Analyysi kohteen havaitsemissuorituskyvystä yksittäiselle hydrofoni-ikkunaiselle histogrammi-algoritmille

kohteen havaitsemissuorituskyvyn analyysi histogrammialgoritmin  Yhden vektorin hydrofonin  

Yksivektorihydrofonin histogrammi-algoritmilla on hyvä kestävyys ja tavoite atsimuuttiarviointi. Tässä artikkelissa analysoidaan ja esitetään yhteenveto histogrammi-algoritmin ja autonomisen tunnistus- ja seuranta-algoritmin tehokkuudesta. vedenalainen akustinen muunnin, joka perustuu kohteen arvioituun atsimuuttiin. Tietokonesimulaatio ja kaiuton säiliötestitulokset osoittavat, että ikkunoidun histogrammi-algoritmin vaatiman signaali-kohinasuhteen autonomiseen seurantaan on oltava suurempi kuin 7 dB. Näissä olosuhteissa arvioitu atsimuuttivirhe ja 3 dB säteen leveys ovat vastaavasti noin 8 ◦ ja 20 ◦ . Merikoetulokset osoittavat, että hyvissä syvänmeren hydrologisissa olosuhteissa ikkunoitu histogrammi-algoritmi voi saavuttaa kohteen havaitsemisen ja seurannan pinta-alukselle, jonka nopeus on 8,4 kn 13,8 km:n etäisyydellä. Optimaalinen arvioitu atsimuuttivirhe voi olla 5 ◦ ja 3 dB säteen leveys noin 10 ◦ 2 km:n etäisyydellä.

 

Vektorihydrofonin vektorikanavalla on taajuudesta riippumaton dipolisuuntaus, ja se pystyy vastustamaan isotrooppisen kohinan häiriötä. Vektorihydrofonilla voidaan saavuttaa koko tilan epätarkkuuden orientaatio, mikä tarjoaa ratkaisun kohteen havaitsemiseen pienellä akustisilla antureilla varustetulla vedenalaisella alustalla.

 

Tilan etu. Viime vuosina jatkuva parantaminen vektorihydrofonianturitekniikka , vektorisignaalinkäsittelytekniikkaa sovelletaan myös voimakkaasti. Kysynnän mukaan se on kehittynyt nopeasti. Verrattuna perinteisiin äänenpainehydrofoneihin, vektorihydrofonit tarjoavat kattavampia äänikenttätietoja. Se ei voi vain mitata äänikentän skalaarisuuruutta, vaan myös saada äänikentän vektoriominaisuudet, mikä laajentaa huomattavasti signaalinkäsittelytilaa. Yksivektorihydrofoneihin perustuvia kohdeatsimuutin estimointialgoritmeja on monia, mutta yleisesti ottaen ne voidaan jakaa kahteen kategoriaan suunnanhakuperiaatteen mukaisesti: yksi on atsimuuttiestimaatio, joka perustuu äänienergiavirtaan; Toinen on katsoa vektorihydrofonin jokaista kanavaa. Se on monielementtiryhmä, jokainen pietsoelementti sijaitsee suunnilleen samassa pisteessä avaruudessa ja olemassa olevaa ryhmäsignaalinkäsittelymenetelmää sovelletaan yksivektorihydrofoniin käyttämällä itse yksivektorihydrofonin matriisivirtauskuvion ominaisuuksia. Erilaisilla vektorihydrofonien kohdesuunnan etsintäalgoritmeilla on omat etunsa ja haittansa. Niiden joukossa histogrammi-algoritmilla on parempi kestävyys ja tavoite atsimuuttiarvioinnin suorituskyky kuin muilla algoritmeilla, ja sillä on kyky vaimentaa kapeakaistaisia ​​ja voimakkaita viivaspektrihäiriöitä. Se soveltuu erityisen hyvin teknisiin sovelluksiin. Tässä artikkelissa analysoidaan ja esitetään yhteenveto histogrammin suunnanhakualgoritmista, joka perustuu yksittäiseen vektorihydrofoniin, ja ehdotetaan autonomista tunnistus- ja seurantaalgoritmia vedenalaisille kohteille, jotka perustuvat kohteen atsimuuttiin. 

