Analyse des performances de détection de l'algorithme de découverte de la direction de l'histogramme d'hydrophone à vecteur unique

L'algorithme d'histogramme d'unHydrophone à vecteur uniqueA une bonne robustesse et une bonne performance d'estimation de l'azimut. Cet article analyse et résume les performances de détection cible de l'algorithme d'histogramme et propose une détection autonome de cibles sous-marines en fonction de l'estimation de l'azimut cible. Algorithme de suivi, cet algorithme peut atteindre une détection autonome de la présence ou de l'absence de cibles dans l'eau. Les résultats de la simulation et des tests de pool anéchoïque montrent que le rapport signal  bruit requis par l'algorithme d'histogramme pour atteindre le suivi cible autonome doit être supérieur à -7 dB. À l'heure actuelle, l'erreur de recherche de direction est d'environ 8◦ et la largeur du spectre d'azimut −3 dB est d'environ 20◦. L'analyse des données de test marin montre que l'algorithme d'histogramme peut atteindre une détection et un suivi de la cible complète à une distance de 13,8 km pour un récipient de surface avec une vitesse de 8,4 kN, avec une erreur de direction optimale de 5◦ et un −3 dB portant à une distance de 2 km. La largeur spectrale peut atteindre 10◦

Le canal vectoriel ducapteur d'hydrophone vectoriela une directivité dipolaire indépendante de la fréquence et a la capacité de résister à l'interférence du bruit isotrope. Un hydrophone vectoriel peut obtenir une orientation sans espace complète, qui fournit une solution pour la détection cible sur les petites plates-formes sous-marines équipées de capteurs acoustiques sous-marins.

son avantage de l'espace. Ces dernières années, avec l'amélioration continue de la technologie d'hydrophone vectoriel, la technologie de traitement du signal vectoriel est également appliquée puissamment. Par rapport aux hydrophones de pression acoustique conventionnels, les hydrophones vectoriels fournissent des informations de champ sonore plus complètes. Ensuite, le scalaire du champ sonore peut être mesuré, et les caractéristiques vectorielles du champ sonore peuvent également être obtenues, ce qui élargit considérablement l'espace de traitement du signal. Il existe de nombreux algorithmes d'estimation de l'azimut cible basés sur des hydrophones vectoriels uniques, en général, ils peuvent être divisés en deux catégories selon le principe de la recherche de direction: l'une est une estimation de l'azimut basée sur le flux d'énergie sonore; L'autre consiste à considérer chaque canal de l'hydrophone vectoriel. Il s'agit d'un réseau multi-éléments, chaque élément est approximativement à la même position dans l'espace, et la méthode de traitement du signal de tableau existant est appliquée à l'hydrophone vectoriel unique en utilisant les caractéristiques du modèle d'écoulement de réseau de l'hydrophone vectoriel unique lui-même. Divers algorithmes de recherche de direction cible de l'hydrophone vectoriel présentent leurs propres avantages et inconvénients. pour les applications d'ingénierie. Cet article analyse et résume l'algorithme de recherche de direction de l'histogramme basé sur un seul hydrophone vectoriel, et propose un algorithme de détection et de suivi autonome pour les cibles sous-marines en fonction de l'estimation de l'orientation cible, en utilisant la simulation informatique, les données de mesure du pool anéchoïque et les données sur les expériences marines ont analysé l'histogramme et le graphique Performances de détection de la cible de l'algorithme.

1 algorithme théorique

1.1 Algorithme de recherche de direction de l'histogramme

L'algorithme d'histogramme doit d'abord calculer les estimations d'azimut cible à différents points de fréquence, et l'expression de calcul est

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

⟨Ix (i, f)⟩, (1) dans la formule (1), θ (f) représente l'azimut cible calculé à différentes fréquences F, et PW, VXW et VYW représentent la pression saine de l'hydrophone vectoriel dans P et la vibration dans la direction x, respectivement. Le canal de vitesse et le canal de vitesse de vibration Y-Direction collectent les valeurs du spectre de signal, et IX et IY représentent respectivement le flux d'énergie acoustique dans la direction X et la direction Y. On peut voir à partir de l'équation (1) que l'azimut cible calculé par l'équation (1) est lié à la fréquence F, et les estimations d'azimut cibles à différents points de fréquence sont différentes. La méthode d'estimation de l'azimut cible via l'histogramme peut être utilisée pour calculer l'azimut cible dans l'environnement. Interférence à bande étroite et suppression d'interférence du spectre de ligne solide, mais lorsqu'il y a plusieurs cibles dans l'environnement. Lorsque les fréquences de bruit rayonnées se chevauchent, la méthode de l'histogramme ne peut pas obtenir le véritable azimut de chaque cible, seul le flux d'énergie sonore de chaque cible.

