Analiza skuteczności detekcji algorytmu wyszukiwania kierunku histogramu hydrofonu jednowektorowego

Algorytm histogramu a Hydrofon jednowektorowy charakteryzuje się dobrą wytrzymałością i wydajnością estymacji azymutu celu. W tym artykule przeanalizowano i podsumowano skuteczność wykrywania celów za pomocą algorytmu histogramu oraz zaproponowano autonomiczne wykrywanie celów podwodnych w oparciu o oszacowanie azymutu celu. Algorytm śledzenia. Algorytm ten umożliwia autonomiczne wykrywanie obecności lub braku celów w wodzie. Wyniki symulacji i testu puli bezechowej pokazują, że stosunek sygnału do szumu wymagany przez algorytm histogramu do uzyskania autonomicznego śledzenia celu musi być większy niż -7 dB. W tym momencie błąd wyszukiwania kierunku wynosi około 8◦, a szerokość widma azymutu -3 dB wynosi około 20◦. Z analizy danych z testów morskich wynika, że ​​algorytm histogramu może osiągnąć pełne wykrywanie i śledzenie celu w odległości 13,8 km dla statku nawodnego o prędkości 8,4 węzła, przy optymalnym błędzie wyznaczania kierunku wynoszącym 5◦ i namiarze -3 dB w odległości 2 km. Szerokość widmowa może osiągnąć 10◦

 

 

Kanał wektorowy wektorowy czujnik hydrofonowy ma niezależną od częstotliwości kierunkowość dipolową i jest odporny na zakłócenia izotropowe. Hydrofon wektorowy może osiągnąć orientację wolną od rozmycia w całej przestrzeni, co stanowi rozwiązanie do wykrywania celów na małych platformach podwodnych wyposażonych w podwodne czujniki akustyczne.

jego przewaga przestrzeni. W ostatnich latach, wraz z ciągłym udoskonalaniem technologii hydrofonów wektorowych, technologia przetwarzania sygnałów wektorowych jest również szeroko stosowana. Kierując się popytem, ​​szybko się rozwinęła. W porównaniu z konwencjonalnymi hydrofonami ciśnienia akustycznego, hydrofony wektorowe zapewniają pełniejsze informacje o polu dźwiękowym. Można zmierzyć jedynie skalar pola dźwiękowego, a także uzyskać charakterystykę wektorową pola dźwiękowego, co znacznie poszerza przestrzeń przetwarzania sygnału. Istnieje wiele algorytmów estymacji azymutu celu opartych na hydrofonach jednowektorowych, ogólnie można je podzielić na dwie kategorie zgodnie z zasadą wyznaczania kierunku: jedna to estymacja azymutu na podstawie przepływu energii dźwiękowej; drugim jest uwzględnienie każdego kanału hydrofonu wektorowego. Jest to układ wieloelementowy, każdy element znajduje się w przybliżeniu w tym samym miejscu w przestrzeni, a istniejąca metoda przetwarzania sygnału szeregowego jest stosowana do hydrofonu jednowektorowego poprzez wykorzystanie charakterystyki wzorca przepływu układu samego hydrofonu jednowektorowego. Różne algorytmy wyszukiwania kierunku celu hydrofonu wektorowego mają swoje zalety i wady. W porównaniu z innymi algorytmami, algorytm średniego histogramu ma lepszą niezawodność i wydajność szacowania orientacji celu, a także ma zdolność tłumienia wąskopasmowych i silnych zakłóceń widma liniowego, co jest szczególnie przydatne w zastosowaniach inżynieryjnych. W artykule przeanalizowano i podsumowano algorytm ustalania kierunku histogramu oparty na hydrofonie jednowektorowym oraz zaproponowano autonomiczny algorytm wykrywania i śledzenia celów podwodnych w oparciu o estymację orientacji celu, wykorzystując symulację komputerową, dane z pomiarów basenu bezechowego oraz dane z eksperymentów morskich analizowane za pomocą histogramu i algorytmu wykresu skuteczności wykrywania celów.

