[go: up one dir, main page]

CN114488007B - 一种浅海非均匀媒质中的无人潜航器定位方法和系统 - Google Patents

一种浅海非均匀媒质中的无人潜航器定位方法和系统 Download PDF

Info

Publication number
CN114488007B
CN114488007B CN202210030943.3A CN202210030943A CN114488007B CN 114488007 B CN114488007 B CN 114488007B CN 202210030943 A CN202210030943 A CN 202210030943A CN 114488007 B CN114488007 B CN 114488007B
Authority
CN
China
Prior art keywords
sound
shallow sea
propagation model
random variables
underwater vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210030943.3A
Other languages
English (en)
Other versions
CN114488007A (zh
Inventor
王睿
郭奇欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202210030943.3A priority Critical patent/CN114488007B/zh
Publication of CN114488007A publication Critical patent/CN114488007A/zh
Application granted granted Critical
Publication of CN114488007B publication Critical patent/CN114488007B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及一种浅海非均匀媒质中的无人潜航器定位方法和系统，方法包括：获取所需定位的浅海区域的浅海环境声速的样本；获取无人潜航器信号的声压；根据声速的样本构建声速中含有随机变量的非均匀媒质声传播模型；通过Karhunen‑Loève展开简化随机变量从而得到简化的非均匀媒质声传播模型；通过简化的非均匀媒质声传播模型得到格林函数的数值解；将格林函数的数值解和无人潜航器信号的声压代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即无人潜航器的估计位置。与现有技术相比，本发明可以实现浅海随机复杂干扰下无人潜航器的高精度定位。

