تجزیه و تحلیل عملکرد تشخیص الگوریتم جهت یاب هیستوگرام هیدروفون تک بردار

الگوریتم هیستوگرام a هیدروفون تک بردار استحکام خوبی دارد و عملکرد تخمین آزیموت هدف دارد. این مقاله عملکرد تشخیص هدف الگوریتم هیستوگرام را تجزیه و تحلیل و خلاصه می‌کند و یک تشخیص خودکار اهداف زیر آب را بر اساس برآورد آزیموت هدف پیشنهاد می‌کند. الگوریتم ردیابی، این الگوریتم می تواند به تشخیص مستقل وجود یا عدم وجود اهداف در آب دست یابد. شبیه‌سازی و نتایج تست استخر بی‌نظیر نشان می‌دهد که نسبت سیگنال به نویز مورد نیاز الگوریتم هیستوگرام برای دستیابی به ردیابی هدف مستقل باید بیشتر از -7 دسی‌بل باشد. در این زمان، خطای جهت یابی حدود 8◦ و عرض طیف آزیموت 3-dB حدود 20◦ است. تجزیه و تحلیل داده‌های آزمایش دریایی نشان می‌دهد که الگوریتم هیستوگرام می‌تواند به تشخیص و ردیابی کامل هدف در فاصله 13.8 کیلومتری برای یک کشتی سطحی با سرعت 8.4 kn، با خطای یافتن جهت بهینه 5◦، و یاتاقان dB-3 در فاصله 2 کیلومتری دست یابد. عرض طیفی می تواند به 10◦ برسد

 

 

کانال برداری از حسگر هیدروفون برداری دارای جهت‌گیری دوقطبی مستقل از فرکانس است و توانایی مقاومت در برابر تداخل نویز همسانگرد را دارد. یک هیدروفون برداری می‌تواند جهت‌گیری بدون تاری در فضای کامل را بدست آورد که راه‌حلی برای تشخیص هدف در سکوهای کوچک زیر آب مجهز به سنسورهای صوتی زیر آب ارائه می‌دهد.

مزیت آن از فضا در سال های اخیر، با بهبود مستمر فناوری هیدروفون برداری، فناوری پردازش سیگنال برداری نیز به شدت مورد استفاده قرار گرفته است. با توجه به تقاضا، به سرعت توسعه یافته است. در مقایسه با هیدروفون‌های فشار صوتی معمولی، هیدروفون‌های برداری اطلاعات میدان صوتی جامع‌تری را ارائه می‌دهند. فقط اسکالر میدان صوتی را می‌توان اندازه‌گیری کرد و ویژگی‌های برداری میدان صوتی را نیز می‌توان به دست آورد که فضای پردازش سیگنال را تا حد زیادی گسترش می‌دهد. الگوریتم های تخمین آزیموت هدف زیادی بر اساس هیدروفون های تک بردار وجود دارد، به طور کلی می توان آنها را با توجه به اصل جهت یابی به دو دسته تقسیم کرد: یکی تخمین آزیموت بر اساس جریان انرژی صوت. دیگری در نظر گرفتن هر کانال از هیدروفون بردار است. این یک آرایه چند عنصری است، هر عنصر تقریباً در موقعیت یکسانی در فضا قرار دارد و روش پردازش سیگنال آرایه موجود با استفاده از ویژگی‌های الگوی جریان آرایه خود هیدروفون تک بردار برای هیدروفون تک بردار اعمال می‌شود. الگوریتم های مختلف جهت یافتن هدف هیدروفون بردار مزایا و معایب خاص خود را دارند. الگوریتم هیستوگرام متوسط ​​در مقایسه با سایر الگوریتم ها استحکام و عملکرد تخمین جهت گیری هدف بهتری دارد و توانایی سرکوب تداخل طیف باند باریک و خط قوی را دارد که به ویژه برای کاربردهای مهندسی مناسب است. این مقاله الگوریتم یافتن جهت هیستوگرام را بر اساس یک هیدروفون تک بردار تجزیه و تحلیل و خلاصه می‌کند و یک الگوریتم تشخیص و ردیابی مستقل برای اهداف زیر آب بر اساس تخمین جهت‌گیری هدف، با استفاده از شبیه‌سازی رایانه‌ای، داده‌های اندازه‌گیری حوضچه آنکوئیک و داده‌های آزمایش‌های دریایی تجزیه و تحلیل شده الگوریتم هیستوگرام و الگوریتم شناسایی هدف هدف پیشنهاد می‌کند.

