文摘
可以计算的压力信号互谱信号。信号的互谱分布活性成分可以有效地用于目标深度分类算法。该算法适用于深度分类的目标频率只能激发前两个正常模式。相应的研究成果主要是基于理论研究。很少有研究基于实验结果对算法性能。为了克服这项研究缺乏,基于有效深度模型,对各种接收的影响深度,源的频率,和接收信噪比算法性能研究。声速剖面的影响参数(负梯度、温跃层强度、温跃层厚度和河段深度)对算法性能也被研究。根据仿真结果,适当调整接收深度可以有效地提高算法的性能。源频率主要影响理想接收深度的位置可适当调整根据深度分类要求真实的海洋环境。该算法性能随信噪比的增加逐渐好转。 Moreover, the algorithm can also be applied under the conditions of negative gradient and thermocline. The comprehensive sound velocity profile parameters have a large impact on the depth classification performance of the algorithm. Even in the case of strong negative gradient or strong thermocline, the robustness of the algorithm is still high. The feasibility of our presented method has been verified by sea experiment. The practical application value of the ideal receiving depth has been researched and validated. The factors affecting the algorithm performance including line spectrum continuity and received signal-to-noise ratio have also been analyzed in our simulation and real sea experiments.
1。介绍
水下的运动平台通道遇到各种目标造成的安全威胁。实现目标的被动定位没有目标先验信息是非常必要的。目标深度分类结果直接关系到目标类别被动定位过程中尤为重要。有效的分类目标(目标或水下目标表面)有深远的影响水下平台的安全性和隐蔽性。
本文的主要研究重点是研究目标深度的方法分类,这实际上是为目标类别分类的方法。近年来,这一领域的研究开发了巨大的利益,大量的研究工作发表在领域的目标深度分类。
目标类别分类的初始目的目标深度,而不是准确估计目标深度。有许多算法深度分类利用阵列信号。金(1对本地化)进行最大似然估计。梁等。2)和Premus et al。3]提出模式过滤方法声学源深度歧视。要么基于模态分解技术(4)或基于数据的方法(5),源深度估计实现由尼古拉斯和杨。目标分类是通过使用一个波导深度不变的自适应匹配滤波器由Goldhahn [6]。有各种各样的研究对目标深度估计的基础上,匹配场处理(7- - - - - -12]。Premus和辅助工13)提出了一个匹配的子空间(14)方法深度歧视。修改模态闪烁指数的概念引入源深度分类et al。(15]。利用倒频谱技术,源深度的确定是由吴,Zhang et al .,米切尔和贝德福德(16- - - - - -18]。源范围和深度得到使用ray-based反向传播算法Felisberto et al。19]。这些深度分类算法有很高的精度,但大多数这些方法在真实的应用程序中并不可行的应用由于其高复杂性和时间消耗。此外,考虑到水下的空间限制和安全需求平台,它可能是不可能的地方或与大光圈拖一个数组。然而,这些研究理论价值高但需要进一步研究在真实应用场景暗示目标深度分类通过将一个或两个传感器。