Description

一种浅海非均匀媒质中的无人潜航器定位方法和系统
技术领域
本发明涉及浅海定位领域，尤其是涉及一种浅海非均匀媒质中的无人潜航器定位方法和系统。
背景技术
近岸监视一直是水声学重要研究领域之一。进入21世纪以来，随着无人化、智能化技术发展的日趋成熟，各种无人自主型平台投入应用。在水下，UUV(Unmaned UnderwaterVehicle，水下无人潜航器)可适应多种应用场景，并根据其功能任务发展了众多型号。早期UUV主要应用在民用领域，执行深海勘探，电缆铺设，沉船打捞等任务。随着该技术逐渐成熟，其在军事领域的巨大价值得到了各国海军的关注。1957年，美国华盛顿大学应用物理实验室研制出一种用来研究潜艇尾迹和声波扩散的水下运载工具，它被认为是全世界第一台军用UUV。经过60多年的发展，军用UUV的用途已经拓展到了情报监视与侦察、反水雷、有效载荷投送、反潜战、海上搜救、通信中继、军事欺骗干扰等方面，成为了海洋军事领域中的一支不容忽视的力量。
水下非合作高速小目标探测问题，属于水动力学、水声学、信息论和阵列信号处理等交叉学科范畴，集中了“背景噪声非高斯性、声源模型非线性、声源信号非平稳性、有限阵元测量的信息非完备性”这些难题于一身。由于高速UUV辐射噪声源信号具有信噪比低、观测样本少、信号非稳态性强、非合作目标等不利因素，对以UUV为目标对象的水下入侵小目标信号的特征提取、检测识别已成为现实的需求和潜在技术热点。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种浅海非均匀媒质中的无人潜航器定位方法。
本发明的目的可以通过以下技术方案来实现：
一种浅海非均匀媒质中的无人潜航器定位方法，包括以下步骤：
S1、获取所需定位的浅海区域的浅海环境声速的样本；
S2、获取无人潜航器信号的声压；
S3、根据声速的样本构建声速中含有随机变量的非均匀媒质声传播模型；
S4、通过Karhunen-Loève展开简化随机变量从而得到简化的非均匀媒质声传播模型；
S5、通过简化的非均匀媒质声传播模型得到格林函数的数值解；
S6、将格林函数的数值解和无人潜航器信号的声压代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即无人潜航器的估计位置。
进一步地，所述含有随机变量的非均匀媒质声传播模型的表达式为：
其中，rs和r表示位置，v(r,ξr)表示位置r处的声速，ξr表示随机变量，t表示时刻，δ表示狄拉克函数，Ω(t)表示在时域中声源信号函数，表示拉普拉斯算子，y(r,t)表示在时刻t位置r处的声压。
进一步地，所述简化的非均匀媒质声传播模型中随机变量的表达式为：
其中，表示非均匀媒质声场中声速的样本均值，λn和fn(r)分别表示特征值和特征函数，是简化后的声速的随机变量，被认为是高斯随机声场，表示一系列不相关的随机变量，并且是独立的标准高斯随机变量。
进一步地，所述浅海环境声速的样本通过浅海中布置的传感器获取。
一种浅海非均匀媒质中的无人潜航器定位系统，包括处理器和存储器，所述处理器调用所述存储器内的程序执行以下步骤：
S1、获取所需定位的浅海区域的浅海环境声速的样本；
S2、获取无人潜航器信号的声压；
S3、根据声速的样本构建声速中含有随机变量的非均匀媒质声传播模型；
S4、通过Karhunen-Loève展开简化随机变量从而得到简化的非均匀媒质声传播模型；
S5、通过简化的非均匀媒质声传播模型得到格林函数的数值解；
S6、将格林函数的数值解和无人潜航器信号的声压代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即无人潜航器的估计位置。
进一步地，所述含有随机变量的非均匀媒质声传播模型的表达式为：
其中，rs和r表示位置，v(r,ξr)表示位置r处的声速，ξr表示随机变量，t表示时刻，δ表示狄拉克函数，Ω(t)表示在时域中声源信号函数，表示拉普拉斯算子，y(r,t)表示在时刻t位置r处的声压。
进一步地，所述简化的非均匀媒质声传播模型中随机变量的表达式为：
其中，表示非均匀媒质声场中声速的样本均值，λn和fn(r)分别表示特征值和特征函数，是简化后的声速的随机变量，被认为是高斯随机声场，表示一系列不相关的随机变量，并且是独立的标准高斯随机变量。
进一步地，所述浅海环境声速的样本通过浅海中布置的传感器获取。
与现有技术相比，本发明具有以下有益效果：
本发明基于非均匀声传播媒质模型模拟声音传播过程，其非常接近声音传播过程，同时通过Karhunen-Loève展开简化了非均匀传播模型，大大减少了计算复杂度。另外，本发明所使用的迭代贝叶斯聚焦算法在迭代过程中通过孔径函数和先验的联合估计，得到稀疏的声源系数，从而实现浅海随机复杂干扰下无人潜航器的高精度定位。
附图说明
图1为本发明的流程示意图。
图2为迭代贝叶斯聚焦算法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，本实施例提供了一种浅海非均匀媒质中的无人潜航器定位方法，包括以下步骤：
步骤S1、获取所需定位的浅海区域的浅海环境声速的样本；
步骤S2、获取无人潜航器信号的声压；
步骤S3、根据声速的样本构建声速中含有随机变量的非均匀媒质声传播模型；
步骤S4、通过Karhunen-Loève展开简化随机变量从而得到简化的非均匀媒质声传播模型；
步骤S5、通过简化的非均匀媒质声传播模型得到格林函数的数值解。
步骤S6、将格林函数的数值解和无人潜航器信号的声压代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即无人潜航器的估计位置。
以下为对定位方法的具体展开：
步骤S1为浅海区域的浅海环境声速的样本获取。在所需定位的浅海区域布置传感器测量海水声速的样本。
步骤S2为无人潜航器信号声压的获取。在所需定位的浅海区域布置水听器阵列和数据分析中心，水听器阵列上带有传感器可以测得信号的声压，每个阵元将数据传回数据分析中心。水听器阵列采集的信号是时域信号，在定位步骤中需要转换到频域进行计算，选择经典的汉宁窗(Hanning window)函数截断时域信号，再通过快速傅里叶变换将截断的时域信号转换为频域信号，每段都是一个快照。由此可以获得水听器的观测数据p。
