主动声呐恒包络波形设计及其性能分析

为主动声呐设计恒包络的伪随机编码MSK调制波形。通过分析MSK信号表达式,得到波形的复包络信号。使用遗传算法优化伪随机序列,降低波形的自相关旁瓣,可减小声呐的虚警概率。通过优化复包络信号的自相关函数旁瓣值和互相关函数值,得到自相关性能和正交性能优良的恒包络波形,可以缓解多部声呐间的同频干扰。通过仿真分析波形的模糊度图,波形具有良好的频率分辨率和距离分辨率,可以取代峰均比过高的编码调相信号,满足主动声呐对运动目标的探测需求。     

一种适用于大测绘带合成孔径声呐的运动补偿方法

当合成孔径声呐测绘带较大时,运动误差的空变效应严重,经典的相位中心重叠算法难以适用。为此,提出了一种适用于大测绘带合成孔径声呐的运动补偿方法。首先使用混合调制的拉格朗日时延估计算法对前后两帧回波的时延进行估计,之后使用线性回归方法拟合出运动误差,最后利用运动误差的估计值对回波进行逐点精确补偿。仿真数据的结果表明,该算法能够获得比相位中心重叠算法更好的运动估计结果,运动补偿后成像分辨率接近理论分辨率。使用该算法分别对高、低频合成孔径声呐的湖试数据进行了处理,水下地貌和小目标的成像质量均有明显提高。      

时域压缩合成孔径超分辨水声成像算法

提出一种针对水下稀疏目标的时域压缩合成孔径声呐成像方法(TC-SAS),实现了水声目标高分辨实时成像。通过多子阵的孔径合成,在时域上构造出成像网格格点到有效孔径内逐帧阵列的格林函数,并给出成像区域散射强度到数据域的映射矩阵;然后利用该区域空域稀疏的先验知识,通过正交匹配追踪的稀疏重构方式,解算出成像区域散射系数矩阵,实现了稀疏目标高分辨成像.同时,针对线性调频信号提出数据缩减的方法,通过对观测数据和字典矩阵同时脉压后截取,减小了数据规模;进一步结合二维矩阵数表查表的方法,以空间换时间,实现了区块实时成像。数值仿真以及湖试试验表明,所提算法能分辨出传统的时延求和算法难以分辨的目标,并且在图像清晰度指标上平均提升4.9 dB.改善了合成孔径声呐的成像质量.      

AUV双基地合成孔径声呐成像实验*

单基地合成孔径声呐成像通常基于点目标假设,其相干积累处理不能克服分布型目标散射模式的起伏效应。收发异置的双基地声呐可以从不同角度观察目标,充分挖掘目标散射模式的角度依赖特性,在对水下目标(尤其人造目标)检测与定位方面,相对仅仅观测后向散射的单基地声呐有潜在的优势。该文 介绍一种基于自主水下航行器的双基地合成孔径声呐系统,重点介绍湖试成像的结果,验证双基地合成孔径声呐的可行性。同时通过引入目标散射模式建模的宽角度合成孔径声呐处理,实现了对目标探测性能的提升。     

一种基于随机序列的正交离散频率编码信号

双基地合成孔径声呐克服了单基地声呐系统的诸多缺陷,在成像等方面有很大优势,但时间同步仍然是一个目前制约成像质量的重要因素,时间同步误差影响是值得关注的重要问题。在回波信号模型和时间同步误差模型基础上,针对双基地合成孔径声呐进行误差影响的理论分析,并进行仿真验证。结果表明,固定时间误差主要引起距离向聚焦位置偏移,线性时间误差引起方位向聚焦模糊和分辨率降低,随机时间误差引起距离与方位向旁瓣升高。     

圆合成孔径声呐多点定位运动补偿

圆合成孔径声呐(CSAS)的成像性能受平台运动误差影响而下降,利用单侧回波可估计CSAS基阵的斜距误差,但单侧回波在小测绘带时无法估计升沉误差,针对此问题,提出了一种利用单侧回波信号的声呐平台三维运动估计和补偿方法。首先,对CSAS在不同观测角度的目标回波取极大值获得目标回波的到达时间;其次,基于多个点目标的到达时间建立CSAS三维定位模型;然后利用列文伯格-马夸尔特方法对声呐三维坐标进行估计;最后将位置估计结果与时域反投影成像方法结合实现对目标的成像.仿真结果表明:该方法能精确估计声呐平台运动误差,其空间坐标的估计误差小于仿真信号波长的1/8,从而精确补偿了CSAS在不同空间采样点上的阵元回波时间差,显著提高了目标成像质量。湖上试验结果表明,该算法能够实现对CSAS的运动误差补偿。仿真和试验结果均验证了方法的可行性和有效性。      

