Analisis kinerja deteksi algoritma pencarian arah histogram hidrofon vektor tunggal

Algoritma histogram dari a hidrofon vektor tunggal memiliki ketahanan dan kinerja estimasi azimuth target yang baik. Artikel ini menganalisis dan merangkum kinerja deteksi target dari algoritma histogram, dan mengusulkan deteksi otonom target bawah air berdasarkan estimasi azimuth target. Algoritma pelacakan, algoritma ini dapat mencapai deteksi otonom terhadap ada tidaknya target di dalam air. Hasil simulasi dan pengujian kumpulan anechoic menunjukkan bahwa rasio signal-to-noise yang diperlukan oleh algoritma histogram untuk mencapai pelacakan target otonom harus lebih besar dari −7 dB. Pada saat ini, kesalahan pencarian arah adalah sekitar 8◦, dan lebar spektrum azimuth −3 dB adalah sekitar 20◦. Analisis data uji kelautan menunjukkan bahwa algoritma histogram dapat mencapai deteksi dan pelacakan target penuh dalam jarak 13,8 km untuk kapal permukaan dengan kecepatan 8,4 kn, dengan kesalahan pencarian arah optimal 5◦, dan bantalan −3 dB pada jarak 2 km. Lebar spektral bisa mencapai 10◦

 

 

Saluran vektor dari sensor hidrofon vektor memiliki directivity dipol yang tidak bergantung pada frekuensi, dan memiliki kemampuan untuk menahan interferensi kebisingan isotropik. Hidrofon vektor dapat mencapai orientasi bebas buram ruang penuh, yang memberikan solusi untuk deteksi target pada platform bawah air kecil yang dilengkapi dengan sensor akustik bawah air.

keuntungannya dari ruang. Dalam beberapa tahun terakhir, dengan peningkatan berkelanjutan pada teknologi hidrofon vektor, teknologi pemrosesan sinyal vektor juga diterapkan dengan kuat. Didorong oleh permintaan, teknologi ini berkembang pesat. Dibandingkan dengan hidrofon tekanan suara konvensional, hidrofon vektor memberikan informasi medan suara yang lebih komprehensif. Hanya skalar medan suara yang dapat diukur, dan karakteristik vektor medan suara juga dapat diperoleh, yang sangat memperluas ruang pemrosesan sinyal. Ada banyak algoritma estimasi azimuth target berdasarkan hidrofon vektor tunggal, secara umum dapat dibagi menjadi dua kategori menurut prinsip pencarian arah: satu adalah estimasi azimuth berdasarkan aliran energi suara; yang lainnya adalah dengan memperhatikan setiap saluran hidrofon vektor. Ini adalah larik multi-elemen, setiap elemen kira-kira berada pada posisi yang sama dalam ruang, dan metode pemrosesan sinyal larik yang ada diterapkan pada hidrofon vektor tunggal dengan menggunakan karakteristik pola aliran larik hidrofon vektor tunggal itu sendiri. Berbagai algoritma pencarian arah target hidrofon vektor memiliki kelebihan dan kekurangannya masing-masing. Dibandingkan dengan algoritma lain, algoritma histogram medium memiliki kinerja estimasi ketahanan dan orientasi target yang lebih baik, dan memiliki kemampuan untuk menekan interferensi spektrum garis sempit dan kuat, yang sangat cocok untuk aplikasi teknik. Makalah ini menganalisis dan merangkum algoritma pencarian arah histogram berdasarkan hidrofon vektor tunggal, dan mengusulkan algoritma deteksi dan pelacakan otonom untuk target bawah air berdasarkan estimasi orientasi target, menggunakan simulasi komputer, data pengukuran kumpulan anechoic dan data eksperimen kelautan menganalisis kinerja deteksi target algoritma histogram dan grafik.