步骤S3为根据浅海环境声速的样本构建带有随机变量的非均匀媒质声传播模型。其中包括：
步骤S31、构建非均匀媒质中声压的波动方程：
其中非均匀媒质声场由位于rs处的声源产生，rs是区域Γ中的一个位置，v(r,ξr)表示位置r处的声速，并且是一个带有随机变量ξr的函数。y(r,t)表示在时刻t位置r处的声压。δ表示狄拉克函数，Ω(t)表示在时域中声源信号函数。
步骤S32、对步骤S31中波动方程的两侧应用傅立叶变换，可以得到频域中声场的亥姆霍兹方程：
其中k(r,ξr)是波数，并且有k(r,ξr)＝(2πf)/[v(r,ξr)]，Ω(f)是Ω(t)的傅立叶变换。
步骤S4和步骤S5为通过Karhunen-Loève展开简化随机变量从而简化非均匀媒质声传播模型，并获得格林函数的数值解H。具体为：
首先，非均匀媒质声场的声速可以表示为：
其中表示非均匀媒质声场中声速的样本均值，λn(λ1≥λ2≥...)和fn(r)分别表示协方差函数C(r1,r2)的特征值和特征函数，表示一系列不相关的随机变量，并且是独立的标准高斯随机变量，ξr被认为是高斯随机声场。
然后，使用Karhunen-Loève展开可以得到随机声场的简化形式：
由于非均匀随机声场中的特征值大部分很小，这意味着小特征值在非均匀媒质声场中的影响相对较弱。通过在Karhunen-Loève展开中设置全局均方误差来去除特征值小的项，全局均方误差计算为：
其中σ2(r)表示随机场的局部方差。公式中的项数N可以通过让全局均方误差小于给定的阈值。
最后，将简化后的代回步骤S32中的亥姆霍兹方程，可以得到格林函数的数值解H。
步骤S6为将水听器的观测数据p和格林函数数值解H代入迭代贝叶斯聚焦算法进行计算，得到声源系数c的后验均值，从中可以获得目标信号的估计位置。具体过程如图2所示：
步骤S61、设计一个初始孔径函数其中
声源系数的先验分布可以从获得，其中
步骤S62、设置k＝0。由和贝叶斯框架可以获得α2和后验均值其中β2为噪声方差；
步骤S63、重复步骤S64到S67直到收敛；
步骤S64、Dok＝k+1
步骤S65、估计相对强度为设置其中0＜ε1<<1；
步骤S66、将孔径函数更新为并构造对角矩阵其第j个对角元素为
步骤S67、由更新之后的孔径函数和相对强度得到新的先验分布，从而计算出新的后验均值
步骤S68、收敛准则：当小于给定的阈值ε,0＜ε＜1时停止迭代；
步骤S69、由后验均值作为目标信号位置的估计。
本步骤通过孔径函数和先验的联合估计，在迭代过程中逐渐将声源分布聚焦到感兴趣的区域，促进声源系数的稀疏，最后估计出声源的位置。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种浅海非均匀媒质中的无人潜航器定位方法，其特征在于，包括以下步骤：
S1、获取所需定位的浅海区域的浅海环境声速的样本；
S2、获取无人潜航器信号的声压；
S3、根据声速的样本构建声速中含有随机变量的非均匀媒质声传播模型；
S4、通过Karhunen-Loève展开简化随机变量从而得到简化的非均匀媒质声传播模型；
S5、通过简化的非均匀媒质声传播模型得到格林函数的数值解；
S6、将格林函数的数值解和无人潜航器信号的声压代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即无人潜航器的估计位置；
其中，所述含有随机变量的非均匀媒质声传播模型的表达式为：
其中，rs和r表示位置，v(r,ξr)表示位置r处的声速，ξr表示随机变量，t表示时刻，δ表示狄拉克函数，Ω(t)表示在时域中声源信号函数，表示拉普拉斯算子，y(r,t)表示在时刻t位置r处的声压；
所述简化的非均匀媒质声传播模型中随机变量的表达式为：
其中，表示非均匀媒质声场中声速的样本均值，λn和fn(r)分别表示特征值和特征函数，是简化后声速的随机变量，被认为是高斯随机声场，表示一系列不相关的随机变量，并且是独立的标准高斯随机变量。
2.根据权利要求1所述的一种浅海非均匀媒质中的无人潜航器定位方法，其特征在于，所述浅海环境声速的样本通过浅海中布置的传感器获取。
3.一种浅海非均匀媒质中的无人潜航器定位系统，其特征在于，包括处理器和存储器，所述处理器调用所述存储器内的程序执行以下步骤：
S1、获取所需定位的浅海区域的浅海环境声速的样本；
S2、获取无人潜航器信号的声压；
S3、根据声速的样本构建声速中含有随机变量的非均匀媒质声传播模型；
S4、通过Karhunen-Loève展开简化随机变量从而得到简化的非均匀媒质声传播模型；
S5、通过简化的非均匀媒质声传播模型得到格林函数的数值解；
S6、将格林函数的数值解和无人潜航器信号的声压代入迭代贝叶斯聚焦算法进行计算，得到贝叶斯后验均值，即无人潜航器的估计位置；
所述含有随机变量的非均匀媒质声传播模型的表达式为：
其中，rs和r表示位置，v(r,ξr)表示位置r处的声速，ξr表示随机变量，t表示时刻，δ表示狄拉克函数，Ω(t)表示在时域中声源信号函数，表示拉普拉斯算子，y(r,t)表示在时刻t位置r处的声压；
所述简化的非均匀媒质声传播模型中随机变量的表达式为：
其中，表示非均匀媒质声场中声速的样本均值，λn和fn(r)分别表示特征值和特征函数，是简化后的声速的随机变量，被认为是高斯随机声场，表示一系列不相关的随机变量，并且是独立的标准高斯随机变量。
4.根据权利要求3所述的一种浅海非均匀媒质中的无人潜航器定位系统，其特征在于，所述浅海环境声速的样本通过浅海中布置的传感器获取。
CN202210030943.3A 2022-01-12 2022-01-12 一种浅海非均匀媒质中的无人潜航器定位方法和系统 Active CN114488007B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210030943.3A CN114488007B (zh) 2022-01-12 2022-01-12 一种浅海非均匀媒质中的无人潜航器定位方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210030943.3A CN114488007B (zh) 2022-01-12 2022-01-12 一种浅海非均匀媒质中的无人潜航器定位方法和系统

