一种基于水听器阵列的浅海目标深度的分类方法技术

本发明专利技术提供了一种基于水听器阵列的浅海目标深度的分类方法，通过融合多个水听器接收到的信息进行探测，并使用声传播仿真生成基于模型的深、浅声源产生的能量场变化的典型概率密度函数，基于该概率密度函数进行似然比检测（LRT）来辨识接收到的信号，根据声能量在整个声场范围内的分布规律进行先验知识的提取，从而对该声场目标进行深度分类，算法易于实现，环境适应性高。

【技术实现步骤摘要】

本专利技术涉及水听器阵列信号测深领域，尤其涉及一种基于水听器阵列的浅海目标 深度的分类方法。
技术介绍
多年来，基于模态的深度估计和分类是被动声纳信号处理的重点。传统声纳检测 问题将环境参数看作是确定的，检测性能(准确性、适用范围等）取决于模型参数与真实参 数的匹配程度。目前最好的研究技术是匹配场处理(MFP)，对其检测性能的预报本质上采用 的是确定性方法。MFP有时也被称作广义波束形成，它使用复杂的声场干扰模式定位声源的 距离、深度、方位参数组合，通过比较接收信号和拷贝声场来解决定位声源的反演问题。 而实际上受诸多因素的影响，环境参数并非是确定的。浅海声传播的一个显著特 征是阳光、大气等因素引起的热对流使海水温度在较短时间内发生较大变化，从而浅海声 速剖面随机扰动相当剧烈。而声速剖面的很小变化就足以影响海洋中声传播的条件，因此， 声速剖面随时空的扰动往往是造成浅海声场能量波动和相位起伏的最重要因素。浅海声传 播的另一个显著特征是声波频繁作用于海面和海底，粗糙的海面和海底又进一步增加了声 波与上、下边界的作用次数，从而引起更多的散射衰减并使更多的能量渗透到沉积层中。 另外，水听器被动声纳定位技术通常又使用宽带信号匹配信道脉冲响应，所以对 先验的环境参数极其敏感。随时空变化的水声信道能够引起声场能量的波动和相位的起 伏，这意味着声场中各点的能量和相位不再是确定数值，而是服从某种概率分布，从而模型 失配也难以避免。
技术实现思路
本专利技术的目的在于，为解决现有的浅海目标深度的分类方法未考虑环境参数的变 化，从而造成模型参数与真实参数失配，影响声源定位的准确性的技术问题，本专利技术提供一 种基于水听器阵列的浅海目标深度的分类方法，该分类方法使用声传播仿真生成基于模型 的深、浅声源产生的能量场变化的典型概率密度函数，并基于该概率密度函数进行似然比 检测（LRT)来辨识接收到的信号，以实现变化环境下的声源深度分类，避免了上述模型失配 的技术问题。 本专利技术的分类方法对海洋环境的时变特性引起的声场不确定性加以利用，以分辨 声源位于水面还是水体中。本专利技术提供了一种新型声源深度分类方法。该方法利用声源在 波导中的位置深浅导致的水听器接收信号能量累积参数的不同进行处理。由于声传播和声 源运动影响接收声信号，使接收信号能量在声场中的分布是变化的，对此建立声场模型，预 先设定好声场中能量分布的概率密度函数，该概率密度函数对深和浅声源有不同的参数， 该分类方法依赖深和浅声源在概率密度函数描述能量分布的差异进行分类。 为实现上述目的，本专利技术提供， 所述的分类方法包括： 步骤1)建立声源辐射的声信号模型，根据该声信号模型及接收信号数据存在的多 普勒效应建立接收信号模型； 步骤2)根据FFT变换在频域对步骤1)中的接收信号数据进行估计，得到接收信 号频率值； 步骤3)将步骤2)中得到的接收信号频率值以均方根进行归一化，得到不含白噪 声的接收信号能量调制，建立该接收信号能量调制分布满足参数为（a，0 )的伽马分布的 概率密度函数； 步骤4)利用声传播仿真建立声场模型，根据该声场模型设置靠近海水表面的声 源参数，重复计算得到若干个仿真的接收信号，使用矩法估计得到一组a和卩值，并将其 代入步骤3)中的概率密度函数，得到浅水概率密度函数；根据该声场模型设置深处声源参 数，重复计算得到若干个仿真的接收信号，使用矩法估计得到另一组a和3值，并将其代 入步骤3)中的概率密度函数，得到深水概率密度函数； 步骤5)根据步骤4)中得到的浅水概率密度函数和深水概率密度函数，使用似然 比检验分类接收信号的声源深度。 作为上述技术方案的进一步改进，所述步骤1)中的声信号模型表示为：u =Acos(co0nTs+ 0 ) 其中，表示信号角频率，A表示幅度，0表示相位，离散时间变量n=l，2，...，N， Ts表示每秒的采样时间间隔，采样频率fs = 1/TS。 作为上述技术方案的进一步改进，所述步骤1)中的接收信号模型表示为：y =xAcos(codnTs+ 9 + ) +co 其中，w表示加性噪声，x表示接收信号能量调制，表示时变的相位， ?<!表示接收频率，9表示相位，A表示幅度，Ts表示每秒的采样时间间隔。 作为上述技术方案的进一步改进，所述步骤3)中的概率密度函数表示为：【主权项】1. ，其特征在于，所述的分类方法包 括： 步骤1)建立声源辐射的声信号模型，根据该声信号模型及接收信号数据存在的多普勒 效应建立接收信号模型； 步骤2)根据FFT变换在频域对步骤1)中的接收信号数据进行估计，得到接收信号频 率值； 步骤3)将步骤2)中得到的接收信号频率值以均方根进行归一化，得到不含白噪声的 接收信号能量调制，建立该接收信号能量调制分布满足参数为（α，β )的伽马分布的概率 密度函数； 步骤4)利用声传播仿真建立声场模型，根据该声场模型设置靠近海水表面的声源参 数，重复计算得到若干个仿真的接收信号，使用矩法估计得到一组α和β值，并将其代入 步骤3)中的概率密度函数，得到浅水概率密度函数；根据该声场模型设置深处声源参数， 重复计算得到若干个仿真的接收信号，使用矩法估计得到另一组α和β值，并将其代入步 骤3)中的概率密度函数，得到深水概率密度函数； 步骤5)根据步骤4)中得到的浅水概率密度函数和深水概率密度函数，使用似然比检 验分类接收信号的声源深度。2. 根据权利要求1所述的基于水听器阵列的浅海目标深度的分类方法，其特征在于， 所述步骤1)中的声信号模型表示为： υ = Acos (ω 0nTs+ θ ) 其中，COci表示信号角频率，A表示幅度，Θ表示相位，离散时间变量!!=1，2，...，11；表 示每秒的采样时间间隔，采样频率fs = 1/TS。3. 根据权利要求2所述的基于水听器阵列的浅海目标深度的分类方法，其特征在于， 所述步骤1)中的接收信号模型表示为： y =x Acos (ω dnTs+ θ + φ ) + ω 其中，ω 表示加性噪声，χ表示接收信号能量调制，φ 表示时变的相位，c〇d 表示接收频率，Θ表示相位，A表示幅度，Ts表示每秒的采样时间间隔。4. 根据权利要求3所述的基于水听器阵列的浅海目标深度的分类方法，其特征在于， 所述步骤3)中的概率密度函数表示为：其中，α为形状参数，β为尺度参数，χ表示接收信号能量调制，Γ ()为伽马函数。5. 根据权利要求4所述的基于水听器阵列的浅海目标深度的分类方法，其特征在于， 在声速剖面接近等声速的条件下，声速剖面随机扰动下的声场传播损失分布接近X 2分布， 海面与海底起伏下的声场传播损失分布接近指数分布，将α和β的伽马分布族拟合上述 分布，所述步骤3)中的概率密度函数变换为：其中，TL表示传播损失，TLci表示按几何扩展计算的传播损失。6.根据权利要求1所述的基于水听器阵列的浅海目标深度的分类方法，其特征在于， 对于海水加半无限液态沉积层二维模型，所述步骤4)中建立的声场模型表示为：其中，μη = 示水平波数，6"表示简正波衰减系数，多^()表示海水中第 η号模态函数，该模态函数满足下述模态方程和边界条件：其中，P i表示海水密度，Cl(z)表示海水本文档来自技高网...

