WO2025252563A1

WO2025252563A1 - Verfahren zur erstellung eines aufgeklärten lagebilds

Info

Publication number: WO2025252563A1
Application number: PCT/EP2025/064735
Authority: WO
Inventors: Jens Reermann; Sven-Christian Hesse; Till Wiegand
Original assignee: Tkms Atlas Elektronik GmbH; ThyssenKrupp AG
Current assignee: Tkms Atlas Elektronik GmbH; ThyssenKrupp AG
Priority date: 2024-06-07
Filing date: 2025-05-27
Publication date: 2025-12-11
Anticipated expiration: 2026-12-07
Also published as: DE102024116013B3

Abstract

Es ist ein Verfahren zur Erstellung eines aufgeklärten Lagebilds (20) offenbart, wobei basierend auf Sensordaten (22) von sich im Wasser befindlichen Sensoren (24), mittels eines mit maschinellem Lernen (26) erzeugten Modells (28) das aufgeklärte Lagebild (20) erstellt wird.

Description

VERFAHREN ZUR ERSTELLUNG EINES AUFGEKLÄRTEN LAGEBILDS

Beschreibung

Die Erfindung bezieht sich auf das Erstellen eines aufgeklärten Lagebilds basierend auf Daten von sich im Wasser befindenden Sensoren mittels eines computerimplementierten Modells, das mittels maschinellem Lernen trainiert ist. Ein solches Modell kann auch als künstliche Intelligenz bezeichnet werden. Insbesondere werden Sensordaten von unterschiedlichen Sensorarten verwendet.

Als Lagebild wird die räumliche Darstellung von Informationen, insbesondere Objekten, absolut oder relativ zu einem Bezugspunkt (z.B. einer Plattform, insbesondere der Plattform, auf der die Sensoren angeordnet sind), bezeichnet. Neben beliebigen Objekten wie z.B. Minen, unbemannten oder bemannten Unterwasserfahrzeugen, Schiffswracks, Riffen, Meerestieren (z.B. Wale oder Fischschwärme), bemannten oder unbemannten (z.B. schwimmenden) Überwasserfahrzeugen (z.B. Schiffen), können auch andere Informationen wie z.B. Grenzschichten im Wasser, reale Wasserschallgeschwindigkeit (z.B. für verschiedene Ausbreitungsrichtungen), etc. dargestellt werden.

Unter einem aufgeklärten Lagebild wird ein Lagebild verstanden, das zumindest kategorisierte Objekte, bevorzugt, wenn es sich um ein technisches Objekt handelt, klassifizierte Objekte darstellt. Objektkategorien sind beispielsweise „Überwasserfahrzeug“, „Unterwasserfahrzeug“, „Wal“, „auf dem Gewässergrund liegendes Hindernis“, „Flugobjekt“, etc. Bei den technischen Objekten wie z.B. Schiffen ist möglich, diese ergänzend zu klassifizieren. In diesem Fall wird dem technischen Objekt eine weitere Eigenschaft zugewiesen, beispielsweise um was für einen Typ (z.B. bemanntes U-Boot, insbesondere z.B. U-Boot 212cd; Torpedo, insbesondere Schwergewichtstorpedo DM2A4, bemanntes Schiff, z.B. Korvette K130; etc.).

Derzeit werden erfolgt für die Sensordaten pro Sensor bzw. pro Sensoranordnung einer Mehrzahl von, insbesondere gleichartigen, Sensoren, eine eigene Darstellung der Sensordaten. Häufig werden die Sensordaten auch mit unterschiedlichen Algorithmen verarbeitet, um unterschiedliche Informationen sichtbar zu machen. Für Sonarsysteme als Beispiel für eine Sensoranordnung können z.B. eine Wasserfalldarstellung und eine DEMON (Detection of Envelope Modulation on Noise) Analyse durchgeführt und dargestellt werden. Basierend auf diesen Informationen ist es einem ausgebildeten Sonaroperator möglich, ein Lagebild zu erstellen. Die Fusion der Informationen ist zumeist jedoch von dem Sonaroperator durchzuführen.

Die Aufgabe der vorliegenden Erfindung besteht deshalb darin, ein verbessertes Konzept für die Erstellung eines Lagebilds zu schaffen.

Die Aufgabe wird durch den Gegenstand der unabhängigen Patentansprüche gelöst. Weitere vorteilhafte Ausführungsformen sind der Gegenstand der abhängigen Patentansprüche.

