一种等梯度声速剖面优化方法技术

本申请属于海洋测绘及水声信号处理技术领域，提供一种等梯度声速剖面优化方法，包括以下步骤：S1，基于声速采样数据集建立原始声速剖面，其中为声速采样点的个数，为声速采样点的序号，、分别为第个声速采样点处的水深及声速；S2，基于所述原始声速剖面的声速梯度方向变化情况确定关键采样点集合，其中为关键采样点的个数，为关键采样点的序号；S3，基于所述将所述原始声速剖面划分为个预分层；S4，遍历所述个预分层，基于距离和角度约束确定每个预分层中保留的声速采样点；S5，基于所有预分层中保留的声速采样点建立优化等梯度声速剖面。本申请提供的方法，能够在保留原始声速剖面关键特征的基础上对采样点数量进行极大的优化。大的优化。大的优化。

【技术实现步骤摘要】
一种等梯度声速剖面优化方法


[0001]本申请属于海洋测绘及水声信号处理
，进一步地，涉及水声声速剖面数据处理方法，具体提供一种等梯度声速剖面优化方法。

技术介绍

[0002]在复杂的海洋环境里，海洋的不均匀性和多变性导致水中传播声线不再是一条直线，声线往声速小的方向弯曲，且弯曲程度与声速变化率呈正相关。对于水声定位系统，声线弯曲会造成声波在发射、接收换能器之间的实际传播时延大于直线传播时延，水声测距得到的是声线的实际传播距离，而非声学发射换能器与接收换能器间的直线传播距离。因此，声线弯曲会使超短基线水声定位结果发生偏移，降低定位精度，严重时还会出现野值点，必须进行声线修正。
[0003]目前声线修正方法大都是基于射线声学理论提出的：等效声速剖面法、查表法、有效声速法以及声线跟踪法等。在声速剖面已知的情况下，声线跟踪法是修正声线弯曲误差最有效的方法，是水下目标定位的重要基础，其中尤以等梯度声线跟踪算法应用最为广泛。
[0004]等梯度声线跟踪技术首先利用分层近似将声速剖面分为多层，然后对每一分层赋予相应的固定声速梯度，最后通过逐层计算的方法对声线弯曲进行补偿并进行声线追踪，从而达到改善系统定位精度的目的。
[0005]显然，当使用等梯度声线追踪技术进行水声信号定位及海洋测绘等应用时，对声速剖面进行等梯度分层的质量将直接关系到对声线进行补偿的精度。由于水中声速受温度、盐度、压强等多种因素的影响，因此不同海域、不同水文条件及不同深度处的声速具有不同的分布特点，尤其在复杂海况条件下，声速剖面将变得复杂且多变，在此情况下如果对于声速剖面的分层过于稀疏，则无法对声线进行高精度的追踪；如分层过于稠密，虽然提高了声线追踪的精度，但声线追踪的计算量大，尤其是在一些需要实时进行水声定位的应用领域，其使用受到了极大限制。因此，随着水下定位技术水平的提高，对声线跟踪法的定位精度和计算效率提出了更高的要求，相应地需要提供一种兼顾精度与效率的等梯度声速剖面分层的技术方案。