 

 

1 Algoritma teoretis

1.1 Algoritma pencarian arah histogram

 

Algoritme histogram perlu terlebih dahulu menghitung perkiraan azimuth target pada titik frekuensi yang berbeda, dan ekspresi perhitungannya adalah

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

⟨Ix(i, f)⟩, (1) Dalam rumus (1), θ(f) mewakili azimuth target yang dihitung pada frekuensi berbeda f, dan Pw, Vxw, dan Vyw masing-masing mewakili tekanan suara hidrofon vektor di P dan getaran dalam arah x. Saluran kecepatan dan saluran kecepatan getaran arah y mengumpulkan nilai spektrum sinyal, dan Ix dan Iy masing-masing mewakili aliran energi akustik dalam arah x dan arah y. Terlihat dari persamaan (1) bahwa azimuth target yang dihitung dengan persamaan (1) berhubungan dengan frekuensi f, dan perkiraan azimuth target pada titik frekuensi yang berbeda juga berbeda. Metode memperkirakan target azimuth melalui histogram dapat digunakan untuk menghitung target azimuth di lingkungan. Interferensi pita sempit dan penekanan interferensi spektrum garis yang kuat, tetapi ketika terdapat beberapa target di lingkungan. Ketika frekuensi kebisingan yang dipancarkan saling tumpang tindih, metode histogram tidak dapat memperoleh azimuth sebenarnya dari setiap target, hanya aliran energi suara dari setiap target.

 

Orientasi gabungan akan bias terhadap orientasi sasaran yang lebih intens. Statistik azimuth histogram adalah menghitung perkiraan azimuth target θ(f) dalam interval azimuth yang sesuai sesuai dengan jumlah titik frekuensi. Jika interval azimuth dibagi 1◦, maka k = [θ(f) × 180/π], φ (k) = φ(k) + 1, (2) Pada rumus (2), [] mewakili operasi pembulatan, k adalah nilai yang diperoleh dengan membulatkan θ(f), misalnya θ(f) 60, maka θ( f) = θ(f)+ 360◦, sehingga estimasi azimuth target berada pada interval [0◦ 360◦), φ adalah frekuensi estimasi azimuth pada setiap sudut, dan nilai sudut yang sesuai dengan nilai maksimum adalah estimasi azimuth target.

 

1.2

Algoritma untuk Deteksi dan Pelacakan Target Otonom

Algoritme deteksi dan pelacakan otonom untuk target bawah air berdasarkan estimasi orientasi target. Ide dasarnya adalah untuk melakukan analisis statistik terhadap orientasi target yang diperkirakan dengan algoritma histogram, dan membandingkan statistik orientasi dengan ambang batas yang telah ditentukan, yang pada akhirnya dapat mewujudkan deteksi otonom target dan pelacakan bawah air. Diagram alur deteksi dan pelacakan target otonom mencakup lima langkah berikut: (1) Pertama, gunakan algoritma histogram hidrofon vektor tunggal untuk memindai seluruh arah spasial untuk mendapatkan perkiraan azimuth Ag dari sinyal yang diterima; (2) Gunakan virtual konstan Detektor alarm (detektor CA-CFAR) melakukan pemrosesan alarm palsu secara konstan pada orientasi target yang diperoleh pada langkah (1); (3) Jika detektor CA-CFAR menilai Ag sebagai orientasi sinyal target, nilai Ag ditetapkan ke matriks AgT[ i], jika tidak, tetapkan −1 ke matriks AgT[i] (i = 1, 2, ·, N); (4) Jika jumlah nilai matriks AgT = −1 lebih besar dari AT (AT adalah ambang batas yang telah ditetapkan, AT

 