Ausführungsbeispiele zeigen ein Verfahren zur Erstellung eines aufgeklärten Lagebilds, wobei basierend auf Sensordaten von sich im Wasser befindlichen Sensoren, mittels eines mit maschinellem Lernen erzeugten Modells zumindest einen Teil des aufgeklärten Lagebilds erstellt wird. Das Lagebild ist bevorzugt ein Unterwasserlagebild. Es kann sich aber auch um ein kombiniertes Unterwasser- Überwasserlagebild handeln. D.h., das kombinierte Unterwasser- Überwasserlagebild kann auch Überwasserkontakte, die beispielsweise unter Verwendung von nicht-akustischer Sensoren kategorisiert oder klassifiziert werden, darstellen. Das aufgeklärte Lagebild wird, bevorzugt kontinuierlich oder ereignisbasiert, aktualisiert. Es handelt sich demnach um ein dynamisches Lagebild. Ferner erlaubt das Modell vorteilhafterweise eine Prognose, d.h. eine Vorausschau, der einzelnen Objektbewegungen.

Idee ist es, die Sensordaten mittels einer künstlichen Intelligenz auszuwerten und das aufgeklärte Lagebild zu erstellen. Die künstliche Intelligenz umfasst ein Modell, das optional eine Mehrzahl von, insbesondere unterschiedlichen, Teil-Modellen umfassen. Ein (Teil-) Modell beschreibt einen trainierten Algorithmus. Als Algorithmus eignen sich die meisten gängigen bekannten Algorithmen, insbesondere künstliche neuronale Netze, Bayes Klassifikatoren, Support Vektor Maschinen (SVM), lineare Regression, insbesondere auch Deep-Learning-Ansätze wie z.B. auf Transformertechnologie beruhende künstliche neuronale Netze und/oder ein faltendes (convolutional) künstliches neuronales Netz (CNN), etc. Umfasst das Modell mehrere Teil-Modelle zur Erstellung des aufgeklärten Lagebilds, können gleichartige Algorithmen (z.B. verschiedene künstliche neuronale Netze), aber auch unterschiedliche Algorithmen (z.B. ein künstliches neuronales Netz und eine lineare Regression) kombiniert werden. Insbesondere hat es sich herausgestellt, dass keine speziellen Algorithmen verwendet werden brauchen, um das aufgeklärte Lagebild zu erstellen. Es ist ausreichend, zur kommerziellen Verwendung angebotene Algorithmen mit entsprechenden Daten zu trainieren. Solche Algorithmen werden auch als COTS (Components-Off-The-Shelf) bezeichnet. Es hat sich herausgestellt, dass die Struktur, also bei künstlichen neuronalen Netzen beispielsweise die Anzahl der Neuronen oder die Zahl der Schichten, irrelevant für das Erstellen des aufgeklärten Lagebilds ist, solange ein Mindestgrad an Komplexität erreicht ist. Insbesondere eignen sich solche Modelle, die auch in öffentlichen Benchmarks gut abschneiden. Beispielhaft seien als Benchmarks der „COCO dev-test“ oder der „COCO val2017“ genannt. Beispielhafte seien Modelle genannt, die auf dem DINO (DETR with Improved deNoising anchOr box) Algorithmus oder dem YOLO (You Only Look Once) Algorithmus basieren.

In “Tianhe Ren, Jianwei Yang, Shilong Liu, Ailing Zeng, Feng Li, Hao Zhang, Hongyang Li, Zhaoyang Zeng, Lei Zhang. A Strong and Reproducible Object Detector with Only Public Datasets. arXiv:2304.13027 [cs.CV], (https://doi.org/10.48550/arXiv.2304.13027)“ und „Hao Zhang, Feng Li, Shilong Liu, Lei Zhang, Hang Su, Jun Zhu, Lionel M. Ni, Heung-Yeung Shum. DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection. arXiv:2203.03605 [cs.CV], (https://doi.org/10.48550/arXiv.2203.03605)“ sind Beispiele für die Modelle offenbart.