 

 

1 Algorytm teoretyczny

1.1 Algorytm wyszukiwania kierunku histogramu

 

Algorytm histogramu musi najpierw obliczyć szacunki azymutu celu w różnych punktach częstotliwości, a wyrażeniem obliczeniowym jest

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

⟨Ix(i, f)⟩, (1) We wzorze (1) θ(f) reprezentuje azymut celu obliczony przy różnych częstotliwościach f, a Pw, Vxw i Vyw reprezentują odpowiednio ciśnienie akustyczne hydrofonu wektorowego w P i drgania w kierunku x. Kanał prędkości i kanał prędkości drgań w kierunku y zbierają wartości widma sygnału, a Ix i Iy reprezentują przepływ energii akustycznej odpowiednio w kierunku x i y. Z równania (1) wynika, że ​​azymut celu obliczony za pomocą równania (1) jest powiązany z częstotliwością f, a oszacowania azymutu celu w różnych punktach częstotliwości są różne. Metodę szacowania azymutu celu za pomocą histogramu można zastosować do obliczenia azymutu celu w środowisku. Zakłócenia wąskopasmowe i silne tłumienie zakłóceń widma liniowego, ale gdy w środowisku znajduje się wiele celów. Kiedy częstotliwości emitowanego hałasu nakładają się na siebie, metoda histogramu nie jest w stanie uzyskać prawdziwego azymutu każdego celu, a jedynie przepływ energii dźwiękowej każdego celu.

 

Połączona orientacja będzie ukierunkowana na bardziej intensywną orientację na cel. Statystyka azymutu histogramu polega na zliczeniu szacowanego azymutu celu θ(f) w odpowiednim przedziale azymutu zgodnie z liczbą punktów częstotliwości. Jeżeli przedział azymutu dzieli się przez 1◦, to k = [θ(f) × 180/π], φ (k) = φ(k) + 1, (2) We wzorze (2) [] oznacza operację zaokrąglania, k jest wartością otrzymaną przez zaokrąglenie θ(f), np. θ(f) 60, wówczas θ( f) = θ(f)+ 360◦, tak, że szacowany azymut celu mieści się w przedziale [0◦ 360◦), φ jest częstotliwością szacowania azymutu pod każdym kątem, a wartość kąta odpowiadająca wartości maksymalnej jest szacowanym azymutem celu.

 

1.2

Algorytm autonomicznego wykrywania i śledzenia celów

Autonomiczny algorytm wykrywania i śledzenia celów podwodnych w oparciu o ocenę orientacji celu. Podstawową ideą jest przeprowadzenie analizy statystycznej orientacji celu oszacowanej przez algorytm histogramu i porównanie statystyk orientacji z zadanymi progami, co w końcu może zrealizować autonomiczne wykrywanie celów podwodnych i śledzenie. Schemat autonomicznego wykrywania i śledzenia celu obejmuje pięć następujących kroków: (1) Najpierw należy użyć algorytmu histogramu hydrofonu jednowektorowego do przeskanowania całego kierunku przestrzennego w celu uzyskania oszacowanego azymutu Ag odebranego sygnału; (2) Użyj stałego wirtualnego Detektor alarmowy (detektor CA-CFAR) wykonuje ciągłe przetwarzanie fałszywych alarmów w oparciu o orientację celu uzyskaną w kroku (1); (3) Jeżeli detektor CA-CFAR uzna Ag za orientację sygnału celu, wartość Ag zostanie przypisana do macierzy AgT[i], w przeciwnym razie przypisz -1 do macierzy AgT[i] (i = 1, 2, ·, N); (4) Jeżeli liczba wartości macierzy AgT = −1 jest większa od AT (AT jest progiem zadanym, AT

 

