Analyse av deteksjonsytelsen til enkeltvektorhydrofonhistograms retningsfinnende algoritme

Histogramalgoritmen til en enkel vektorhydrofon har god robusthet og målasimut-estimering. Denne artikkelen analyserer og oppsummerer måldeteksjonsytelsen til histogramalgoritmen, og foreslår en autonom deteksjon av undervannsmål basert på målasimut-estimering. Sporingsalgoritme, denne algoritmen kan oppnå autonom deteksjon av tilstedeværelse eller fravær av mål i vannet. Simulerings- og ekkofrie bassengtestresultater viser at signal-til-støy-forholdet som kreves av histogramalgoritmen for å oppnå autonom målsporing, må være større enn -7 dB. På dette tidspunktet er retningsfinningsfeilen omtrent 8◦, og −3 dB asimutspektrumbredden er omtrent 20◦. Analysen av marine testdata viser at histogramalgoritmen kan oppnå full måldeteksjon og sporing innenfor en avstand på 13,8 km for et overflatefartøy med en hastighet på 8,4 kn, med en optimal retningsfinningsfeil på 5◦, og en −3 dB peiling i en avstand på 2 km. Spektral bredde kan nå 10◦

 

 

Vektorkanalen til vektorhydrofonsensor har frekvensuavhengig dipoldirektivitet, og har evnen til å motstå isotropisk støyinterferens.En vektorhydrofon kan oppnå uskarphet uten full plass, noe som gir en løsning for måldeteksjon på små undervannsplattformer utstyrt med akustiske undervannssensorer.

sin fordel med plass. De siste årene, med den kontinuerlige forbedringen av vektorhydrofonteknologi, har også vektorsignalbehandlingsteknologi blitt brukt kraftig. Drevet av etterspørsel har den utviklet seg raskt. Sammenlignet med konvensjonelle lydtrykkhydrofoner gir vektorhydrofoner mer omfattende lydfeltinformasjon. Bare skalaren til lydfeltet kan måles, og vektorkarakteristikkene til lydfeltet kan også oppnås, noe som i stor grad utvider signalbehandlingsrommet. Det er mange målasimut-estimeringsalgoritmer basert på enkeltvektorhydrofoner, generelt kan de deles inn i to kategorier i henhold til prinsippet om retningsfinning: den ene er asimut-estimering basert på lydenergiflyt; den andre er å se på hver kanal i vektorhydrofonen. Det er en multi-element array, hvert element er omtrent i samme posisjon i rommet, og den eksisterende array signalbehandlingsmetoden brukes på enkeltvektorhydrofonen ved å bruke egenskapene til arraystrømningsmønsteret til selve enkeltvektorhydrofonen. Ulike målretningsfinnende algoritmer for vektorhydrofon har sine egne fordeler og ulemper. Sammenlignet med andre algoritmer har medium histogramalgoritmen bedre robusthet og målorienteringsestimeringsytelse, og har evnen til å undertrykke smalbånds- og sterk linjespektruminterferens, som er spesielt egnet for ingeniørapplikasjoner. Denne artikkelen analyserer og oppsummerer algoritmen for å finne histogramretningen basert på en enkelt vektorhydrofon, og foreslår en autonom deteksjons- og sporingsalgoritme for undervannsmål basert på målorienteringsestimering, ved bruk av datasimulering, ekkofrie bassengmålingsdata og marine eksperimenter data analysert histogram og grafalgoritmens måldeteksjonsytelse.

 

 

1 Teoretisk algoritme

1.1 Histogram retningsfinnende algoritme

 

Histogramalgoritmen må først beregne målasimutestimatene ved forskjellige frekvenspunkter, og beregningsuttrykket er

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

⟨Ix(i, f)⟩, (1) I formel (1) representerer θ(f) målasimuten beregnet ved forskjellige frekvenser f, og Pw, Vxw og Vyw representerer lydtrykket til vektorhydrofonen i henholdsvis P og vibrasjonen i x-retningen. Hastighetskanalen og y-retningen vibrasjonshastighetskanalen samler signalspektrumverdier, og Ix og Iy representerer den akustiske energistrømmen i henholdsvis x-retningen og y-retningen. Det kan sees fra ligning (1) at målasimuten beregnet ved ligning (1) er relatert til frekvensen f, og målasimutestimatene ved forskjellige frekvenspunkter er forskjellige. Metoden for å estimere målasimuten gjennom histogrammet kan brukes til å beregne målasimuten i miljøet. Smalbåndsinterferens og sterk linjespekterinterferensundertrykkelse, men når det er flere mål i miljøet. Når de utstrålte støyfrekvensene overlapper hverandre, kan ikke histogrammetoden få den sanne asimut til hvert mål, bare lydenergistrømmen til hvert mål.

