Análisis de rendimiento de la detección de un solo vector hidrófono algoritmo dirección histograma hallazgo

El algoritmo de histograma de unHidrófono de un solo vectorTiene buena robustez y rendimiento de estimación de azim autor de objetivo. Este artículo analiza y resume el desempeño de detección de objetivos del algoritmo de histograma y propone una detección autónoma de objetivos submarinos basados ​​en la estimación del azimut objetivo. El algoritmo de seguimiento, este algoritmo puede lograr la detección autónoma de la presencia o ausencia de objetivos en el agua. Los resultados de la prueba de la simulación y la piscina anecos muestran que la relación señal-to-ruido requerida por el algoritmo de histograma para lograr un seguimiento de destino autónomo debe ser mayor que -7 dB. En este momento, el error de búsqueda de dirección es de aproximadamente 8◦, y el ancho de espectro de Azimut de -3 DB es aproximadamente 20◦. El análisis de los datos de prueba marina muestra que el algoritmo de histograma puede lograr la detección y el seguimiento de objetivos completos dentro de 13.8 km para un recipiente de superficie con una velocidad de 8.4 kN, con un error de búsqueda óptima de la dirección de 5◦, y a -3 dB rodamiento a una distancia de 2 km. Ancho espectral puede alcanzar 10◦

El canal vectorial de laSensor de hidrófono vectorialTiene la directividad dipolo independiente de la frecuencia, y tiene la capacidad de resistir la interferencia de ruido isotrópico. Una hidrófona vector puede lograr una orientación libre de desenfoque espacial, que proporciona una solución para la detección de objetivos en pequeñas plataformas submarinas equipadas con sensores acústicos submarinos.

Su ventaja del espacio. En los últimos años, con la mejora continua de la tecnología de la hidrófona del vector, la tecnología de procesamiento de señales vectoriales también se está aplicando poderosamente. Por demanda, se ha desarrollado rápidamente. En comparación con los hidrófonos de presión de sonido convencionales, los hidrófonos vectoriales proporcionan información de campo de sonido más completa. En lugar de que se puede medir el escalar del campo de sonido, y también se pueden obtener las características vectoriales del campo de sonido, lo que amplía en gran medida el espacio de procesamiento de la señal. Hay muchos algoritmos de estimación de azimut objetivo basados ​​en productos hidrófonos de un solo vector, en general, pueden dividirse en dos categorías de acuerdo con el principio de la dirección de la dirección: una es la estimación de acimut basada en el flujo de energía de sonido; El otro es considerar cada canal del vector hidrófono. Es una matriz de varios elementos, cada elemento se encuentra aproximadamente en la misma posición en el espacio, y el método de procesamiento de la señal de matriz existente se aplica al hidrofono del vector único utilizando las características del patrón de flujo de matriz del solo vector de hidrófono. Varios algoritmos de búsqueda de la dirección de la dirección del vector tienen sus propias ventajas y desventajas compartidas con otros algoritmos, el algoritmo de histograma medio tiene una mejor robustez y rendimiento de estimación de orientación objetivo, y tiene la capacidad de suprimir la interferencia de espectro estrecho de banda y espectro de línea fuerte, lo que es especialmente adecuado. Para aplicaciones de ingeniería. Este documento analiza y resume la dirección del histograma que encuentra algoritmo basado en un solo hidrofono del vector y propone un algoritmo de detección y seguimiento autónomos para objetivos subacuáticos basados ​​en la estimación de orientación objetivo, utilizando la simulación por computadora, los datos de medición de la piscina anónicos y el histograma analizado de los datos de los experimentos marinos. Rendimiento de detección de objetivos del algoritmo.

