Match-Mode自回归移动源深度估计的方法在浅海波导

文摘

源深度估计在水声领域始终是一个问题,因为深度估计是一个非线性问题。传统的深度估计方法使用一个垂直线阵,劣势的可怜的流动由于传感器阵列的大小。为了估计源深度与水平线数组,我们提出一个matched-mode深度估算方法基于自回归(AR)波数估计移动源在浅海波导。首先,我们估计使用改进的基于“增大化现实”技术的模态波数谱模式波数。其次,根据模式波数估计,我们估计模式振幅波数谱,通过广义汉克尔变换。最后,我们估计源深度估计的峰值源深度函数在数据模式最佳匹配的副本模式,使用传播模型计算。与合成孔径波束形成相比,该方法表现出更好的性能在源深度估计在低信噪比或小范围跨度。说明了该方法的鲁棒性不匹配的环境中模拟性能。

1。介绍

匹配场处理(MFP) (1- - - - - -3)是一种很流行的方法,本地化的来源复杂的传播环境。传统MFP获得范围深度函数,也就是说,复制品之间的相关性和测量领域。源的位置是由范围深度函数的峰值。MFP可以准确定位源range-independent或缓变环境不考虑任何环境不匹配。然而,当声音传播不是完全模仿,范围和深度估计MFP通常存在一个错误,这称为环境不匹配问题4]。需要深度估计比范围估计对于某些应用程序更为紧迫。源范围和深度由MFP同时估计,这表明深度估计取决于范围估计。深度估计的可靠性降低,因为范围估计听起来速度剖面的敏感性(SSP)。MFP总是需要一个垂直线阵射电望远镜)或水平线数组(HLA)与大光圈。然而,真正的大孔径阵列的应用是困难的,因为安装的平台。MFP的应用限制孔径问题和环境不匹配的问题。因此,一个活跃的研究领域近年来一直致力于强劲估计源深度由单个传感器或短的线阵列(5- - - - - -8]。

一个类的方法,展示了一些承诺在被动的位置利用可靠的声学路径的属性(RAP) [8]。这种方法减少阵列孔径的要求。与说唱的传播相关的困难限制了方法的应用在浅水区。浅海波导深度估计是通常在两个步骤:执行模式过滤,然后MMP [3]。模态振幅是由模式过滤器,然后MMP用于估计基于模态振幅估计源位置。然而,过滤器模式总是需要井下取样水柱的射电望远镜;否则,过滤模式将成为一个不适定问题。困难的来源深度估计使用短行数组空间信息的缺乏。因此,一些先前的研究依赖于宽带信号估计的多频特征源深度(9,10]。考虑到信号的色散现象在浅水中,一些学者估计源深度的基础上海洋环境包含在分散的相关信息11]。然而,上述研究限制了信号形式是宽带和一些作品来源深度估计信号的低频线性光谱是可用的。最近,基于数据的MMP是提出了一个移动源通过使用full-spanning VLA,自由的环境不匹配问题的理论(12,13]。杨(7)基于的理念提出了一个方法基于数据的MMP估计移动源深度,这方法只需要单个水听器。它比MFP更健壮的深度估计,因为不需要源范围估计。然而,该方法提供了一个固有的缺点。方法需要源足够旅行范围在径向由于模式合成孔径模态波数估计的波束形成(SAB)。的水平波数无法估计,当移动范围不符合要求。源深度估计基于合成孔径喜气洋洋的可能是不正确的。

T.C.杨提到这个问题提出的高分辨率的算法来解决这个问题12]。他的想法后,我们提出一个源深度评估方法与HLA range-independent环境中移动源,绝对不知道来源范围信息在这个研究。当光束引导源方向,波束形成后的信号增强。我们应用自回归(AR)模型的信号增强的阵列增益估计波数。基于“增大化现实”技术的波数谱振幅是不适合估计模式。因此,广义汉克尔变换应用于数据。源深度估计模糊度函数峰值的深度,深度模式振幅函数最佳匹配模式。与SAB相比,该方法有效地提高了深度估计的性能数据和短程或低信噪比,和展品更好的适应性观测平台的概念。此外,该方法可以应用于水下无人驾驶车辆或智能水下机器人,因为它确定了自动波数谱的峰值。