Publications (2)

Publication Number Publication Date
CN114488007A CN114488007A (zh) 2022-05-13
CN114488007B true CN114488007B (zh) 2025-05-30

Family

ID=81512445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210030943.3A Active CN114488007B (zh) 2022-01-12 2022-01-12 一种浅海非均匀媒质中的无人潜航器定位方法和系统

Country Status (1)

Country Link
CN (1) CN114488007B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115963172B (zh) * 2022-11-29 2025-10-10 海卓科(浙江自贸区)科技有限公司 一种计算海洋运动介质声场的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109835455A (zh) * 2019-01-21 2019-06-04 西安交通大学 一种连杆机构驱动柔性仿尾鳍推进器

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7359803B2 (en) * 2002-01-23 2008-04-15 Cidra Corporation Apparatus and method for measuring parameters of a mixture having solid particles suspended in a fluid flowing in a pipe
AU2012200886A1 (en) * 2006-02-23 2012-03-08 Ocean Server Technology , Inc. System and method for determining the position of an underwater vehicle
CN101645264B (zh) * 2009-07-17 2012-03-14 中国科学院声学研究所 一种基于迭代最小二乘-预滤波的最优主动时反聚焦方法
AR098806A1 (es) * 2013-12-18 2016-06-15 Dupont Nutrition Biosci Aps Compuestos biológicos para plantas
CN111861896A (zh) * 2019-04-30 2020-10-30 陕西师范大学 一种面向uuv的水下图像色彩补偿与恢复方法
CN110231778B (zh) * 2019-05-07 2020-06-16 中国科学院声学研究所 一种通用的uuv水下目标探测仿真方法及系统
CN111427009A (zh) * 2020-04-19 2020-07-17 中国电子科技集团公司电子科学研究院 一种遥控无人潜航器水下定位方法及系统
CN112506180B (zh) * 2020-10-15 2022-11-11 同济大学 一种面向无人系统的数字孪生系统
CN113111598A (zh) * 2021-03-10 2021-07-13 河海大学 强度指标空间变异流态性滑坡的流动过程分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109835455A (zh) * 2019-01-21 2019-06-04 西安交通大学 一种连杆机构驱动柔性仿尾鳍推进器

Also Published As

Publication number Publication date
CN114488007A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
CN108226933B (zh) 一种基于条纹干涉结构的深海宽带目标深度估计方法
CN108802683B (zh) 一种基于稀疏贝叶斯学习的源定位方法
CN111273297A (zh) 一种基于ar波数谱的水平阵动目标深度估计方法
CN106500671B (zh) 一种基于lm算法分解激光雷达波形确定海水深度的方法
CN112114300B (zh) 一种基于图像稀疏表示的水下弱目标检测方法
CN112014791B (zh) 存在阵列误差的阵列pca-bp算法的近场源定位方法
CN109557561B (zh) 基于稳健协方差矩阵的ads-b压制式干扰抑制方法
CN114488007B (zh) 一种浅海非均匀媒质中的无人潜航器定位方法和系统
CN117291110A (zh) 一种基于卷积神经网络的声速剖面估计方法
CN111948607B (zh) 一种深海目标被动定位及粒子滤波跟踪方法
CN116908555A (zh) 一种水下无人运动平台被动电场定位方法及相关装置
CN115712803A (zh) 一种基于单水听器接收信号估计运动声源径向速度与深度的方法
Premus et al. Mode filtering approaches to acoustic source depth discrimination
CN120559585A (zh) 基于阵列信源的定位方法、装置、计算机设备和存储介质
Li et al. Application research on vector coherent frequency‐domain batch adaptive line enhancement in deep water
Nie et al. Multi-ping reverberation suppression combined with spatial continuity of target motion
Abbaspour et al. Location Estimation of Moving Targets by Passive Sonobuoy and Recurrent Deep Neural Network
Li et al. Underwater source localization in the presence of strong interference
Yang et al. Source localization in deep ocean based on complex convolutional neural network
Chen et al. VLF source localization with a freely drifting acoustic sensor array
CN119148061B (zh) 一种基于子空间相交的双海底水平阵联合目标定位方法
CN107957591A (zh) 一种基于正则化的最小二乘偏移优化方法及系统
Niu Direction-of-Arrival Estimation Using Learned Iterative Shrinkage and Thresholding Algorithm
Yang et al. Time-Domain Off-Grid Sparse Bayesian Learning for High-Resolution Time-Delay Estimation
CN119247491B (zh) 一种基于50Hz电网辐射源的水下铁磁性目标探测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant