一种主动声呐目标动静辨识方法技术

本发明专利技术属于主动声呐信号处理领域，主要针对传统测速方法受海洋信道、混响、杂波干扰等影响而准确率较低且不稳定的问题，提出了一种主动声呐目标动静辨识方法，利用回波与混响特征分布差异性，突破了平台运动、信道频散效应、海洋混响对目标运动速度估计的影响，提高了目标动静辨识和速度估计的准确性。经仿真分析与试验数据验证，该发明专利技术提出的目标动静辨识方法可以高精度估计出目标运动状态和速度，能够提高实际环境下的识别正确率和宽容性，为主动目标探测与识别设备研制提供技术基础。标探测与识别设备研制提供技术基础。标探测与识别设备研制提供技术基础。

【技术实现步骤摘要】
一种主动声呐目标动静辨识方法


[0001]本专利技术属于主动声呐信号处理领域，主要是一种主动声呐目标动静辨识方法。

技术介绍

[0002]针对主动声呐检测识别处理中普遍存在目标检测虚警率高、目标识别能力弱等突出问题，国外学者在主动声呐目标回波特征提取和识别方面做了大量研究，在分析水中目标特征形成机理的基础上，重点提取与目标结构、形状和材料等属性参数相关的特征，形成不同物理意义下的特征提取方法。但国内在主动目标回波特征提取与识别方面的研究起步相对较晚，主动目标识别技术与国外尚有差距，急需开展目标回波散射特征、宏观物理特征、波形结构特征等主动声呐目标声特征提取方法研究，其中运动特征是支撑主动声呐对鱼群、水面船、水下航行器等识别的关键特征之一，目标的动静辨识可以作为目标分类的重要依据，但传统测速方法受海洋信道、混响、杂波干扰等影响而准确率较低且不稳定，因此准确、快速获取目标动静状态尤为重要。本专利专利技术了一种主动声呐目标动静辨识方法，可以高精度判别目标的动静状态，极大缩短了对水下航行体的发现时间，提高了目标识别正确率。