 

 

1 الگوریتم نظری

1.1 الگوریتم جهت یابی هیستوگرام

 

الگوریتم هیستوگرام باید ابتدا تخمین های آزیموت هدف را در نقاط فرکانسی مختلف محاسبه کند و بیان محاسباتی

θ(f) = آرکتان Re ⟨P∗w(f) × Vyw(f)⟩ Re ⟨P∗w(f) × Vxw(f)⟩ = آرکتان ⟨Iy(i، f)

⟨Ix(i، f)⟩، (1) در فرمول (1)، θ(f) نشان دهنده آزیموت هدف محاسبه شده در فرکانس های مختلف f و Pw، Vxw و Vyw به ترتیب نشان دهنده فشار صوتی هیدروفون بردار در P و ارتعاش در جهت x هستند. کانال سرعت و کانال سرعت ارتعاش جهت y مقادیر طیف سیگنال را جمع آوری می کنند و Ix و Iy به ترتیب نشان دهنده جریان انرژی صوتی در جهت x و جهت y هستند. از رابطه (1) می توان دریافت که آزیموت هدف محاسبه شده توسط رابطه (1) با فرکانس f مرتبط است و تخمین های آزیموت هدف در نقاط فرکانس مختلف متفاوت است. برای محاسبه آزیموت هدف در محیط می توان از روش تخمین آزیموت هدف از طریق هیستوگرام استفاده کرد. تداخل باند باریک و سرکوب تداخل طیف خط قوی، اما زمانی که چندین هدف در محیط وجود دارد. هنگامی که فرکانس‌های نویز تابشی با یکدیگر همپوشانی دارند، روش هیستوگرام نمی‌تواند آزیموت واقعی هر هدف را بدست آورد، فقط جریان انرژی صوتی هر هدف را بدست آورد.

 

جهت گیری ترکیبی به سمت جهت گیری هدف شدیدتر سوگیری خواهد کرد. آمار آزیموت هیستوگرام برای شمارش آزیموت تخمینی θ(f) در بازه آزیموت مربوطه با توجه به تعداد نقاط فرکانس است. اگر فاصله آزیموت بر 1 ◦ تقسیم شود، k = [θ(f) × 180/π]، φ (k) = φ(k) + 1، (2) در فرمول (2)، [] نشان دهنده عملیات گرد کردن است، k مقداری است که با گرد کردن θ(f)، مانند θ(f) 60، سپس θ(f) 60، سپس θ(f) 3 = θf را تخمین بزنید. هدف روی بازه [0◦ 360◦ می افتد)، φ فرکانس تخمین آزیموت در هر زاویه است، و مقدار زاویه مربوط به حداکثر مقدار، آزیموت تخمینی هدف است.

 

