买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东省科学院海洋仪器仪表研究所

摘要：本发明提供一种基于双水听器LOFAR谱图分析的目标深度分辨方法，包括以下步骤：1利用深度分别处于跃层上下的两个水听器接收到的声场数据，计算得到两个深度处接收声强的LOFAR谱图；2在得到的两个LOFAR图中分别选择一个矩形区域，两个矩形区域的坐标范围相同，对该矩形区域进行二维傅里叶变换，然后在变换域内按角度遍历的方式计算声强的积分值，得到干涉条纹角度的概率密度函数；3计算两个概率密度函数的期望值，进而计算两个期望值之差；设置深度分辨判决门限角度值；4根据角度期望值之差与判决门限的比较结果判断目标的深度。本发明不需要海洋环境先验信息，计算量小，能分辨具有跃层的浅海环境中的目标深度。

主权项：1.基于双水听器LOFAR谱图分析的目标深度分辨方法，其特征在于包括下述步骤：1利用深度分别处于跃层上下的两个水听器接收到的声场数据，计算得到两个深度处接收声强的频率‑时间平面，即其LOFAR图；2在步骤1得到的两个LOFAR图中分别选择一个矩形区域，两个矩形区域的时间范围和频率范围分别相同，对该矩形区域进行二维傅里叶变换，然后在变换域内按角度遍历的方式分别计算声强的积分值，积分值的大小反映了概率的高低，得到干涉条纹角度的概率密度函数；3计算两个概率密度函数的期望值，进一步计算两个期望值之差；设置深度分辨判决门限角度值；4根据角度期望值之差与判决门限的比较结果判断目标的深度：若期望值之差大于判决门限，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限，则认为目标深度较浅，处于跃层之上。

全文数据：基于双水听器LOFAR谱图分析的目标深度分辨方法技术领域本发明涉及一种目标深度分辨方法。背景技术船只等水面声源会给水下目标监测设备带来虚警，实现对水面声源和水下目标的有效区分是声纳设备的关键能力之一。现有的目标深度分辨方法主要基于匹配场处理方法以及更稳健的一些扩展方法，例如模态闪烁和模态滤波等[Baggeroer1988,Premus1999,2004]。匹配场处理方法基于确定的传播模型，将实际测量的声场数据与由传播模型计算出的拷贝场作互相关，求得一个性能表面，估计出目标的距离和深度。基于匹配场处理的定位方法多数采用垂直阵或水平阵，以获得足够多的声场空间信息。匹配场方法需要已知准确的海洋环境传播参数等先验信息，以及海底底质的声学特性例如沉积层声速、密度和衰减系数等。模态闪烁和模态滤波类方法则要求在海洋环境中布放多个水听器垂直阵列或水平阵列。在实际应用中，这两类方法主要存在两个方面的缺点，一是采用的水听器阵列系统比较复杂，成本较高且海上布放较为困难，例如由于海流的影响垂直阵会发生倾斜，并且该倾斜量一般很难精确得到。一是匹配场处理方法对模型误差敏感，由于实际水声环境信息的难以获取及其不确定性使得基于匹配场处理方法的目标距离和深度估计容易出现失配问题。发明内容为了克服现有技术的不足，本发明提供一种基于双水听器LOFARLowFrequencyAnalysisRecord谱图分析的目标深度分辨方法。该方法利用了具有跃层的浅海环境中，波导不变量的值会随着声源和接收点深度的变化而变化这一物理特性，又因为波导不变量的值对应了接收声场LOFAR谱图中干涉条纹的斜率，因此对分别处于跃层上下两个深度处的LOFAR谱图中的干涉条纹进行斜率分析，根据对斜率角度差值大小的判断实现对目标深度的分辨。本发明解决其技术问题所采用的技术方案包括以下步骤：1利用深度分别处于跃层上下的两个水听器接收到的声场数据，计算得到两个深度处接收声强的频率-时间平面，即其LOFAR图；2在步骤1得到的两个LOFAR图中分别选择一个矩形区域，两个矩形区域的时间范围和频率范围分别相同，对该矩形区域进行二维傅里叶变换，然后在变换域内按角度遍历的方式分别计算声强的积分值，积分值的大小反映了概率的高低，得到干涉条纹角度的概率密度函数；3计算两个概率密度函数的期望值，进一步计算两个期望值之差；设置深度分辨判决门限角度值；4根据角度期望值之差与判决门限的比较结果判断目标的深度：若期望值之差大于判决门限，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限，则认为目标深度较浅，处于跃层之上。