Bevorzugt wird jedoch zumindest ein (Teil-) Modell als künstliches neuronales Netz ausgeführt. Das künstliche neuronale Netz kann beispielsweise auf der Transformertechnologie beruhen und/oder ein faltendes (convolutional) künstliches neuronales Netz sein bzw. umfassen. Wird ein einziges Modell ohne Teil-Modelle verwendet, so erzeugt dieses bevorzugt das gesamte aufgeklärte Lagebild. Werden mehrere Teil-Modelle genutzt, können die einzelnen Teil-Modelle Teile des Lagebilds erzeugen. Die Teile des Lagebilds können sich auf unterschiedliche Informationen (z.B. Ort eines Objekts (Detektion) und Art eines Objekts (Kategorisierung oder Klassifizierung)) beziehen. Die Teile des Lagebilds können aber auch räumlich unterschiedliche Bereiche des Lagebilds sein, beispielsweise verschiedene Sektoren in unterschiedlichen Winkeln angeordnet sind.

Als Trainingsdaten eignen sich reale, bei Trainingsfahrten, Trainingsmanövern oder im Einsatz gewonnenen Sensordaten. Bevorzugt sind die Daten vorab, beispielsweise von einem ausgebildeten Sonaroperator, zu klassifizieren. D.h., das tatsächliche Lagebild zu den Trainingsdaten wird erstellt. Dies ermöglicht ein überwachtes Lernen des Modells. Ferner eignen sich synthetische, d.h. mit technischen Mitteln generierte, Daten zum Training für das Modell. Synthetische Daten können insbesondere verwendet werden, wenn die Datenmenge der realen Trainingsdaten für das Training nicht ausreichend ist. Bevorzugt kann in diesem Fall eine Kombination aus realen und synthetischen Daten zum Training verwendet werden.

Als Sensoren eignen sich verschiedene Arten von Sensoren, beispielsweise akustische Sensoren, wie z.B. Wasserschallwandler die als Aktivsonar oder als Passivsonar betrieben werden, als auch nicht-akustische Sensoren. Als nichtakustische Sensoren eignen sich z.B. Beschleunigungssensoren, AlS-Sensoren (Automatisches Identifikations-System), optische Sensoren, Quantensensoren oder Magnetsensoren. Die Sensoren können alleine oder in einer Anordnung mit anderen, insbesondere gleichartigen, Sensoren, verwendet werden. Ein Beispiel für eine Sensoranordnung ist ein Sonararray. Sensoranordnungen haben den Vorteil, dass über Signalunterschiede zwischen den einzelnen Sensoren weitere Informationen erhalten werden können. Beim Sonararray ist hier die Richtungsbildung (Beamforming) zu nennen, beispielsweise indem die empfangenen Sonarsignale in einem vorbestimmten Maß verzögert aufaddiert werden. Bei einer Magnetsensoranordnung kann über eine Differenzialmessung die Richtung, in der sich ein Magnetfeld befindet, bestimmt werden. Die Sensordaten können demnach bevorzugt Daten von Sensoren unterschiedlicher Sensorarten umfassen. Ergänzend zu den Sensordaten von sich im Wasser befindenden Sensoren können auch Sensordaten von sich über dem Wasser befindenden Sensoren verwendet werden. Es ist aber auch möglich, ausschließlich Sensordaten von Sensoren zu verwenden, die sich im Wasser befinden.

In Ausführungsbeispielen umfasst das Verfahren eine Vorverarbeitung der Sensordaten, so dass das Modell das aufgeklärte Lagebild basierend auf den vorverarbeiteten Sensordaten erstellt. Prinzipiell ist es erstrebenswert, wenn das Modell die Daten auch ohne Vorverarbeitung verarbeiten kann. Dies wird mit fortschreitender Technik im Bereich der künstlichen Intelligenz auch immer wahrscheinlicher. Derzeit hat es sich jedoch herausgestellt, dass eine Vorverarbeitung der Sensordaten vorteilhaft sein kann. Die Vorverarbeitung der Daten kann beispielsweise einen oder eine beliebige Kombination der folgenden Schritte umfassen: Richtungsbildung, Merkmalsextraktion, Normierung, Glättung, Signalanalyse.

D.h., umfasst die Vorverarbeitung eine Normierung, kann das Modell das aufgeklärte Lagebild basierend auf den normierten Sensordaten erstellen. Umfasst die Vorverarbeitung eine Merkmalsextraktion, kann das Modell das aufgeklärte Lagebild basierend auf den extrahierten Merkmalen erstellen. Umfasst die Vorverarbeitung eine Richtungsbildung, kann das Modell das aufgeklärte Lagebild basierend auf Sensordaten aus verschiedenen Einfallsrichtungen erstellen.