Kuvio 6 on kohteen autonomisen seurantalipun käyrä signaali-kohinasuhteella osassa 1 ehdotetun autonomisen kohdealgoritmin mukaisesti. Kohteenseurantalippu 1 esittää, että algoritmi saavuttaa kohteen seurannan, ja se tarkoittaa, että kohteen seurantaa ei saavuteta. Kuvasta 6 voidaan nähdä, että kun signaali-kohinasuhde on suurempi kuin 7 dB, histogrammi-algoritmi voi saavuttaa autonomisen kohteen seurannan.

2.2 Säiliön testianalyysi

Yksivektorihydrofonin histogrammialgoritmin kohteen havaitsemissuorituskyvyn hallitsemiseksi yhden vektorin hydrofonin kohteen havaitsemissuorituskyky suoritettiin kaiuttomassa poolissa.

Varmennustestissä äänilähdekohteena käytettiin testin aikana UW350:tä, jonka syvyys oli 3 metriä veden alla. Testissä käytetty signaali on signaalilähteen lähdön leveys. Gaussin valkoisen kohinan avulla lähdön huipusta huippuun arvoksi asetetaan 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V ja 10 V.

 

Signaalin lähetysaika on 60 s ja pienen signaalin emission äänilähteen taso lasketaan kaavalla 20 lg (A1/A2), jossa A1 ja A2 ovat signaalilähteen asetuslähdön huipusta huippuun -arvo. Signaalia lähettävän äänilähteen taso voidaan laskea vektorihydrofonin ja äänilähteen välisen etäisyyden mukaan vektorihydrofonin kunkin kanavan signaali-kohinasuhteen saamiseksi. Taulukko 1 esittää vektorihydrofonin kunkin kanavan vastaanottaman äänilähdesignaalin laajakaistaisen keskimääräisen signaali-kohinasuhteen tulokset ja antaa kunkin kanavan signaali-kohinasuhteen keskiarvon eri äänilähteen emissiointensiteeteillä. Voidaan nähdä, että signaalilähteen lähdön huipusta huippuun arvo on Jännitteellä 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V ja 10 V, vektorihydrofonin vastaanottaman äänilähdesignaalin laajakaistainen keskimääräinen signaali-kohinasuhde on 13 dB, vastaavasti 5 dB, dB, 7 dB, d. dB, 27 dB ja 47 dB. Seitsemän signaali-kohinasuhteen signaalia käsitellään erikseen käyttämällä histogrammi-algoritmia. Lasketut atsimuuttiestimointitulokset muuttuvat ajan myötä kuvan 7 mukaisesti. Kuvassa on myös merkitty signaalilähdön ja vektorihydrofonin huipusta huippuun arvo kullakin aikajaksolla. Vastaanottimen signaali-kohinasuhde. Kuvasta 7 voidaan nähdä, että äänilähteen kohteen arvioitu atsimuutti tasaantuu vähitellen vastaanotetun signaali-kohinasuhteen kasvaessa ja on periaatteessa yhteneväinen todellisen atsimuutin kanssa. Kuva 8 ja kuvio 9 esittävät histogrammi-algoritmin seitsemästä äänilähteestä lähettämien signaali-kohinasuhdesignaalien atsimuuttiarviointivirheen ja 3 dB:n atsimuuttispektrin leveyden. Suhde kasvaa ja pienenee vähitellen. Suunnanhakuvirhe kasvaa, kun äänilähde lähettää huipusta huippuun 10 V kohinasignaalia verrattuna 1 V huipusta huippuun. Tämä johtuu siitä, että äänilähde lähettää korkean äänilähteen signaalin.

 

 

Akustinen allas on vaimennettu epätäydellisesti matalataajuuskaistalla ja siinä on voimakas rajapinnan heijastus; kun signaali-kohinasuhde on 7 dB, suunnanhakuvirhe on noin 8 ◦, 3 dB neliö

Bittispektrin leveys on noin 23◦; kun signaali-kohinasuhde on suurempi kuin 1 dB, suunnanhakuvirhe ja 3 dB atsimuuttispektrin leveys ovat vastaavasti alle 4◦ ja 19◦. Kuva 10 on kohteen seurantamerkin käyrä, joka on laskettu kohteen autonomisen tunnistus- ja seurantaalgoritmin mukaan. on 7 dB, histogrammi-algoritmi voi toteuttaa äänilähteen kohteen autonomisen seurannan.