执行互谱的计算使用信号通过一个3 d矢量传感器(20.,21)或两个2 d矢量传感器(22,23),和目标深度分类可以实现基于互谱的特征信号。然而,大多数的算法理论研究[20.- - - - - -23),算法的实际表现是很少分析通过分析实验数据处理结果(24,25]。根据海上实验数据处理结果,分析理想接收深度概念的影响算法的性能,同时验证目标深度分类算法的可行性。它显示的实际应用价值理想的接收深度的概念。此外,本文深入研究了感情的声速剖面参数(负梯度,温跃层强度、温跃层厚度、河段深度,等等)的算法性能。
2。理论模型
浅水领域的声传播特性的基础上两层油模型如图1。H海的深度;海水的密度是常数,和海水的声速吗和深度是常量或变量吗只有。的沉积物层均匀半空间流体声速和密度是常数。单位振幅和角频率的点源位于( )在圆柱坐标。接收者位于( )。海面绝对是软界面的深度 (26]。
如果是常数,这个模型被称为Pekeris模型。Pekeris通道的深度在浅水本质上是一样的波导和两个卸压范围的深度(27]。被称为有效深度。 在哪里 ; ; 是关键的底界面的掠射角。因此,压力场可以表示如下: 在哪里的序列号是正常模式; 是阶特征值;和也称为水平和垂直波数,分别。 是深度模式函数。在有效深度模型中, , 。
和 由接收信号采集压力传感器在不同深度和 。活性成分的互谱定义为信号 :
的方程, ,的上标代表了复杂的共轭操作;代表的操作得到复数的实部。
的截止频率阶正常模式可以作为计算
如果源频率满足 , 可以激发第一阶正常模式。
如果 , 和是两个组成部分 :
代表的组成部分的水平和垂直方向的变化迹象。组件的表示吗其垂直方向的变化迹象。根据方程(5)的峰值是 。 类似余弦信号,但其峰值随源和接收器深度。
频率只能激发前两个正常模式,使用标志和目标分类可以实现深度的分布 。基于有效深度模型,当源频率只能激发前两个模式,有理想的接收深度 导致 ,这趋于零。的影响在分布的迹象可以忽略。如果 ,它可以保证分布的迹象在水平方向不会改变,但垂直方向的变化。
的临界深度被定义为边界的位置的签署时 。所有的迹象以上是相同的,但不同于价值较小的比 。的近似表达式是
流程图的目标分类提出了深度图2。根据本文中使用的模拟参数,当源深度较小 ,的标志是负的,和来源位于这些位置可以确定为表面的目标。当源深度大于 ,的标志源在这些位置是正的,可以认定为水下目标。对应于不同的仿真参数,目标表面的标志”可以积极和水下目标的迹象可以是负的。
基于上述理论已经被发表在22,23),我们可以得出结论,临界深度的值变化与不同的接收深度、源频率、声速剖面和海底。这些因素影响算法性能的原因从未被研究。我们必须开发一个模型,这些参数影响算法的有效性。选择接收深度还简要描述过的方法。
只有在 ,临界深度的存在可以保证。因此,第一个传感器的最大容许值深度
代表,分数是四舍五入。
如果 ,的标志水平方向上的变化,其变化规律取决于组件。的标志会跳每隔一 在水平方向上。的标志垂直方向的变化,其变化规律取决于 组件。的标志 将在对跳 。它可以发现,无论是在水平或垂直方向的跳跃的迹象既不与的价值呢 ,但的振幅随 。的标志将随 。在最深处, ,这将产生重大影响的信号分布 。在临界深度的存在的前提下,的存在将边界信号从直线变化曲线,类似于余弦分布的峰值变化 。
总结我们的算法,声场结构干涉源数据接收深度的变化,变化频率、声速剖面,海底,改变的价值的振幅相应的行动。的变化和导致算法性能波动。理想的接收深度对应各种条件是不同的。这样的性能可以通过适当的调整改进接收深度根据这些关键因素的变化。
3所示。仿真结果
来验证我们的呈现技术的可行性,我们进行了仿真实验。选择海洋深度 ;密度的海水和沉积物 ;沉积物的声速 ;源频率 ,和源深度的范围是1 ~ 22米。水平距离的范围是2 ~ 8公里。 ;因此,源频率只能激发前两个模式。声速剖面对算法性能的影响,分析了考虑三种常见类型的声速剖面(等速、负梯度和温跃层)在浅水区。对应于等速,海水中声速 。
对不同的负梯度资料,海水中声速 在 和 在 ;梯度是消极和常数,即不同条件下的梯度 。
温跃层概要文件的影响主要是由于温跃层强度、温跃层厚度,河段深度。海水的声速 在 ,和 在 对应于不同的条件。因此,温跃层强度 ,温跃层厚度可能被认为是 ,和河段上的深度 。