所述步骤1，具体实现如下：分别将两个水听器接收到的原始信号的采样序列分成连续的若干帧，每帧N个采样点，根据具体情况，帧间可有部分重叠。对每帧信号采样样本Ln作归一化和中心化处理，归一化处理的目的是使接收信号的幅度在时间上均匀，中心化处理是为了使样本的均值为零。归一化处理中心化处理对处理后的信号xn作短时傅里叶变换，得到LOFAR谱图，记为Ikω,t,k＝1,2，其中I表示声强，ω表示频率，t表示时间，下标k代表水听器编号。所述步骤2，具体实现如下：在步骤1得到的两个LOFAR图Ikω,t,k＝1,2中分别选择一个矩形区域数据窗，该数据窗的频率范围为ωmin＜ω＜ωmax，时间范围为tmin＜t＜tmax，并且满足ωmid＝ωmax+ωmin2＞＞ωmax-ωmin和tmid＝tmax+tmin2＞＞tmax-tmin；对该矩形区域进行二维离散傅里叶变换，得到频率域的LOFAR图为其中u＝0,1,…,M-1，v＝0,1,…,N-1；将Fku,v从直角坐标系转换到极坐标系中表示为Fkθ,ρ，有θ＝arctanvu，然后在变换域内按角度遍历的方式分别计算声强的积分值积分值的大小反映了概率的高低，分别得到两个LOFAR图中干涉条纹角度的概率密度函数所述步骤3，具体实现如下：计算两个概率密度函数的期望值K为离散角度值的个数。进一步计算两个期望值之差Dca＝|E1-E2|；设置深度分辨判决门限角度值Dth。所述步骤4，具体实现如下根据角度期望值之差Dca与判决门限Dth的比较结果判断目标的深度：若期望值之差大于判决门限Dca＞Dth，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限Dca＜Dth，则认为目标深度较浅，处于跃层之上。本发明的有益效果是：本发明的基本原理和具体实现得到了简正波模型的验证，结果表明：1当海洋环境中存在负声速梯度或者跃层时，波导不变量的值将会随着声源和接收点的变化而变化，进而导致接收声场LOFAR谱图中干涉条纹的斜率发生变化。2当声源位于跃层以上的较浅深度时，跃层上下两水听器的LOFAR谱图干涉条纹斜率比较一致；当声源位于跃层以下的较深深度时，跃层上下两水听器的LOFAR谱图干涉条纹的斜率相差较大。3基于二维傅里叶变换方法的LOFAR谱图干涉条纹角度计算方法效率高，且能有效分辨声源深度。附图说明图1是声源处于不同深度时，声线分布情况示意图。其中，a是声源位于跃层以上的情况，b是声源位于跃层以下的情况；图2是声源深度为10米时，两水听器接收声场LOFAR图。其中，a是水听器1，b是水听器2；图3是声源深度为50米时，两水听器接收声场LOFAR图。其中，a是水听器1，b是水听器2；图4是声源位于不同深度时，两水听器LOFAR图中干涉条纹角度的概率密度分布情况。其中，a是声源深度为10米的情况，b是声源深度为50米的情况。具体实施方式下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。本发明的主要内容有：1、本发明首次提出了采用二维傅里叶变换进行声场干涉条纹角度分析来实现目标深度分辨的方法。2、给出了声场干涉条纹角度概率密度函数的计算方法。3、利用计算机仿真分析对比了不同深度声场干涉条纹的角度，并进行了目标深度分辨。本发明的技术方案可以分成如下步骤：1利用深度分别处于跃层上下的两个水听器接收到的声场数据，计算得到两个深度处接收声强的频率-时间平面，即其LOFAR图；2在步骤1得到的两个LOFAR图中分别选择一个矩形区域，两个矩形区域的时间范围和频率范围分别相同，对该矩形区域进行二维傅里叶变换，然后在变换域内按角度遍历的方式分别计算声强的积分值，积分值的大小反映了概率的高低，得到干涉条纹角度的概率密度函数；3计算两个概率密度函数的期望值，进一步计算两个期望值之差；设置深度分辨判决门限角度值；4根据角度期望值之差与判决门限的比较结果判断目标的深度：若期望值之差大于判决门限，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限，则认为目标深度较浅，处于跃层之上。