多波束测深声纳技术研究新进展

多波束测深声纳已成为国内外海洋科学研究、海底资源开发、海洋工程建设等海洋活动中最主要的海洋调查勘测仪器之一。以多波束测深声纳为对象,详细介绍了国内外多波束测深声纳产品的发展情况,重点阐述了代表当前多波束测深声纳发展趋势的超宽覆盖、高分辨、高精度、多功能一体化探测等核心技术的研究进展,最后结合实际的海底地形地貌探测需求,给出了多波束测深声纳技术未来发展的展望。     

可利用波束输出信息的高分辨方位估计算法

本文介绍一类可以利用波束输出信息实现高分辨方位估计的算法,这类算法由于所利用的波束输出比阵元个数少得多,计算量得以降低,计算机仿真结果表明,对常见声纳接收阵波束输出信息进行高分辨方位估计不仅是可行的,而且还可获得比常规阵元域高分辨算法更低的分辨信噪比门限。     

基于波束域MUSIC方法的高分辨方位估计

现代声纳系统普遍采用水听器基阵和一定的信号处理来提高对目标的检测和定位能力，而基阵的波束形成则在其中起着核心作用。文中研究了窄带波束域高分辨方位估计技术，分析了波束域MUSIC方位估计的构造过程和具体实现方法。仿真计算表明，基于波束域MUSIC的方位估计算法是一种分辨空间小角域内多个目标的有效方法。     

水下地形测量技术方法应用分析

本文基于水下地形测量技术进行分析,先介绍了几种常见的水下地形测量技术,包括人工水深测量技术、单波束声呐测深技术、多波束声呐测深技术、GPS定位测量技术,然后探讨了无验潮水下地形测量和无人测量船测深的具体应用,以期为水下地形测量工作提供有益参考。     

浅水多波束技术在海底目标探测中的应用

1引言 多波束系统[1]是海底探测类声纳的最新形式之一.与传统的单波束测深仪相比,多波束系统具有测量范围大、速度快、分辨率高的特点,从而使海底地形测量技术发展到一个较高的水平.我国从20世纪90年代开始陆续从国外引进多套多波束测深系统,分别应用于海道测量、海洋工程测量、海洋划界测量、海洋资源调查等多个领域[2],在国民经济建设中发挥了重要作用.     

基于空间平滑的多波束测深声呐相干分布源方位估计

在多波束测深声呐的工作环境中,若海底反向散射信号不满足点源假设,方位估计精度将严重下降,而基于分布源模型的方位估计算法可以适应这种环境。目前,大多数分布源算法要求分布源之间不相干,有人提出采用Toeplitz方法估计相干分布源,但该方法精度不高并且忽略了角度扩展参数。为解决多波束测深声呐相干分布源的方位估计问题,提出了基于空间平滑的广义MUSIC方法,公式推导证明了算法的有效性,通过计算机仿真给出算法方位估计的精度以及不同信噪比条件下的性能,最后采用多波束测深系统的实验数据对算法进行了验证。     

一种基于横摇稳定的多波束测深方法

针对阵列姿态变化造成深水多波束测深声纳测深误差问题,给出了一种基于横摇稳定的多波束测深方法。其基本思路是利用姿态数据实时地改变接收波束相控角,使得合成波束指向角稳定在较小的变化区间内,确保了波束形成后信号来自有效的波束宽度覆盖范围。通过发射时刻三维姿态和接收时刻横摇姿态解算得出波达时刻对应的合成波束指向角,进行声速修正和归位计算得到最终测深点的深度与位置。MATLAB仿真和实际海试数据处理结果表明,该方法能够获得期望方向附近的海底脚印覆盖并且达到较好的精度。     

基于稳健Capon波束形成的阵形校正

由于受地形、海流和布放方法等的影响,声阵在布放后通常会偏离原定阵形。若直接利用原定阵形作方位估计,则各种高分辨方位估计算法的性能通常会退化甚至失效。因此,为了在实际中应用这些算法,必须对阵元的位置进行校正。RCB(Robust Capon Beamforming)是最近提出的一种稳健自适应波束形成算法,该算法直接对导向矢量进行估计,并用估计的导向矢量作波束形成,从而有效避免了因阵列流形失配而导致的算法性能下降。借用RCB的思想,提出一种新的阵形校正方法,该方法对导向矢量进行估计,然后用估计的导向矢量推导出阵元的位置。湖试结果表明了该校正方法的有效性。     

抑制运动强干扰的稳健波束域目标方位估计方法

为了减小来自旁瓣区快速运动的强干扰对波束域高分辨方位估计方法的影响,提出一种稳健的波束域高分辨方位估计方法。该方法在形成多波束时,将稳健自适应波束形成与零陷扩宽技术相结合,有效地抑制了运动强干扰所造成的快拍失效和扫描方向误差引起的自适应波束图畸变,从而保证波束域方法能准确地估计目标方位。仿真结果验证了该方法的有效性。     

基于伪随机序列的多波束水声探测系统的信道估计技术

多波束水声探测系统不同方向回波信号的同时检测,可以理解为通信中的信道估计问题。在水下多径传播环境中,多径信道的时延参数和幅度衰减参数的估计是多波束探测系统实现目标探测、定位和识别的基础,而抑制来自其它波束的多址干扰(MAI)是信道估计算法的重要目标。将直接序列码分多址(Direct Sequence Code-Division Multiple Access,简称DS-CDMA)通信系统模型应用于水声多波束探测系统。建立了基于伪随机序列的水下多波束探测系统的信号模型,研究了基于子空间方法的超分辨率信道估计算法。并给出了数值仿真实现,分析了信噪比、多址干扰及发射波束数等对信道估计算法性能的影响。仿真结果表明,该算法具有抑制多址干扰的性能,信道参数的估计方差逼近Cramer-Rao下界。这种信道估计技术尤其适合应用于多波束参量阵探测系统。     

