【技术实现步骤摘要】
一种线上贝叶斯压缩水下成像方法及系统、设备和介质
[0001]本专利技术属于声呐成像
，特别是涉及一种线上贝叶斯压缩水下成像方法及系统、设备和介质。
技术介绍
[0002]水下成像系统能够通过声回波重建目标强度。声成像作为一种重构水下环境和目标的有效方法，被广泛应用于海洋勘探、测绘和环境监测。在考虑远场声传播和后向散射的情况下，波束形成是开发声成像系统最常用的方法，其模型和伴随算子可以通过快速傅里叶变换(FFT)和快速傅里叶反变换(IFFT)有效实现。
[0003]利用压缩感知方法实现波束形成能够有效提高成像质量。常用的求解方法包括正交匹配追踪(OMP)、快速迭代收缩阈值算法(FISTA)、近似消息传递(AMP)及稀疏贝叶斯学习(SBL)等。上述方法在处理多快拍波束形成问题时，一般采用“成块”处理的方式，各快拍之间采用相互独立假设，例如多快拍SBL(MSBL)和块近端梯度法(BPG)。其明显缺陷在于，难以构建各快拍之间的结构关系。
[0004]另一种方式是建立动态系统来实现多快拍的求解问题。具体方法是，...
【技术保护点】
【技术特征摘要】
1.一种线上贝叶斯压缩水下成像方法，其特征在于，所述方法包括：接收并采样存储水下目标的声回波，根据声呐系统的测量范围划分数据帧，将测量数据划分为长度为Δ的数据块，并将待重构的状态更新数据划分为长度为Δ
′
的数据块；按照规定模式完成超参数初始化，所述超参数初始化包含两种初始化方式，即，确定数值初始化和最优初始化；将测量数据划分的数据块和感知矩阵输入线上贝叶斯压缩水下成像模型，将最新存储的长度为Δ的测量数据块输入Kalman滤波
‑
RTS平滑模块，通过Kalman滤波器得到前向递归的估计均值和协方差矩阵，并将结果馈入RTS平滑器得到后向递归估计均值和协方差矩阵；根据声呐系统参数建立测量方程和状态转移方程，通过EM算法完成超参数估计；在实现时，启动锯齿滞后周期性更新机制，在第l个更新周期，根据Kalman滤波
‑
RTS平滑模块输出的源向量状态统计信息，更新计算超参数；将更新得到的超参数和长度为Δ
′
的状态更新数据块重新输入Kalman滤波
‑
RTS平滑模块，得到长度为Δ
′
的状态估计均值和协方差矩阵，其中均值向量输出为本周期的源向量估计结果；更新时间窗和对应的长度为Δ的测量数据块，输入Kalman滤波
‑
RTS平滑模块启动第l+1个周期的状态估计。2.根据权利要求1所述的方法，其特征在于：所述确定数值初始化规定所有超参数初始化为固定常数或常向量；所述最优初始化采用传统稀疏贝叶斯学习模型估计稀疏超参数向量γ0和噪声不确定度β0作为初值。3.根据权利要求2所述的方法，其特征在于：以Kalman滤波
‑
RTS平滑得到的源向量统计信息为基础，通过测量方程和状态转移方程，结合锯齿滞后周期性更新机制，更新估计超参数，具体为：步骤(1)：在已知感知矩阵和测量回波数据前提下，在时域上建立用于目标强度成像的线性方程，即测量方程；步骤(2)：对相邻时序的源向量建立状态转移方程，其中状态转移矩阵暂时是未知的，与水下成像中快拍结构关系的未知性一致；步骤(3)：根据期望最大算法，建立各超参数对应的Q函数；步骤(4)：在上述Q函数的基础上，给出更新公式和近似迭代公式。4.根据权利要求3所述的方法，其特征在于：所述步骤(1)具体为：在时间序列t∈[1,2,
…
,T]建立如下测量方程：y
t
＝Ax
t
+n
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，x
t
为t时刻源向量或状态变量，y
t
为t时刻源向量或状态变量的输出值，A∈C
m
×
N
为波束形成对应的感知矩阵，具有非时变特性，可以表示为：A＝[a(θ1),a(θ2),
…
,a(θ
N
)]，其中预定义的波达角(DOA)θ
n
的转向矢量可以表示为：其中，阵元数目为m，预定义DOA角度采样数目为N，d为线性阵列的阵元间隔，λ为声信号的波长，n
t
满足复高斯分布其中β为当前噪声不确定性，I
m
为m
×
m的单位矩阵。5.根据权利要求4所述的方法，其特征在于：所述步骤(2)具体为：在时间序列t∈[1,2,
…
,T]建立如下状态转移方程：x
t
＝Dx
t
‑1+z
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
其中，z
t
满足复高斯分布状态转移矩阵D假设为对角阵，能够有效降低过拟合的发生，Γ为时序源向量的协方差矩阵，其具有对角阵形式，即γ＝diag(Γ)。6.根据权利要求5所述的方法，其特征在于：所述步骤(3)具体为：由测量方程(1)得到似然概率密度：假设源向量具有稀疏性，结合状态转移方程(3)得到转移概率密度：因此得到联合概率密度：其中，y
1:K
＝[y1,y2,
…
,y
K
]并且...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。