加权宽带时反算子分解多目标声成像方法技术

一种加权宽带时反算子分解多目标声成像方法，其核心为：将收发合置阵接收到的信号进行傅里叶分解，经过窄带滤波器划分为各个子带，将各个子带对应的时反算子奇异值分解，根据特征值的变化趋势判断信号子空间的个数，将所有信号子空间对应的特征向量与基于声传播模型的传递向量相关后获得模糊度函数，提取各子带模糊度函数的最大值及所对应的二维声场空间，同时以特征值设计加权系数，加权模糊度函数的最大值，将所有子带的加权结果相干累加，再将所有信号子空间的结果相干累加，呈现为空间图像。

【技术实现步骤摘要】

本专利技术属于海洋资源开发和利用的声探测领域，具体的说是一种采用阵列对多个点目标或者扩展性目标进行声成像的方法。
技术介绍
由于声波在水中传播的性能优于光波和电磁波，所以，应用于海洋资源的探测基本上是以声学手段为主。目前实际应用于声纳系统的空间处理技术仍然是以上世纪五、六十年代兴起并发展起来的以白噪声背景和自由场传播条件下的平面波波束形成。然而，在浅海环境下，传统的基于平面波模型的处理方法不再适用，由于声信号在海洋中的传播呈现多路径/多简正模状态，很容易造成检测过程中的伪目标或虚影现象，影响声纳系统的检测性能。时反处理从上世纪末开始应用于水声领域，是目前颇有应用前景的主动目标探测手段，时反算子分解是通过分析目标散射矩阵达到聚焦发射、定位以及成像目标的一种方法。然而，目前时反算子分解方法应用于海洋探测领域的多目标成像，通常采用的方法，一是假定不同的目标对应不同的特征向量，将目标对应的特征向量与传递矩阵相关，二是利用噪声子空间的MUSIC算法，存在如下局限性：(1)宽带信号的处理仅仅考虑中心频率或者整个频段的处理结果非相干累加的方式，没有有效地利用宽带信号的信息；(2)多个目标需要多幅图像展示，不能直观地表示多个目标的相对位置关系；(3)目标本身的散射特性、波导传播效应以及换能器与频率的关系等综合作用，最终表现为目标散射特性与频率的关系函数，而目前处理过程中并没有考虑和利用这种散射特性。
技术实现思路
本专利技术要克服现有技术的上述缺点，提供加权宽带时反算子分解多目标声成像方法，该方法在现有的时反算子分解方法的基础上，有效地利用目标散射特性和宽带信息，从而达到消除伪目标、有效显示扩展性目标空间特征和同时展示多个目标的目的。本专利技术提出的加权宽带时反算子分解多目标声成像方法，根据特征值的变化趋势确定信号子空间，提取各个信号子空间，各个子带模糊度函数的最大值以及相应的二维声场空间，根据最大特征值与频率的函数关系设计加权系数，加权对应信号子空间和子带的模糊度函数，并将加权后的模糊度函数非相干累加，将最终结果显示为声场图像，同时确定多个目标的空间位置。下面对本专利技术方法做进一步说明。对环境的声学参数如水深、声速剖面、密度、沉积层参数等有足够了解的情况下，按如下步骤完成目标的三维声学图像及目标空间位置的识别：(1)建立坐标系；设P个换能器组成的收发合置线阵，垂直放置在水中，以线阵为z轴，水平方向为r轴建立坐标系，水面为坐标原点，第一个换能器距水面的深度为z1，第P个换能器距水面的深度为zP；(2)将换能器阵列接收到数据快拍排列成列向量，根据预定采样频率对每个数据快拍进行采样，yi(n)＝[y1i(n)…ypi(n)…yPi(n)]H，p＝1,…,P，i＝1,…,M，其中n表示时刻，H表示转置，M表示数据快拍数；(3)对采样后的信号进行短时傅里叶变换，n时刻可表示为 y i ( ω ) = Σ l = 0 L y 1 i ( n - l ) w ( l ) e - j ω ( n - l ) · · · Σ l = 1 L y P i ( n - l ) w ( l ) e - j ω ( n - l 本文档来自技高网...