1 algoritmo teórico

1.1 Dirección de histograma Encontrar algoritmo

El algoritmo de histograma debe calcular primero las estimaciones de azimut objetivo en diferentes puntos de frecuencia, y la expresión de cálculo es

θ (f) = arctan re ⟨p * w (f) × vyw (f)⟩ re ⟨p * w (f) × vxw (f)⟩ = arctan ⟨iy (i, f)

⟨Ix (i, f)⟩, (1) en fórmula (1), θ (f) representa el azimut objetivo calculado en diferentes frecuencias F, y PW, VXW y VYW representan la presión de sonido del vector hidrófono en P y La vibración en la dirección X, respectivamente. El canal de velocidad y el canal de velocidad de la velocidad de vibración de la dirección Y, los valores del espectro de la señal, y IX y IY representan el flujo de energía acústica en la dirección X y la dirección Y, respectivamente. Se puede ver en la ecuación (1) que el azimut objetivo calculado por la ecuación (1) está relacionado con la frecuencia F, y las estimaciones de azimut objetivo en diferentes puntos de frecuencia son diferentes. El método de estimar el azimut objetivo a través del histograma se puede usar para calcular el azimut objetivo en el entorno. Interferencia de banda estrecha y supresión de interferencias de espectro fuerte, pero cuando hay múltiples objetivos en el entorno. Cuando las frecuencias de ruido radiadas se superponen entre sí, el método de histograma no puede obtener el verdadero azimut de cada objetivo, solo el flujo de energía de sonido de cada objetivo.

La orientación combinada estará sesgada hacia la orientación objetivo más intensa. La estadística del acimut de histograma es contar el objetivo de azimut estimado de objetivo (f) en el intervalo de azimut correspondiente de acuerdo con el número de puntos de frecuencia. Si el intervalo de azimut está dividido por 1◦, entonces k = [θ (F) × 180 / π], φ (k) = φ (k) + 1, (2) en la fórmula (2), [] representa el redondeo Operación, K es el valor obtenido al redondear θ (F), tales como θ (F) 60, luego θ (F) = θ (f) + 360◦, de modo que el acimut estimado del objetivo cae en el intervalo [0 ◦ 360◦), φ es la frecuencia de la estimación de azimut en cada ángulo, y el valor del ángulo correspondiente al valor máximo es el azimut estimado del objetivo.

1.2

Un algoritmo para detección y seguimiento de objetivos autónomos.

El algoritmo de detección y seguimiento autónomos para objetivos submarinos basados ​​en la estimación de orientación objetivo. La idea básica es realizar un análisis estadístico en la orientación objetivo estimada por el algoritmo de histograma y comparar las estadísticas de orientación con umbrales predefinidos, que finalmente pueden realizar la detección autónoma de objetivos y seguimiento submarinos. El diagrama de flujo de la detección y el seguimiento de objetivos autónomos incluye los siguientes cinco pasos: (1) Primero, use el algoritmo de histograma de hidrófono de un solo vector para escanear toda la dirección espacial para obtener el azimut AG estimado de la señal recibida; (2) Utilice constante virtual El detector de alarmas (detector CA-CFAR) realiza un procesamiento de alarma falsa constante en la orientación objetivo obtenida en la etapa (1); (3) Si el detector de CA-CFAR juzga AG como la orientación de la señal de destino, el valor AG se asigna a la matriz AGT [I], de lo contrario, Asigne -1 a la matriz AGT [I] (i = 1, 2, · , N); (4) Si el número de valores de la matriz AGT = -1 es mayor que en (en el umbral preestablecido, en

