一种用于浅海主动声纳目标深度估计的匹配相位处理方法与流程

scintillation index[j].applied acoustics,2021,172:107646.)提出了传统模态闪烁指数的变体，为主动声纳目标深度辨识引入了调制闪烁指数和总闪烁指数的数学定义，用于区分浅水波导中水面/水下目标。上述方法的前提是利用足够孔径的垂直或水平接收阵列实现模态滤波，然而对于传统的有源水平拖曳声呐平台，在考虑目标方位的条件下，其等效的水平物理孔径是不足以用于模态滤波的。因此在主动声纳目标深度估计研究方面，匹配场定位技术仍得到了一定的关注。yang(见文献[8]yang t c.method and system for sensing with an active acoustic array[r].department of the navy washington dc,1996.)提出了利用多途相对幅度的宽带匹配场定位技术，采用基于接收数据特征值分解的模式分解方法实现了对目标深度和距离的估计。ryan(见文献[9]goldhahn r a.waveguide invariant active sonar target detection and depth classification in shallow water[d].duke university,2010.)等人提出了波导不变量自适应滤波器技术，通过均匀亚采样目标回波的短时傅里叶变换(stft，short time fourier transform)构建频域多快拍目标回波进而估计互谱密度矩阵(sdm，spectral density matrix)，用于主动声纳目标深度估计。然而，基于上述方法的有源匹配场处理有以下限制：(1)目标散射会改变目标与声源和接收水听器之间声传播的幅度和相位；(2)目标的散射函数通常是未知的。因此探索一种不依赖与目标散射特性的主动声纳目标深度估计方法是有意义的。


技术实现要素：

[0004]
本发明所要解决的技术问题是，提供一种用于浅海主动声纳目标深度估计的匹配相位处理方法，以实现浅海环境下的主动声纳目标深度估计。
[0005]
本发明的技术解决方案是，提供一种用于浅海主动声纳目标深度估计的匹配相位处理方法,包括以下步骤，
[0006]
步骤1，测量场构建，将接收器1和接收器2收到的宽带回波信号进行处理得到测量场的单程传播向量比值宽带干涉结构η
data
(z
t
,ω)；
[0007]
步骤2，拷贝场构建，基于海洋波导环境，利用kraken模型分别计算出接收器1的声场p
r1
(zs,z
t
,z
r1
,r,ω)和接收器2的声场p
r2
(zs,z
t
,z
r1
,r,ω)，构建拷贝场单程传播向量比值宽带干涉结构η
rplc
(z
t
,ω)；
[0008]
步骤3，模糊度面构建，对测量场的单程传播向量比值宽带干涉结构η
data
(z
t
,ω)和拷贝场单程传播向量比值宽带干涉结构η
rplc
(z
t
,ω)进行匹配相位处理，构建目标深度估计的模糊度面。
[0009]
作为优选，步骤3的匹配相位处理，通过计算数据与拷贝场的单程传播向量比值宽带干涉结构的相位特征，来进行相关运算，构建模糊度函数a
p
(z)如下，
[0010][0011]
其中，分别表示数据和拷贝场的单程传播向量比值宽带干涉结构的相位特征，模糊度函数a
p
(z)的
峰值对应的深度即为估计的目标深度。
[0012]
作为优选，通过单个声源发射低频宽带信号，垂直双接收水听器接收目标回波。
[0013]
采用以上方案后与现有技术相比，本发明具有以下优点：
[0014]
本发明利用浅海波导中单个声源发射，垂直双水听器接收的低频宽带目标回波，在信号带宽内计算接收的宽带回波的比值作为测量场向量，再与利用声场模型计算的拷贝场向量进行匹配相位特征处理，实现对目标深度的估计，无需考虑目标散射特性对深度估计的影响，且运算量小，有利于实时处理的实现需求。