Menghitung root mean square error StdAT, jika StdAT kurang dari ambang batas StdDT, dinilai ada target, dan posisi target terlacak, jika tidak, ulangi langkah (1) ∼ (4). Melalui 5 langkah di atas, deteksi dan pelacakan target bawah air secara mandiri dapat dicapai. Prinsip pemrosesan CA-CFAR adalah ketika mendeteksi dan melacak target azimuth tertentu, karena sifat lingkungan laut yang tidak stasioner, probabilitas alarm palsu tidak stabil di dekat probabilitas deteksi tertentu, dan pelacakan tingkat kebisingan lingkungan secara real-time menetapkan ambang batas yang bervariasi waktu dapat mencapai efek deteksi konstan dengan probabilitas alarm palsu konstan untuk target azimuth. Secara umum, ambang batas merupakan fungsi dari probabilitas deteksi dan probabilitas alarm palsu. Teknologi pemrosesan CA-CFAR adalah algoritma pemrosesan sinyal yang memberikan ambang batas deteksi dalam sistem deteksi otomatis dan meminimalkan pengaruh kebisingan dan interferensi terhadap kemungkinan alarm palsu pada sistem deteksi. Dalam teknologi pemrosesan CA-CFAR, ketika unit tertentu perlu diuji, unit yang diuji disebut unit pengujian (Cell under test, CUT), dan unit sampel yang digunakan untuk mengekstraksi daya kebisingan di sekitar unit pengujian disebut unit referensi (Referensi). sel, RC). Untuk mencegah kebocoran sinyal target ke unit referensi, yang akan berdampak buruk pada estimasi daya kebisingan, sebagian sampel harus dicadangkan sebagai sel pelindung (GC) antara unit referensi dan unit pengujian. Hubungan antara unit pengujian, unit referensi, dan unit proteksi diberikan.

2 Analisis kinerja deteksi target

Bagian ini akan memberikan hasil simulasi komputer tentang kinerja deteksi target dari algoritma histogram, dan menggunakan data uji anechoic pool dan sea untuk menganalisis

Pencarian arah target algoritma dan kinerja pelacakan otonom. Demi kesederhanaan, artikel ini hanya menganalisis situasi target tunggal.

2.1 Analisis simulasi

Kondisi simulasi adalah sebagai berikut: mengingat sinyal target broadband terjadi pada hidrofon vektor tunggal dengan azimuth insiden 100◦, dan rasio signal-to-noise (SNR)) pada pita frekuensi yang sama diatur ke −20 ∼ 16 dB, dengan interval 2 dB, noise tambahan adalah white noise Gaussian yang tidak terkait dengan sinyal insiden, dan frekuensi pengambilan sampel adalah 20 kHz. Panjang data dari setiap proses perhitungan adalah 5 detik, dan 75% data direproduksi dalam jangka waktu tertentu.

Kecepatan tumpukan dibagi menjadi 17 bagian data dengan panjang 1 detik, dan Transformasi Fast Fourier (Fast Fourier Transform) 32768 titik dilakukan pada setiap bagian perhitungan data.form, FFT), pita frekuensi pemrosesan adalah 200 Hz ∼3 kHz, 17 kelompok spektrum intensitas suara dihitung dan dirata-rata, dan kemudian algoritma histogram digunakan untuk tujuan tersebut.

Perkiraan orientasi standar. Gambar 3 menunjukkan hasil estimasi azimuth dari algoritma histogram menggunakan kondisi simulasi di atas sebagai fungsi dari rasio signal-to-noise (yaitu, spektrum azimuth yang dinormalisasi bervariasi dengan sinyal. Rasio noise berubah, dan spektrum azimuth adalah amplitudo dalam azimuth yang berbeda), dan 200 eksperimen simulasi Monte Carlo independen dilakukan di bawah setiap rasio signal-to-noise. Dapat dilihat bahwa perkiraan riwayat azimuth secara bertahap menjadi jelas seiring dengan rasio signal-to-noise meningkat. Untuk menggambarkan secara kuantitatif kinerja estimasi orientasi target dari algoritma histogram, Gambar 4 dan Gambar 5. Kurva kesalahan pencarian arah dan lebar spektrum azimuth −3 dB versus SNR diberikan. Terlihat bahwa ketika rasio sinyal terhadap noise adalah −7 dB, penemuan arah. Kesalahannya sekitar 8◦, dan lebar spektrum azimuth −3 dB adalah sekitar 19◦; ketika rasio signal-to-noise lebih besar dari 0 dB, kesalahan pencarian arah dan lebar spektrum azimuth −3 dB masing-masing kurang dari 3◦ dan 7◦

Gambar 6 adalah kurva bendera pelacakan otonom target dengan rasio signal-to-noise sesuai dengan algoritma deteksi dan pelacakan otonom target yang diusulkan pada Bagian 1. Bendera pelacakan target 1 menunjukkan bahwa algoritma mencapai pelacakan target, dan 0 berarti bahwa pelacakan target tidak tercapai. Dapat dilihat dari Gambar 6 bahwa ketika rasio signal-to-noise lebih besar dari −7 dB, algoritma histogram waktu dapat mencapai target otonom.