Cálculo de la raíz media Square Error STDat, si STDat es menor que el umbral STDDT, se considera que existe un objetivo, y la posición de destino se rastrea, de lo contrario, repita los pasos (1) ~ (4). A través de los 5 pasos anteriores, se puede lograr la detección autónoma y el seguimiento de los objetivos submarinos. El principio del procesamiento CA-CFAR es que al detectar y rastrear un determinado objetivo de acimut, debido a la naturaleza no estacionaria del entorno marino, la probabilidad de falsa alarma es inestable cerca de una determinada probabilidad de detección y el seguimiento en tiempo real de la El nivel de ruido ambiental está configurando un umbral de variación de tiempo puede lograr un efecto de detección constante con una probabilidad de alarma falsa constante para el objetivo de azimut. En general, el umbral es una función de la probabilidad de detección y la probabilidad de la falsa alarma. La tecnología de procesamiento CA-CFAR de es un algoritmo de procesamiento de señales que proporciona el umbral de detección en el sistema de detección automática y minimiza la influencia del ruido y la interferencia en la probabilidad de la falsa alarma del sistema de detección. En la tecnología de procesamiento de CA-CFAR, cuando se debe probar una unidad específica, la unidad probada se llama unidad de prueba (celda debajo de la prueba, corte), y la unidad de muestra utilizada para extraer la potencia de ruido alrededor de la unidad de prueba se llama la unidad de prueba. Unidad de referencia (referencia). Células, RC). Para evitar que la señal objetivo se escape en la unidad de referencia, que afectará negativamente la estimación de la potencia de ruido, una parte de la muestra debe reservarse como una célula de protección (GC) entre la unidad de referencia y la unidad de prueba. Se da la relación entre la unidad de prueba, la unidad de referencia y la unidad de protección.

2 Análisis de rendimiento de detección de destino

Esta sección dará los resultados de la simulación de la computadora del rendimiento de detección de destino del algoritmo de histograma y usará los datos de la Piscina ANECHOIC y las pruebas de mar para analizar el

Algoritmo objetivo de la dirección de la dirección y el rendimiento de seguimiento autónomo. Por el bien de la simplicidad, este artículo solo analiza la situación única.

2.1 Análisis de simulación.

Las condiciones de simulación son las siguientes: Teniendo en cuenta que una señal objetivo de banda ancha es incidente en un solo hidrófono del vector con un acimut incidente de 100◦, y la relación señal-ruido (relación de señal a ruido (SNR)) en la misma banda de frecuencia Se establece en -20 ~ 16 dB, con intervalos de 2 dB, el ruido adicional es el ruido blanco gaussiano que no está relacionado con la señal de incidente, y la frecuencia de muestreo es de 20 kHz. La longitud de los datos de cada proceso de cálculo es 5 S, y el 75% de los datos se reproduce en la ventana de tiempo.

La velocidad de la pila se subdivide en 17 piezas de datos con una longitud de 1 S, y 32768 puntos Transformación rápida de Fourier (Transformación rápida de Fourier) se realiza en cada pieza de cálculo de Data.Form, FFT), la banda de frecuencia de procesamiento es de 200 Hz ~3 kHz, 17 grupos de espectros de intensidad de sonido se calculan y promedian, y luego el algoritmo de histograma se utiliza para el propósito.

Orientación estándar estimada. La Figura 3 muestra los resultados de la estimación de azim autor del algoritmo de histograma utilizando las condiciones de simulación anteriores en función de la relación de señal a ruido (es decir, el espectro de azimut normal varía con la señal. La relación de ruido cambia, y el espectro de azimut es La amplitud en diferentes azimuts), y 200 experimentos independientes de simulación de Monte Carlo se realizan bajo cada relación de señal a ruido. Se puede ver que el historial de azimut estimado se aclara gradualmente a medida que aumenta la relación señal-ruido. Con el fin de describir cuantitativamente el rendimiento de la estimación de orientación objetivo del algoritmo de histograma, la Figura 4 y la Figura 5. La curva de la dirección de búsqueda de error y -3 dB Ancho de espectro de azimuts versus SNR se administran respectivamente. Se puede ver que cuando la relación señal a ruido es -7 dB, el hallazgo de la dirección. El error es de aproximadamente 8◦, y el ancho de espectro de Azimut de -3 dB es aproximadamente 19◦; Cuando la relación señal-ruido es mayor que 0 dB, el error de búsqueda de la dirección y el ancho de espectro Azimut de -3 DB Azimuth son respectivamente menos de 3◦ y 7◦

La Figura 6 es la curva del indicador de seguimiento autónomo de destino con la relación de señal a ruido de acuerdo con el algoritmo de detección y seguimiento autónomos de destino propuesto en la Sección 1. El indicador de seguimiento de destino 1 representa que el algoritmo logra el seguimiento objetivo y 0 significa que El seguimiento objetivo no se logra. En la Figura 6 se puede ver en la Figura 6, cuando la relación señal-ruido es mayor que -7 dB.Time el algoritmo de histograma puede lograr un objetivo autónomo.