1.2

الگوریتمی برای تشخیص و ردیابی هدف خودکار

الگوریتم تشخیص و ردیابی مستقل برای اهداف زیر آب بر اساس تخمین جهت گیری هدف. ایده اصلی انجام تجزیه و تحلیل آماری بر روی جهت گیری هدف برآورد شده توسط الگوریتم هیستوگرام، و مقایسه آمار جهت گیری با آستانه های از پیش تعیین شده است، که در نهایت می تواند تشخیص خودکار اهداف زیر آب و ردیابی را محقق کند. فلوچارت تشخیص و ردیابی هدف مستقل شامل پنج مرحله زیر است: (1) ابتدا از الگوریتم هیستوگرام هیدروفون تک برداری برای اسکن کل جهت فضایی برای بدست آوردن آزیموت تخمینی Ag سیگنال دریافتی استفاده کنید. (2) از مجازی ثابت استفاده کنید آشکارساز هشدار (آشکارساز CA-CFAR) پردازش هشدار کاذب ثابت را در جهت گیری هدف به دست آمده در مرحله (1) انجام می دهد. (3) اگر آشکارساز CA-CFAR Ag را به عنوان جهت سیگنال هدف قضاوت کند، مقدار Ag به ماتریس AgT[i] اختصاص می‌یابد، در غیر این صورت، -1 را به ماتریس AgT[i] اختصاص می‌دهیم (i = 1، 2، ·، N). (4) اگر تعداد مقادیر ماتریس AgT = -1 از AT بیشتر باشد (AT آستانه از پیش تعیین شده است، AT

 

با محاسبه ریشه میانگین مربع خطای StdAT، اگر StdAT کمتر از آستانه StdDT باشد، در نظر گرفته می‌شود که یک هدف وجود دارد، و موقعیت هدف ردیابی می‌شود، در غیر این صورت مراحل (1) ~ (4) را تکرار کنید. از طریق 5 مرحله فوق می توان به شناسایی و ردیابی خودکار اهداف زیر آب دست یافت. اصل پردازش CA-CFAR این است که هنگام شناسایی و ردیابی یک هدف آزیموت خاص، به دلیل ماهیت غیر ثابت محیط دریایی، احتمال هشدار کاذب در نزدیکی یک احتمال تشخیص مشخص ناپایدار است و ردیابی بی‌درنگ سطح نویز محیطی در حال تعیین آستانه متغیر زمانی است که می‌تواند به یک هدف تشخیص اشتباه ثابت با یک اثر تشخیص اشتباه prozimu دست یابد. به طور کلی، آستانه تابعی از احتمال تشخیص و احتمال هشدار نادرست است. فناوری پردازش CA-CFAR یک الگوریتم پردازش سیگنال است که آستانه تشخیص را در سیستم تشخیص خودکار فراهم می کند و تأثیر نویز و تداخل را در احتمال هشدار نادرست سیستم تشخیص به حداقل می رساند. در فناوری پردازش CA-CFAR، زمانی که یک واحد خاص نیاز به آزمایش دارد، واحد آزمایش شده را واحد آزمایش (Cell under test, CUT) و واحد نمونه مورد استفاده برای استخراج توان نویز اطراف واحد آزمایش را واحد مرجع (مرجع) می نامند. سلول ها، RC). برای جلوگیری از نشت سیگنال هدف به واحد مرجع، که بر تخمین توان نویز تأثیر منفی می‌گذارد، بخشی از نمونه باید به عنوان سلول نگهبان (GC) بین واحد مرجع و واحد آزمایش ذخیره شود. رابطه بین واحد آزمایش، واحد مرجع و واحد حفاظت داده شده است.

2 تجزیه و تحلیل عملکرد تشخیص هدف

این بخش نتایج شبیه سازی کامپیوتری عملکرد تشخیص هدف الگوریتم هیستوگرام را ارائه می دهد و از داده های تست دریا و استخر آنکوئیک برای تجزیه و تحلیل استفاده می کند.

الگوریتم یافتن جهت هدف و عملکرد ردیابی مستقل. برای سادگی، این مقاله تنها وضعیت هدف واحد را تحلیل می‌کند.

2.1 تجزیه و تحلیل شبیه سازی

شرایط شبیه‌سازی به شرح زیر است: با توجه به اینکه سیگنال هدف پهنای باند بر روی یک هیدروفون بردار منفرد با آزیموت برخوردی 100◦ برخورد می‌کند، و نسبت سیگنال به نویز (نسبت سیگنال به نویز (SNR)) در همان باند فرکانسی برابر با 20- ~، 16 dB سفید با مقدار سفید بینابینی است. سر و صدایی که به سیگنال برخوردی مرتبط نیست و فرکانس نمونه برداری 20 کیلوهرتز است. طول داده هر فرآیند محاسبه 5 ثانیه است و 75 درصد داده ها در پنجره زمانی بازتولید می شوند.

