一种基于多传感器组合的合成孔径声呐运动补偿方法
阅读：1027发布：2020-05-13
专利汇可以提供一种基于多传感器组合的合成孔径声呐运动补偿方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及成像声呐 信号 处理和合成孔径声呐 运动补偿 技术领域，具体涉及一种基于多 传感器 组合的合成孔径声呐运动补偿方法，其包括：基于合成孔径声呐运动测量系统，获得惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度；对二者进行融合，得到声呐运动速度的最优估计值；对所述声呐运动速度的最优估计值进行积分，计算声呐的实际平面航迹和天向航迹；根据声呐的实际平面航迹和天向航迹，拟合最小二乘准则下的理想平面航迹和天向航迹；计算合成孔径声呐实际平面航迹与理想平面航迹之间的横荡误差；计算合成孔径声呐实际天向航迹与理想天向航迹之间的升沉误差；计算实际声程差，再换算成时延对合成孔径声呐采集的回 波数 据补偿。，下面是一种基于多传感器组合的合成孔径声呐运动补偿方法专利的具体信息内容。
1.一种基于多传感器组合的合成孔径声呐运动补偿方法，该方法包括：
基于合成孔径声呐运动测量系统，获得惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度；
对惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度进行融合，得到声呐运动速度的最优估计值；
对所述声呐运动速度的最优估计值进行积分，计算声呐的实际平面航迹和天向航迹；
根据声呐的实际平面航迹和天向航迹，拟合最小二乘准则下的理想平面航迹和天向航迹；
计算合成孔径声呐实际平面航迹与理想平面航迹之间的横荡误差；
计算合成孔径声呐实际天向航迹与理想天向航迹之间的升沉误差；
根据横荡误差和升沉误差，计算实际声程差，再换算成时延对合成孔径声呐采集的回波数据补偿。
2.根据权利要求1所述的方法，其特征在于，所述合成孔径声呐运动测量系统包括：惯导、多普勒计程仪和GPS；合成孔径声呐内设置惯导和多普勒计程仪，所述惯导，用于测量惯导的声呐运动速度和姿态数据；所述多普勒计程仪，用于测量多普勒计程仪的声呐运动速度；合成孔径声呐与GPS通过拖缆连接，用于将纬度数据输入至惯导。
3.根据权利要求1所述的方法，其特征在于，所述对惯导测量的运动速度和多普勒计程仪测量的运动速度进行融合，得到声呐运动速度的最优估计值；具体包括：
根据合成孔径声呐运动测量系统的，采用Sage-Husa滤波，采用完全状态方法，建立惯导和多普勒计程仪的状态方程和量测方程：其中，惯导和多普勒计程仪的状态方程 为：
其中，ξ9×1代表合成孔径声呐运动测量系统噪声；均值为qn；方差为Qn；
Xdvl＝[δVeD δVnD δVuD]T；
其中，Ve,Vn,Vu分别代表惯导测量的声呐在东北天3个方向的声呐运动速度；L代表纬度；R代表地球半径；wie代表地球自转角速度；fe,fn,fu分别代表加速度计在东北天3个方向上的比力向量；δVeI,δVnI,δVuI分别代表惯导在东北天3个方向上的速度误差；
分别代表惯导偏航角、俯仰角和横滚角误差；δVeD,δVnD,δVuD分别代表多普勒计程仪在东北天3个方向上的速度误差；
惯导和多普勒计程仪的量测方程Z为：
其中， 分别代表多普勒计程仪测量的声呐在东北天3个方向的声呐运动
速度；
η3×1为量测噪声；均值为rn；方差为Rn；
根据线性系统理论，将惯导和多普勒计程仪的状态方程和量测方程离散化，再按照Sage-Husa基本方程滤波，进行迭代，得到惯导在东北天3方向的声呐速度误差估计值用该惯导在东北天3方向的声呐速度误差估计值 去校正惯导输出的声呐
运动速度Ve,Vn,Vu；
可得到声呐在东北天3方向运动速度的最优估计值
4.根据权利要求1所述的方法，其特征在于，所述对声呐运动速度的最优估计值进行积分，计算声呐的实际平面航迹和天向航迹；具体包括：