2.2 Análisis de prueba de tanques

Para dominar el rendimiento de detección de destino del algoritmo de histograma de hidrófono de un solo vector, se realizó una prueba de verificación de rendimiento de detección de objetivos de hidrófono de un solo vector en una piscina anequioica. UW350 se usó como objetivo de fuente de sonido durante la prueba, y la profundidad se utilizó durante 3 m bajo el agua. La señal utilizada en la prueba es el ancho de la salida de la fuente de la señal. Con el ruido blanco gaussiano, el valor de pico a pico de salida se establece en 10 MV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V, y 10 v respectivamente. El tiempo de transmisión de cada señal es de 60 s, y el nivel de fuente de sonido de las pasadas de emisión de señales pequeñas se calcula la fórmula 20 LG (A1 / A2), donde A1 y A2 son los valores pico a pico de la configuración de la fuente de la señal. . Desde el nivel de fuente de sonido de emisión de señal, la relación señal-ruido de cada canal de la hidrófona del vector se puede calcular en función de la distancia entre el vector hidrófono y la fuente de sonido. La Tabla 1 muestra los resultados de la relación promedio de señal a ruido promedio de banda ancha de la señal de la fuente de sonido recibida por cada canal del vector hidrófono, y proporciona el valor promedio de la relación señal-ruido de cada canal en diferentes emisiones de fuente de sonido Intensidades. Se puede ver que el valor de pico a pico de la salida de la fuente de la señal es respectivamente a 10 mV, 20 mv, 25MV, 50 mV, 100 mV, 1 V y 10 V, elTransductor acústico de banda anchaLa relación promedio de señal a ruido de la señal de origen de sonido recibida por el vector Hydrophone es -13 dB, -7 dB, -5 dB, 1 dB, 7 dB, 27 dB y 47 dB.

Las siete señales de relación de señal a ruido se procesan por separado utilizando el algoritmo de histograma. Los resultados calculados de la estimación de azim autor cambian con el tiempo como se muestra en la Figura 7. La figura también marca el valor de pico a pico de la salida de la señal y el vector hidrófono en cada período de tiempo. Relación de señal a ruido del receptor. En la Figura 7 se puede ver en la Figura 7 que el acimut estimado del objetivo de la fuente de sonido se estabiliza gradualmente a medida que aumenta la relación de señal a ruido recibida y básicamente coincide con el verdadero azimut. La Figura 8 y la Figura 9 muestran respectivamente el Error de estimación de azimut y la Ancho de Azimut de Azimut de AZIMUT de las señales de la relación señal-ruido emitidas por las siete fuentes de sonido por el algoritmo de histograma. La proporción aumenta y disminuye gradualmente. El error de búsqueda de dirección aumenta cuando la fuente de sonido emite una señal de ruido pico a pico de 10 V en comparación con 1V Peak-To-Peak. Esto se debe a que la fuente de sonido emite una señal de nivel de fuente de sonido alta.

La piscina tiene una reducción incompleta de ruido en la banda de baja frecuencia y hay una reflexión de la interfaz fuerte; Cuando la relación señal-to-ruido es -7 dB, el error de búsqueda de dirección es de aproximadamente 8 °, y el ancho de espectro de azimut de -3 dB es aproximadamente 23 °; Y cuando la relación señal-to-ruido es mayor que en 1 dB, el error de búsqueda de dirección y el ancho de Azimut de Azimut de -3 dB son menos de 4◦ y 19◦, respectivamente. La Figura 10 es la curva de la marca de seguimiento de destino con la intensidad de la señal de emisión de la fuente de sonido calculada de acuerdo con el algoritmo de detección y seguimiento autónomos de destino. Se puede ver que cuando la relación señal-to-ruido es -7 dB, el algoritmo de histograma puede lograr un seguimiento autónomo del objetivo de la fuente de sonido.