本文的其余部分组织如下。波束形成的波数估计输出开发的部分2。节2。1,扩展到广义汉克尔变换range-independent环境中的波束形成输出(7]。方法基于AR模型的波数估计不知道来源的范围提出了部分2。2。源深度估计基于波数谱中引入部分3。算法的性能影响因素,探索4。算法的性能数据,分析了不同信噪比和不同范围跨度部分4.1。评估算法的性能在环境不匹配的部分4.2。中提供了一个总结和讨论部分5。

2。模式波数估计

我们假设源旅行期间在一个固定的深度观察range-independent环境中。认为是HLA拥有 接收器是均匀间隔的如图1。

源和HLA的中心之间的距离在的时刻。远场源辐射连续波信号,与方向 。 的真正价值方向看的时刻。在浅海波导中,我们压抑的时间依赖性的形式与积极的;因此,传感器的压力场在th时刻可以用正常模式理论为代表 在哪里 , ,和是波数、衰减系数和模式深度函数,分别都属于哪一个th模式;和分别是源和HLA的深度;和模式的数量被认为是传播模型。

在远场源,这样 。方程(1)简化为 在哪里 。改善信噪比,波束形成技术进行HLA的收到的信号的时刻。常规波束形成,输出波束形成是写成的 替换后(2)(3),让 ,我们获得 估计的方向看可以通过许多方法14]。为了方便解释算法,我们讨论的方法估计声源深度当源远离HLA的假设下 。

2.1。使用广义汉克尔变换波数估计

在range-independent浅海波导,一双汉克尔变换提出了压力场之间的关系复杂 和格林函数 (15] 在哪里是零阶贝塞尔函数。

考虑到汉克尔变换,计算格林函数通常是近似的傅里叶反变换(英尺)(15]

我们考虑源运动模型、源范围 ,在哪里采样间隔和吗未知的初始来源范围在哪里 。我们假设源辐射音调信号和源的速度被称为先天的(7,12,13]。根据(6),汉克尔变换,以前估计波数,需要知识的来源范围。因此,我们应用广义汉克尔变换(7)波束形成的输出。波束形成的广义汉克尔变换输出被描述为 在哪里是在观察中源移动时间跨度范围。旨在弥补圆柱形传播损失和将直接从数据获得的。 在哪里是平均或平滑操作范围。方程(7通过设置)减少到原始汉克尔变换 。在目前的讨论中,大约是成正比平均使用范围。替换后(4)(7),而假设 ,我们获得 在哪里 当 ,的值th项目比其他的大得多(9)。因此,波数谱峰 是由 在哪里 。这个表达式可以用矩阵形式描述。 在哪里

前面提到的波数估计方法是基于英国《金融时报》和由FFT计算方便。然而,FT-based方法预设一些固有的缺点:(1)英国《金融时报》的光谱分辨率的限制范围。解决之间的模态波数th和th模式,范围要大于干扰距离,也就是说, 。如果所有的波数估计,然后必须大于所有干扰距离范围。(2)频谱泄漏的方法应用于数据时发生严重短跨度范围。旁瓣的强谱组件可以污染弱谱组件或生成一个虚假谱峰。源频率或波导深度的增加,较低的模式波数将密切组织在一起。因此,波数难以估计,在这个环境中。考虑到英国《金融时报》的缺点,现代谱估计方法可以应用到波数估计。

2.2。波数估计使用AR模型

开发了几种方法提取模式波数,如普龙尼的方法,信号子空间算法,以及matrix-pencil [16,17]。然而,这些方法作为波数的数量先天的。波数的数量在实践中无法正确认识。整机全极模型AR谱估计基于常用于提取光谱峰值频率估计(18]。AR估计不需要知道波数的数量,因此吸引估计波数。然而,源范围必须是已知的基于“增大化现实”技术的估计量。因此,改进的AR估计应该用于提取模式波数。