5性能分析。利用计算机仿真验证了本发明方法的深度分辨性能。以下对本发明的每个步骤作进一步的详细说明：所述步骤1，具体实现如下：分别将两个水听器接收到的原始信号的采样序列分成连续的若干帧，每帧N个采样点，根据具体情况，帧间可有部分重叠。对每帧信号采样样本Ln作归一化和中心化处理，归一化处理的目的是使接收信号的幅度在时间上均匀，中心化处理是为了使样本的均值为零。归一化处理中心化处理对处理后的信号xn作短时傅里叶变换，得到LOFAR谱图，记为Ikω,t,k＝1,2，其中I表示声强，ω表示频率，t表示时间，下标k代表水听器编号。所述步骤2，具体实现如下：在步骤1得到的两个LOFAR图Ikω,t,k＝1,2中分别选择一个矩形区域数据窗，该数据窗的频率范围为ωmin＜ω＜ωmax，时间范围为tmin＜t＜tmax，并且满足ωmid＝ωmax+ωmin2＞＞ωmax-ωmin3tmid＝tmax+tmin2＞＞tmax-tmin4对该矩形区域进行二维离散傅里叶变换，得到频率域的LOFAR图为其中u＝0,1,…,M-1，v＝0,1,…,N-1；将Fku,v从直角坐标系转换到极坐标系中表示为Fkθ,ρ，有θ＝arctanvu，然后在变换域内按角度遍历的方式分别计算声强的积分值积分值的大小反映了概率的高低，分别得到两个LOFAR图中干涉条纹角度的概率密度函数所述步骤3，具体实现如下：计算两个概率密度函数的期望值K为离散角度值的个数。进一步计算两个期望值之差Dca＝|E1-E2|；设置深度分辨判决门限角度值Dth。所述步骤4，具体实现如下根据角度期望值之差Dca与判决门限Dth的比较结果判断目标的深度：若期望值之差大于判决门限Dca＞Dth，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限Dca＜Dth，则认为目标深度较浅，处于跃层之上。实际应用中，判决门限可以根据感兴趣目标的速度、频带等特性灵活设置，以达到最优的深度分辨目的。所述步骤5，具体实现如下：以存在负声速梯度的典型浅海环境为例，给出了本发明的实施实例。实例参数设置如下：假设海水中声速剖面以及目标和水听器的布放情况如图1中所示。其中，海水混合层深度为15m，声速为1540ms；温跃层厚度为10m；声速经过温跃层后，变为1510ms，并随着深度的增加不再变化。水听器1和水听器2的布放深度分别为10m和50m。假设目标辐射150-500Hz的宽带随机信号，速度为5ms，距离水听器最近点距离为1km，水听器开始记录的时间为目标经过最近点后200秒。本实例分为两种情况：情况1，目标深度为10m，如图1a所示；情况2，目标深度为50m，如图1b所示。本实例的具体实现过程如下：1获取两个水听器布放位置处的LOFAR图根据图1中的海洋环境模型，利用KRAKEN程序计算水听器1和水听器2接收的声场LOFAR谱图。情况1的声场LOFAR谱图如图2所示，情况2的声场LOFAR谱图如图3所示。2计算LOFAR图中干涉条纹角度的概率密度函数对LOFAR图中时间大于500秒，频率大于200Hz的矩形区域进行二维傅里叶变换矩形区域的选择，只影响角度的分散程度，不影响最终判定结果，在变换后的极坐标系中按角度遍历的方式分别计算声强的积分值，得到LOFAR图中干涉条纹角度的概率密度函数。情况1的概率密度函数如图4a所示，情况2的概率密度函数如图4b所示。3计算两水听器概率密度函数期望值之差，并设置判决门限情况1中，计算得到水听器1对应的干涉条纹角度期望值为70.1°，水听器2对应的干涉条纹角度期望值为67.9°，可得其角度差为Dca1＝2.2°。情况2中，计算得到水听器1对应的干涉条纹角度期望值为67.9°，水听器2对应的干涉条纹角度期望值为57.5°，可得其角度差为Dca2＝10.4°。将判决门限设置为Dth＝5°。4分辨目标的深度情况1中，Dca1＜Dth，判断目标深度较浅，处于跃层之上。情况2中，Dca2＞Dth，判断目标深度较深，处于跃层之下。5性能分析。在负跃层的声速剖面下，声场简正波可以划分为水面反射-海底反射简正波SRBR，即反射简正波和水体反转-海底反射简正波RBR，即反转简正波两大类，不同类型的简正波对应的波导不变量典型值见表1。