نرخ پشته به 17 قطعه داده با طول 1 ثانیه تقسیم می شود و تبدیل فوریه سریع 32768 نقطه ای (تبدیل فوریه سریع) بر روی هر قطعه از محاسبه انجام می شود. فرم، FFT) باند فرکانس پردازش 200 هرتز ~ 3 کیلوهرتز است، سپس 17 گروه صدا و میانگین صدا محاسبه می شود. برای این منظور از الگوریتم هیستوگرام استفاده شده است.

جهت گیری استاندارد تخمینی شکل 3 نتایج تخمین آزیموت الگوریتم هیستوگرام را با استفاده از شرایط شبیه‌سازی فوق به عنوان تابعی از نسبت سیگنال به نویز نشان می‌دهد (یعنی طیف آزیموت نرمال شده با سیگنال تغییر می‌کند. نسبت نویز تغییر می‌کند، و طیف‌آزیموت، دامنه آزمایش‌های مستقل است که در اندازه‌های مختلف انجام شده است). در زیر هر نسبت سیگنال به نویز مشاهده می شود که با افزایش نسبت سیگنال به نویز، تاریخچه آزیموت تخمینی به تدریج مشخص می شود. به منظور توصیف کمی عملکرد تخمین جهت گیری هدف الگوریتم هیستوگرام، شکل 4 و شکل 5. منحنی خطای جهت یابی و عرض طیف آزیموت -3 دسی بل در مقابل SNR به ترتیب داده شده است. مشاهده می‌شود که وقتی نسبت سیگنال به نویز -7 دسی‌بل است، جهت یاب است. خطا حدود 8◦ و عرض طیف آزیموت 3- دسی‌بل حدود 19◦ است. وقتی نسبت سیگنال به نویز بیشتر از 0 دسی بل باشد، خطای جهت یابی و عرض طیف آزیموت 3- دسی بل به ترتیب کمتر از 3◦ و 7◦ است.

شکل 6 منحنی پرچم ردیابی خودمختار هدف با نسبت سیگنال به نویز مطابق با الگوریتم تشخیص و ردیابی مستقل هدف است که در بخش 1 پیشنهاد شده است. پرچم ردیابی هدف 1 نشان دهنده این است که الگوریتم به ردیابی هدف دست می یابد و 0 به معنای عدم دستیابی به ردیابی هدف است. از شکل 6 می توان دید که وقتی نسبت سیگنال به نویز بیشتر از -7 دسی بل باشد. الگوریتم هیستوگرام زمان می تواند به هدف مستقل دست یابد.