该方法可以分为三个步骤。首先,数据预处理 其次,考虑到可以被描述为一个线性系统的输出,构建了基于“增大化现实”技术的模型吗 在哪里是AR模型来表示数据的顺序,通常是将 (18]。最后,我们假定是一个零均值白噪声序列 。因此,波数谱密度表示为 通过估计系数 和 。上述估计系数可以以不同的方式。我们选择修改后的协方差的方法,因为它避免了谱线分裂有效(18]。峰的位置产生的波数估计AR模型。峰值水平估计AR估计量有很大差异(18]。因此,基于“增大化现实”技术的估计量是不适合估计模态振幅。

3所示。Matched-Mode源深度估计

正如上面所讨论的,波数可以通过AR谱估计。然而,AR谱估计模态振幅不合适。估计波数降低的性能通过使用广义汉克尔变换。性能是受虚假谱峰和光谱分辨率的影响。结合两种方法的优点,由广义汉克尔变换模态振幅估计先验知识的波数估计的AR模型。因此,我们估计波数通过AR模型,然后获得 在波数谱的基础上广义汉克尔变换。

根据(13),我们使用一个源深度模糊度函数来估计源深度,和这个函数表示为 在哪里 可以解决的 在哪里少量(的模式函数的最大值的一半)阻止奇点的 。波数和海怪的基础上计算了给定频率和环境信息(SSP和底部属性)。一些模式无法解决的,即使我们使用AR谱,这样的数量 小于 。我们假设只有订单预计。的顺序相同 可以由解决问题如下: 在哪里 是一个 向量,是一个 向量,是一个 向量。

4所示。数值模拟

4.1。深度估计完全已知的环境

本节介绍源深度估计的比较结果SAB和该matched-mode自回归深度估计方法(MMAR)在一系列的现实的测试用例。SAB、源深度可以估计只使用单个水听器假设源远离接收机以恒定速度在观察时间。为方便比较,我们假设源SAB沿着梁HLA的方向。

使用巨妖程序生成压力场。SSP的仿真如图2和底部属性被称为(7]。认为是HLA拥有 接收器是均匀间隔的 ,在哪里 。HLA的深度是70米。在研究深度估计性能的差异,我们认为两个来源深度4和50 m,分别对应于浅和深源。最初的来源范围是5010,但这信息被认为是未知的。性能受到未知的初始来源范围一直在讨论(7]。我们假设每个源远离HLA速度为2.5米/秒和350赫兹辐射窄带信号。编译源深度估计结果,三种不同信噪比的20日5和5 dB被认为,信噪比的定义是 根据(28),当源范围是5010,信噪比是描述信号功率的比值和噪声功率在接收机。阵列增益已经考虑信噪比。源深度估计结果也显示不同范围跨度(和足够的范围跨度不足)。

检查源深度估计之前,需要考虑不同的波数估计结果范围跨度和信噪比。给出一个统一的描述,以避免重复;即深源所表达的是蓝线和红线所表达的浅源。图3展示了波数估计有足够的范围跨度为不同的信噪比(4990米)。数据3(一个),3 (c),3 (e)表明,波数估计的方法与信噪比= 20 SAB, 5、5分贝。随信噪比降低,谱峰更难以准确识别。当信噪比5 dB,太多的虚假谱峰被认为是真实的。例如,没有真正的光谱峰值在波数域范围1.3 - -1.36。然而,虚假谱峰被确定为真实的人物3 (e),因为虚假谱峰高的水平(尤其是对深源)。数据3 (b),3 (d)和3 (f)表明,波数提出了波数估计方法估计信噪比= 20 dB, 5 dB, 5分贝。相比之下,图3 (e),虚假谱峰的数量,确认为真实的,显然是减少图3 (f)。

图4展示了波数估计的范围跨度不足(1990)不同的信噪比。比较数据3(一个),3 (c),3 (e)与数据4(一),4 (c),4 (e)我们看到,当跨度范围不足,波数谱在SAB更为扩大。更难以识别谱峰。比较图4 (b)与图4(一),谱峰可以更容易识别,因为该方法有更高的分辨率。