附图说明：
[0015]
图1为本发明实施例提供的一种用于浅海主动声纳目标深度估计的匹配相位处理方法流程图；
[0016]
图2为单声源发射，垂直双水听器接收探测示意图；
[0017]
图3为pekeris波导环境参数及声源和接收器布防示意图；
[0018]
图4为单程传播向量宽带干涉结构的幅度特征；
[0019]
图5为单程传播向量宽带干涉结构的相位特征；
[0020]
图6为利用不同简正波阶数贡献的单程传播向量宽带干涉结构进行匹配，深度估计误差与信噪比的关系；
[0021]
图7为不同目标深度时，匹配相位处理测深算法的模糊度表面和10次模糊度曲线。
具体实施方式：
[0022]
下面结合附图就具体实施方式对本发明作进一步说明：
[0023]
如图1-7所示，本实施例提供了一种用于浅海主动声纳目标深度估计的匹配相位处理方法，该方法包括以下步骤：
[0024]
(1)测量场构建，将接收器1和接收器2收到的宽带回波信号进行处理得到测量场的单程传播向量比值宽带干涉结构η
data
(z
t
,ω)；
[0025]
(2)拷贝场构建，基于海洋波导环境，利用kraken模型分别计算出接收器1的声场p
r1
(zs,z
t
,z
r1
,r,ω)和接收器2的声场p
r2
(zs,z
t
,z
r1
,r,ω)，构建拷贝场单程传播向量比值宽带干涉结构η
rplc
(z
t
,ω)；
[0026]
(3)模糊度面构建，对测量场的单程传播向量比值宽带干涉结构η
data
(z
t
,ω)和拷贝场单程传播向量比值宽带干涉结构η
rplc
(z
t
,ω)进行匹配相位处理，构建目标深度估计的模糊度面。
[0027]
主动声纳目标深度估计一直是水声领域的一个难题。针对浅海波导中主动声纳目标深度估计问题，本发明提出了通过单个声源发射低频宽带信号，垂直双接收水听器接收目标回波，利用宽带目标回波比值的相位特征进行匹配相位处理的方法，不仅消除了目标散射特性对有源声呐目标深度估计的影响，而且仅需计算信道传递函数，运算量小，有利于实时处理的实现需求。
[0028]
本发明是这样实现的：
[0029]
图1给出了单个声源、两个垂直接收水听器以及目标之间分布的示意图(侧视图)，假设目标到声源与两个垂直接收水听器的距离均为r。
[0030]
由简想正波理论可知，对于水平不变的分层波导，深度为zs的单位强度声源在距离r、深度z
t
处激发的声场可表示为若干简正波的叠加：
[0031][0032]
距离r、深度z
t
处的单位强度目标激发的声场在接收深度z
ri
处为：
[0033][0034]
式中，k
rm
，k
rn
表示本征值，ψm为对应本征值k
rm
的本征函数，ψn为对应本征值k
rn
的本征函数，m为简正波阶数，r为目标到声源和接收水听器的距离，zs为声源深度，z
ri
为第i个接收水听器的深度，z
t
为目标的深度，ρ为海水介质密度，ω为角频率。
[0035]
在有源声呐目标深度估计中，目标复杂的散射特性往往是影响深度估计的重要因素。事实上，目标的散射函数t(ω,θi,θo)为频率、入射角度θi、散射角度θo的函数，考虑到声波经浅海远距离的传播，声源激发声信号传播至目标，入射的掠射角θi很小，近似于水平入射。并且经由目标散射后能远距离传播至不同深度接收水听器，散射的掠射角θo也很小。因此，在本文讨论的参数设置下做出如下假设，忽略目标的散射函数t(ω,θi,θo)中入射的掠射角θi、散射的掠射角θo的影响，将目标散射函数简化为t(ω)。
[0036]
假设单个声源、两个垂直接收水听器与目标之间的水平距离无明显差异(近似相等)，则由声源发射声波s(ω)传播至目标p(r,zs,z
t
,ω)，经由目标散射t(ω)后，再传播至接收水听器p(r,z
ri
,z
t
,ω)，接收水听器接收声场可表示为：
