[發(fā)明專利]一種基于水聽器陣列的淺海目標(biāo)深度的分類方法

有效

• 申請?zhí)枺?/td>: 201310739820.8
• 申請日: 2013-12-26
• 公開（公告）號: CN104749568A
• 公開（公告）日: 2015-07-01
• 發(fā)明（設(shè)計）人: 于倍;王文博;王贊;鄭勝家;黃勇;張春華
• 申請（專利權(quán)）人: 中國科學(xué)院聲學(xué)研究所
• 主分類號: G01S7/539
• 分類號: G01S7/539
• 代理公司: 北京法思騰知識產(chǎn)權(quán)代理有限公司 11318
• 代理人: 楊小蓉;楊林

技術(shù)領(lǐng)域

本發(fā)明涉及水聽器陣列信號測深領(lǐng)域，尤其涉及一種基于水聽器陣列的淺海目標(biāo)深度的分類方法。

背景技術(shù)

多年來，基于模態(tài)的深度估計和分類是被動聲納信號處理的重點。傳統(tǒng)聲納檢測問題將環(huán)境參數(shù)看作是確定的，檢測性能（準(zhǔn)確性、適用范圍等）取決于模型參數(shù)與真實參數(shù)的匹配程度。目前最好的研究技術(shù)是匹配場處理（MFP），對其檢測性能的預(yù)報本質(zhì)上采用的是確定性方法。MFP有時也被稱作廣義波束形成，它使用復(fù)雜的聲場干擾模式定位聲源的距離、深度、方位參數(shù)組合，通過比較接收信號和拷貝聲場來解決定位聲源的反演問題。

而實際上受諸多因素的影響，環(huán)境參數(shù)并非是確定的。淺海聲傳播的一個顯著特征是陽光、大氣等因素引起的熱對流使海水溫度在較短時間內(nèi)發(fā)生較大變化，從而淺海聲速剖面隨機(jī)擾動相當(dāng)劇烈。而聲速剖面的很小變化就足以影響海洋中聲傳播的條件，因此，聲速剖面隨時空的擾動往往是造成淺海聲場能量波動和相位起伏的最重要因素。淺海聲傳播的另一個顯著特征是聲波頻繁作用于海面和海底，粗糙的海面和海底又進(jìn)一步增加了聲波與上、下邊界的作用次數(shù)，從而引起更多的散射衰減并使更多的能量滲透到沉積層中。

另外，水聽器被動聲納定位技術(shù)通常又使用寬帶信號匹配信道脈沖響應(yīng)，所以對先驗的環(huán)境參數(shù)極其敏感。隨時空變化的水聲信道能夠引起聲場能量的波動和相位的起伏，這意味著聲場中各點的能量和相位不再是確定數(shù)值，而是服從某種概率分布，從而模型失配也難以避免。

發(fā)明內(nèi)容

本發(fā)明的目的在于，為解決現(xiàn)有的淺海目標(biāo)深度的分類方法未考慮環(huán)境參數(shù)的變化，從而造成模型參數(shù)與真實參數(shù)失配，影響聲源定位的準(zhǔn)確性的技術(shù)問題，本發(fā)明提供一種基于水聽器陣列的淺海目標(biāo)深度的分類方法，該分類方法使用聲傳播仿真生成基于模型的深、淺聲源產(chǎn)生的能量場變化的典型概率密度函數(shù)，并基于該概率密度函數(shù)進(jìn)行似然比檢測（LRT）來辨識接收到的信號，以實現(xiàn)變化環(huán)境下的聲源深度分類，避免了上述模型失配的技術(shù)問題。

本發(fā)明的分類方法對海洋環(huán)境的時變特性引起的聲場不確定性加以利用，以分辨聲源位于水面還是水體中。本發(fā)明提供了一種新型聲源深度分類方法。該方法利用聲源在波導(dǎo)中的位置深淺導(dǎo)致的水聽器接收信號能量累積參數(shù)的不同進(jìn)行處理。由于聲傳播和聲源運(yùn)動影響接收聲信號，使接收信號能量在聲場中的分布是變化的，對此建立聲場模型，預(yù)先設(shè)定好聲場中能量分布的概率密度函數(shù)，該概率密度函數(shù)對深和淺聲源有不同的參數(shù)，該分類方法依賴深和淺聲源在概率密度函數(shù)描述能量分布的差異進(jìn)行分類。

為實現(xiàn)上述目的，本發(fā)明提供一種基于水聽器陣列的淺海目標(biāo)深度的分類方法，所述的分類方法包括：

步驟1）建立聲源輻射的聲信號模型，根據(jù)該聲信號模型及接收信號數(shù)據(jù)存在的多普勒效應(yīng)建立接收信號模型；

步驟2）根據(jù)FFT變換在頻域?qū)Σ襟E1）中的接收信號數(shù)據(jù)進(jìn)行估計，得到接收信號頻率值；

步驟3）將步驟2）中得到的接收信號頻率值以均方根進(jìn)行歸一化，得到不含白噪聲的接收信號能量調(diào)制，建立該接收信號能量調(diào)制分布滿足參數(shù)為（α,β）的伽馬分布的概率密度函數(shù)；

步驟4）利用聲傳播仿真建立聲場模型，根據(jù)該聲場模型設(shè)置靠近海水表面的聲源參數(shù)，重復(fù)計算得到若干個仿真的接收信號，使用矩法估計得到一組α和β值，并將其代入步驟3）中的概率密度函數(shù)，得到淺水概率密度函數(shù)；根據(jù)該聲場模型設(shè)置深處聲源參數(shù)，重復(fù)計算得到若干個仿真的接收信號，使用矩法估計得到另一組α和β值，并將其代入步驟3）中的概率密度函數(shù)，得到深水概率密度函數(shù)；

步驟5）根據(jù)步驟4）中得到的淺水概率密度函數(shù)和深水概率密度函數(shù)，使用似然比檢驗分類接收信號的聲源深度。

作為上述技術(shù)方案的進(jìn)一步改進(jìn)，所述步驟1）中的聲信號模型表示為：

υ[n]＝Acos(ω₀nT_s+θ)

其中，ω₀表示信號角頻率，A表示幅度，θ表示相位，離散時間變量n=1,2,...,N，T_s表示每秒的采樣時間間隔，采樣頻率f_s＝1/T_s。

作為上述技術(shù)方案的進(jìn)一步改進(jìn)，所述步驟1）中的接收信號模型表示為：

y[n]＝x[n]Acos(ω_dnT_s+θ+φ[n])+ω[n]