 

Den kombinerte orienteringen vil være partisk mot den mer intense målorienteringen. Histogrammets asimutstatistikk skal telle målestimert asimut θ(f) i det tilsvarende asimutintervallet i henhold til antall frekvenspunkter. Hvis asimutintervallet er delt på 1◦, så er k = [θ(f) × 180/π], φ (k) = φ(k) + 1, (2) I formel (2) representerer [] avrundingsoperasjonen, k er verdien oppnådd ved å avrunde θ(f), slik som θ(f)(f) θ(f)(f) θ(f)(f) θ 360◦, slik at den estimerte asimuten til målet faller på intervallet [0◦ 360◦), φ er frekvensen til asimut-estimeringen ved hver vinkel, og vinkelverdien som tilsvarer maksimumsverdien er den estimerte asimuten til målet.

 

1.2

En algoritme for autonom måldeteksjon og sporing

Den autonome deteksjons- og sporingsalgoritmen for undervannsmål basert på målorienteringsestimering. Den grunnleggende ideen er å utføre statistisk analyse av målorienteringen estimert av histogramalgoritmen, og sammenligne orienteringsstatistikken med forhåndsinnstilte terskler, som endelig kan realisere autonom deteksjon av undervannsmål og sporing. Flytskjemaet for autonom måldeteksjon og sporing inkluderer følgende fem trinn: (1) Bruk først enkeltvektorhydrofonhistogramalgoritmen for å skanne hele romretningen for å oppnå den estimerte asimut Ag for det mottatte signalet; (2) Bruk konstant virtuell Alarmdetektoren (CA-CFAR-detektor) utfører konstant falsk alarmbehandling på målretningen oppnådd i trinn (1); (3) Hvis CA-CFAR-detektoren bedømmer Ag som målsignalets orientering, tilordnes Ag-verdien til matrisen AgT[i], ellers tilordner −1 til matrisen AgT[i] (i = 1, 2, ·, N); (4) Hvis antallet verdier til matrisen AgT = −1 er større enn AT (AT er den forhåndsinnstilte terskelen , AT

 

Beregning av rotmiddelkvadratfeilen StdAT, hvis StdAT er mindre enn terskelen StdDT, bedømmes det at det er et mål, og målposisjonen spores, ellers gjenta trinn (1) ~ (4). Gjennom de ovennevnte 5 trinnene kan autonom deteksjon og sporing av undervannsmål oppnås. Prinsippet for CA-CFAR-behandling er at ved detektering og sporing av et visst asimutmål, på grunn av den ikke-stasjonære naturen til det marine miljøet, er sannsynligheten for falsk alarm ustabil nær en viss deteksjonssannsynlighet, og sanntidssporingen av miljøstøynivået setter en tidsvarierende terskel kan oppnå en konstant deteksjonssannsynlighetseffekt med en konstant deteksjonsalarmmål for usannsynligheten. Generelt er terskelen en funksjon av deteksjonssannsynligheten og sannsynligheten for falsk alarm. CA-CFAR-behandlingsteknologi er en signalbehandlingsalgoritme som gir deteksjonsterskelen i det automatiske deteksjonssystemet og minimerer påvirkningen av støy og interferens på deteksjonssystemets sannsynlighet for falsk alarm. I CA-CFAR prosesseringsteknologi, når en spesifikk enhet må testes, kalles den testede enheten testenheten (Cell under test, CUT), og prøveenheten som brukes til å trekke ut støyeffekten rundt testenheten kalles referanseenheten (Reference). celler, RC). For å forhindre at målsignalet lekker inn i referanseenheten, noe som vil påvirke støyeffektestimeringen negativt, bør en del av prøven reserveres som en vaktcelle (GC) mellom referanseenheten og testenheten. Forholdet mellom testenhet, referanseenhet og beskyttelsesenhet er gitt.

2 Måldeteksjons ytelsesanalyse

Denne delen vil gi datasimuleringsresultatene av måldeteksjonsytelsen til histogramalgoritmen, og bruke de ekkofrie basseng- og sjøtestdataene til å analysere

Algoritme for målretningsfinning og autonom sporingsytelse. For enkelhets skyld analyserer denne artikkelen kun enkeltmålsituasjonen.

2.1 Simuleringsanalyse

Simuleringsbetingelsene er som følger: tatt i betraktning at et bredbåndsmålsignal er innfallende på en enkelt vektorhydrofon med en innfallende asimut på 100◦, og signal-til-støy-forholdet (Signal-til-støy-forhold (SNR)) i samme frekvensbånd er satt til -20 ~ 16 dB, med 2 dB ekstra hvite intervaller er ikke støyrelatert til noise, signal, og samplingsfrekvensen er 20 kHz. Datalengden for hver beregningsprosess er 5 s, og 75 % av dataene gjengis i tidsvinduet.