Obliczając pierwiastek błędu średniokwadratowego StdAT, jeśli StdAT jest mniejszy niż próg StdDT, ocenia się, że cel istnieje i pozycja celu jest śledzona, w przeciwnym razie powtórz kroki (1) ~ (4). Dzięki powyższym 5 krokom można osiągnąć autonomiczne wykrywanie i śledzenie podwodnych celów. Zasada przetwarzania CA-CFAR polega na tym, że podczas wykrywania i śledzenia określonego celu azymutalnego, ze względu na niestacjonarny charakter środowiska morskiego, prawdopodobieństwo fałszywego alarmu jest niestabilne w pobliżu pewnego prawdopodobieństwa wykrycia, a śledzenie w czasie rzeczywistym poziomu hałasu w środowisku poprzez ustawienie zmiennego w czasie progu pozwala uzyskać stały efekt detekcji przy stałym prawdopodobieństwie fałszywego alarmu dla celu azymutalnego. Ogólnie rzecz biorąc, próg jest funkcją prawdopodobieństwa wykrycia i prawdopodobieństwa fałszywego alarmu. Technologia przetwarzania CA-CFAR to algorytm przetwarzania sygnału, który zapewnia próg detekcji w systemie automatycznej detekcji i minimalizuje wpływ szumu i zakłóceń na prawdopodobieństwo fałszywych alarmów w systemie detekcji. W technologii przetwarzania CA-CFAR, gdy konieczne jest przetestowanie określonej jednostki, testowana jednostka nazywana jest jednostką testową (Cell under test, CUT), a jednostka próbna używana do ekstrakcji mocy szumu wokół jednostki testowej nazywana jest jednostką referencyjną (Reference). komórki, RC). Aby zapobiec przedostawaniu się sygnału docelowego do jednostki odniesienia, co będzie miało niekorzystny wpływ na szacowanie mocy szumu, część próbki należy zarezerwować jako komórkę ochronną (GC) pomiędzy jednostką odniesienia a jednostką testową. Podano relację pomiędzy jednostką testową, jednostką odniesienia i jednostką zabezpieczającą.

2 Analiza skuteczności wykrywania celów

W tej sekcji zostaną przedstawione wyniki symulacji komputerowej skuteczności wykrywania celu za pomocą algorytmu histogramu oraz wykorzystanie danych z basenu bezechowego i badań morskich do analizy

Algorytm znajdowania kierunku celu i wydajność autonomicznego śledzenia. Dla uproszczenia w tym artykule przeanalizowano jedynie sytuację z jednym celem.

2.1 Analiza symulacyjna

Warunki symulacji są następujące: biorąc pod uwagę, że szerokopasmowy sygnał docelowy pada na hydrofon jednowektorowy o azymucie padania 100◦, a stosunek sygnału do szumu (stosunek sygnału do szumu (SNR)) w tym samym paśmie częstotliwości jest ustawiony na -20 ~ 16 dB, z odstępami co 2 dB, dodatkowym szumem jest biały szum Gaussa, który nie jest powiązany z sygnałem padającym, a częstotliwość próbkowania wynosi 20 kHz. Długość danych w każdym procesie obliczeniowym wynosi 5 s, a 75% danych jest odtwarzanych w oknie czasowym.

Szybkość stosu jest dzielona na 17 fragmentów danych o długości 1 s, a na każdym fragmencie danych przeprowadzana jest 32768-punktowa szybka transformata Fouriera (szybka transformata Fouriera), przetwarzanie pasma częstotliwości wynosi 200 Hz ~ 3 kHz, obliczanych i uśrednianych jest 17 grup widm natężenia dźwięku, a następnie w tym celu wykorzystywany jest algorytm histogramu.

Szacowana orientacja standardowa. Rysunek 3 przedstawia wyniki estymacji azymutu algorytmu histogramu przy użyciu powyższych warunków symulacji w funkcji stosunku sygnału do szumu (tzn. znormalizowane widmo azymutu zmienia się w zależności od sygnału. Stosunek szumu zmienia się, a widmo azymutu to amplituda w różnych azymutach). Dla każdego stosunku sygnału do szumu przeprowadza się 200 niezależnych eksperymentów symulacyjnych Monte Carlo. Można zauważyć, że szacowana historia azymutu stopniowo staje się jasna wraz ze wzrostem stosunku sygnału do szumu. W celu ilościowego opisania wydajności szacowania orientacji celu za pomocą algorytmu histogramu, podano odpowiednio Rysunek 4 i Rysunek 5. Krzywa błędu wyznaczania kierunku i szerokość widma azymutu -3 dB w funkcji SNR. Można zauważyć, że gdy stosunek sygnału do szumu wynosi -7 dB, znalezienie kierunku. Błąd wynosi około 8◦, a szerokość widma azymutalnego -3 dB wynosi około 19◦; gdy stosunek sygnału do szumu jest większy niż 0 dB, błąd wyszukiwania kierunku i szerokość widma azymutalnego -3 dB są odpowiednio mniejsze niż 3◦ i 7◦

Rysunek 6 przedstawia krzywą flagi autonomicznego śledzenia celu ze stosunkiem sygnału do szumu zgodnie z algorytmem autonomicznego wykrywania i śledzenia celu zaproponowanym w sekcji 1. Flaga śledzenia celu 1 oznacza, że ​​algorytm umożliwia śledzenie celu, a 0 oznacza, że ​​śledzenie celu nie zostało osiągnięte. Z rysunku 6 widać, że gdy stosunek sygnału do szumu jest większy niż -7 dB, algorytm histogramu czasowego może osiągnąć autonomiczny cel.