3.1。接收深度对算法性能的影响
等速概要文件的情况下,根据方程(1), 。根据方程(8),只有在 ,目标深度分类可以实现。之间的关系 和 如图3。它可以看到从图3的增加 ,的峰值逐渐增加。的峰值也将随之间的距离 和 ,信号分布的影响 ; 的增加会减少 。因此,为了得到更好的分类目标深度的价值 应该考虑全面。首先,理想的范围 应该获得的。然后,赋予的要求 ,理想的范围应该确认。最后,在条件允许的值应该适当减少改善深度分类算法的性能。
图4说明了的影响在分布的迹象和 。在这篇文章中,所有信号分布由白色和灰色作为积极的迹象表明,黑色表示负号。它可以看到从图4的临界深度成反比 。当 ,目标分类可以通过使用深度分布的迹象 。如果 ,的标志在水平方向上并没有改变,但迹象都是积极的。符号边界和目标不存在深度分类不能执行。
(一)
(b)
图5表达的影响 在分布的迹象和当 。因为它可以看到从图5,当 ,的标志随着水平距离变化 ,一致的变化规律如图3。之间的距离的变化 和 , 不倾向于0。影响的信号分布远远超过导致信号分布如图5当 。如果 , 倾向于0的标志几乎没有变化 。图6分布的迹象吗条件下的等速概要文件。签署跳跃在垂直方向的位置约14米,约等于 。
(一)
(b)
3.2。源频率对算法性能的影响
当源频率只能激发前两个模式,源频率的变化会影响目标深度分类效果。它可以从方程(1),在等速概要文件的情况下,有效的深度与频率成反比。第一次收到的最大深度传感器( )有关 ,和频率的变化导致上述三个变量的变化。因此,没有明显的变化规律随着频率。同样,临界深度也有关 ,所以之间的关系和频率并不遵循任何明显的规律。当 , ,的变化范围很小。和都是直接关系到吗 。当 , ,的变化范围 也不是很大。因此,随着频率的变化,和会有所不同,但算法的频率对性能的影响是微不足道的。当 , ,信号分布的画在图7。通过对图的分析7源频率的影响,分析了算法的性能。
(一)
(b)
它可以看到从图7频率的变化影响的价值和和分布的迹象改变了。然而,通过适当调整接收深度,基于分布的迹象 ,深度分类算法仍然可以在不同频率条件下获得理想的分类结果。因此,频率的变化对算法性能的影响不大。
3.3。限率对算法性能的影响
在本节中,我们将讨论信噪比的影响算法的性能。研究对象的变化从源点到表面或水下目标辐射噪声。考虑如下的参数:航向角 ,目标速度 ,最亲密的距离 ,最初的距离是 ,平台速度是 ,和信噪比范围(限幅的比例) 。假设目标辐射噪声是单频线光谱叠加在连续体,两个压力传感器用于接收信号在45米和90米的深度,分别和总航行时间是400年代。目标是保持运动远离接收平台。对上述仿真参数,算法的信噪比性能的影响进行了分析。图8表达之间的关系目标深度分类算法的性能和等速条件下的信噪比。过程中目标深度分类、索引这意味着算法的性能确认为水下目标的概率是百分比。确认为水下目标的概率定义为标志的比例的情况下,压力互谱活性成分是正的。它等于 。 蒙特卡罗模拟的总次数;是在每个蒙特卡罗模拟抽样总数;( )的次数的情况下,信号是积极的识别信号互谱的压力时活性成分在每个仿真, 。这可以从图中找到8,当 ,目标深度分类效果好,并有一个明显的迹象边界约7米。当 ,算法可以实现目标深度分类,但分类效果很差。
3.4。声速剖面对算法性能的影响
3.4.1。负梯度声速剖面
视为接受深度 。负梯度声速剖面对应不同的负梯度 如图9(一个)。在不同条件下的 ,信号分布的如图9 (b)。它可以看到从图9声速梯度成反比的分类效果和深度成正比的临界深度。即使在强烈的负面梯度的情况下,算法的鲁棒性高。
(一)
(b)
3.4.2。温跃层中存在声速剖面
当温跃层厚度是固定的和河段深度是固定的 ,声速剖面和分布的迹象在不同条件下的 显示在图10。温跃层强度是固定的时候出现 和温跃层厚度是固定的 ,声速剖面和分布的迹象当河段上的深度 如图10。
(一)
(b)
它可以看到从图10本文的算法也适用于当温跃层存在声速剖面。算法的分类效果恶化,温跃层深度强度增加,和临界深度值几乎是常数。而深度算法的分类效果恶化随着河段上的深度增加,临界深度值几乎保持不变。在温跃层的存在,温跃层强度和河段深度有很大影响的深度分类算法的性能,但临界深度值仍然几乎相同。即使拥有一个强大的温跃层,深度分类算法的性能很好。