技术实现思路

[0006]针对高精度水声定位系统中定位精度与计算量相互矛盾的问题，本申请的目的在于根据水中声速在有限范围内的变化特点，提出一种基于距离和角度约束的对声速剖面进行优化的方法，通过本申请提供的方法所生成的优化的声速剖面应用于声线追踪等领域时，能够在保证计算结果精度的同时，尽可能地减少计算量，从而实现实时且精确地水声定位。
[0007]本申请的实施例可以通过以下技术方案实现：一种等梯度声速剖面优化方法，包括以下步骤：S1，基于声速采样数据集建立原始声速剖面，其中为声速采样
点的个数，为声速采样点的序号，、分别为第个声速采样点处的水深及声速；S2，基于所述原始声速剖面的声速梯度方向变化情况确定关键采样点集合，其中为关键采样点的个数，为关键采样点的序号；S3，基于所述将所述原始声速剖面划分为个预分层；S4，遍历所述个预分层，基于距离和角度约束确定每个预分层中保留的声速采样点；S5，基于所有预分层中保留的声速采样点建立优化等梯度声速剖面。
[0008]进一步地，步骤S2包括以下步骤：S21，基于公式(1)确定各个声速采样点处的声速梯度：；S22，对于第2至第个声速采样点中的任意一个声速采样点，如果该声速采样点处的声速梯度与其前一个声速采样点处的声速梯度的方向不同，则将该声速采样点作为关键采样点；S23，重复执行步骤S22直到遍历第2至第个声速采样点，得到关键采样点集合。
[0009]优选地，步骤S2中还包括对关键采样点集合进行优化的步骤，所述优化具体为：S24，对于第2至第个关键采样点中的任意一个关键采样点，如果该关键采样点处与其前一关键采样点处的声速变化小于声速变化阈值，则将该关键采样点从中剔除；S25，重复执行步骤S24直到遍历第2至第个关键采样点，将保留的关键采样点的个数重新设置为，最终得到优化的关键采样点集合。
[0010]进一步地，步骤S3具体为：将海面作为第1个预分层的层顶，将海底作为第个预分层的层底；以及依次将相邻的关键采样点作为各个预分层的层顶和/或层底。
[0011]进一步地，步骤S4中所述基于距离和角度约束确定每个预分层中保留的声速采样点，具体为对于每个预分层，执行以下步骤：S41，提取与该预分层对应的声速采样数据集，其中，为该预分层包含的声速采样点的个数，为该预分层包含的声速采样点的序号，、分别为该预分层的第个声速采样点处的水深及声速；S42，分别计算该预分层的第2至第个声速采样点处对应的声速偏离值与
声速梯度角，基于个的统计结果确定距离阈值，以及基于个的统计结果确定角度阈值；S43，将该预分层的第1个和第个声速采样点作为保留的声速采样点；S44，从该预分层的第1个声速采样点开始迭代执行以下操作，直到该预分层的第个声速采样点：S441，按顺序提取当前声速采样点及与其相邻的2个声速采样点；S442，将提取的3个声速采样点按顺序分别作为首采样点、中间采样点与尾采样点；S443，计算中间采样点处的声速偏离值，如果中间采样点处的声速偏离值大于距离阈值，则将该中间采样点作为保留的声速采样点，然后将该中间采样点作为当前声速采样点并返回执行步骤S441，否则执行步骤S444；S444，计算中间采样点处的声速梯度角，如果中间采样点处的声速梯度角小于角度阈值，则将该中间采样点作为保留的声速采样点，然后将该中间采样点作为当前声速采样点并返回执行步骤S441，否则执行步骤S445； S445，删除该中间采样点并返回执行步骤S441。
[0012]进一步地，对于任意一个声速采样点，其声速偏离值通过以下步骤确定：第一步，通过公式(2)计算该声速采样点处的拟合声速，，其中，为该声速采样点的序号；第二步，通过公式(3)计算该声速采样点的声速偏离值，。
[0013]进一步地，对于任意一个声速采样点，其声速梯度角为该声速采样点处与其前1个声速采样点处的声速梯度的夹角。
[0014]优选地，步骤S42中基于个的统计结果确定距离阈值，以及基于个的统计结果确定角度阈值，具体为：基于个的中位数作为距离阈值，以及基于个的中位数作为角度阈值。
[0015]本申请的实施例提供的一种等梯度声速剖面优化方法至少具有以下有益效果：本申请的技术方案充分考虑了复杂海况下原始声速剖面的复杂形态特征，通过提
取影响声速梯度整体方向的关键采样点对声速剖面整体分为走向相同的多个预分层，在各个声速梯度方向相同的预分层内使用各自匹配的阈值进行采样点的抽稀，以保留合理数量的声速采样点，从而避免了现有的各种等梯度声速剖面构造方法在对整个声速剖面的采样点进行抽稀时，无法同时兼顾提高精度与减少数据量的问题；本申请的技术方案在提取多个关键采样点后，进一步对其进行优化，剔除掉仅存在细微波动的关键采样点，在不影响整体精度的情况下减少了预分层的数量，从而进一步降低了构造等梯度声速剖面所需的声速采样点数量。
附图说明
[0016]图1为根据本申请实施例的一种等梯度声速剖面优化方法的流程图；图2a为根据本申请实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种等梯度声速剖面优化方法，其特征在于，包括以下步骤：S1，基于声速采样数据集建立原始声速剖面，其中为声速采样点的个数，为声速采样点的序号，、分别为第个声速采样点处的水深及声速；S2，基于所述原始声速剖面的声速梯度方向变化情况确定关键采样点集合，其中为关键采样点的个数，为关键采样点的序号；S3，基于所述将所述原始声速剖面划分为个预分层；S4，遍历所述个预分层，基于距离和角度约束确定每个预分层中保留的声速采样点；S5，基于所有预分层中保留的声速采样点建立优化等梯度声速剖面。2.根据权利要求1所述的等梯度声速剖面优化方法，其特征在于，步骤S2进一步包括以下步骤：S21，基于公式(1)确定各个声速采样点处的声速梯度：；S22，对于第2至第个声速采样点中的任意一个声速采样点，如果该声速采样点处的声速梯度与其前一个声速采样点处的声速梯度的方向不同，则将该声速采样点作为关键采样点；S23，重复执行步骤S22直到遍历第2至第个声速采样点，得到关键采样点集合。3.根据权利要求2所述的等梯度声速剖面优化方法，其特征在于，步骤S2中还包括对关键采样点集合进行优化的步骤，所述优化具体为：S24，对于第2至第个关键采样点中的任意一个关键采样点，如果该关键采样点处与其前一关键采样点处的声速变化小于声速变化阈值，则将该关键采样点从中剔除；S25，重复执行步骤S24直到遍历第2至第个关键采样点，将保留的关键采样点的个数重新设置为，最终得到优化的关键采样点集合。4.根据权利要求1所述的等梯度声速剖面优化方法，其特征在于，步骤S3具体为：将海面作为第1个预分层的层顶，将海底作为第个预分层的层底；以及依次将相邻的关键采样点作为各个预分层的层顶和/或层底。5.根据权利要求1所述的等梯度声速剖面优化方法，其特征在于，步骤S4中所述基于距离和角度约束确定每个预分层中保留的声速采样点，具体为对于每个预分层，执行以下步骤：S41，提取与该预分层对应的声速采样数据集，其...

【专利技术属性】
技术研发人员：罗宇，程梦迪，宋熙昭，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：