Bei der Merkmalsextraktion werden verschiedene, insbesondere mathematische, Operationen auf den Sensordaten ausgeführt, um Eigenschaften der Sensordaten zu beschreiben. Beispielsweise kann sich der (z.B. gleitende) Mittelwert oder die Varianz des Sensorsignals als Merkmal eignen, um beispielhaft nur zwei Optionen zu nennen. Als Signalanalyse kann z.B. eine DEMON Analyse erfolgen. Die so erzeugten Daten können als Eingangsdaten für das Modell verwendet werden. Wird das Modell in Teil-Modelle unterteilt, so können die Teil-Modelle unterschiedliche Daten verarbeiten. Ein Teil-Modell kann z.B. die DEMON Daten zusammen mit Objektpositionen erhalten, um die Objekte zu kategorisieren oder zu klassifizieren. Die Objektpositionen können z.B. mittels eines weiteren Teil-Modells aus den Sensordaten, beispielsweise den normierten und/oder geglätteten Sensordaten, erhalten werden. Ergänzend oder alternativ können auch die extrahierten Merkmale eine Kategorisierung oder Klassifizierung von Objekten ermöglichen oder unterstützen.

Ergänzend oder alternativ können Teilmodelle parallel die Sensordaten nach der Richtungsbildung erhalten, so dass das aufgeklärte Lagebild parallel von, insbesondere identischen, Teil-Modellen erstellt wird. Pro Teil-Modell können die Sensordaten für eine Richtung als Eingangsdaten verwendet werden. Weiter ergänzend oder alternativ können Teil-Modelle darauf trainiert sein, die Sensordaten unterschiedlicher Arten von Sensoren verarbeiten.

In weiteren Ausführungsbeispielen weist das Modell eine Rückkopplung auf, so dass das Modell basierend auf dem zumindest einen Teil des aktuellen aufgeklärten Lagebilds und den Sensordaten ein auf das aktuelle aufgeklärte Lagebild folgendes aufgeklärtes Lagebild erstellt. D.h., dass das aktuelle aufgeklärte Lagebild auch einen Eingangsparameter für das Modell darstellen kann. Insbesondere ergibt sich durch die Rückkopplung die Möglichkeit, dass sich das System selbst reflektiert und optional korrigiert. Beispielsweise kann eine Plausibilitätsprüfung für die Objekte erfolgen. So kann ein Objekt sich innerhalb von zwei aufeinanderfolgenden Betrachtungszeitpunkten nur endlich weit fortbewegen und auch seine Klassifikation oder Kategorie nicht auf einmal ändern. Dennoch soll eine Änderung der Kategorisierung bzw. Klassifizierung möglich sein, wenn dies auf Basis eines größeren vorhandenen Datensatzes angebracht ist. Die Plausibilitätsprüfung kann im Rahmen einer Nachverarbeitung oder mittels des Modells erfolgen.

Das Verfahren kann ferner das Anpassen des Modells unter Verwendung von aktuellen Sensordaten umfassen. Prinzipiell ist es möglich, wenn das Verfahren auf einem Wasserfahrzeug, sei es ein Überwasserfahrzeug oder ein Unterwasserfahrzeug (jeweils bemannt oder unbemannt, d.h. autonom oder ferngesteuert), ausgeführt wird, das Modell während eines Manövers anzupassen. Da nicht vorhersehbar ist, wie sich das Modell dadurch verändert wird es jedoch meist zu einem Anpassen des Modells zwischen zwei Manövern kommen. Die Sensordaten können zu diesem Zweck in einer Datenbank gespeichert und in einer Basisstation zum Training des Modells verwendet werden. Sofern durch einen Test eine Verbesserung des Modells bestätigt wird, kann das Modell auf allen Plattformen, die das Modell verwenden, verteilt werden. So kann das Modell auch auf neue Wasserfahrzeuge trainiert werden, die häufig bei einer ihrer ersten Fahrten von anderen Plattformen überwacht und „vermessen“ werden. D.h., die Plattformen bestimmen die Sensordaten der neuen Wasserfahrzeuge. Dies ermöglicht eine spätere Klassifikation der neuen Wasserfahrzeuge.