技术实现思路

[0003]本专利技术针对传统测速方法受海洋信道、混响、杂波干扰等影响而准确率低的问题，而提供一种主动声呐目标动静辨识方法。
[0004]本专利技术的目的是通过如下技术方案来完成的。一种主动声呐目标动静辨识方法，包括步骤如下：步骤一：获取包含全部目标回波的基阵数据，通过空时二维波束形成处理得到包含目标的空时二维特征谱；步骤二：计算多普勒频移，在频率维对空时二维特征谱进行补偿，得到多普勒频移后的特征谱；步骤三：对沿方位维进行规格化处理，得到在基础上进行方位维规格化处理后的特征谱；步骤四：对沿频率维进行规格化处理，得到在基础上进行频率维规格化处理后的特征谱；步骤五：对进行二维图像卷积，得到对进行二维图像卷积后的特征谱；对进行阈值筛选处理，设置门限阈值，得到筛选后的特征谱和目标区域；步骤六：计算目标区域的重心，确定目标所在方位和频率；
步骤七：计算目标的多普勒频移，由目标区域的频率维重心，计算目标自身运动产生的多普勒频移；步骤八：计算目标的径向速度，进行目标动静辨识。
[0005]更进一步的，在步骤一中，令代表维的基阵数据，是阵元数，是时间采样点数，代表波束形成，包含目标的空时二维特征谱表示为：其中是全空间维度上的采样，是频率维度上的采样，是处理频率下限，是处理频率上限。
[0006]更进一步的，在步骤二中，多普勒频移后的特征谱表示为：表示为：其中为声速，为平台运动速度，为发射信号中心频率，为平台运动引起的多普勒频移；抵消后，多普勒频移后的特征谱中的混响成分将由原来在方位维度上呈正弦状起伏，变为沿方位维度呈直线状分布。
[0007]更进一步的，在步骤三中，对频率维进行固定，在方位维上利用滑动矩形窗，对中心点进行归一化处理，得到在基础上进行方位维归一化处理后的特征谱；其中为方位维滑动矩形窗半窗长，，为方位维滑动矩形窗在上截取的片段。
[0008]更进一步的，在步骤四中，对方位维进行固定，在频率维上利用滑动矩形窗，对中心点进行归一化处理，得到在基础上进行频率维归一化处理后的特征谱；其中为频率维滑动矩形窗半窗长，，为频率维滑动矩形窗在上截取的片段。
[0009]更进一步的，在步骤五中，根据目标运动特征和杂波干扰在空时特征谱上的分布差异，采用高斯核函数进行滤波；
其中为高斯核函数，和分别是方位维和频率维上的方差，得到对进行二维图像卷积后的特征谱；其中图像卷积核在方位维和频率维上的长度分别为和，和分别是半窗长，和分别是卷积核在特征谱和核函数上截取的二维片段，其中，；目标所在区域被筛选出来，目标区域的边界设定为，。
[0010]更进一步的，在步骤六中，其中为目标区域的方位维重心，是目标方位的估计；其中为目标区域的频率维重心，是目标回波频率的估计。
[0011]更进一步的，在步骤七中，目标自身运动产生的多普勒频移；其中为多普勒频移为零时的基准频率。
[0012]更进一步的，在步骤八中，利用计算出目标真实速度在目标和平台连线方向的投影分量，也就是目标径向速度；，其中为声速，为发射信号中心频率；对连续3个以上主动探测周期内的目标径向速度进行统计，当满足以下两个条件时，判定目标是运动目标；
其中为个主动探测周期内目标径向速度的统计序列，，为第个主动探测周期的目标径向速度，，为序列的方差，为第一经验阈值，为序列的最小值，为第二经验阈值。
[0013]本专利技术的有益效果为：本专利技术利用回波与混响特征分布差异性，突破了平台运动、信道频散效应、海洋混响对目标运动速度估计的影响，提高了速度估计和目标动静辨识的准确性。经仿真分析与试验数据验证，该专利技术提出的目标动静辨识方法可以高精度估计出目标运动状态和目标的径向速度，能够提高实际环境下的识别正确率和宽容性，为主动目标探测与识别设备研制提供技术基础。
附图说明
[0014]图1为一种主动声呐目标动静辨识方法的处理流程；图2为谱线搬移后的特征谱图；图3为沿方位维归一化后的特征谱图；图4为沿频率维归一化后的特征谱图；图5为图像卷积处理后的特征谱；图6（a）—图6（d）为动目标判别、径向速度估计的性能仿真分析结果图。
具体实施方式
[0015]下面将结合附图，通过理论推导、模拟仿真和水池试验对算法具体实现方式做详细说明。
[0016] (1) 基础理论目标径向速度指目标速度在目标与本船连线上的投影。目标相对本船的运动会引起回波接收频率的变化，目标单频回波接收频率与同方向混响的接收频率之差为目标运动引起的多普勒频移，与目标径向速度成正比。本专利技术提出了一种基于单周期回波多普勒频移的目标径向速度估计新方法，经试验数据验证表明，较好地实现了对水下动静目标的感知与判别。
[0017]本专利技术所述的一种主动声呐目标动静辨识方法的处理流程如图1所示。下面以一段拖曳线列阵主动声呐目标数据为例，介绍算法的主要处理流程，如下：步骤一：算法以完整包含目标回波的基阵数据为输入，通过空时二维波束形成处理得到特征谱，令代表维的基阵数据，是阵元数，是时间采样点数，代表波束形成，则代表波束形成，则是包含目标的空时二维特征谱，其中是全空间维度上的采样，是频率维度上的采样，是处理频率下限，是处理频率上限。
[0018]步骤二：计算多普勒频移，补偿特征谱。根据平台运动速度，计算多普勒频移量，在频率维对特征谱进行补偿量，在频率维对特征谱进行补偿其中为声速，为发射信号中心频率，为平台运动引起的多普勒频移。
[0019]步骤三：对特征谱进行补偿，抵消因本平台运动引起的频率维起伏。
[0020]其中是抵消平台运动引起的多普勒频移后的得到的特征谱。抵消后，特征谱中的混响成分将由原来在方位维度上呈正弦状起伏，变为沿方位维度呈直线状分布，处理后的特征谱如图2所示。
[0021]步骤四：对沿方位维进行规格化处理，消除方位维度上的混响以及其他带状空间能量干扰。对频率维进行固定，在方位维上利用滑动矩形本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种主动声呐目标动静辨识方法，其特征在于：包括步骤如下：步骤一：获取包含全部目标回波的基阵数据，通过空时二维波束形成处理得到包含目标的空时二维特征谱；步骤二：计算多普勒频移，在频率维对空时二维特征谱进行补偿，得到多普勒频移后的特征谱；步骤三：对沿方位维进行规格化处理，得到在基础上进行方位维规格化处理后的特征谱；步骤四：对沿频率维进行规格化处理，得到在基础上进行频率维规格化处理后的特征谱；步骤五：对进行二维图像卷积，得到对进行二维图像卷积后的特征谱；对进行阈值筛选处理，设置门限阈值，得到筛选后的特征谱；步骤六：计算目标区域的重心，确定目标所在方位和频率；步骤七：计算目标的多普勒频移，由目标区域的频率维重心，计算目标自身运动产生的多普勒频移；步骤八：计算目标的径向速度，进行目标动静辨识。2.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤一中，令代表维的基阵数据，是阵元数，是时间采样点数，代表波束形成，包含目标的空时二维特征谱表示为：；其中是全空间维度上的采样，是频率维度上的采样，是处理频率下限，是处理频率上限。3.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤二中，多普勒频移后的特征谱表示为：；；其中为声速，为平台运动速度，为发射信号中心频率，为平台运动引起的多普勒频移；抵消后，多普勒频移后的特征谱中的混响成分将由原来在方位维度上呈正弦状起伏，变为沿方位维度呈直线状分布。4.根据权利要求1所述的主动声呐目标动静辨识方法，其特征在于：在步骤三中，对频率维进行固定，在方位维上利用滑动矩形窗，对中心点进行归一化处理，得到在基
础上进行方位维归一化处理后的特征谱；；其中为方位维滑动矩形窗半窗长，，为...

【专利技术属性】
技术研发人员：谷新禹，王方勇，杜栓平，朱辉庆，李帝水，
申请(专利权)人：杭州应用声学研究所中国船舶重工集团公司第七一五研究所，
类型：发明
国别省市：