2.2 Analiza testów zbiornika

Aby opanować skuteczność wykrywania celu za pomocą algorytmu histogramu jednowektorowego hydrofonu, przeprowadzono test weryfikujący skuteczność wykrywania celu jednowektorowego w basenie bezechowym. Podczas testu jako docelowe źródło dźwięku wykorzystano UW350, a głębokość przyjęto do 3 m pod wodą. Sygnałem używanym w teście jest szerokość wyjścia źródła sygnału. W przypadku białego szumu Gaussa wartość szczytowa sygnału wyjściowego jest ustawiana odpowiednio na 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V i 10 V. Czas transmisji każdego sygnału wynosi 60 s, a poziom źródła dźwięku emisji małego sygnału spełnia wzór 20 lg (A1/A2), gdzie A1 i A2 są wartościami szczytowymi ustawień źródła sygnału. Na podstawie poziomu źródła dźwięku emisji sygnału można obliczyć stosunek sygnału do szumu każdego kanału hydrofonu wektorowego na podstawie odległości między hydrofonem wektorowym a źródłem dźwięku. Tabela 1 przedstawia wyniki szerokopasmowego średniego stosunku sygnału do szumu sygnału źródła dźwięku odbieranego przez każdy kanał hydrofonu wektorowego i podaje średnią wartość stosunku sygnału do szumu każdego kanału przy różnych intensywnościach emisji źródła dźwięku. Można zauważyć, że wartość międzyszczytowa wyjścia źródła sygnału wynosi odpowiednio: Przy 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V i 10 V, szerokopasmowy przetwornik akustyczny średni stosunek sygnału do szumu sygnału źródła dźwięku odbieranego przez hydrofon wektorowy wynosi -13 dB, -7 dB, -5 dB, 1 dB, 7 dB, 27 dB i 47 dB.

 

Siedem sygnałów stosunku sygnału do szumu jest przetwarzanych oddzielnie przy użyciu algorytmu histogramu. Obliczone wyniki estymacji azymutu zmieniają się w czasie, jak pokazano na rysunku 7. Na rysunku zaznaczono także wartość międzyszczytową sygnału wyjściowego i hydrofonu wektorowego w każdym okresie czasu. Stosunek sygnału do szumu odbiornika. Z rysunku 7 wynika, że ​​szacowany azymut celu źródła dźwięku stopniowo stabilizuje się wraz ze wzrostem stosunku odbieranego sygnału do szumu i zasadniczo pokrywa się z azymutem rzeczywistym. Figury 8 i 9 pokazują odpowiednio błąd estymacji azymutu i szerokość widma azymutu -3 dB sygnałów stosunku sygnału do szumu emitowanych przez siedem źródeł dźwięku za pomocą algorytmu histogramu. Stosunek ten wzrasta i stopniowo maleje. Błąd wyszukiwania kierunku wzrasta, gdy źródło dźwięku emituje sygnał szumu o napięciu międzyszczytowym 10 V w porównaniu z sygnałem międzyszczytowym o napięciu 1 V. Dzieje się tak, ponieważ źródło dźwięku emituje sygnał o wysokim poziomie głośności.

Basen ma niepełną redukcję szumów w paśmie niskich częstotliwości i występuje silne odbicie interfejsu; gdy stosunek sygnału do szumu wynosi -7 dB, błąd wyszukiwania kierunku wynosi około 8°, a szerokość widma azymutalnego -3 dB wynosi około 23°; a gdy stosunek sygnału do szumu jest większy niż przy 1 dB, błąd wyszukiwania kierunku i szerokość widma azymutalnego -3 dB są mniejsze niż odpowiednio 4◦ i 19◦. Figura 10 przedstawia krzywą znacznika śledzenia celu z intensywnością sygnału emisji źródła dźwięku obliczoną zgodnie z algorytmem autonomicznego wykrywania i śledzenia celu. Można zauważyć, że gdy stosunek sygnału do szumu wynosi -7 dB, algorytm histogramu może osiągnąć autonomiczne śledzenie docelowego źródła dźwięku.