2.2 Analisis uji tangki

Untuk menguasai kinerja deteksi target dari algoritma histogram hidrofon vektor tunggal, dilakukan uji verifikasi kinerja deteksi target hidrofon vektor tunggal dalam kolam anechoic. UW350 digunakan sebagai target sumber suara selama pengujian, dan kedalaman yang digunakan adalah 3 m di bawah air. Sinyal yang digunakan dalam pengujian adalah lebar keluaran sumber sinyal. Dengan white noise Gaussian, nilai puncak-ke-puncak keluaran diatur masing-masing menjadi 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V, dan 10 V. Waktu transmisi setiap sinyal adalah 60 detik, dan tingkat sumber suara dari emisi sinyal kecil melewati rumus 20 lg (A1/A2) dihitung, di mana A1 dan A2 adalah nilai puncak ke puncak dari pengaturan sumber sinyal. Dari tingkat emisi sinyal sumber suara, rasio signal-to-noise setiap kanal hidrofon vektor dapat dihitung berdasarkan jarak antara hidrofon vektor dengan sumber suara. Tabel 1 menunjukkan hasil rata-rata rasio signal-to-noise broadband dari sinyal sumber suara yang diterima oleh setiap saluran hidrofon vektor, dan memberikan nilai rata-rata rasio signal-to-noise setiap saluran pada intensitas emisi sumber suara yang berbeda. Terlihat nilai puncak ke puncak keluaran sumber sinyal masing-masing Pada 10 mV, 20mV, 25mV, 50 mV, 100 mV, 1 V dan 10 V, rata-rata rasio signal-to-noise transduser akustik broadband dari sinyal sumber suara yang diterima oleh vektor hidrofon adalah −13 dB, −7 dB, −5 dB, 1 dB, 7 dB, 27 dB dan 47 dB.

 

Tujuh sinyal rasio signal-to-noise diproses secara terpisah menggunakan algoritma histogram. Hasil estimasi azimuth yang dihitung berubah terhadap waktu seperti terlihat pada Gambar 7. Gambar tersebut juga menandai nilai puncak ke puncak keluaran sinyal dan vektor hidrofon pada setiap periode waktu. Rasio sinyal terhadap kebisingan penerima. Dapat dilihat dari Gambar 7 bahwa perkiraan azimuth dari target sumber suara secara bertahap menjadi stabil seiring dengan meningkatnya rasio signal-to-noise yang diterima dan pada dasarnya bertepatan dengan azimuth sebenarnya. Gambar 8 dan Gambar 9 masing-masing menunjukkan kesalahan estimasi azimuth dan lebar spektrum azimuth −3 dB dari sinyal rasio signal-to-noise yang dipancarkan oleh tujuh sumber suara dengan algoritma histogram. Rasionya meningkat dan perlahan menurun. Kesalahan pencarian arah meningkat ketika sumber suara memancarkan sinyal kebisingan puncak-ke-puncak 10 V dibandingkan dengan 1V puncak-ke-puncak. Hal ini dikarenakan sumber suara mengeluarkan sinyal tingkat sumber suara yang tinggi.

Kolam ini memiliki pengurangan kebisingan yang tidak lengkap pada pita frekuensi rendah dan terdapat refleksi antarmuka yang kuat; ketika rasio signal-to-noise adalah −7 dB, kesalahan pencarian arah sekitar 8°, dan lebar spektrum azimuth −3 dB adalah sekitar 23°; dan ketika rasio sinyal terhadap kebisingan lebih besar dari Pada 1 dB, kesalahan pencarian arah dan lebar spektrum azimuth −3 dB masing-masing kurang dari 4◦ dan 19◦. Gambar 10 adalah kurva tanda pelacakan target dengan intensitas sinyal emisi sumber suara yang dihitung menurut algoritma deteksi dan pelacakan otonom target. Dapat dilihat bahwa ketika rasio signal-to-noise adalah −7 dB, algoritma histogram dapat mencapai pelacakan otonom dari target sumber suara.

