一种基于地声场的地下浅层目标定位方法技术

本发明专利技术涉及一种基于地声场的地下浅层目标定位方法，属于岩体稳定性预测领域。本发明专利技术布设震动传感器和地声传感器；利用生成对抗网络进行地声信号重构；在监测区域预埋多发震源弹，记录其坐标，震源爆炸后，收集并计算监测区域内所有体积元所对应的三维地声场能量图作为学习样本；对三维地声场能量图标记其对应的位置坐标作为训练标签；用学习样本和训练标签构造并训练基于地声场的深度学习网络模型；利用地声传感器阵列获取目标实际爆炸产生的地声信号，送入已经训练好的深度学习网络，以输出的结果为基于地声场的目标坐标，与震动传感器获得的目标坐标加权平均，输出最终的定位结果。本发明专利技术实现了对地下浅层目标的远距离、大范围、高精度定位。

【技术实现步骤摘要】
一种基于地声场的地下浅层目标定位方法
本专利技术属于地震/地质结构勘测或其他动载激震下岩体稳定性预测领域，具体涉及一种基于地声场的地下浅层目标定位方法。
技术介绍
地下浅层目标定位是利用硬目标深侵彻弹药本身的高动能、高速度、高质量特性，实现对地面建筑物、铁道桥梁、武器仓库、指挥中心和通讯枢纽等坚固防护目标的精准打击。精确确定地下浅层目标的爆破定位信息，是弹药精确打击的重要技术基础，也是评估爆破震动有效控制的重要依据。目前，地下浅层目标定位方法主要包括有源定位和无源定位两种定位方式。有源定位主要是利用雷达、激光等有源设备，通过主动发射大功率电磁波来探测目标位置，定位速度快(通常只需要几秒)，但定位精度低(水平定位精度100m，在标校站支持下可达到20m，且只可获得二维定位数据，无速度信息)，安全性能差，易被干扰、攻击，且能耗和成本较高。无源定位是指在不发射对目标照射电磁波的条件下获取目标位置。相较于有源系统而言，无源定位机动性能高、隐蔽性能强、作业距离远、定位精度高(通常水平定位精度可达10m以内)，且抗干扰能力强。1.测本文档来自技高网...

【技术保护点】
1.一种基于地声场的地下浅层目标定位方法，其特征在于，该方法包括如下步骤：/nS1.布设分布式传感器阵列：选取监测区域中心位置设为坐标原点O，以圆形半径布设方式，布设震动传感器和地声传感器；/nS2.数据预处理与地声信号重构：通过数据修正模块，对低频地声信号进行预处理后，利用生成对抗网络进行地声信号重构，通过基于生成对抗网络的深度学习增强低信噪比地声信号识别度；/nS3.生成学习样本：根据所监测区域的范围，定义一个三维目标空间，在监测区域预埋多发震源弹，记录其坐标，震源爆炸后，收集并计算监测区域内所有体积元所对应的三维地声场能量图作为学习样本；/nS4.标记网络标签：对三维地声场能量图标记其对...

【技术特征摘要】
1.一种基于地声场的地下浅层目标定位方法，其特征在于，该方法包括如下步骤：
S1.布设分布式传感器阵列：选取监测区域中心位置设为坐标原点O，以圆形半径布设方式，布设震动传感器和地声传感器；
S2.数据预处理与地声信号重构：通过数据修正模块，对低频地声信号进行预处理后，利用生成对抗网络进行地声信号重构，通过基于生成对抗网络的深度学习增强低信噪比地声信号识别度；
S3.生成学习样本：根据所监测区域的范围，定义一个三维目标空间，在监测区域预埋多发震源弹，记录其坐标，震源爆炸后，收集并计算监测区域内所有体积元所对应的三维地声场能量图作为学习样本；
S4.标记网络标签：对三维地声场能量图标记其对应的地下浅层目标的位置坐标作为训练标签；
S5.构造并训练深度学习网络模型：用学习样本和训练标签构造并训练基于地声场的深度学习网络模型；
S6.实现融合定位：利用分布式地声传感器阵列获取地下浅层目标实际爆炸产生的地声信号，得到实际震源所对应的三维地声场图像，随机抽取其中的30组样本序列，送入上述已经训练好的深度学习网络，以此输出的结果为基于地声场的目标坐标，与震动传感器获得的目标坐标加权平均，输出最终的定位结果。


2.如权利要求1所述的基于地声场的地下浅层目标定位方法，其特征在于，将震动传感器布设于地表10m*10m范围，将地声传感器布设于地表1km*1km范围，并获取各震动传感器坐标为(pi,qi,wi),(i＝1,2,3,...,m)，m＝10，各地声传感器坐标为(xi,yi,zi),(i＝1,2,3,...,n)，n＝32。


3.如权利要求1所述的基于地声场的地下浅层目标定位方法，其特征在于，在监测区域预埋多发震源弹具体为在监测区域预埋三发震源弹。


4.如权利要求1所述的基于地声场的地下浅层目标定位方法，其特征在于，所述震动传感器对震动信号的震相特征分析和震相参数提取，完成基于震动信息的地下浅层目标定位，获得目标坐标。


5.如权利要求1-4任一项所述的基于地声场的地下浅层目标定位方法，其特征在于，所述步骤S2具体包括如下步骤：
S2.1通过带通滤波器，消除10Hz以下的微小频率以及300Hz以上的高频地声；利用维纳滤波算法，对带噪地声信号进行预处理，提高信号识别度；
S2.2对预处理之后的地声信号进行采样离散后，作为生成数据，输入生成对抗网络模型中，同时将地声传感器所在位置处的理想信号f(x,t)＝A(x)ej(kx-ωt)作为真实数据，输入生成对抗网络模型；
其中，A(x)为地声信号的振幅传播衰减，k为传播波数，ω为指数因子的虚部；假设传感器距离地下浅层目标的水平距离为ri，信号在地下浅层中的振幅衰减为：A0为起始振幅，α为传播介质衰减系数；
S2.3对真实数据和生成数据做差值，求L1和L2范数，作为生成数据的损失进行反向求导，优化生成数据；
S2.4将真实数据与生成数据优化生成的数据输入判别器进行判别，优化生成对抗网络；
S2.5判断判别器的输出信号与真实数据的拟合度高低情况，当判别器的输出信号与真实数据拟合度低于90％时，返回步骤S2.3继续优化，直到判别器的输出信号与真实数据拟合度高于90％时，输出重构后的地声信号。


6.如权利要求5所述的基于地声场的地下浅层目标定位方法，其特征在于，所述步骤S3具体包括如下步骤：
S3.1区域网格化
将实验/工程监测区域均匀划分成若干单位立体监测网格，实现网格化布点管理；
S3.2获取预设地声信号
在监测区域内，随机预埋多发震源弹；引爆震源弹E1，利用布设好的分布式地声传感器阵列，获取爆炸产生的地声信号；
S3.3建立监测区域地声场模型
收集震源弹起爆后的地声信息之后，根据步骤S2所述，利用生成对抗网络...

【专利技术属性】
技术研发人员：王黎明，武丹，韩星程，韩焱，李剑，
申请(专利权)人：中北大学，
类型：发明
国别省市：山西;14