多子阵干涉合成孔径声呐

在完成了轨道式干涉合成孔径声呐(InSAS)原理样机的基础上,研制开发了一种新型的水面拖曳式干涉合成孔径声呐系统.成像算法采用非停走停运动误差补偿的多子阵逐线算法.试验数据表明该系统稳定可靠,并成功获取了干涉合成孔径图像,其距离和方位分辨率分别达到了5 cm和10 cm,测深精度优于国际海道测量组织(IHO)标准.     

基于集群的高频合成孔径声纳并行处理方法

大测绘带下的高频合成孔径声纳需要解决的主要问题是海量数据的实时处理。该问题对数据处理的计算平台、成像处理和架构提出了很高的要求。本文利用非均匀离散快速傅里叶变换改进了成像算法,使之能够适应采用了多子阵技术的合成孔径声纳;提出了高频合成孔径声纳信号并行处理方法,在集群上实施了该方法,并进行了湖试试验。实时成像结果表明,改进的并行处理方法可以满足分辨率为距离向4cm、方位向5 cm,测绘带宽为200m的高频合成孔径声纳实时成像要求,具有较高的稳定性。     

水下目标亮点拓扑特征提取及自动识别方法

针对水下目标逆合成孔径声呐(Inverse Synthetic Aperture Sonar,ISAS)图像识别问题中观测角度随机多变,目标结构相互遮挡问题,提出一种基于多亮点拓扑矢量特征的ISAS水下目标识别方法。通过分析ISAS成像过程中散射点位置由三维空间向二维成像平面的投影关系,表明了横向定标后的声呐图像中强亮点之间的距离仅由目标散射结构之间的物理距离决定,据此基于强亮点之间的相互距离,构造能稳定描述不同观测角度下目标的拓扑矢量特征。然后通过K-means聚类获取多聚类中心以克服目标结构互相遮挡造成的亮点缺失问题。最终采用最近邻分类器实现目标识别。水池缩比模型实验表明,该方法对于水下目标的识别率达到84.0%。      

点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类*

三维成像声呐的成像结果是三维点云,基于点云的三维成像声呐目标分类方法具有网络结构复杂,计算量大的特点,针对这一问题本文提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法,并且使用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域数据进行最大值滤波和阈值滤波,降低点云数据维度;接着,依据三维成像声呐的波束方向,将点云投影为深度图和强度图,分别保存点云的位置信息和强度信息;然后,利用深度图和强度图分别作为第一个通道和第二个通道构建混合通道图,将混合通道图作为目标分类网络的输入,从而将三维点云的目标分类问题转换为二维图像的目标分类问题;最后使用MobileNetV2网络实现了三维成像声呐快速目标分类。实验结果表明,通过本文提出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务;而且混合通道图比单独的强度图和深度图收敛速度更快,结合目标识别网络可以25fps实时的进行目标分类,在真实数据集上分类精度达到了91.13%。     

多子阵合成孔径声呐波数域算法不均匀采样问题研究

多子阵合成孔径声呐(SAS)方位向采样不均匀,因而单子阵波数域算法(ω-k)不能直接用于多子阵SAS图像重建。为此,提出两种改进ω-k算法的方法,使其可以应用于多子阵SAS图像重建。不均匀分离快速傅里叶变换(NSFFT)方法采用多子阵匀速直线运动的假设,将方位向不均匀采样的傅里叶变换分解为若干个均匀采样的傅里叶变换;不均匀快速傅里叶变换(NFFT)方法则直接快速计算方位向不均匀采样的傅里叶变换。文中对这两种方法进行了理论分析,并利用仿真数据和湖试数据对这两种方法进行了验证。成像结果表明两种方法均可用于多子阵SAS系统图像重建。NSFFT计算效率较高,但声呐基阵前进方向速度的不均匀性会对成像质量造成一定的影响;NFFT可以适用于任意速度的情况,但计算效率比NSFFT方法低。综合来看,两种方法各有特点,可以根据应用场景的不同进行选择。      

第二讲合成孔径声纳成像及其研究进展

文章在介绍了图像声纳的特点、合成孔径声纳（synthetic aperture sonar,SAS）产生背景和发展过程的基础上,对合成孔径声纳的原理、技术难点、成像算法等问题进行了讨论.着重分析了合成孔径声纳成像过程中高分辨率的获取方法、水声信道对成像的影响、多子阵技术及其成像算法、稳定的声纳运动平台和运动监测问题、运动补偿与自聚焦方法等.文章还给出了国内外合成孔径声纳研究的最新进展情况,进而展望了合成孔径声纳的应用前景.     

