the object is achieved by a sonar, in particular a passive sonar, which has a device described above.
  • Figure 1 is a schematic representation of a sent out for a water object
  • 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.
  • S n is the weighted signal
  • Si is the signal at time step i
  • a is the weighting parameter
  • Si -1 is the signal at time step i-1 is.
  • the range of values of a is between 0 and 1, typically close to one.
  • this weighted input signal S n is transferred into two overlapping segments by means of a Hamming window.
  • a reasonable time resolution is achieved for the downstream parameters.
  • the associated frequency spectrum is determined by means of a Fast Fourier Transform. [45] Subsequently, the absolute values of each individual frequency spectrum and the associated logarithms to the base 10 are formed.
  • this logarithmic spectrum is adapted 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.
  • delta parameters are formed so that there are further (derived) parameters for the thirteen direct parameters through difference formation.
  • both adjacent parameters and the first with the third, the second with the fourth, the third with the fifth, etc. derived parameters are formed.
  • the first class includes submarines 105
  • the second class includes trawlers and small craft 109
  • the third class includes speedboats 113
  • the fourth class includes container ships 117.
  • the known underwater sound signals were used and the associated direct parameters and derived parameters were formed. The arithmetic mean was then calculated from these parameters.
  • the measured subsonic sound signal and the associated direct and derived parameters are correlated with the arithmetic-mean value parameter sets of the associated water object classes and the probability in percent is determined.
  • the water object classes for submarines 105, and the trawler class 109 and the speed boat class 113 give a lower probability ( ⁇ 30%) of belonging to this class again (107, 111, 115), with the probability 119 belonging to the
  • Water object class of container ships 117 is over 90% very high.
  • the probability axis 103 indicates a value between 0 and 100% and four areas are indicated on the abscissa, which are each associated with one of the water object classes.
  • the respectively associated probability 107 for the submarine class 105, the probability 111 for the trawlers 109 and the probability 115 for the speed boats 113 is so small that it can be ruled out in the present case that the water object which has transmitted the subsea sound signal belongs to these classes is associated. Due to the high probability 119, the ship mentioned above is classified as a container ship.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (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 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
Figure imgf000010_0001
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

Patentansprüche :
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
PCT/DE2015/100164 2014-06-05 2015-04-20 Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform Ceased WO2015185032A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP15737967.8A EP3152534A1 (de) 2014-06-05 2015-04-20 Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform

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
DE102014107979.5 2014-06-05

Publications (1)

Publication Number Publication Date
WO2015185032A1 true WO2015185032A1 (de) 2015-12-10

Family

ID=53546476

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/DE2015/100164 Ceased WO2015185032A1 (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)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807365A (zh) * 2019-09-29 2020-02-18 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
CN112183225A (zh) * 2020-09-07 2021-01-05 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
EP3816664A1 (de) 2019-11-04 2021-05-05 Fundación Tecnalia Research & Innovation Verfahren, system und computerprogrammprodukt zur identifizierung von unterwasserobjekten
CN118471264A (zh) * 2024-07-09 2024-08-09 威海晟南船舶技术服务有限公司 船舶目标识别方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1271175A1 (de) * 2001-06-22 2003-01-02 STN ATLAS Elektronik GmbH Verfahren zum Bestimmen der Zielposition eines schallabstrahlenden Ziels
EP2472282A2 (de) * 2010-12-29 2012-07-04 ATLAS Elektronik GmbH Verfahren zum Bestimmem einer oder mehrerer relativer Richtungen als Zielpeilung oder Zielpeilungen sowie Vorrichtung zur Ausführung des Verfahrens

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1271175A1 (de) * 2001-06-22 2003-01-02 STN ATLAS Elektronik GmbH Verfahren zum Bestimmen der Zielposition eines schallabstrahlenden Ziels
EP2472282A2 (de) * 2010-12-29 2012-07-04 ATLAS Elektronik GmbH Verfahren zum Bestimmem einer oder mehrerer relativer Richtungen als Zielpeilung oder Zielpeilungen sowie Vorrichtung zur Ausführung des Verfahrens