 

2.3 Meritestianalyysi

Käyttämällä tietoja kohteesta Vedenalaisen akustisen poijun kohteen havaitsemissuorituskyvyn varmennustestitiedot suoritettiin Etelä-Kiinan meren pohjoisilla vesillä elokuussa 2019, yksivektorihydrofonin histogrammi-algoritmia käytettiin merikohteiden havaitsemissuorituskyvyn analysointiin. Koemerialueen syvyys on noin 1500 m. Testin aikana sääolosuhteet ovat hyvät ja tuulen nopeus noin tasolla 2. Laivan hylkäämisen lämpösuolasyvyysmittarin mittaustulokset osoittavat, että äänennopeusprofiili on tasainen kerros 40 m ja 40 200 m syvyydessä. Sisällä on äänen nopeuden tärkein siirtymäkerros, ja ääniradan akseli on lähes 1000 metrin syvyydessä. Testipäivän aikana klo 12.33-14.02 pinta-alus, jonka pituus oli 42 m, leveys 6 m ja nopeus 8,4 kn, kulki lähellä vedenalaista akustista poijua suunnassa 301°. Aikana pinta-alus ja vedenalainen akustiikka. Poijun etäisyys on lyhimmällä hetkellä noin 2 km ja kauimpana 13,8 km. Tilannekaavio on esitetty kuvassa 11. Kuvassa 12 on vertailu histogrammi-algoritmilla lasketun pinta-aluksen kohdeatsimuutin arvioitujen atsimuuttitulosten ja todellisen atsimuutin välillä. Voidaan nähdä, että histogrammi-algoritmi voi saavuttaa pinta-aluksen tavoitteen koko 12:33-14:02 ajanjakson ajan.

Kuva 13 ja kuvio 14 esittävät histogrammi-algoritmin pinta-aluksen kohteen suunnan määritysvirheen ja 3 dB atsimuuttispektrin leveyden funktiona aikakäyrän ajanjaksolla 12:33-14:02. Voidaan nähdä, että suunnanhakuvirhe on paras Se voi olla 5 ◦ sisällä ja 3 dB atsimuuttispektrin leveys voi olla noin 10 ◦ lähellä läheistä sijaintipistettä; lisäksi vedenalaisen akustisen poijun vedenalaisen sijainnin poikkeaman vuoksi pinta-aluksen ja poijualustan välinen etäisyys on suhteellisen lähellä. Suunnanhakuvirhe ajanhetkellä kasvaa. Kuvio 15 on kohteen seurantamerkin käyrä ajan funktiona, joka on laskettu kohteen autonomisella tunnistus- ja seurantaalgoritmilla. Voidaan nähdä, että algoritmi voi saavuttaa autonomisen kohteen seurannan koko kantamalla pinta-alukselle, jonka nopeus on 8,4 kn 13,8 km:n etäisyydellä.

 

3 Johtopäätös

Tässä artikkelissa esitetään yksivektorihydrofonien teknisiä sovellusvaatimuksia vedenalaisilla miehittämättömillä alustoilla. vedenalainen ultraäänianturi ja käyttää simulaatiolaskelmia, kaiuttomia säiliötestejä ja meritestianalyysiä yhteenvetoon perustuen yhden vektorin veteen .Kuuntelijan histogrammi-algoritmilla oli normaali tunnistuskyky. Tietokonesimuloinnin ja kaiuttoman poolin testidatan tulokset osoittavat, että histogrammi-algoritmin vaatiman signaali-kohinasuhteen autonomisen seurannan saavuttamiseksi on oltava suurempi kuin 7 dB, tällä hetkellä suunnanhakuvirhe on noin 8◦ ja 3 dB:n atsimuuttispektrin leveys on noin 20◦. Meritestitiedot osoittavat, että syvänmeren hyvissä hydrologisissa olosuhteissa histogrammi-algoritmi pystyy saavuttamaan täyden kohteen havaitsemisen ja seurannan 13,8 km:n etäisyydellä pinta-alukselta, jonka nopeus on 8,4 kn, ja paras suunnanhakuvirhe voi olla 5◦. 3 dB:n atsimuuttispektrin leveys voi olla noin 10◦ lähellä lähellä olevaa sijaintipistettä.