选取某一段时间内合成孔径声呐在东北方向上的速度最优估计值，该段时间包含多个脉冲时间间隔；从该段时间初始时刻开始，将声呐速度最优估计值与声呐脉冲时间间隔相乘，可以得到合成孔径声呐在该脉冲时间间隔内沿该方向的位移，通过不断累加位移得到合成孔径声呐沿该东北方向的总位移，该东北向的总位移为声呐的实际平面航迹；
选取某一段时间内合成孔径声呐在天方向上的速度最优估计值，该段时间包含多个脉冲时间间隔；从该段时间初始时刻开始，将声呐速度最优估计值与声呐脉冲时间间隔相乘，可以得到合成孔径声呐在该脉冲时间间隔内沿该方向的位移，通过不断累加位移得到合成孔径声呐沿该天方向的总位移，该天方向的总位移为声呐的实际天向航迹。
5.根据权利要求1所述的方法，其特征在于，所述根据声呐的实际平面航迹和天向航迹，拟合最小二乘准则下的理想平面航迹和天向航迹；具体包括：
利用最小二乘法对声呐的实际水平面航迹拟合出一条直线，作为声呐在水平面的理想航迹；
利用最小二乘法对声呐的实际天向航迹拟合出一条直线，作为声呐在天向的理想航迹。
6.根据权利要求1所述的方法，其特征在于，所述计算合成孔径声呐实际平面航迹与理想平面航迹之间的横荡误差；具体包括：
则横荡误差Δx为：
其中，A′为xe的一次项系数；yn＝[yn1,yn2,...,ynN]T；
7.根据权利要求6所述的方法，其特征在于，所述计算合成孔径声呐实际天向航迹与理想天向航迹之间的升沉误差；具体包括：
令zu＝[zu1,zu2,...,zuN]，则升沉误差可表示为：
Δh＝zu-hm (12)
其中， zuk为声呐天向位移坐标。
8.根据权利要求7所述的方法，其特征在于，所述根据横荡误差和升沉误差，计算实际声程差，再换算成时延对合成孔径声呐采集的回波数据补偿；具体包括：
实际声程差Δr′：
其中，x为声呐与测绘带中心之间的地距；h为声呐的距底高度；
将实际声程差Δr′乘以2再除以声速得到时延；其中，声速为1500m/s；
对声呐采集的回波数据进行时延校正，则可获得对回波数据的运动补偿。
一种基于多传感器组合的合成孔径声呐运动补偿方法
技术领域
背景技术
[0002] 合成孔径声呐利用小孔径基阵沿方位向(航迹向)的移动合成虚拟大孔径，根据空间位置和相位关系对不同位置处的接收回波进行相干叠加处理，获得高分辨率的图像。合成孔径声呐实现高质量成像的前提条件是声呐沿方位向做匀速直线运动。实际工作时受到水流、风浪等因素的影响，合成孔径声呐会偏离理想的运动状态而产生运动误差，距离向越远的地方，合成孔径长度越长，受误差影响就越大。因此，为了获得高质量的图像，需要对合成孔径声呐进行运动误差估计和补偿。
[0003] 合成孔径声呐运动补偿算法主要分为3类：第一类，基于运动测量系统的运动补偿，利用高精度的传感器测量拖体的姿态、速度等运动参数，对运动误差进行估计并补偿；第二类，基于回波的运动补偿，充分利用多子阵优势，通过前后两帧回波的相关性估计运动误差，适用于运动误差较小、无强点目标的场景；第三类，基于自聚焦的运动补偿，从声呐数据中提取影响图像质量的相位误差并将其消除，多用于消除残差。
[0004] 运动测量系统以其准确性高、鲁棒性好等优点成为运动误差估计的主要依据。合成孔径声呐运动测量系统通常包括多种异类运动传感器，其中，典型的有惯导(inertial navigation system,INS)、多普勒计程仪(doppler velocity log,DVL)、深度计和全球卫星定位系统(global positioning system,GPS)。声呐在水下运动时，惯导和多普勒计程仪往往同时输出速度信息，存在数据冗余。现有的方法中通常采用卡尔曼滤波的方法，获取声呐运动速度的最优估计值。但是，卡尔曼滤波实现最优估计的前提是模型精确和随机干扰信号统计特性已知，这在真实系统中往往很难做到；并且针对卡尔曼滤波，模型差异容易导致估计精度下降和滤波发散的现象，造成不能精确计算声呐运动速度的问题。
发明内容