当反射简正波占主导地位时，波导不变量的值为+1略小于1，当反转简正波占主导地位时，波导不变量的值为负值或者大于1的正值。表1负跃层波导中简正波的分类及其对应的波导不变量典型值简正波类型波导不变量典型值SRBR1一类RBR负值二类RBR1如图1a所示，当声源深度较浅位于跃层以上时，激发的简正波类型为水面反射-海底反射SRBR型。水听器1和水听器2接收到的均为SRBR型简正波，对应的波导不变量值均为略小于1的正值，因而形成的干涉条纹角度也较为一致。如图1b所示，当声源深度较深位于跃层以下时，激发的低阶简正波多为RBR型图中虚线示意，高阶简正波多为SRBR型图中实线示意。水听器1接收到的为SRBR型简正波，对应的波导不变量值为略小于1的正数。水听器2接收到的主要为RBR型简正波，对应的波导不变量值大于1或者为负数。此时，水听器1和2接收到声场干涉条纹角度将会有较大的不同。因此，通过判断两个不同深度处水听器的LOFAR图中干涉条纹的斜率可以实现对目标深度的分辨。实际应用中，判决门限可以根据感兴趣目标的速度、频带等特性灵活设置，以达到最优的深度分辨目的。

权利要求：1.基于双水听器LOFAR谱图分析的目标深度分辨方法，其特征在于包括下述步骤：1利用深度分别处于跃层上下的两个水听器接收到的声场数据，计算得到两个深度处接收声强的频率-时间平面，即其LOFAR图；2在步骤1得到的两个LOFAR图中分别选择一个矩形区域，两个矩形区域的时间范围和频率范围分别相同，对该矩形区域进行二维傅里叶变换，然后在变换域内按角度遍历的方式分别计算声强的积分值，积分值的大小反映了概率的高低，得到干涉条纹角度的概率密度函数；3计算两个概率密度函数的期望值，进一步计算两个期望值之差；设置深度分辨判决门限角度值；4根据角度期望值之差与判决门限的比较结果判断目标的深度：若期望值之差大于判决门限，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限，则认为目标深度较浅，处于跃层之上。2.根据权利要求1所述的基于双水听器LOFAR谱图分析的目标深度分辨方法，其特征在于所述的步骤1具体实现如下：分别将两个水听器接收到的原始信号的采样序列分成连续的若干帧，每帧N个采样点，根据具体情况，帧间可有部分重叠；对每帧信号采样样本Ln作归一化和中心化处理，归一化处理的目的是使接收信号的幅度在时间上均匀，中心化处理是为了使样本的均值为零；归一化处理中心化处理对处理后的信号xn作短时傅里叶变换，得到LOFAR谱图，记为Ikω,t,k＝1,2，其中I表示声强，ω表示频率，t表示时间，下标k代表水听器编号。3.根据权利要求1所述的基于双水听器LOFAR谱图分析的目标深度分辨方法，其特征在于所述的步骤2具体实现如下：在得到的两个LOFAR图Ikω,t,k＝1,2中分别选择一个矩形区域数据窗，该数据窗的频率范围为ωmin＜ω＜ωmax，时间范围为tmin＜t＜tmax，并且满足ωmid＝ωmax+ωmin2＞＞ωmax-ωmin和tmid＝tmax+tmin2＞＞tmax-tmin；对该矩形区域进行二维离散傅里叶变换，得到频率域的LOFAR图为其中u＝0,1,…,M-1，v＝0,1,…,N-1；将Fku,v从直角坐标系转换到极坐标系中表示为Fkθ,ρ，有θ＝arctanvu，然后在变换域内按角度遍历的方式分别计算声强的积分值积分值的大小反映了概率的高低，分别得到两个LOFAR图中干涉条纹角度的概率密度函数4.根据权利要求1所述的基于双水听器LOFAR谱图分析的目标深度分辨方法，其特征在于所述的步骤3具体实现如下：计算两个概率密度函数的期望值K为离散角度值的个数；进一步计算两个期望值之差Dca＝|E1-E2|；设置深度分辨判决门限角度值Dth。5.根据权利要求1所述的基于双水听器LOFAR谱图分析的目标深度分辨方法，其特征在于：所述的步骤4根据角度期望值之差Dca与判决门限Dth的比较结果判断目标的深度：若期望值之差大于判决门限Dca＞Dth，则认为目标深度较深，处于跃层之下；若期望值之差小于判决门限Dca＜Dth，则认为目标深度较浅，处于跃层之上。

百度查询： 山东省科学院海洋仪器仪表研究所 基于双水听器LOFAR谱图分析的目标深度分辨方法