Das Verfahren kann für verschiedene Zwecke eingesetzt werden. Zu nennen sind beispielhaft die U-Boot Jagd (ASW- Anti Submarine Warfare), die Minenjagd, in einem Waffenführungssystem (CMS - Combat Management System), in einem Torpedo z.B. zur Detektion seines Ziels, zur Aufklärung (ACINT - Acoustic Intelligence), oder in einem U-Boot.

Analog ist ein Computerprogramm offenbart, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das vorbeschriebene Verfahren auszuführen.

Ferner ist eine Datenverarbeitungseinheit zur Erstellung eines aufgeklärten Lagebilds offenbart, wobei die Datenverarbeitungseinheit ausgebildet ist, das vorbeschriebene Verfahren basierend auf den Sensordaten auszuführen.

Ebenso ist ein System umfassend die Datenverarbeitungseinheit sowie einer Mehrzahl von sich im Wasser befindlichen Sensoren offenbart, wobei die Datenverarbeitungseinheit ausgebildet ist, die Sensordaten der sich im Wasser befindlichen Sensoren zu verwenden, um das vorbeschriebene Verfahren auszuführen.

Die Datenverarbeitungseinheit des Systems kann auf einer ersten Plattform angeordnet sein und die sich im Wasser befindlichen Sensoren können auf einer zweiten Plattform angeordnet sein. Die zweite Plattform ist ausgebildet, die Sensordaten der sich im Wasser befindlichen Sensoren über eine Datenübertragungsstrecke, insbesondere eine Funkstrecke oder eine Unterwasserkommunikationsstrecke, zu der ersten Plattform zu senden. Die Datenverarbeitungseinheit kann das vorbeschriebene Verfahren auch basierend auf den empfangenen Sensordaten ausführen. Unbeschadet dessen ist es auch möglich, dass auf der ersten Plattform weitere Sensoren angeordnet sind und die Datenverarbeitungseinheit sowohl die Sensordaten der auf der ersten Plattform angeordneten Sensoren als auch der auf der zweiten Plattform angeordneten Sensoren verwendet, um das aufgeklärte Lagebild zu erzeugen. Durch die dezentrale Anordnung der Sensoren ist es möglich, Objekte aus unterschiedlichen Blickwinkeln zu detektieren, wobei eine Detektion von Objekten bei bestimmten Gegebenheiten nur aus einem bestimmten Blickwinkel erfolgen kann.

Ferner kann das System eine Bildschirmanordnung umfassen, wobei das aufgeklärte Lagebild ebenso auf der Bildschirmanordnung angezeigt ist, wie eine klassische Darstellung der Sensordaten. Die klassische Darstellung der Sensordaten kann beispielsweise eine DEMON Analyse oder eine Wasserfalldarstellung umfassen.

Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend Bezug nehmend auf die beiliegenden Zeichnungen erläutert. Es zeigen:

Fig. 1 : ein schematisches Blockschaltbild eines Verfahrens zur Erstellung eines aufgeklärten Lagebilds;

Fig. 2: ein schematisches Blockschaltbild eines Verfahrens zur Erstellung eines aufgeklärten Lagebilds gemäß Ausführungsbeispielen;

Fig. 3: ein schematisches Blockschaltbild eines Verfahrens zur Erstellung eines aufgeklärten Lagebilds gemäß Ausführungsbeispielen;

Fig. 4: ein schematisches Blockschaltbild eines Verfahrens zur Erstellung eines aufgeklärten Lagebilds gemäß Ausführungsbeispielen.

Bevor nachfolgend Ausführungsbeispiele der vorliegenden Erfindung im Detail anhand der Zeichnungen näher erläutert werden, wird darauf hingewiesen, dass identische, funktionsgleiche oder gleichwirkende Elemente, Objekte und/oder Strukturen in den unterschiedlichen Figuren mit den gleichen Bezugszeichen versehen sind, so dass die in unterschiedlichen Ausführungsbeispielen dargestellte Beschreibung dieser Elemente untereinander austauschbar ist bzw. aufeinander angewendet werden kann.

Fig. 1 zeigt ein schematisches Blockschaltbild eines Verfahren zur Erstellung eines aufgeklärten Lagebilds 20, wobei basierend auf Sensordaten 22 von sich im Wasser befindlichen Sensoren 24, mittels eines mit maschinellem Lernen 26 erzeugten Modells 28 das aufgeklärte Lagebild 20 erstellt wird. Das Training 26 erfolgt initial vor der Verwendung des Modells 28. Es ist aber auch möglich, das Modell 28 während des Betriebs upzudaten, d.h. weiter zu trainieren.

Als Trainingsdaten 30 für das maschinelle Lernen, d.h. das Training 26, können entweder reale Sensordaten, synthetische Sensordaten oder eine Kombination aus realen und synthetischen Sensordaten 22 verwendet werden.

Für die Ausführung des Verfahrens unter Verwendung des trainierten Modells 28 kann das Modell 28, insbesondere kontinuierlich, auf die Sensordaten 22 zugreifen. Üblicherweise liegen die Sensordaten 22 digitalisiert, d.h. abgetastet, als Zeit- Wertepaar vor. Unter Verwendung der Sensordaten 22 gibt das Modell 28 Lagebilddaten 32 aus. Die Lagebilddaten 32 können ein vollständiges Lagebild 20 oder einen Unterschied zu dem (zeitlich) vorherigen Lagebild 20 repräsentieren.

Fig. 2 zeigt ein schematisches Blockschaltbild eines Ausführungsbeispiels des Verfahrens aus Fig. 1. In diesem Ausführungsbeispiel umfasst das Modell 28 eine Mehrzahl von parallel arbeitende Teil-Modelle 28' , 28“, 28‘“, 28““. Die Modelle 28‘, 28“, 28‘“, 28““ können jeweils Lagebilddaten 32 zu dem aufgeklärten Lagebild 20 beisteuern. Beispielsweise können die Teil-Modelle 28‘, 28“, 28‘“, 28““ unterschiedliche Sensordaten 22 verarbeiten.

Fig. 3 zeigt ein schematisches Blockschaltbild eines weiteren Ausführungsbeispiels des Verfahrens aus Fig. 1. Im Unterschied zu dem Ausführungsbeispiel aus Fig. 2 sind hier zwei Teil-Modelle 28‘, 28“ aufeinanderfolgend angeordnet. D.h., das erste Teil-Modell 28' verarbeitet die Sensordaten 22 und gibt Vor-Lagebilddaten 32' aus. Das zweite Teil-Modell 28“ verarbeitet die Vor-Lagebilddaten 32' und gibt die Lagebilddaten 32 aus. Es sei angemerkt, dass eines und/oder beide Teil-Modelle 28‘, 28“ auch weitere parallele Teil-Modelle, analog zu dem Ausführungsbeispiel in Fig.

2. Beispielsweise kann das erste Teil-Modell 28' eine Mehrzahl von Teil-Modellen aufweisen. Die jeweiligen Vor-Lagebilddaten 32' der parallelen Teil-Modelle kann das zweite Teil-Modell 28“ auswerten und die Lagebilddaten 32 ausgeben. Die Teil- Modelle können mit unterschiedlichen Trainingsdaten 30‘, 30“ trainiert werden. Dies gilt auch für die Teil-Modelle des Ausführungseispiels aus Fig. 2.

Fig. 4 zeigt ein schematisches Blockschaltbild eines Ausführungsbeispiels zu dem Blockschaltbild aus Fig. 1 . Ergänzend umfasst das Verfahren eine Vorverarbeitung 34 der Sensordaten 22, um vorverarbeitete Sensordaten 36 zu erhalten. Das Modell 28 verarbeitet die vorverarbeiteten Sensordaten 36. Basierend auf den vorverarbeiteten Sensordaten 36 gibt das Modell 28 die Lagebilddaten 32 aus. Ergänzend oder alternativ zu der Vorverarbeitung umfasst das Verfahren gemäß diesem Ausführungsbeispiel eine Nachverarbeitung 38, um nachverarbeitete Lagebilddaten 32“ zu erhalten. Die Nachverarbeitung kann beispielsweise eine Aufbereitung der Ergebnisse oder optional die Fusion der Daten übernehmen.

Die offenbarten (Wasser-) Schallwandler sind für den Einsatz unter Wasser, insbesondere im Meer, ausgelegt. Die Schallwandler können Wasserschall in ein dem Schalldruck entsprechendes elektrisches Signal (z.B. Spannung oder Strom), das (empfangene) Wasserschallsignal, umwandeln. Überdies ist es möglich, dass die Schallwandler eine anliegende elektrische Spannung in Wasserschall umwandeln können. Die elektrische Spannung kann einem vorgegebenen Muster folgen und dann als (zu sendendes) Sonarsignal bezeichnet werden, während der aus dem zu sendenden Sonarsignal resultierende Wasserschall als (gesendetes) Sonarsignal bezeichnet wird. Beispiele für Sonarsignale sind ein Chirp (frequenzmoduliertes Signal) oder als Spezialfall des Chirps ein Sweep (linear frequenzmoduliertes Signal). Die Schallwandler können demnach als Wasserschallempfänger und/oder als Wasserschallsender verwendet werden. Als sensorisches Material können die Schallwandler ein piezoelektrisches Material, beispielsweise eine Piezokeramik, aufweisen. Eine Mehrzahl von Wasserschallwandlern oder einer oder mehrere Wasserschallwandler in Verbindung mit einer Signalverarbeitungseinheit können als Sonarsystem bezeichnet werden. Die Schallwandler können für (Aktiv- und/oder Passiv-) Sonar (sound navigation and ranging, dt.: Schall-Navigation und - Entfernungsbestimmung) eingesetzt werden. Die Schallwandler sind bevorzugt nicht für medizinische Anwendungen geeignet bzw. werden nicht für medizinische Anwendungen eingesetzt. Ebenso werden die Schallwandler bevorzugt nicht für die Ultraschallprüfung von Werkstoffen verwendet oder sind nicht dazu geeignet.

Obwohl manche Aspekte im Zusammenhang mit einer Vorrichtung beschrieben wurden, versteht es sich, dass diese Aspekte auch eine Beschreibung des entsprechenden Verfahrens darstellen, sodass ein Block oder ein Bauelement einer Vorrichtung auch als ein entsprechender Verfahrensschritt oder als ein Merkmal eines Verfahrensschrittes zu verstehen ist. Analog dazu stellen Aspekte, die im Zusammenhang mit einem oder als ein Verfahrensschritt beschrieben wurden, auch eine Beschreibung eines entsprechenden Blocks oder Details oder Merkmals einer entsprechenden Vorrichtung dar.

In Abhängigkeit von den Implementierungsanforderungen können Ausführungsbeispiele der Erfindung in Hardware oder in Software implementiert sein. Die Implementierung kann unter Verwendung eines digitalen Speichermediums, beispielsweise eines magnetischen oder optischen Speichers durchgeführt werden, auf dem elektronisch lesbare Steuersignale, z.B. ein Computerprogramm, gespeichert sind, die mit einem programmierbaren Computersystem (CPU und/oder GPU) derart Zusammenwirken können oder Zusammenwirken, dass das jeweilige Verfahren durchgeführt wird. Aus diesem Grund sollte das digitale Speichermedium computerlesbar sein. Ausführungsbeispiele können demnach einen Datenträger umfassen, der elektronisch lesbare Steuersignale aufweist, die in der Lage sind, mit einem programmierbaren Computersystem derart zusammenzuwirken, dass eines der hierin beschriebenen Verfahren durchgeführt wird.

Bei manchen Ausführungsbeispielen kann ein programmierbares Logikbauelement (beispielsweise ein feldprogrammierbares Gatterarray, ein FPGA) dazu verwendet werden, manche oder alle Funktionalitäten der hierin beschriebenen Verfahren durchzuführen. Bei manchen Ausführungsbeispielen kann ein feldprogrammierbares Gatterarray mit einem Mikroprozessor Zusammenwirken, um eines der hierin beschriebenen Verfahren durchzuführen. Allgemein werden die Verfahren bei einigen Ausführungsbeispielen seitens einer beliebigen Hardwarevorrichtung durchgeführt. Diese kann eine universell einsetzbare Hardware wie ein Computerprozessor (CPU) oder ein Grafikprozessor (GPU) sein oder für das Verfahren spezifische Hardware, wie beispielsweise ein ASIC. Auch eine verteilte Ausführung auf CPU und GPU ist möglich.

Die oben beschriebenen Ausführungsbeispiele stellen lediglich eine Veranschaulichung der Prinzipien der vorliegenden Erfindung dar. Es versteht sich, dass Modifikationen und Variationen der hierin beschriebenen Anordnungen und Einzelheiten anderen Fachleuten einleuchten werden. Deshalb ist beabsichtigt, dass die Erfindung lediglich durch den Schutzumfang der nachstehenden Patentansprüche und nicht durch die spezifischen Einzelheiten, die anhand der Beschreibung und der Erläuterung der Ausführungsbeispiele hierin präsentiert wurden, beschränkt sei.

Bezugszeichenliste:

20 aufgeklärtes Lagebild

22 Sensordaten 24 Sensoren

26 Training

28 Model

30 Trainingsdaten

32 Lagebilddaten 32' Vor-Lagebilddaten

32“ nachverarbeitete Lagebilddaten

34 Vorverarbeitung

36 vorverarbeitete Sensorsignale

38 Nachverarbeitung

Claims

Patentansprüche

1 . Verfahren zur Erstellung eines aufgeklärten Lagebilds (20), wobei basierend auf Sensordaten (22) von sich im Wasser befindlichen Sensoren (24), mittels eines mit maschinellem Lernen (26) erzeugten Modells (28) das aufgeklärte Lagebild (20) erstellt wird.

2. Verfahren gemäß Anspruch 1 , wobei eine Vorverarbeitung (34) der Sensordaten (22) ausgeführt wird, so dass das Modell (28) das aufgeklärte Lagebild (20) basierend auf den vorverarbeiteten Sensordaten (22) erstellt.

3. Verfahren gemäß Anspruch 2, wobei die Vorverarbeitung (34) eine Normierung umfasst, so dass das Modell (28) das aufgeklärte Lagebild (20) basierend auf den normierten Sensordaten (22) erstellt.

4. Verfahren gemäß einem der Ansprüche 2 oder 3, wobei die Vorverarbeitung (34) eine Merkmalsextraktion umfasst, so dass das Modell (28) das aufgeklärte Lagebild (20) basierend auf den extrahierten Merkmalen erstellt.

5. Verfahren gemäß einem der Ansprüche 2 bis 4, wobei die Vorverarbeitung (34) eine Richtungsbildung umfasst, so dass das Modell (28) das aufgeklärte Lagebild (20) basierend auf Sensordaten (22) aus verschiedenen Einfallsrichtungen erstellt.

6. Verfahren gemäß einem der vorherigen Ansprüche, wobei das Modell (28) mit einem künstlichen neuronalen Netz als Algorithmus gebildet ist.

7. Verfahren gemäß einem der vorherigen Ansprüche, wobei das Modell (28) eine Rückkopplung aufweist, so dass das Modell (28) basierend auf dem aktuellen aufgeklärten Lagebild (20) und den Sensordaten (22) ein auf das aktuelle aufgeklärte Lagebild (20) folgendes aufgeklärtes Lagebild (20) erstellt.

8. Verfahren gemäß einem der vorherigen Ansprüche, wobei das Modell (28) eine Prognose der von Bewegungen der in dem aufgeklärten Lagebild darstellten Objekte ermöglicht.

9. Computerprogramm umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren gemäß einem der vorherigen Ansprüche auszuführen.

10. Datenverarbeitungseinheit zur Erstellung eines aufgeklärten Lagebilds (20), wobei die Datenverarbeitungseinheit ausgebildet ist, das Verfahren gemäß einem der Ansprüche 1 bis 8 auszuführen.

11 . System umfassend die Datenverarbeitungseinheit gemäß Anspruch 10 sowie einer Mehrzahl von sich im Wasser befindlichen Sensoren, wobei die Datenverarbeitungseinheit ausgebildet ist, die Sensordaten (22) der sich im Wasser befindlichen Sensoren (24) zu verwenden, um das Verfahren gemäß einem der Ansprüche 1 bis 8 auszuführen.

12. System gemäß Anspruch 11 , wobei die Datenverarbeitungseinheit auf einer ersten Plattform angeordnet ist und wobei die sich im Wasser befindlichen Sensoren (24) auf einer zweiten Plattform angeordnet sind, wobei die zweite Plattform ausgebildet ist, die Sensordaten (22) der sich im Wasser befindlichen Sensoren (24) über eine Datenübertragungsstrecke, insbesondere eine Funkstrecke, zu der ersten Plattform zu senden, wobei die Datenverarbeitungseinheit ausgebildet ist, das Verfahren gemäß einem der Ansprüche 1 bis 8 basierend auf den empfangenen Sensordaten (22) auszuführen.

13. System gemäß einem der Ansprüche 11 oder 12, umfassend eine Bildschirmanordnung, wobei das aufgeklärte Lagebild (20) ebenso auf der Bildschirmanordnung angezeigt ist, wie eine klassische Darstellung der Sensordaten.