温跃层强度是固定的时候出现 和河段深度是固定的 ,声速剖面和分布的迹象当温跃层厚度 显示在图11。
(一)
(b)
从图可以看出11的深度算法的分类效果恶化温跃层厚度的增加和临界深度值增加而增加的温跃层厚度。因此,温跃层厚度有很大影响深度分类算法的性能。
4所示。实验结果
为了研究理想的影响接收深度概念目标深度分类算法的性能,进行了一个实验在青岛黄海,中国。试航的布局显示在图中12。发送源悬浮在水中的船约8米。源位置附近的声速剖面计算CTD (Conductivity-Temperature-Depth系统)。连续油管设备如图(13日),收集到的声速剖面是画在图14。它可以看到从图14声速剖面的类型是负梯度声速剖面。
(一)
(b)
四个接收压力传感器是等距的入水的接收船,和一个TD(深度传感器)在每个传感器是固定的。信号采集设备之间是固定的第二个和第三个传感器,和所有传感器连接到信号采集设备。洋流的影响实验结果是减少固定在绳子上的重量。接收设备如图13 (b)。
根据连续油管,海水深度约为22米。它可以从方程(1), 。根据方程(8), 。压力传感器电缆的长度是有限的;为了确保稳定的传感器供电,压力的整体长度数组长度不能超过6米。这四个数组元素是铺设在相等的时间间隔的两个相邻元素之间的间隔2米。四个数组元素的设计深度11、13、15、17米。根据TD记录的实际深度四个元素 。由于海流的存在在海洋里,四个元素稍微偏离他们的设计深度。当发送船是3、5、7公里远离接收船,单频连续正弦传播来源是重复的两倍,其频率120赫兹和时间长度为1分钟。的序列号对应的信号是信号1信号6。总共有四个数组元素,在传输信号的处理,信号采集的两个元素被选中执行目标深度分类使用本文中描述的算法。有六种不同的组合元素。不同元素的组合会导致不同的目标深度分类结果。被定义为六个元素组合,和元素组合的序列号是1到6,对应 , , , , ,和 ,分别。
如果负梯度声速剖面的参数在实验中是近似的 在 和 在 ,仿真分析了接收深度对深度分类性能的影响在负梯度条件下,如图15。
(一)
(b)
(c)
(d)
(e)
(f)
本文中给出的算法适用于等速条件以及负梯度条件。基于收集的信号第三和第五元素组合,信号分布的计算可用于深度和水下目标分类两个表面的目标。其他四个组合只能准确分类的深度水下目标但不能准确分类目标表面的深度。此外,尽管第五的临界深度小于第三的组合,组合符号边界第三组合的波动小于五的组合。如果上述两个组合既能满足实际深度分类要求,可以认为第三组合的深度分类效果优于第五组合。声速剖面类型的变化将对深度分类性能有一定影响,但收到的影响深度深度分类性能类似于等速的条件。一种改进的深度分类效果可以通过适当调整两个接收器的深处。此外,根据仿真结果,在这个实验中使用的源理论上应该确认为一个水下目标。
PSD已经通过平滑FFT谱计算。汉明窗是相应的加权窗口用于平滑。窗口长度和步骤4和2 s,分别。
的光谱信号1到四个元素在实际收到的信号6海上实验画在图16。它可以看到从图16当源和接收者之间的水平距离 ,每个光谱信号1收到四个元素有一个明确的光谱线 ,但只有的光谱信号2接收到前三个元素有一个明确的光谱线 。没有一个明确的光谱线 在第2信号带宽收到第四个元素。当 ,3和4的光谱信号接收到第一个元素有一个明确的光谱线 。3和4的光谱信号接收的其他三个元素没有明显的线状谱 。当 ,5和6的光谱信号接收到所有的四个元素都没有一个清晰的光谱线 。
(一)
(b)
(c)
(d)
(e)
(f)
谱线强度和接收信噪比有很大影响的深度分类效果。执行目标深度分类使用1到6的信号,和源的概率是准确地歧视作为一个水下目标表所示1。表中的序号是序列号的元素组合。
根据表中的数据1,当 ,源可以准确地确定为一个水下目标使用信号收集的六个数组的每个元素的组合。这个结果与仿真结果一致。当 ,信号收集的只有一些元素的组合是有用的对于目标分类、深度和相应的分类效果差。这主要是因为低频声源级的源是有限的,和功率放大器的放大系数也是有限的。所以,当传输信号传播到一个遥远的地方信号变得虚弱。低信噪比影响目标深度分类算法的性能。此外,当 ,获得深度分类结果无法证明该方法的可行性。该方法准确分类水下目标和分类表面完美的目标在同一时间。在这个实验中,只有一个源深度进行了测试。
在实际的实验数据处理,表面目标如渔船和海域的巡逻船。相反,源由发送船是唯一的水下目标辐射强谱线信号。因此,通过接收信号进行频谱分析,如果有明确的连续行谱时间范围以外的水下目标辐射信号,它们的频谱信号辐射表面的目标。后信号的时频分析在整个观测时间范围,发现有明显的连续谱线对应于四种不同的接收信号段,可以看到图17。
(一)
(b)
(c)
(d)
第一部分包含两个线光谱信号的频率 。第二个信号的谱线频率 。有两个在第三线光谱信号,其频率 。 第四个信号的谱线频率。每一段的信号包含多个清晰连续线状谱可以由相同的谐波信号辐射表面的目标,但它也可能是单一的或谐波信号由不同表面辐射的目标。因此,这些谱线的顺序由线状谱表示数字 。相应的深度分类结果如表所示2。表中的数据的概率是目标是准确归类为表面的目标。表的编号2的序列号是元素的组合。
根据表中的数据2,除了第三行,只使用信号收集的第三和第五元素可以准确地识别目标表面的目标。只有基于信号收集的这两个组合,是否这是一个目标或一个水下目标表面,它的深度可以准确地分类。六个组合中,这两个组合的深度总和接近29米,这样的正确性和实际应用价值理想的接收深度概念验证。此外,深度分类效果基于收集的信号数组组合比第五第三元素组合。这主要是因为深度分类效果相关元素的深度求和组合和第一个元素的深度有关。非常大的第一个元素的深度结果分类效果不佳,甚至无法分类目标深度。考虑的影响深度总和的元素组合和它的第一个元素的深度算法的性能,使用第三个元素组合的深度分类效果是最好的。上述结果与从仿真结果获得的结果一致。
然而,使用第三行光谱信号为目标深度分类,无法取得良好的分类效果,因为这段信号比另一方更连续收到信号,并接收的信噪比低导致性能变差源深度的分类算法。所以,无法获得准确的深度分类结果。
通过分析数据表2和图17,它可以发现目标深度分类效果直接相关光谱连续性和接收的信噪比。更好的光谱线连续性或较大的接收信噪比的结果在一个更好的目标深度分类效果。
5。结论
分析接收的影响深度的性能目标深度分类算法通过模拟和海上试验。后充分理论研究有效深度模型,验证,当理想的传感器是接收深度、目标深度分类算法的性能明显优于基于前两个模式的传感器放置在不理想的接收深度。的深度总和第一传感器的传感器和深度价值将影响分类效果和深度临界深度值。源频率的影响算法的性能也被研究。信噪比和声速剖面参数的影响(负梯度、温跃层强度、温跃层厚度和河段深度)的方法深入调查。综合考虑上述因素,深度分类算法的性能可以保证满足实际需求适当调整接收深度。海实验进行数据处理。改进的目标深度分类算法的性能已得到验证。算法的性能影响因素在真实的应用程序中包括光谱线连续性和接收机的信噪比。
仍存在一些缺点和局限性提出算法在实际应用场景。首先,使用这个算法的条件是,源频率必须先只激发两种模式。如果源频率可以激发三个或更多的模式,本文中描述的算法不适用。这种限制是可以克服的,利用匹配场处理理论在我们的其他研究。其次,该算法具有一定的接收器的深度要求。算法的应用价值和性能将会受到实际的水下平台安装的要求。因此,根据实际的水下平台的安装要求,可能需要进一步改进算法通过更深入的研究。
数据可用性
数据用于支持本研究的发现是由李Nansong许可制,所以不能免费提供。请求访问这些数据应该Nansong李((电子邮件保护))。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作得到了国家自然科学基金(批准号11374072和11374072);国家重点实验室的开放基础科学和技术在水声对抗(格兰特号码ssdkkfjj - 2018);声学科技实验室稳定支持项目(批准号SSJSWDZC2018002);声纳的基础科学与技术实验室(批准号614210902011906);和新技术研究大学合作项目CETC 54。