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JEFFERS R ET AL: "Passive range estimation and range rate detection", PROCEEDINGS OF THE IEEE SENSOR ARRAY AND MULTICHANNEL SIGNALPROCESSING WORKSHOP. SAM, XX, XX, 16 March 2000 (2000-03-16), pages 112 - 116, XP002215184, DOI: 10.1109/SAM.2000.877979 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807365A (zh) * 2019-09-29 2020-02-18 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
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
WO2021089610A1 (en) 2019-11-04 2021-05-14 Fundación Tecnalia Research & Innovation Method, system and computer program product for identifying underwater objects
CN112183225A (zh) * 2020-09-07 2021-01-05 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
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
CN118471264A (zh) * 2024-07-09 2024-08-09 威海晟南船舶技术服务有限公司 船舶目标识别方法及装置

Also Published As

Publication number Publication date
EP3152534A1 (de) 2017-04-12
DE102014107979A1 (de) 2015-12-17

Similar Documents

Publication Publication Date Title
DE60123161T2 (de) Verfahren und Vorrichtung zur Spracherkennung in einer Umgebung mit variablerem Rauschpegel
WO2015185032A1 (de) Verfahren zum klassifizieren eines wasserobjekts, vorrichtung, sonar und wasserfahrzeug oder stationäre plattform
EP2883074B1 (de) Verfahren und vorrichtung zum bestimmen eines frequenzlinienmusters innerhalb wenigstens eines amplitudenspektrums
DE202017102381U1 (de) Vorrichtung zum Verbessern der Robustheit gegen &#34;Adversarial Examples&#34;
EP2883073B1 (de) Verfahren und vorrichtung zum klassifizieren von wasserfahrzeugen
DE112016006218T5 (de) Schallsignalverbesserung
DE102012000788B4 (de) Verfahren und Vorrichtung zum Verarbeiten von Wasserschallsignalen
DE3002148A1 (de) Verfahren zur klassifizierung bewegter ziele
EP4189673A1 (de) Computerimplementiertes verfahren und computerprogramm zum maschinellen lernen einer robustheit eines akustischen klassifikators, akustisches klassifikationssystem für automatisiert betreibbare fahrsysteme und automatisiert betreibbares fahrsystem
EP2483705B1 (de) Verfahren und vorrichtung zum analysieren amplitudenmodulierter breitbandgeräusche
EP3405759B1 (de) Verfahren zum eliminieren eines referenz-wasserschallsignals sowie sonarvorrichtung und wasserfahrzeug
DE102011114221B3 (de) Verfahren und Vorrichtung zur Extraktion von Konturen aus Sonarbildern
DE102014213122A1 (de) Vorrichtung und Verfahren zur schallbasierten Umfelddetektion
DE69904453T2 (de) Signalverarbeitungsverfahren zur analyse von sprachsignal-transienten
EP2009459B1 (de) Verfahren zur verbesserten DEMON-Berechnung mittels Teilband-Signalen und lokalen Bereichen
DE102022126455A1 (de) System und verfahren für die verarbeitung eines audioeingangssignals
EP2956797A1 (de) Verfahren zum identifizieren oder zum orten eines unterwasserobjekts, zugehöriger rechner oder messsystem, sowie wasserfahrzeug
DE102023005489B4 (de) Virtual- Reality-unterstütztes Diagnoseverfahren für eine Anlage mit computerbasierter Auralisierung
DE102022123897B3 (de) Verfahren zur rechnergestützten Erzeugung eines datengetriebenen Modells für die rechnergestützte Verarbeitung von digitalen SAR-Rohdaten
DE102006029296B4 (de) Verfahren zur verbesserten DEMON-Berechnung mittels Teilband-Signalen und lokalen Bereichen
EP4726696A1 (de) Computerimplementiertes verfahren zum filtern von zumindest einem nutzsignal aus zumindest einem von zumindest einem akustiksensor empfangenen rauschbehafteten akustischen eingangssignal
DE102024004013A1 (de) Verfahren zur Erstellung von synthetischen Trainingsdaten
DE102024206739A1 (de) Verfahren und Klassifikator zur Erkennung eines Sirenensignals
EP3268705B1 (de) Verfahren zum auflösen eines schifffahrzeugverbands sowie wasserfahrzeug und vorrichtung
DE102019204840A1 (de) Ortungssignalempfänger zur Detektion eines Unterwasserobjekts mit verzerrter Richtcharakteristik

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15737967

Country of ref document: EP

Kind code of ref document: A1

REEP Request for entry into the european phase

Ref document number: 2015737967

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015737967

Country of ref document: EP