Stabelhastigheten er delt inn i 17 stykker data med en lengde på 1 s, og 32768-punkts Fast Fourier Transform (Fast Fourier Transform) utføres på hver stykke data.form, FFT) beregning, prosesseringsfrekvensbåndet er 200 Hz ~3 kHz, 17 gjennomsnittlig spektra-grupper av lyd og deretter beregnede intensitets- og histogrupper av lyd. algoritmen brukes til formålet.

Estimert standard orientering. Figur 3 viser asimut-estimeringsresultatene til histogramalgoritmen ved å bruke simuleringsbetingelsene ovenfor som en funksjon av signal-til-støy-forholdet (det vil si at det normaliserte asimutspekteret varierer med signalet. Støyforholdet endres, og asimutspekteret er amplituden i forskjellige asimuther), og det utføres Monte Carlo-signalforhold under 200 under-i-det-simuleringsforhold. kan sees at den estimerte asimuthistorien gradvis blir tydelig når signal-til-støy-forholdet øker. For å kvantitativt beskrive målorienteringsestimeringsytelsen til histogramalgoritmen, figur 4 og figur 5. Kurven for retningsfinnende feil og -3 dB asimutspekterbredde versus SNR er gitt. Det kan sees at når signal/støy-forholdet er −7 dB, er retningsfunnet. Feilen er omtrent 8◦, og −3 dB asimutspektrumbredden er omtrent 19◦; når signal-til-støy-forholdet er større enn 0 dB, er retningsfinningsfeilen og -3 dB asimutspekterbredde henholdsvis mindre enn 3◦ og 7◦

Figur 6 er kurven for det autonome målsporingsflagget med signal-til-støyforholdet i henhold til den autonome måldeteksjons- og sporingsalgoritmen foreslått i seksjon 1. Målsporingsflagget 1 representerer at algoritmen oppnår målsporing, og 0 betyr at målsporingen ikke oppnås. Det kan sees fra figur 6 at når signal-til-støy-forholdet er større enn -7 dB. Tidshistogramalgoritmen kan oppnå autonome mål.

2.2 Tanktestanalyse

For å mestre måldeteksjonsytelsen til enkeltvektorhydrofonhistogramalgoritmen, ble det utført en verifikasjonstest for måldeteksjonsytelse med én vektor hydrofon i et ekkofritt basseng. UW350 ble brukt som lydkildemål under testen, og dybden ble brukt i 3 m under vann. Signalet som brukes i testen er bredden på signalkildens utgang. Med Gaussisk hvit støy settes utgangstopp-til-topp-verdien til henholdsvis 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V og 10 V. Sendetiden for hvert signal er 60 s, og lydkildenivået til den lille signalemisjonen passerer formelen 20 lg (A1/A2) beregnes, hvor A1 og A2 er topp-til-topp-verdiene for signalkildeinnstillingene. Fra lydkildenivået kan signal-til-støy-forholdet til hver kanal i vektorhydrofonen beregnes basert på avstanden mellom vektorhydrofonen og lydkilden. Tabell 1 viser resultatene av det gjennomsnittlige bredbåndssignal-til-støy-forholdet til lydkildesignalet mottatt av hver kanal i vektorhydrofonen, og gir gjennomsnittsverdien av signal-til-støy-forholdet til hver kanal under forskjellige lydkildeemisjonsintensiteter. Det kan sees at topp-til-topp-verdien til signalkildeutgangen er henholdsvis Ved 10 mV, 20mV, 25mV, 50 mV, 100 mV, 1 V og 10 V, bredbånds akustisk transduser gjennomsnittlig signal-til-støy-forhold for lydkildesignalet mottatt av vektorhydrofonen er −13 dB, −7 dB, −5 dB, 1 dB, 7 dB, 27 dB og 47 dB.

 

De syv signal-til-støy-forholdssignalene behandles separat ved hjelp av histogramalgoritmen. De beregnede asimut-estimeringsresultatene endres med tiden som vist i figur 7. Figuren markerer også topp-til-topp-verdien til signalutgangen og vektorhydrofonen i hver tidsperiode. Mottaker signal-til-støy-forhold. Det kan sees fra figur 7 at den estimerte asimuten til lydkildemålet gradvis stabiliserer seg etter hvert som det mottatte signal-til-støyforholdet øker og i utgangspunktet faller sammen med den sanne asimut. Figur 8 og figur 9 viser henholdsvis asimut-estimeringsfeilen og -3 dB asimutspektrumbredde til signal-til-støy-forholdssignalene som sendes ut av de syv lydkildene av histogramalgoritmen. Forholdet øker og avtar gradvis. Retningsfinningsfeilen øker når lydkilden sender ut et 10 V topp-til-topp støysignal sammenlignet med 1V topp-til-topp. Dette er fordi lydkilden sender ut et høyt lydkildenivåsignal.