图5显示源深度估计SAB和MMAR足够的范围跨越不同的信噪比。从数据5(一个)和5 (b)审计局和MMAR可以估计源深度准确,是否浅或深源。随信噪比降低,源深度估算的结果是通过使用SAB如图显然更糟5 (c)和5 (e)。坏的深度估计的主要原因是虚假谱峰的问题,图中讨论3。相比之下,深度估计的数字5 (c)和5 (e),MMAR可以估计源深度有效信噪比= 5和5 dB如图5 (d)和5 (f)。

图6显示源深度估计SAB MMAR和不同信噪比的范围广度不足。自谱峰难以识别、SAB无法估计源深度如图6(一),6 (c),6 (e)。当信噪比高(20 dB), MMAR可以估计源深度准确,是否浅或深源。当信噪比降低到5 dB, MMAR也可以估计浅源深度。然而,深源深度估计偏差。图6 (d)显示了虚假谱峰高光谱的水平,这使得很难识别真正的谱峰。当信噪比降低到5 dB, MMAR无法估计深源浅深度和估计一个偏见,如图6 (f),因为假波数谱的谱峰比浅深源光谱更高级别的人。

数据的深度估计的结果5和6是一个实现随机噪声的数据。获得有意义的一般两深度评估方法之间的比较,500年独立随机噪声实现添加到声音信号 。两种方法的性能是量化的估计概率正确的深度 ,这是定义为 在哪里《纽约时报》,估计源深度适当小区域内的真正的深度。小的区域被定义为深度。是实现的总数。在这篇文章中, 。百分之九十置信区间的概率正确的定位(19]

估计概率正确的深度SAB和MMAR已知环境误差表示90%可信限图所示7。数据7(一),7 (b),7 (c)对应的信噪比20 5和5分贝。图7(一)表明,在信噪比= 20 dB 4490米-4990米范围内,两种方法产生一个高概率估计正确的深度。然而,范围跨度从1990米到3990米,MMAR有明显高于SAB的概率。图7 (b)表明MMAR为2490或更大范围跨度表现良好,当信噪比= 5分贝。图7 (c)表明,信噪比= 5 dB, MMAR估计深度2990米或更大范围跨度。

4.2。深度估计环境不匹配

节4.1,假定所有深度估计的环境参数清楚的例子。在实际应用中,环境的属性(潜声速剖面(SSP)和海底地声学参数)并不清楚。我们专注于MMAR和SAB的性能不匹配环境在这一节中。我们讨论MMAR和SAB SSP的性能不匹配,海底地声学参数不匹配,和SSP的组合失配和海底地声学参数不匹配的部分4.2.1,4.2.2,4.2.3,分别。产生的声波数据被认为是在这一节中巨妖使用环境模型中描述的部分4.1。匹配模式计算环境与不同类型的不匹配(SSP不匹配,海底地声学参数失配和SSP的组合不匹配,和海底地声学参数不匹配)。该方法的性能评估通过巴卡洛抽样在随机环境不匹配的实现。

4.2.1。准备声音的速度概要文件不匹配

添加随机扰动深度SSP深度,加法扰动是建模为零均值高斯过程。扰动的标准差5 m / s, 10 m / s,这是用 和 ,分别。在节4.1、深度估计结果MMAR和SAB被认为是三信噪比(20日5和5 dB)。图8显示正确的概率估计深度随跨度范围为这些情况。在对比图8与图7(没有不匹配),很明显,正确的深度估计的概率随SSP不匹配,在某些情况下(如数字8 (b),8 (d),8 (e),8 (f)大量的)。比较的性能MMAR SAB, MMAR通常的结果优于SAB图8。同时,从数据8(一个),8 (c),8 (e)或8 (b),8 (d)和8 (f)的概率,我们可以看到正确的深度估计基于MMAR和SAB与信噪比降低。