2.2 تجزیه و تحلیل تست تانک

به منظور تسلط بر عملکرد تشخیص هدف الگوریتم هیستوگرام هیدروفون تک بردار، یک تست تأیید عملکرد تشخیص هدف هیدروفون تک بردار در یک استخر آنکوئیک انجام شد. در طول آزمایش از UW350 به عنوان هدف منبع صدا استفاده شد و از عمق 3 متری زیر آب استفاده شد. سیگنال مورد استفاده در آزمایش، عرض خروجی منبع سیگنال است. با نویز سفید گاوسی، مقدار پیک به پیک خروجی به ترتیب روی 10 میلی ولت، 20 میلی ولت، 25 میلی ولت، 50 میلی ولت، 100 میلی ولت، 1 ولت و 10 ولت تنظیم می شود. زمان انتقال هر سیگنال 60 ثانیه است و سطح منبع صدا از انتشار سیگنال کوچک با فرمول 20 لیتر (A1/A2) محاسبه می شود که در آن A1 و A2 مقادیر پیک به پیک تنظیمات منبع سیگنال هستند. از سطح منبع صدای انتشار سیگنال، نسبت سیگنال به نویز هر کانال هیدروفون برداری را می توان بر اساس فاصله بین هیدروفون برداری و منبع صدا محاسبه کرد. جدول 1 نتایج میانگین پهنای باند نسبت سیگنال به نویز سیگنال منبع صوتی دریافتی توسط هر کانال از هیدروفون برداری را نشان می دهد و مقدار متوسط ​​نسبت سیگنال به نویز هر کانال را تحت شدت های مختلف انتشار منبع صدا نشان می دهد. مشاهده می شود که مقدار پیک به پیک خروجی منبع سیگنال به ترتیب 10 میلی ولت، 20 میلی ولت، 25 میلی ولت، 50 میلی ولت، 100 میلی ولت، 1 ولت و 10 ولت است. مبدل صوتی پهن باند متوسط ​​نسبت سیگنال به نویز سیگنال منبع صوتی دریافتی توسط هیدروفون برداری 13- دسی بل، 7- دسی بل، 5- دسی بل، 1 دسی بل، 7 دسی بل، 27 دسی بل و 47 دسی بل است.

 

هفت سیگنال نسبت سیگنال به نویز به طور جداگانه با استفاده از الگوریتم هیستوگرام پردازش می شوند. نتایج برآورد آزیموت محاسبه شده با زمان تغییر می کند همانطور که در شکل 7 نشان داده شده است. این شکل همچنین مقدار پیک به پیک خروجی سیگنال و هیدروفون برداری را در هر دوره زمانی مشخص می کند. نسبت سیگنال به نویز گیرنده از شکل 7 می توان دریافت که آزیموت تخمینی هدف منبع صدا به تدریج با افزایش نسبت سیگنال به نویز دریافتی تثبیت می شود و اساساً با آزیموت واقعی منطبق می شود. شکل 8 و شکل 9 به ترتیب خطای تخمین آزیموت و عرض طیف آزیموت 3-dB سیگنال های نسبت سیگنال به نویز منتشر شده توسط هفت منبع صوتی توسط الگوریتم هیستوگرام را نشان می دهند. این نسبت افزایش می یابد و به تدریج کاهش می یابد. خطای جهت یابی زمانی افزایش می یابد که منبع صدا یک سیگنال نویز پیک به پیک 10 ولت در مقایسه با 1 ولت پیک به پیک منتشر کند. این به این دلیل است که منبع صدا سیگنال سطح منبع صوتی بالایی را منتشر می کند.

استخر کاهش نویز ناقص در باند فرکانس پایین دارد و بازتاب رابط قوی وجود دارد. وقتی نسبت سیگنال به نویز 7- دسی بل است، خطای جهت یابی حدود 8 درجه و عرض طیف آزیموت 3- دسی بل حدود 23 درجه است. و زمانی که نسبت سیگنال به نویز بیشتر از 1 دسی بل باشد، خطای جهت یابی و عرض طیف آزیموت 3- دسی بل به ترتیب کمتر از 4◦ و 19◦ است. شکل 10 منحنی علامت ردیابی هدف با شدت سیگنال انتشار منبع صوتی است که بر اساس الگوریتم تشخیص و ردیابی خودگردان هدف محاسبه شده است. مشاهده می شود که وقتی نسبت سیگنال به نویز 7- دسی بل است، الگوریتم هیستوگرام می تواند به ردیابی مستقل هدف منبع صدا دست یابد.

 

 

2.3 تجزیه و تحلیل آزمایش دریایی

 

با استفاده از داده‌های آزمایش تأیید عملکرد تشخیص هدف شناور صوتی زیر آب که در آب‌های شمالی دریای چین جنوبی در اوت 2019 انجام شد، از الگوریتم هیستوگرام هیدروفون تک برداری برای تجزیه و تحلیل عملکرد تشخیص اهداف دریایی استفاده شد. عمق منطقه دریای آزمایشی حدود 1500 متر است. در طول دوره آزمون، شرایط آب و هوایی خوب و باد است.