Bassenget har ufullstendig støyreduksjon i lavfrekvensbåndet og det er sterk grensesnittrefleksjon; når signal-til-støy-forholdet er −7 dB, er retningsfinningsfeilen omtrent 8°, og −3 dB asimutspektrumbredden er omtrent 23°; og når signal-til-støy-forholdet er større enn Ved 1 dB, er retningsfinningsfeilen og -3 dB asimutspekterbredde mindre enn henholdsvis 4◦ og 19◦. Figur 10 er kurven for målsporingsmerket med intensiteten til lydkildeutsendelsessignalet beregnet i henhold til den autonome måldeteksjons- og sporingsalgoritmen. Det kan sees at når signal-til-støy-forholdet er -7 dB, kan histogramalgoritmen oppnå autonom sporing av lydkildemålet.

 

 

2.3 Marin testanalyse

 

Ved å bruke data fra de undervanns akustiske bøyemåldeteksjonstestdataene utført i de nordlige farvannene i Sør-Kinahavet i august 2019, ble envektorhydrofonhistogramalgoritmen brukt til å analysere deteksjonsytelsen til maritime mål. Dybden av testhavområdet er ca. 1500 m. I testperioden er værforholdene gode og vinden.

 

 

Hastigheten er ca nivå 2. Måleresultatene til det skipsbårne forlatningstermosaltdybdeinstrumentet viser at lydhastighetsprofilen er et jevnt lag innenfor en dybde på 40 m, og lydhastighetens hovedkatastrofale lag er innenfor en dybde på 40 ~ 200 m, og lydkanalaksen er på 1000 m. Nær dypet. I løpet av testdagen fra 12:33-14:02 passerte et overflatefartøy med en lengde på 42 m, en bredde på 6 m og en hastighet på 8,4 kn nær den undervanns akustiske bøyen med en kurs på 301°. I perioden overflatefartøyet og undervannsakustikken. Avstanden til bøyen er ca 2 km på korteste tid og 13,8 km på lengste tid. Et sammenligningsdiagram av målasimut-estimeringsresultatet beregnet av histogramalgoritmen og den virkelige asimut til overflateskipet er gitt, og det kan sees at histogramalgoritmen er i hele 12:33-14:02 tiden.

 

Figur 13 og figur 14 viser henholdsvis histogramalgoritmen til overflateskipets målretningsfeil og -3 dB asimutspektrumbredde-endringskurve med tid i tidsperioden 12:33-14:02. Det kan sees at retningsfinningsfeilen er best. Den kan nå innenfor 5°, og −3 dB asimutspektrumbredden kan nå omtrent 10°nær det nærliggende punktet; i tillegg, på grunn av avviket i den undervannsestimerte posisjonen til den akustiske undervannsbøyen, er avstanden mellom overflateskipet og bøyeplattformen nærmere. Feilen for retningsfinning øker til tider. Figur 15 er kurven for målsporingsmerket over tid beregnet av den autonome måldeteksjons- og sporingsalgoritmen. Det kan ses at algoritmen kan oppnå autonom målsporing gjennom hele rekkevidden for et overflatefartøy med en hastighet på 8,4 kn innenfor en avstand på 13,8 km.

 

3 Konklusjon

Med sikte på de tekniske applikasjonskravene til enkeltvektorhydrofoner på ubemannede undervannsplattformer, foreslår denne artikkelen en autonom deteksjon og sporing av undervannsmål. Sporingsmetode, og bruk simuleringsberegning, ekkofri tanktest og sjøtestanalyse for å oppsummere histogramalgoritmen basert på enkeltvektorhydrofon.Standard deteksjonsytelse. Resultatene av datasimulering og ekkofri tanktestdata viser at histogramalgoritmen oppnår signal-til-støy-forholdet som kreves for autonom sporing. Hvis det er større enn -7 dB, er retningsfinningsfeilen omtrent 8°, og asimutspekterets bredde på -3 dB er omtrent 20°. Sjøtestdataene viser at dyphavet er gode hydrologiske forhold, histogramalgoritmen kan oppnå full måldeteksjon og sporing for et overflatefartøy med en hastighet på 8,4 kn innenfor en avstand på 13,8 km. Den beste retningsfinnende feilen kan nå 5◦, og −3 dB asimutspekterbredden kan nå nær 10◦ nær posisjon.