2.3 Análisis de pruebas marinas

Usando los datos de los datos de prueba de verificación de rendimiento de la detección de la boya de boya acústica subacuática realizados en las aguas del norte del Mar de South China en agosto de 2019, se utilizó el algoritmo de histograma de hidrófono de un solo vector para analizar el rendimiento de detección de los objetivos marítimos. La profundidad del área del mar de prueba es de unos 1500 m. Durante el período de prueba, las condiciones climáticas son buenas y el viento.

La velocidad es sobre el nivel 2. Los resultados de la medición del instrumento de profundidad de termosalt de abandono transmitido por barco muestran que el perfil de velocidad de sonido es una capa uniforme a una profundidad de 40 m, y la capa catastrófica principal de velocidad de sonido está a una profundidad de 40 ~ 200 m, y el eje del canal de sonido está a 1000 m. Cerca de la profundidad. Durante el día de la prueba de 12: 33-14: 02, un recipiente de superficie con una longitud de 42 m, un ancho de 6 m, y una velocidad de 8.4 kN pasó cerca de la boya acústica subacuática en un encabezado de 301 °. Durante el período, el recipiente de la superficie y la acústica subacuática, la distancia de la boya está a unos 2 km en el menor tiempo y 13.8 km a la hora más lejana. Una tabla de comparación del resultado de la estimación de azimut objetivo calculada por el algoritmo de histograma y se administra el azimut real de la nave de la superficie, y se puede ver que el algoritmo de histograma está en todo el tiempo 12: 33-14: 02.

La Figura 13 y la Figura 14 muestran respectivamente el algoritmo de histograma al Error de búsqueda de la dirección objetivo de la nave de la superficie y la curva de cambio de ancho de espectro Azimut de Azimut de Azimut con tiempo en el período de tiempo 12: 33-14: 02. Se puede ver que el error de búsqueda de dirección es lo mejor que puede alcanzar dentro de 5 °, y el ancho de espectro de azimut de -3 dB puede alcanzar aproximadamente 10 ° cerca del punto de ubicación cercano; Además, debido a la desviación de la posición estimada submarina de la boya acústica subacuática, la distancia entre la nave de superficie y la plataforma de boyas está más cerca del error de la búsqueda de la dirección en el tiempo aumenta. La Figura 15 es la curva de la marca de seguimiento de destino con el tiempo calculado por el algoritmo de detección y seguimiento de destino Autónomo. Se puede ver que el algoritmo puede lograr un seguimiento de destino autónomo durante todo el rango para un recipiente de superficie con una velocidad de 8.4 kN a una distancia de 13.8 km.

3 conclusión

Con el objetivo de los requisitos de la aplicación de ingeniería de los productos hidrófonos de un solo vector en plataformas no tripuladas submarinas, este documento propone una detección y seguimiento autónomo de los objetivos subacuáticos. Método de transferencia, y use el cálculo de la simulación, la prueba de tanque anedo y el análisis de prueba de mar para resumir el algoritmo de histograma basado en soltero. Vector Hydrophone.Standard Detection Performance. Los resultados de la simulación por computadora y los datos de prueba de tanquen de anecos muestran que el algoritmo del histograma logra la relación de señal a ruido requerida para el seguimiento autónomo. Si es mayor que -7 dB, la dirección de error de búsqueda es de aproximadamente 8 °, y el espectro de azimut. El ancho de -3 dB es de aproximadamente 20 °. Los datos de prueba de mar muestran que el mar profundo es buenas condiciones hidrológicas, el algoritmo de histograma puede lograr una detección y seguimiento de objetivos completos para un recipiente de superficie con una velocidad de 8.4 kN a una distancia de 13.8 km. El mejor error de búsqueda de dirección puede alcanzar los 5 ◦, y el ancho de espectro Azimut de -3 DB Azimuth puede alcanzar 10◦ cerca de la posición cercana.