 

 

سرعت تقریباً سطح 2 است. نتایج اندازه‌گیری دستگاه عمق ترموسالت رهاسازی کشتی نشان می‌دهد که پروفیل سرعت صوت یک لایه یکنواخت در عمق 40 متر است و لایه فاجعه‌بار اصلی سرعت صوت در عمق 40 تا 200 متر است و محور کانال صدا در 1000 متر است. نزدیک به عمق. در طول روز آزمون از ساعت 12:33 تا 14:02، یک کشتی سطحی با طول 42 متر، عرض 6 متر و سرعت 8.4 کیلونیوتن از نزدیکی شناور صوتی زیر آب با سمت 301 درجه عبور کرد. در طول دوره، شناور سطحی و آکوستیک زیر آب فاصله شناور در کمترین زمان حدود 2 کیلومتر و در دورترین زمان 13.8 کیلومتر است. نمودار مقایسه ای از نتیجه تخمین آزیموت هدف محاسبه شده توسط الگوریتم هیستوگرام و آزیموت واقعی کشتی سطحی داده شده است و می توان مشاهده کرد که الگوریتم هیستوگرام در کل زمان 12:33-14:02 است.

 

شکل 13 و شکل 14 به ترتیب الگوریتم هیستوگرام به خطای یافتن جهت هدف کشتی سطحی و منحنی تغییر عرض طیف آزیموت 3-dB با زمان در دوره زمانی 12:33-14:02 را نشان می دهند. می توان دید که خطای جهت یابی بهترین است که می تواند در 5 درجه برسد، و عرض طیف آزیموت -3 دسی بل می تواند به حدود 10 درجه نزدیک به نقطه نزدیک برسد. علاوه بر این، به دلیل انحراف موقعیت تخمینی زیر آب شناور صوتی زیر آب، فاصله بین کشتی سطحی و سکوی شناور نزدیکتر است. خطای جهت یابی در زمان افزایش می یابد. شکل 15 منحنی علامت ردیابی هدف در طول زمان است که توسط الگوریتم تشخیص و ردیابی خودکار هدف محاسبه شده است. مشاهده می‌شود که این الگوریتم می‌تواند به ردیابی هدف خودگردان در کل برد برای یک کشتی سطحی با سرعت 8.4 kn در فاصله 13.8 کیلومتری دست یابد.

 

3 نتیجه گیری

این مقاله با هدف نیازهای کاربردی مهندسی هیدروفون های تک بردار بر روی سکوهای بدون سرنشین زیر آب، یک تشخیص و ردیابی خودکار اهداف زیر آب را پیشنهاد می کند. روش ردیابی، و استفاده از محاسبه شبیه سازی، تست مخزن آنکوئیک و تجزیه و تحلیل تست دریا برای خلاصه کردن الگوریتم هیستوگرام بر اساس عملکرد تشخیص هیدروفون تک بردار. نتایج شبیه‌سازی کامپیوتری و داده‌های آزمایش مخزن آنکوئیک نشان می‌دهد که الگوریتم هیستوگرام نسبت سیگنال به نویز مورد نیاز برای ردیابی مستقل را به دست می‌آورد. اگر بیشتر از 7- دسی‌بل باشد، خطای جهت‌یابی حدود 8 درجه است و عرض طیف آزیموت 3- دسی‌بل حدود 20 درجه است. داده‌های آزمایش دریا نشان می‌دهد که اعماق دریا شرایط هیدرولوژیکی خوبی دارد، الگوریتم هیستوگرام می‌تواند به تشخیص و ردیابی کامل هدف برای یک کشتی سطحی با سرعت 8.4 kn در فاصله 13.8 کیلومتری دست یابد. بهترین خطای جهت‌یابی می‌تواند به 5◦ برسد و عرض طیف آزیموت -3 dB می‌تواند نزدیک به موقعیت نزدیک به 10 باشد.