 

 

2.3 Analiza testów morskich

 

Wykorzystując dane z testu weryfikacji skuteczności wykrywania celów podwodnej boi akustycznej przeprowadzonego na północnych wodach Morza Południowochińskiego w sierpniu 2019 r., do analizy skuteczności wykrywania celów morskich wykorzystano jednowektorowy algorytm histogramu hydrofonowego. Głębokość testowego obszaru morskiego wynosi około 1500 m. W okresie testowym warunki pogodowe są dobre i wieje wiatr.

 

 

Prędkość dźwięku kształtuje się na poziomie 2. Wyniki pomiarów przyrządu do pomiaru głębokości porzucenia statku termosolnego pokazują, że profil prędkości dźwięku jest warstwą jednolitą na głębokości 40 m, główna warstwa katastroficzna prędkości dźwięku znajduje się na głębokości 40 ~ 200 m, a oś kanału dźwiękowego znajduje się na głębokości 1000 m. Blisko głębi. W dniu testów w godzinach 12:33-14:02 statek nawodny o długości 42 m, szerokości 6 m i prędkości 8,4 węzła przepłynął w pobliżu podwodnej pławy akustycznej z kursem 301°. W tym okresie statek nawodny i akustyka podwodna. Odległość boi wynosi w najkrótszym czasie około 2 km, a w najdalszym 13,8 km. Podano tabelę porównawczą wyniku oszacowania azymutu celu obliczonego przez algorytm histogramu z rzeczywistym azymutem okrętu nawodnego i widać, że algorytm histogramu mieści się w całym czasie 12:33-14:02.

 

Figury 13 i 14 przedstawiają odpowiednio algorytm histogramu dla błędu znalezienia kierunku celu statku nawodnego i krzywej zmiany szerokości widma azymutu -3 dB w czasie w przedziale czasowym 12:33-14:02. Można zauważyć, że błąd wyszukiwania kierunku jest najlepszy. Może sięgać w granicach 5°, a szerokość widma azymutu -3 dB może sięgać około 10° w pobliżu bliskiego punktu lokalizacji; dodatkowo w wyniku odchylenia od podwodnego szacunkowego położenia podwodnej boi akustycznej odległość między statkiem nawodnym a platformą boi jest coraz mniejsza. Z czasem wzrasta błąd wyznaczania kierunku. Figura 15 przedstawia krzywą znacznika śledzenia celu w czasie obliczoną przez algorytm autonomicznego wykrywania i śledzenia celu. Można zauważyć, że algorytm może osiągnąć autonomiczne śledzenie celu w całym zakresie dla statku nawodnego z prędkością 8,4 węzła na dystansie 13,8 km.

 

3 Wniosek

Mając na celu spełnienie wymagań inżynieryjnych hydrofonów jednowektorowych na podwodnych platformach bezzałogowych, w artykule zaproponowano autonomiczne wykrywanie i śledzenie podwodnych celów. Metoda śledzenia i wykorzystanie obliczeń symulacyjnych, testu zbiornika bezechowego i analizy testu morskiego w celu podsumowania algorytmu histogramu opartego na hydrofonie jednowektorowym. Standardowa wydajność wykrywania. Wyniki symulacji komputerowej i dane z testów zbiornika bezechowego pokazują, że algorytm histogramu osiąga stosunek sygnału do szumu wymagany do autonomicznego śledzenia. Jeśli jest on większy niż -7 dB, błąd wyznaczania kierunku wynosi około 8°, a szerokość widma azymutu -3 dB wynosi około 20°. Dane z testów morskich pokazują, że na głębokich wodach panują dobre warunki hydrologiczne, algorytm histogramu może osiągnąć pełne wykrycie i śledzenie celu dla statku nawodnego z prędkością 8,4 węzła na dystansie 13,8 km. Najlepszy błąd namierzania kierunku może osiągnąć 5◦, a szerokość widma azymutu -3 dB może osiągnąć 10◦ w pobliżu pozycji bliskiej.