L'orientation combinée sera biaisée vers l'orientation cible plus intense. Les statistiques d'azimut d'histogramme consiste à compter l'azimut estimé cible θ (f) dans l'intervalle d'azimut correspondant en fonction du nombre de points de fréquence. Si l'intervalle d'azimut est divisé par 1◦, alors k = [θ (f) × 180 / π], φ (k) = φ (k) + 1, (2) dans la formule (2), [] représente l'arrondi Fonctionnement, k est la valeur obtenue par l'arrondi θ (f), tel que θ (f) 60, alors θ (f) = θ (f) + 360◦, de sorte que l'azimut estimé de la cible tombe sur l'intervalle [0 ◦ 360◦), φ est la fréquence de l'estimation de l'azimut à chaque angle, et la valeur d'angle correspondant à la valeur maximale est l'azimut estimé de la cible.

1.2

Un algorithme pour la détection et le suivi des cibles autonomes

L'algorithme de détection et de suivi autonome pour les cibles sous-marines en fonction de l'estimation de l'orientation cible. L'idée de base est d'effectuer une analyse statistique sur l'orientation cible estimée par l'algorithme d'histogramme, et de comparer les statistiques d'orientation avec des seuils prédéfinis, qui peuvent enfin réaliser la détection autonome des cibles sous-marines et le suivi. L'organigramme de la détection et du suivi des cibles autonomes comprend les cinq étapes suivantes: (1) Tout d'abord, utilisez l'algorithme d'histogramme d'hydrophone à vecteur unique pour scanner la direction spatiale entière pour obtenir l'a-AG estimé AG du signal reçu; (2) Utiliser constant virtuel Le détecteur d'alarme (détecteur CA-CFAR) effectue un traitement de fausse alarme constant sur l'orientation cible obtenue à l'étape (1); (3) Si le détecteur CA-CFAR juge AG comme orientation du signal cible, la valeur AG est attribuée à la matrice AGT [i], sinon, attribuer −1 à la matrice AGT [i] (i = 1, 2, · , N); (4) Si le nombre de valeurs de la matrice AGT = −1 est supérieur à celle (à est le seuil prédéfini, à<n, n est le nombre d'éléments de la matrice AGT), alors effectuez une analyse statistique sur la matrice AGT Sinon, répétez les étapes (1) ∼ (3); (5) Pour la matrice AGT.

Calcul de l'erreur quadratique moyenne de la racine STDAT, si STDAT est inférieur au seuil STDDT, il est jugé qu'il existe une cible, et la position cible est suivie, sinon répéter les étapes (1) ∼ (4). Grâce aux 5 étapes ci-dessus, la détection autonome et le suivi des cibles sous-marines peuvent être atteints. The principle of CA-CFAR processing is that when detecting and tracking a certain azimuth target, due to the non-stationary nature of the marine environment, the false alarm probability is unstable near a certain detection probability, and the real-time tracking of the Le niveau de bruit environnemental définit un seuil variant dans le temps peut atteindre un effet de détection constant avec une probabilité de fausse alarme constante pour la cible azimut. En général, le seuil est fonction de la probabilité de détection et de la probabilité de fausse alarme. La technologie de traitement CA-CFAR est un algorithme de traitement du signal qui fournit le seuil de détection dans le système de détection automatique et minimise l'influence du bruit et de l'interférence sur la probabilité de fausse alarme du système de détection. Dans la technologie de traitement CA-CFAR, lorsqu'une unité spécifique doit être testée, l'unité testée est appelée unité de test (cellule testée, coupe), et l'unité d'échantillon utilisée pour extraire la puissance de bruit autour de l'unité de test est appelée le Unité de référence (référence). cellules, RC). Afin d'empêcher le signal cible de fuir l'unité de référence, ce qui affectera négativement l'estimation de la puissance de bruit, une partie de l'échantillon doit être réservée sous forme de cellule de garde (GC) entre l'unité de référence et l'unité de test. La relation entre l'unité d'essai, l'unité de référence et l'unité de protection est donnée.

2 Analyse des performances de détection cible

Cette section donnera aux résultats de la simulation informatique des performances de détection cible de l'algorithme d'histogramme et utilise les données de test de piscine et de mer anéchoïque pour analyser le

Algorithme Cible Direction de la recherche et des performances de suivi autonome. Par souci de simplicité, cet article analyse uniquement la situation cible unique.