用多子阵空间互相关矩阵估计合成孔径声呐基阵速度

受接收子阵长度的影响,单纯依靠重叠相位中心的合成孔径声呐(Synthetic Aperture Sonar,SAS)基阵速度估计方法的精度较低。为此,提出一种利用多子阵空间互相关矩阵的方法以提高速度估计精度。通过SAS多子阵回波数据构造空间互相关矩阵(Spatial Mutual Correlation Matrix,SMCM),利用Radon变换和SMCM系数分布精确估计重叠相位中心对直线(Line of Displaced Phase Center Pairs,LDPCP)参数,并利用重叠相位中心对速度关系式估计SAS基阵速度。对高低频SAS试验数据应用的结果表明:该方法可有效地消除接收子阵长度的影响,将基阵速度估计的精度提高3~5倍,满足高频和低频SAS系统成像的要求。      

一种基于弱监督学习的声图小目标快速检测方法*

小目标检测是声呐图像理解中最引人瞩目,同时又极具挑战性的任务之一。该文基于离散余弦变换和K-近邻聚类,提出了一种快速检测方法。离散余弦变换用于生成图像的指纹,是原始图像在二维频域的一种稀疏表达;改进的K-近邻模型对于带有标签数据的需求量相对较低,提升了算法的处理效率和对弱监督场景的适应性。经试验验证,该方法可在准确率和召回率之间达到一个恰当的平衡点,同时在实时成像的合成孔径声呐图像小目标检测中,获得了较为可靠的结果。     

PGA算法在条带式SAS场景目标成像中的应用

本文针对条带式合成孔径声呐(SAS)对场景目标成像应用中面临的方位向残余相位误差导致成像质量降低的问题,探讨了相位梯度自聚焦(PGA)算法在条带式SAS成像方位向相位误差估计和补偿中的应用方法,通过自适应的选点及窗宽估计处理以提高算法对场景目标的适应性,最后通过对场景目标成像的实际湖试数据进行处理和分析,结果验证了该算法改善条带式SAS对场景目标成像质量的有效性。     

单基地多输入多输出声呐的方位分辨力

为了研究波形分集和发射子阵对多输入多输出(multiple-input multiple-output:MIMO)声呐方位分辨力的影响,建立了同时适用于MIMO声呐和传统有源声呐的远场和近场波束图推导模型,证明了这两种声呐具有相同的方位分辨力。首先,将MIMO声呐发射阵划分为子阵无重合与子阵有重合两种情况,并对传统有源声呐的发射阵也进行相同的划分。据此,推导出两者的远场和近场阵列流型向量均可表示为发射与接收阵列流型向量的直积。接着,利用阵列流型向量的一致性证明了波束图(远场和近场)的一致性。进一步地,证明了发射子阵有重合的情况等效于对发射阵列进行幅度加权(发射阵列中间部分的阵元权值大于两端部分的阵元权值),其可获得更低的波束图旁瓣级但不能提高方位分辨力。理论分析与仿真结果表明:MIMO声呐的有效孔径等于发射与接收联合孔径,其方位分辨力由发射与接收阵列结构所决定,波形分集和发射子阵并未带来更高的方位分辨力。      

一种合成孔径声纳图像线目标提取方法

本文研究了针对高分辨率合成孔径声纳图像中常见的管道、线缆等重要水下设施的线目标提取方法。基于图割理论的Grab Cut算法相比其他迭代算法具有较快的收敛速度,但需要人工辅助选定前/背景区域的初始化条件;为此,本文设计了基于尺度放缩后进行Radon变换的感兴趣区域提取环节,作为Grab Cut的初始化步骤解决方案,使之可以快速自动解译;此外,该优化方案还缩小了模型训练的样本容量,提升了直线目标的提取精度和效率。经实验验证,该方法可以快速准确地提取直线目标,且具有相对较强的鲁棒性。     

第一讲进入21世纪的声纳技术

海洋开发和反潜战的需求是推动声纳技术开发的巨大动力.水声物理、水声信号处理及相关学科的发展又促使声纳设计日趋完善.文章介绍了声纳技术在进入21世纪时所面临的机遇和挑战,水声信号处理领域近期研究的热点问题以及声纳系统设计中的技术创新课题.