水下小目标合成孔径声呐层析成像技术研究

水下小目标精细成像对于正确识别水下目标具有重要意义。目前,多波束成像声呐和条带合成孔径声呐是获取水下小目标图像的主要手段。水下目标的判别主要利用了目标图像的亮点特征,即使是同一目标从不同方位观测时得到的结果也可能差异较大,这给快速识别确认目标带来了困难。为解决该问题,提出了利用圆周合成孔径声呐对水下小目标进行水声层析成像信号处理方法,提高了声呐的多角度融合观测能力。仿真及试验数据处理结果表明,合成孔径声呐层析成像方法能够获得目标外形轮廓精细特征,有利于水下小目标的正确识别。     

Data correction for visualisation and classification of sidescan SONAR imagery

Of all the remote sensing modalities available for underwater applications, acoustic methods, covering frequency ranges from a few Hz to several MHz, are by far the most flexible and widely used. The authors propose a method for preprocessing sidescan sonar data for visualisation, detection and classification purposes. Sidescan imagery is highly sensor specific and is typically affected by factors that have either a range dependency or an angular dependency. Each of these is altered in a different way given variations in sensor altitude over the seabed. Working from the physics and geometry of the sonar process, the proposed method estimates separate correction factors for range and angular dependencies directly from the image data. Once calculated, these factors can be applied over large data sets to provide radiometric correction over the entire survey area. Simpler image processing algorithms are more effective because the image statistics are improved with more stable means and variances across the sonar swath. The method requires a good bottom detection algorithm for estimation of sensor altitude at each transmission time and incorporates a resampling scheme for the calculation and application of the angular-dependency correction factors. Results showing improved classification performance for two large area surveys are presented. The method proposed provides a more complete solution than previously reported resampling schemes and offers significant improvements in terms of accuracy, robustness, usability and execution times.     

基于自组织神经网络的声学底质分类研究

研究利用多波束测深系统获取的反向散射强度数据,应用自组织(Self Organizing Map,简称SOM)神经网络分类方法实现了对海底泥、砂、砾石和基岩等底质类型的快速、有效识别。通过实验示例,将SOM神经网络的分类结果与传统海底地质取样获取的真实底质类型进行分析比较,表明该方法是可行和有效的。     

多级背景均衡在多波束LOFAR处理中的应用

被动声纳检测中背景均衡通常是沿着频率或者方位对噪声进行均值估计。为了提高多波束窄带检测能力,需采用一种新的背景均衡方法来估计噪声的均值。针对水下目标辐射噪声的线谱横跨相邻多个波束,将多级背景均衡应用到被动多波束窄带检测中。它是根据所选择的数据窗,沿着频率和方位对多波束LOFAR图进行两维的背景均衡处理。该方法能够有效地抑制目标方位相邻波束线谱,提高多波束LOFAR图中窄带信号检测能力。海试数据处理结果表明,该方法不仅有效,而且计算量小。     

多波束声呐海底底质半监督学习分类方法

多波束测深声呐的反向散射数据中包含海底表层的声学信息,可以用来进行海底表层底质分类。但实际中通过物理采样获得大范围的底质类型的标签信息所需成本过高,制约了传统监督分类算法的性能。针对实际应用中只拥有大量无标签数据和少量有标签数据的情况,文章提出了基于自动编码器预训练以及伪标签自训练的半监督学习底质分类算法。利用2018年和2019年两次同一海域实验采集的多波束测深声呐反向散射数据,对所提算法进行了验证。数据处理结果表明,相比仅利用有标签数据的监督分类算法,提出的半监督学习分类算法保证分类准确率的同时所需的有标签数据更少。自动编码器预训练的半监督学习分类方法在有标签样本数量极少时的准确率仍高于75%。     

双基地声呐接收站散射波低截获技术

双基地声呐的接收站因散射主动信号存在暴露的风险,对此提出了基于发射声屏蔽的双基地声呐低截获技术。发射站采用垂直发射阵,利用屏蔽权对原始信号进行预处理,获得的低截获信号在接收站处被自动抵消,从而降低接收站散射信号的能量。仿真结果表明,发射声屏蔽技术能有效增加接收站散射信号到达目标处的能量衰减,而对到达接收站处的待测目标散射信号则无较大影响。该方法突破了以往低截获技术只是改变信号能量时频域分布的局限(在信号处理层面),利用多途结构真实降低了被截获信号能量(在物理层面),并适用于多种信号形式。     

基于声呐图像序列SIFT特征的多目标跟踪方法研究

针对高频成像声呐多目标跟踪中声成像的不稳定问题,在基于检测前跟踪的声呐图像序列尺度不变特征变换（Scale Invariant Feature Transform,SIFT）的基础上,提出了一种结合对数变换的声呐图像序列SIFT特征跟踪方法。该方法利用对数变换进行图像预处理,进而利用声呐图像序列SIFT特征进行多目标跟踪。水池试验数据的处理结果表明：与中值滤波和动态亮度分配的方法相比,结合对数变换的声呐图像序列SIFT特征跟踪方法具有更好的多目标跟踪效果。