4.2.2。海底地声学属性不匹配

海底地声学属性不匹配包括沉积物声速的不匹配,密度和衰减。沉积物密度和衰减的一些影响稳定的MFP [20.]。结论可以明显延长MMAR和审计局。因此,我们关注的影响沉积物声音速度不匹配MMAR和SAB的性能。

也是一个随机扰动被添加到沉积物声音的速度,被认为是不匹配的沉积物声速。加性摄动的标准差是30 m / s, 50米/秒,这是用 和 ,分别。在前面的小节中,深度估计结果MMAR SAB被认为是三信噪比和不同跨度范围。图9显示正确的深度估计的概率的情况下有不同的沉积物声速不匹配。像讨论部分4.2.1,正确的深度估计的概率减少不同沉积物声速的不匹配。从图9很明显,当信噪比降低的深度估计两种方法降低的结果,无论跨度范围。但值得注意的是,尽管沉积物声速的大小大于SSP不匹配,不匹配两种方法的性能在沉积物声速不匹配情况下优于SSP失配情况下。这意味着两种方法更敏感比沉积物声速SSP不匹配不匹配。

4.2.3。环境不匹配

对于现实的场景,环境不匹配总是复杂的。因此,我们考虑环境不匹配,它结合了SSP失配和海底的声音速度不匹配。与数据8和9这两种方法的性能降低,如图9作为另一个不匹配的存在。同时,MMAR的性能通常优于SAB图10。当环境不匹配相对较大,如图10 (b),10 (d),10 (f),两种方法无法工作。当环境不匹配是相对较小的,如图10 (),10 (c),10 (e),MMAR的估计概率相对较高的相对较高的信噪比(信噪比= 20吨和5 dB)。即使在信噪比很低,MMAR可以有效地估计源深度相对较大的跨度范围。

5。总结和讨论

基于AR matched-mode方法使用一个HLA估计移动源深度开发研究。模态波数谱获得使用广义汉克尔变换和移动的数据来源。振幅模式可以通过结合基于“增大化现实”技术的信息中提取模态波数谱和英国《金融时报》波数谱。振幅包含源深度的信息。源深度估计模式评估与模式匹配的深度函数计算了海怪。

在这项研究中提出的方法评估使用模拟数据。的数据用小范围跨度或低信噪比,该方法可以实现源深度估计比SAB与更好的性能。该方法的性能评价在环境不匹配。该方法在不同环境不匹配情况下执行比SAB。该方法是对环境不匹配。

与在SAB相比,移动源范围减少旅行的要求提出的方法。该方法也可以应用于低信噪比环境不匹配情况下的数据。然而,这种方法是有限的,因为它假定源深度固定在观察时间。这个方法的有效性大幅降低,当源深度变化迅速。因此,额外的工作需要对其未来的应用深度追踪来源。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这个工作是国家重点支持的研发计划(2017 yfc0306900),中国国家自然科学基金(11504064和11504064),基础科学研究项目的技术(JSJL2016604B003)和开放基金的青岛海洋科学与技术国家实验室(QNLM2016ORP0102)。