2.1 Analyse de simulation

Les conditions de simulation sont les suivantes: considérant qu'un signal cible à large bande est incident sur un seul hydrophone vectoriel avec un azimut incident de 100◦, et le rapport signal / bruit (rapport signal / bruit (SNR)) dans la même bande de fréquence est réglé sur -20 ∼ 16 dB, avec 2 intervalles de dB, le bruit supplémentaire est un bruit blanc gaussien qui n'est pas lié au signal incident, et la fréquence d'échantillonnage est de 20 kHz. La longueur des données de chaque processus de calcul est de 5 s et 75% des données sont reproduites dans la fenêtre temporelle.

Le débit de pile est subdivisé en 17 éléments de données d'une longueur de 1 s, et une transformée de Fourier rapide de 32768 points (transformée de Fourier rapide) est effectuée sur chaque élément de données. ∼3 kHz, 17 groupes de spectres d'intensité sonore sont calculés et moyennés, puis l'algorithme d'histogramme est utilisé à cet effet.

Orientation standard estimée. La figure 3 montre les résultats d'estimation de l'azimut de l'algorithme d'histogramme en utilisant les conditions de simulation ci-dessus en fonction du rapport signal / bruit (c'est-à-dire que le spectre d'azimut normalisé varie avec le signal. Le rapport de bruit change, et le spectre d'azimut est L'amplitude dans différents azimuts) et 200 expériences indépendantes de simulation de Monte Carlo sont effectuées sous chaque rapport signal / bruit. Afin de décrire quantitativement les performances d'estimation de l'orientation cible de l'algorithme d'histogramme, les figures 4 et la figure 5. La courbe d'erreur de recherche de direction et la largeur du spectre d'azimut −3 dB en fonction du SNR sont respectivement données. On peut voir que lorsque le rapport signal / bruit est de -7 dB, la direction de la direction. L'erreur est d'environ 8◦ et la largeur du spectre d'azimut −3 dB est d'environ 19◦; Lorsque le rapport signal / bruit est supérieur à 0 dB, l'erreur de recherche de direction et la largeur du spectre d'azimut −3 dB sont respectivement inférieures à 3 ° et 7◦

La figure 6 est la courbe du drapeau de suivi autonome cible avec le rapport signal / bruit en fonction de l'algorithme de détection et de suivi autonome cible proposé dans la section 1. L'indicateur de suivi cible 1 représente que l'algorithme atteint le suivi cible, et 0 signifie que Le suivi cible n'est pas atteint. On peut voir sur la figure 6 que lorsque le rapport signal / bruit est supérieur à −7 dB.Le algorithme d'histogramme de temps peut atteindre une cible autonome.

2.2 Analyse des tests de réservoir

Afin de maîtriser les performances de détection cible de l'algorithme d'histogramme d'hydrophone à vecteur unique, un test de vérification des performances de détection de cible d'hydrophone à vecteur unique a été effectué dans un pool anéchoïque. UW350 a été utilisé comme cible de source sonore pendant le test, et la profondeur a été utilisée pendant 3 m sous l'eau. Le signal utilisé dans le test est la largeur de la sortie de la source de signal. Avec un bruit blanc gaussien, la valeur de pic à crête de sortie est définie sur 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V et 10 V respectivement. Le temps de transmission de chaque signal est de 60 s et le niveau de source sonore de la petite émission de signal passe la formule 20 LG (A1 / A2) . À partir du niveau de source sonore d'émission de signal, le rapport signal / bruit de chaque canal de l'hydrophone vectoriel peut être calculé en fonction de la distance entre l'hydrophone vectoriel et la source sonore. Le tableau 1 montre les résultats du rapport signal / bruit moyen haut débit du signal de source sonore reçue par chaque canal de l'hydrophone vectoriel, et donne la valeur moyenne du rapport signal / bruit de chaque canal sous différentes émissions de source sonore intensités. On peut voir que la valeur de crête à crête de la sortie de la source de signal est respectivement à 10 mV, 20 mV, 25 mV, 50 mV, 100 mV, 1 V et 10 V, letransducteur acoustique à large bandeLe rapport signal / bruit moyen du signal de source sonore reçue par l'hydrophone vectoriel est de -13 dB, −7 dB, −5 dB, 1 dB, 7 dB, 27 dB et 47 dB.

Les sept signaux de rapport signal / bruit sont traités séparément en utilisant l'algorithme d'histogramme. Les résultats d'estimation de l'azimut calculés changent avec le temps comme le montre la figure 7. La figure marque également la valeur de pic à crête de la sortie du signal et l'hydrophone vectoriel à chaque période. Rapport signal / bruit du récepteur. On peut voir sur la figure 7 que l'azimut estimé de la cible de la source sonore se stabilise progressivement à mesure que le rapport signal / bruit reçu augmente et coïncide essentiellement avec le véritable azimut. Les figures 8 et 9 montrent respectivement l'erreur d'estimation de l'azimut et la largeur du spectre d'azimut −3 dB des signaux de rapport signal / bruit émis par les sept sources sonores par l'algorithme d'histogramme. Le rapport augmente et diminue progressivement. L'erreur de découverte de direction augmente lorsque la source sonore émet un signal de bruit de pic à crête de 10 V par rapport au pic à crête 1 V. En effet, la source sonore émet un signal de niveau de source sonore élevé.