 

 

2.3 Analisis uji kelautan

 

Menggunakan data dari data uji verifikasi kinerja deteksi target pelampung akustik bawah air yang dilakukan di perairan utara Laut Cina Selatan pada Agustus 2019, algoritma histogram hidrofon vektor tunggal digunakan untuk menganalisis kinerja deteksi target maritim. Kedalaman wilayah laut uji sekitar 1500 m. Selama masa pengujian, kondisi cuaca bagus dan angin.

 

 

Kecepatannya kira-kira level 2. Hasil pengukuran instrumen kedalaman thermosalt yang ditinggalkan di kapal menunjukkan bahwa profil kecepatan suara adalah lapisan seragam dalam kedalaman 40 m, dan lapisan katastropik utama kecepatan suara berada dalam kedalaman 40 ∼ 200 m, dan sumbu saluran suara berada pada 1000 m. Dekat kedalaman. Pada hari pengujian pukul 12:33-14:02, sebuah kapal permukaan dengan panjang 42 m, lebar 6 m, dan kecepatan 8,4 kn melintas di dekat pelampung akustik bawah air dengan arah 301°. Selama periode tersebut, kapal permukaan dan akustik bawah air Jarak pelampung sekitar 2 km pada waktu terpendek dan 13,8 km pada waktu terjauh. Diberikan grafik perbandingan hasil estimasi azimuth target yang dihitung dengan algoritma histogram dan azimuth sebenarnya kapal permukaan, dan terlihat bahwa algoritma histogram berada pada waktu keseluruhan 12:33-14:02.

 

Gambar 13 dan Gambar 14 masing-masing menunjukkan algoritma histogram terhadap kesalahan pencarian arah target kapal permukaan dan kurva perubahan lebar spektrum azimuth −3 dB terhadap waktu dalam periode waktu 12:33-14:02. Dapat dilihat bahwa kesalahan pencarian arah adalah yang terbaik. Dapat mencapai dalam jarak 5°, dan lebar spektrum azimuth −3 dB dapat mencapai sekitar 10° di dekat titik lokasi dekat; Selain itu, karena adanya penyimpangan perkiraan posisi pelampung akustik bawah air di bawah air, jarak antara kapal permukaan dan platform pelampung semakin dekat. Kesalahan dalam menemukan arah seiring waktu semakin besar. Gambar 15 adalah kurva tanda pelacakan target dari waktu ke waktu yang dihitung oleh algoritma deteksi dan pelacakan target otonom. Terlihat bahwa algoritma tersebut dapat mencapai pelacakan target otonom di seluruh jangkauan untuk kapal permukaan dengan kecepatan 8,4 kn dalam jarak 13,8 km.

 

3 Kesimpulan

Bertujuan untuk persyaratan aplikasi rekayasa hidrofon vektor tunggal pada platform tak berawak bawah air, makalah ini mengusulkan deteksi otonom dan pelacakan target bawah air. Metode penelusuran, dan menggunakan perhitungan simulasi, uji tangki anechoic, dan analisis uji laut untuk merangkum algoritma histogram berdasarkan hidrofon vektor tunggal.Kinerja deteksi standar. Hasil simulasi komputer dan data pengujian tangki anechoic menunjukkan bahwa algoritma histogram mencapai rasio signal-to-noise yang diperlukan untuk pelacakan otonom. Jika lebih besar dari −7 dB, kesalahan pencarian arah sekitar 8°, dan lebar spektrum azimuth −3 dB adalah sekitar 20°. Data uji laut menunjukkan bahwa laut dalam memiliki kondisi hidrologi yang baik, algoritma histogram dapat mencapai deteksi dan pelacakan target penuh untuk kapal permukaan dengan kecepatan 8,4 kn dalam jarak 13,8 km. Kesalahan pencarian arah terbaik bisa mencapai 5◦, dan lebar spektrum azimuth −3 dB bisa mencapai 10◦ di dekat posisi dekat.