引用

1. a . b . Baggeroer w·a·库珀曼和p . n . Mikhalevsky”的概述匹配方法在海洋声学领域,“IEEE海洋工程》杂志上,18卷,不。4、401 - 424年,1993页。视图:出版商的网站|谷歌学术搜索
2. x, m .徐h . Wang y,和h·史”的组合多个模型交互三维的粒子滤波目标跟踪在水下无线传感器网络,”数学问题在工程文章ID 829451卷,2012年,16页,2012年。视图:出版商的网站|谷歌学术搜索|MathSciNet
3. p . n . Tran k·d·陈,“自适应匹配场处理源定位使用改进的对角加载算法,”声学澳大利亚,45卷,不。2、325 - 330年,2017页。视图:出版商的网站|谷歌学术搜索
4. Le Gall y, F.-X。Socheleau, j . Bonnel“Matched-field处理性能下的随机和确定的信号模型,”IEEE信号处理,卷62,不。22日,第5838 - 5825页,2014年。视图:出版商的网站|谷歌学术搜索|MathSciNet
5. s . m .耶稣,m·b·波特y斯蒂芬,x Demoulin, o·c·罗德里格斯和e·m·m·费雷拉科埃略,“单水听器源定位,”IEEE海洋工程》杂志上,25卷,不。3、337 - 346年,2000页。视图:出版商的网站|谷歌学术搜索
6. s . b . Suppappola和b·f·哈里森”实验matched-field定位结果使用短垂直数组和中心频率信号在浅水区,”IEEE海洋工程》杂志上卷,29号2、511 - 523年,2004页。视图:出版商的网站|谷歌学术搜索
7. t·c·杨,”源深度估计基于合成孔径beamfoming移动源,”《美国声学学会杂志》上,卷138,不。3、1678 - 1686年,2015页。视图:出版商的网站|谷歌学术搜索
8. 马r段,k, y, b . Lei“可靠的声学路径:物理性质和源定位方法,”中国物理B,21卷,不。12日,第289 - 276页,2012年。视图:出版商的网站|谷歌学术搜索
9. n .展台p·巴克斯利,j .大米et al .,“源定位与宽带matched-field处理在浅水区,”IEEE海洋工程》杂志上,21卷,不。4、402 - 412年,1996页。视图:出版商的网站|谷歌学术搜索
10. p . A . Forero p·A·巴克斯利,l . Straatemeier”多任务学习使用被动声纳宽带较高映射框架,“IEEE信号处理,卷63,不。14日,第3614 - 3599页,2015年。视图:出版商的网站|谷歌学术搜索|MathSciNet
11. j . Bonnel g . Le Touze b·尼古拉斯·j . i .火星,“水温时频表征进行水下声学:电源类利用Waveguide-Invariant近似,”IEEE信号处理杂志,30卷,不。6,120 - 129年,2013页。视图:出版商的网站|谷歌学术搜索
12. t·c·杨“移动源定位和跟踪数据的基础上,“海洋,第2147 - 2147页,2014年。视图:出版商的网站|谷歌学术搜索
13. t·c·杨,“基于数据的matched-mode源定位为移动源”,《美国声学学会杂志》上,卷135,不。3、1218 - 1230年,2014页。视图:出版商的网站|谷歌学术搜索
14. a . Bereketli m . b . Guldogan t . Kolcak t . Gudu和a . l . Avsar”实验结果对波达方向估计与单个声矢量传感器在浅水区,”杂志上的传感器文章ID 401353卷,2015年,10页,2015。视图:出版商的网站|谷歌学术搜索
15. g . v .快乐和j·f·林奇浅海波导特性使用汉克尔变换,“《美国声学学会杂志》上,卷76,不。1,第216 - 205页,1984。视图:出版商的网站|谷歌学术搜索
16. t . k . Sarkar o·佩雷拉,“铅笔使用矩阵的方法来估计参数的复指数的总和,“IEEE天线和传播杂志,37卷,不。1,48-55,1995页。视图:出版商的网站|谷歌学术搜索
17. p . Roux d Cassereau, A . Roux“高分辨率的波数估计算法使用全息阵列处理,”《美国声学学会杂志》上,卷115,不。3、1059 - 1067年,2004页。视图:出版商的网站|谷歌学术搜索
18. j·玛数字频谱分析与应用普伦蒂斯霍尔信号处理系列,Prentice Hall, Inc .,恩格尔伍德悬崖,新泽西,1987年。视图:MathSciNet
19. n .克里森和美国尼日尔”模态分解算法的比较matched-mode处理,”加拿大声学- Acoustique法裔加拿大女子,28卷,不。4、15 -,2000页。视图:谷歌学术搜索
20. Le Gall y, F.-X。Socheleau, j . Bonnel“性能分析的Single-Receiver Matched-Mode本地化,”IEEE海洋工程》杂志上,2017年,页1 - 14。视图:谷歌学术搜索

版权

版权©2018梁Guo-Long et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。