【技术保护点】
一种基于水听器阵列的浅海目标深度的分类方法，其特征在于，所述的分类方法包括：步骤1）建立声源辐射的声信号模型，根据该声信号模型及接收信号数据存在的多普勒效应建立接收信号模型；步骤2）根据FFT变换在频域对步骤1）中的接收信号数据进行估计，得到接收信号频率值；步骤3）将步骤2）中得到的接收信号频率值以均方根进行归一化，得到不含白噪声的接收信号能量调制，建立该接收信号能量调制分布满足参数为（α,β）的伽马分布的概率密度函数；步骤4）利用声传播仿真建立声场模型，根据该声场模型设置靠近海水表面的声源参数，重复计算得到若干个仿真的接收信号，使用矩法估计得到一组α和β值，并将其代入步骤3）中的概率密度函数，得到浅水概率密度函数；根据该声场模型设置深处声源参数，重复计算得到若干个仿真的接收信号，使用矩法估计得到另一组α和β值，并将其代入步骤3）中的概率密度函数，得到深水概率密度函数；步骤5）根据步骤4）中得到的浅水概率密度函数和深水概率密度函数，使用似然比检验分类接收信号的声源深度。

【技术特征摘要】

【专利技术属性】
技术研发人员：于倍，王文博，王赞，郑胜家，黄勇，张春华，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：北京;11