La piscine a une réduction du bruit incomplète dans la bande basse fréquence et il y a une forte réflexion d'interface; Lorsque le rapport signal / bruit est de -7 dB, l'erreur de recherche de direction est d'environ 8 ° et la largeur du spectre d'azimut −3 dB est d'environ 23 °; Et lorsque le rapport signal / bruit est supérieur à 1 dB, l'erreur de recherche de direction et la largeur du spectre d'azimut −3 dB sont inférieures à 4 ° et 19◦, respectivement. La figure 10 est la courbe de la marque de suivi cible avec l'intensité du signal d'émission de source sonore calculée en fonction de l'algorithme de détection et de suivi autonome cible. On peut voir que lorsque le rapport signal / bruit est de -7 dB, l'algorithme d'histogramme peut atteindre un suivi autonome de la cible de la source sonore.

2.3 Analyse des tests marins

En utilisant les données des données du test de vérification des performances de la cible de bouée acoustique sous-marine effectuée dans les eaux du nord de la mer de Chine méridionale en août 2019, l'algorithme d'histogramme d'hydrophone à vecteur unique a été utilisé pour analyser les performances de détection des cibles maritimes. La profondeur de la zone de la mer d'essai est d'environ 1500 m. Pendant la période d'essai, les conditions météorologiques sont bonnes et le vent.

La vitesse est environ le niveau 2. Les résultats de mesure de l'instrument de profondeur de thermosalt d'abandon d'origine navire montrent que le profil de vitesse du son est une couche uniforme à une profondeur de 40 m, et la couche catastrophique principale de la vitesse du son est à une profondeur de 40 ∼ 200 m, et l'axe du canal sonore est à 1000 m. Près de la profondeur. Pendant la journée d'essai de 12: 33-14: 02, un récipient de surface d'une longueur de 42 m, une largeur de 6 m et une vitesse de 8,4 kN passait près de la bouée acoustique sous-marine à un titre de 301 °. Pendant la période, le navire de surface et l'acoustique sous-marine, la distance de la bouée est d'environ 2 km aux plus courtes et de 13,8 km au moment le plus éloigné. Un tableau de comparaison du résultat d'estimation de l'azimut cible calculé par l'algorithme d'histogramme et l'azimut réel du navire de surface est donné, et on peut voir que l'algorithme d'histogramme est dans toute la fois 12: 33-14: 02.

Les figures 13 et la figure 14 montrent respectivement l'algorithme d'histogramme à l'erreur de recherche de direction de la cible de la cible de la surface et de la courbe de changement de largeur du spectre d'azimut −3 dB avec le temps dans la période de 12: 33-14: 02. On peut voir que l'erreur de recherche de direction est la meilleure qu'elle peut atteindre à moins de 5 °, et la largeur du spectre d'azimut −3 dB peut atteindre environ 10 ° près du point de localisation de fermeture; De plus, en raison de la déviation de la position estimée sous-marine de la bouée acoustique sous-marine, la distance entre le navire de surface et la plate-forme de bouée est plus proche, l'erreur de direction de la direction augmente. La figure 15 est la courbe de la marque de suivi cible dans le temps calculé par l'algorithme de détection et de suivi autonomes cibles. On peut voir que l'algorithme peut atteindre un suivi cible autonome sur toute la gamme pour un récipient de surface avec une vitesse de 8,4 kN à une distance de 13,8 km.

3 Conclusion

Visant les exigences d'application d'ingénierie des hydrophones vectoriels uniques sur des plates-formes sous-pilées sous-marines, cet article propose une détection et un suivi autonomes des cibles sous-marines. Hydrophone vectoriel. Performance de détection standard. Les résultats de la simulation informatique et des données de test de réservoir anéchoïque montrent que l'algorithme d'histogramme atteint le rapport signal / bruit requis pour le suivi autonome. Si elle est supérieure à -7 dB, l'erreur de recherche de direction est d'environ 8 ° et le spectre azimut La largeur de −3 dB est d'environ 20 °. Les données d'essai en mer montrent que la mer profonde est de bonnes conditions hydrologiques, l'algorithme d'histogramme peut atteindre une détection et un suivi de la cible complète pour un récipient de surface avec une vitesse de 8,4 kN à une distance de 13,8 km.L'erreur de recherche de la meilleure direction peut atteindre 5 ◦, et la largeur du spectre d'azimut −3 dB peut atteindre 10◦ près de la position de fermeture.