[0037][0038]
其中，s(ω)表示声源发射声波的频谱，t(ω)表示目标的散射函数。
[0039][0040][0041]
考虑到仅由同一声源发射，深度不同的两个垂直水听器接收的宽带目标回波p
ri
(zs,z
t
,z
ri
,r,ω)中项b(zs,z
t
,r,ω)是一致的，由此可以利用接收到的宽带目标回波消除目标散射的影响，
[0042][0043]
将η(z
t
,ω)定义为目标回波的单程传播向量比值宽带干涉结构，可见上式只与接收水听器深度、目标深度、目标距离、频率等因素有关，与目标散射特性无关。这意味着，如
果我们采取两个不同深度的水听器接收宽带目标回波，便可利用回波的比值消除目标散射的影响。
[0044]
目标的深度信息隐含在η(z
t
,ω)随频率的振荡起伏分布中，由于难以总结出目标深度与η(z
t
,ω)宽带分布的关系，一种可行的方法是将η(z
t
,ω)作为隐含目标深度的特征，通过匹配特征结构的方法来实现目标深度的估计。
[0045]
方法一：匹配幅度处理(map，matched amplitude procssing)通过计算数据与拷贝场的单程传播向量比值宽带干涉结构的幅度特征，来进行相关运算，构建模糊度函数am(z)如下，
[0046][0047]
其中，分别表示数据和拷贝场的单程传播向量比值宽带干涉结构的幅度特征，模糊度函数am(z)的峰值对应的深度即为估计的目标深度。
[0048]
方法二：匹配相位处理(mpp，matched phase procssing)通过计算数据与拷贝场的单程传播向量比值宽带干涉结构的相位特征，来进行相关运算，构建模糊度函数a
p
(z)如下，
[0049][0050]
其中，分别表示数据和拷贝场的单程传播向量比值宽带干涉结构的相位特征，模糊度函数a
p
(z)的峰值对应的深度即为估计的目标深度。
[0051]
方法三：匹配幅相处理(mapp，matched amplitude-phase procssing)通过直接计算数据与拷贝场的单程传播向量比值宽带干涉结构(包含幅度和相位信息)，来进行相关运算，构建模糊度函数a(z)如下，
[0052][0053]
其中，η
data
(z
t
,ω)，η
rplc
(z,ω)分别表示数据和拷贝场的单程传播向量宽带干涉结构，模糊度函数a(z)的峰值对应的深度即为估计的目标深度。
[0054]
本发明选取pekeris波导进行仿真分析，利用kraken简正波声场计算程序进行模型仿真，环境参数及声源和接收水听器布放示意图如图2所示。
[0055]
仿真条件如下：水层深度为100m，水层中声速剖面为等声速，声速为1500m/s，密度为1g/cm3；沉积层深度50m，声速为1700m/s，密度为1.9g/cm3。吸收系数为0.1db/λ。单个声源深度zs＝50m，垂直接收水听器1深度z
r1
＝40m，垂直接收水听器2深度z
r2
＝60m，且假设目标深度z
t
为待估计参量，目标距离r＝30km。发射信号为双曲调频(hfm)信号，信号时间长度4s，频率覆盖400hz-800hz，利用kraken模型计算出声源至目标的格林函数p(r,zs,z
t
,ω)和目标至不同接收水听器的格林函数p(r,z
t
,z
ri
,ω)，则不同垂直接收水听器接收声场可表示为p
ri
(zs,z
t
,z
ri
,r,ω)＝s(ω)p(r,zs,z
t
,ω)t(ω)p(r,z
t
,z
ri
,ω)，设置目标的散射函数t(ω)是一个与频率有关的随机复数，s(ω)是发射信号的频谱。对接收水听器接收声场p
ri
(zs,z
t
,z
ri
,r,ω)进行傅里叶逆变换得到接收数据的时域波形p
ri
(zs,z
t
,z
ri
,r,t)。
[0056]
信噪比(snr，signal-to-noise ratio)是评价方法性能的重要参数之一。信噪比的设定方式如下，考虑空间分布的、服从高斯分布的白噪声叠加于模拟的时域信号中，以一定信噪比对接收水听器接收的时域信号加白噪声，有
[0057][0058]
其中p
ri
(zs,z
t
,z
ri
,r,t)与p
ri
(zs,z
t
,z
ri
,r,ω)为傅里叶变换对，w(t)为叠加的白噪声。值得注意的是，应设置噪声与信号的带宽和时间长度一致。在后续仿真分析时，所加高斯白噪声的带宽和时间长度均与信号一致，不再重复说明。
[0059]
对接收数据时域波形p
ri
(zs,z
t
,z
ri
,r,t)叠加高斯白噪声，信噪比设置为10db。利用垂直双接收水听器得到的宽带目标回波数据的比值消去目标散射的影响，得到单程传播向量比值宽带干涉结构。图3和图4分别给出了基于不同阶模态的单程传播向量比值宽带干涉结构的幅度特征和相位特征。可以看出，无论是单程传播向量比值宽带干涉结构的幅度特征还是相位特征，实际的声场由于全部阶模态的作用，振荡变化相对剧烈，而有限的低阶模态构建的声场则是刻画了振荡起伏的包络，即低阶模态刻画包络结构，高阶模态刻画精细结构。当选取的简正波阶数增多时，单程传播向量比值宽带干涉结构在不同深度和频率上的变化更加复杂，对目标深度的敏感性明显增强，说明选取较多的简正波阶数贡献的单程传播向量比值宽带干涉结构进行匹配处理可以提高目标深度估计的性能。
[0060]
将全部阶简正波贡献的单程传播向量宽带干涉结构作为测量场，再利用kraken计算出不同阶简正波贡献的单程传播向量比值宽带干涉结构作为拷贝场，利用式(7)-式(9)计算不同匹配测深算法的模糊度函数，估计目标深度。仿真条件如下：海深100m，等声速水文，环境参数，声源和接收水听器布放深度以及发射信号参数同上。目标距离r＝30km，目标深度z
t
＝50m。设置信噪比从-20db连续变化至10db，间隔1db，每个信噪比下进行100次仿真试验，统计深度估计的平均误差。图5(a)-(c)给出了目标深度z
t
＝50m时，利用5阶、10阶以及全部阶简正波贡献的单程传播向量比值宽带干涉结构进行匹配及不同匹配测深算法下的仿真估计结果。可见，
[0061]
(1)对于匹配幅度处理测深算法和匹配幅相处理测深算法来说，无论利用有限阶还是全部阶的简正波，深度估计的平均误差随着信噪比增加整体上趋于不变，平均误差整体保持在20m左右，说明基于单程传播向量比值宽带干涉结构的匹配幅度处理测深算法和匹配幅相处理测深算法不适用于进行目标深度估计；
[0062]
(2)对于匹配相位处理测深算法来说，深度估计平均误差随着信噪比增加整体上趋于变小，且当利用简正波阶数越多时，估计平均误差下降幅度越大。当利用全部阶简正波
且信噪比大于-10db时，估计平均误差整体上在5m之内。说明基于单程传播向量比值宽带干涉结构的匹配相位处理测深算法可用于进行目标深度估计，信噪比越高，估计的平均误差整体上越小，在无参数失配的条件下，利用简正波阶数越多，深度估计性能越好。在后续所有仿真中，选择全部阶模态贡献的匹配相位处理测深算法进行目标深度估计。
[0063]
利用kraken模型拷贝场划分为201
×
101的网格，由于在主动声呐场景中，目标距离大致获知，假设目标距离30km，匹配定位搜索范围在距离方向上为29km～31km，距离间隔10m，深度方向上为0m～100m，深度间隔1m，信噪比0db，图6分别给出了目标距离30km处不同目标深度分别为10m，50m和90m的深度估计的模糊度面和10次模糊度曲线。可见，在不同目标深度的情况下，目标深度都得到了正确的估计，且模糊度曲线中没有其他的峰值。水体中(目标深度50m)，近水面(目标深度10m)以及近海底(目标深度90m)目标的主旁瓣比都约为6db。
[0064]
以上仅就本发明较佳的实施例作了说明，但不能理解为是对权利要求的限制。凡是利用本发明说明书所做的等效结构或等效流程变换，均包括在本发明的专利保护范围之内。