【技术保护点】
加权宽带时反算子分解多目标声成像方法，该方法包括如下步骤：(1)建立坐标系；设P个换能器组成的收发合置线阵，垂直放置在水中，以线阵为z轴，水平方向为r轴建立坐标系，水面为坐标原点，第一个换能器距水面的深度为z1，第P个换能器距水面的深度为zP；(2)将换能器阵列接收到数据快拍排列成列向量，并根据预定采样频率对每个数据快拍进行采样yi(n)＝[y1i(n)…ypi(n)…yPi(n)]H，p＝1,…,P，i＝1,…,M，n表示时刻，H表示转置，M表示数据快拍数；(3)对采样后的信号进行短时傅里叶变换，n时刻可表示为yi(ω)=Σl=0L-1y1i(n-l)w(l)e-jω(n-l)...Σl=0L-1yPi(n-l)w(l)e-jω(n-l)---(1)]]>其中ω表示角频率，w(l)为窗口函数序列,L为窗函数的长度；(4)将所有的M个数据快拍排列成矩阵则时反算子为K(ω)＝Y(ω)YH(ω)；(5)将时反算子划分为Q个子带，进行奇异值分解：K(ωq)＝U(ωq)Λ(ωq)V*(ωq),q＝1,…,Q    (3)其中ωq表示第q个子带对应的角频率，Q为子带的个数。(6)输出各子带非相干累加后的特征值与水平距离r的函数曲线，根据最大特征值的曲线判断包含目标的时间窗所对应的时反算子Ko(ωq)，所对应的特征值Λo(ωq)以及特征向量Uo(ωq)和Vo*(ωq)；(7)设置阈值，根据特征值Λo(ωq),q＝1,…,Q的变化趋势判断信号子空间，假设信号子空间的个数为T；(8)根据特征值Λo(ω)设计加权系数，找出信号子空间的特征值λt(ωq),q＝1,…,Q在频率维的最大值t＝1,…T，其余各子带的特征值与最大值的比值为加权系数：ηt(ωq)=λt(ωq)/λmaxt,q=1.....Q,t=1,...T---(4)]]>(9)将感兴趣的空间区域划分为网格，网格的交点即为假定目标所在的位置(r,z)，其中r表示假定目标距收发合置阵的水平距离，z表示假定目标的水深；(10)根据成像方法所面临的水声环境，确定所适用的传播模型，分别得到假定目标与收发合置阵之间的传递向量g(r,z,ωq)＝[g1(z1,r,z,ωq)…gp(zp,r,z,ωq)…gP(zP,r,z,ωq)]T，其中gp(zp，r,z,ωq)表示假定目标与第p个换能器之间的传递函数。(11)各个信号子空间，各个子带的模糊度函数为：It(r，z，ωq)＝|gH(r，z，ωq)ut(ωq)|2，q＝1，...，Q，t＝1，...，T  (5)其中ut(ωq)表示第t个信号子空间第q个子带特征值λt(ωq)对应的特征向量，H表示共轭转置；(12)提取所有信号子空间，各个子带模糊度函数的最大值Itmax(r,z,ωq)及其对应的声场空间位置(rtmax(ωq),ztmax(ωq))；(13)将所有子带的声场空间位置(rtmax(ωq),ztmax(ωq))整理为一个集合Ω(rtmax(ωq),ztmax(ωq))，并重新定义模糊度函数：It(r,z,ωq)=0,(r,z)∉Ω(rmaxt(ωq),zmaxt(ωq))It(r,z,ωq),(r,z)∈Ω(rmaxt(ωq),zmaxt(ωq))---(6)]]>(14)先将所有子带的模糊度函数进行加权累加，再将所有信号子空间的结果进行累加：将最终结果呈现为空间图像。...

【技术特征摘要】
1.加权宽带时反算子分解多目标声成像方法，该方法包括如下步骤：(1)建立坐标系；设P个换能器组成的收发合置线阵，垂直放置在水中，以线阵为z轴，水平方向为r轴建立坐标系，水面为坐标原点，第一个换能器距水面的深度为z1，第P个换能器距水面的深度为zP；(2)将换能器阵列接收到数据快拍排列成列向量，并根据预定采样频率对每个数据快拍进行采样yi(n)＝[y1i(n)…ypi(n)…yPi(n)]H，p＝1,…,P，i＝1,…,M，n表示时刻，H表示转置，M表示数据快拍数；(3)对采样后的信号进行短时傅里叶变换，n时刻可表示为 y i ( ω ) = Σ l = 0 L - 1 y 1 i ( n - l ) w ( l ) e - j ω ( n - l ) . . . Σ l = 0 L - 1 y P i ( n - l ) w ( l ) e - j ω ( n - l ) - - - ( 1 ) ]]>其中ω表示角频率，w(l)为窗口函数序列,L为窗函数的长度；(4)将所有的M个数据快拍排列成矩阵则时反算子为K(ω)＝Y(ω)YH(ω)；(5)将时反算子划分为Q个子带，进行奇异值分解：K(ωq)＝U(ωq)Λ(ωq)V*(ωq),q＝1,…,Q (3)其中ωq表示第q个子带对应的角频率，Q为子带的个数。(6)输出各子带非相干累加后的特征值与水平距离r的函数曲线，根据最大特征值的曲线判断包含目标的时间窗所对应的时反算子Ko(ωq)，所对应的特征值Λo(ωq)以及特征向量Uo(ωq)和Vo*(ωq)；(7)设置阈值，根据特征值Λo(ωq),q＝1,…,Q的变化趋势判断信号子空间，假设信号子空间的个数为T；(8)根据特征值Λo(ω)设计加权系数，找出信号子空间的特征值λt(ωq),q＝1,…,Q在频率维的最大值t＝1,…T，其余各子带的特征值与最大值的比值为加权系数： η t ( ω q ) = λ t ( ω q ) / λ max t , q = 1 . . . . . Q , t = 1 , . . . T - - - ( 4 ) ]]>(9)将感兴趣的空间区域划分为网格，网格的交点即为假定目标所在的位置(r,z)，其中r表示假定目标距收发合置阵的水平距离，z表示假定目标的水深；(10)根据成像方法所面临的水声环境，确定所适用的传播模型，分别得到假定目标与收发合置阵之间的传递向量g(r,z,ωq)＝[g1(z1,r,z,ωq)…gp(zp,r,z,ωq)…gP(zP,r,z,ωq)]T，其中gp(zp，r,z,ωq)表示假定目标与第p个换能器之间的传递函数。(11)各个信号子空间，各个子带的模糊度函数为：It(r，z，ωq)＝|gH(r，z，ωq)ut(ωq)|2，q＝1，...，Q，t＝1，...，T (5)其中ut(ωq)表示第t个信号子空间第q个子带特征值λt(ωq)对应的特征向量，H表示共轭转置；(12)提取所有信号子空间，各个子带模糊度函数的最大值Itmax(r,z,ωq)及其对应的声场空间位置(rtmax(ωq),ztmax(ωq))；(13...

【专利技术属性】
技术研发人员：李春晓，郭明飞，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33