[0005] 本发明的目的在于，为解决现有的基于运动测量系统的运动补偿方法存在的上述缺陷，本发明提出了一种基于多传感器组合的合成孔径声呐运动补偿方法，采用Sage-Husa滤波方法，通过传感器的量测值实时估计和调整传感器系统噪声和量测噪声的统计特性参量，融合惯导和DVL输出的声呐运动速度数据，实现对声呐运动速度的最优估计，然后计算声呐实际航迹与理想航迹之间的运动误差并对回波进行补偿。
[0006] 为了实现上述目的，本发明提出了一种基于多传感器组合的合成孔径声呐运动补偿方法，该方法考虑了横荡误差和升沉误差对合成孔径声呐成像造成的影响，依靠多传感器组合估计运动误差；该方法具体包括：
[0007] 基于合成孔径声呐运动测量系统，获得惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度；
[0008] 对惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度进行融合，得到声呐运动速度的最优估计值；
[0009] 对所述声呐运动速度的最优估计值进行积分，计算声呐的实际平面航迹和天向航迹；
[0010] 根据声呐的实际平面航迹和天向航迹，拟合最小二乘准则下的理想平面航迹和天向航迹；
[0011] 计算合成孔径声呐实际平面航迹与理想平面航迹之间的横荡误差；
[0012] 计算合成孔径声呐实际天向航迹与理想天向航迹之间的升沉误差；
[0013] 根据横荡误差和升沉误差，计算实际声程差，再换算成时延对合成孔径声呐采集的回波数据补偿。
[0014] 作为上述技术方案的改进之一，所述合成孔径声呐运动测量系统包括：惯导、多普勒计程仪和GPS；合成孔径声呐内设置惯导和多普勒计程仪，所述惯导，用于测量惯导的声呐运动速度和姿态数据；所述多普勒计程仪，用于测量多普勒计程仪的声呐运动速度；合成孔径声呐与GPS通过拖缆连接，用于将纬度数据输入至惯导。所述姿态数据包括惯导的偏航角，俯仰角和横滚角。
[0015] 作为上述技术方案的改进之一，所述对惯导测量的运动速度和多普勒计程仪测量的运动速度进行融合，得到声呐运动速度的最优估计值；具体包括：
[0016] 根据合成孔径声呐运动测量系统的结构，采用Sage-Husa滤波，采用完全状态方法，建立惯导和DVL的状态方程和量测方程：其中，惯导和DVL的状态方程：
[0017]
[0018] 其中，ξ9×1代表合成孔径声呐运动测量系统噪声；均值为qn；方差为Qn；
[0019]
[0020]
[0021] 其中，Ve,Vn,Vu分别代表惯导测量的声呐在东北天3个方向的声呐运动速度；L代表纬度；R代表地球半径；wie代表地球自转角速度；fe,fn,fu分别代表加速度计在东北天3个方向上的比力向量；δVeI,δVnI,δVuI分别代表惯导在东北天3个方向上的速度误差；分别代表惯导偏航角、俯仰角和横滚角误差；δVeD,δVnD,δVuD分别代表DVL在东北天3个方向上的速度误差；
[0022] 惯导和DVL的量测方程：
[0023]
[0024] 其中， 分别代表DVL测量的声呐在东北天3个方向的声呐运动速度；
[0025]
[0026] η3×1为量测噪声；均值为rn；方差为Rn；
[0027] 根据线性系统理论，将惯导和多普勒计程仪的状态方程和量测方程离散化，再按照Sage-Husa基本方程滤波，进行迭代，得到惯导在东北天3方向的声呐速度误差估计值；
[0028] 用该惯导在东北天3方向的声呐速度误差估计值 去校正惯导输出的声呐运动速度Ve,Vn,Vu；
[0029] 可得到声呐在东北天3方向运动速度的最优估计值
[0030]
[0031] 具体地，根据线性系统理论，将惯导和DVL的状态方程和量测方程离散化，得到状态量离散化的结果为Xk，量测量离散化的结果为Zk，系统噪声序列期望阵为qk、系统噪声序列方差阵为Qk，量测噪声序列期望阵为rk，量测噪声序列方差阵为Rk。其中，k代表第k时刻。再按照Sage-Husa基本方程滤波，迭代过程，得到惯导的声呐速度误差估计值，用该惯导的声呐速度误差的估计值去校正惯导输出的声呐运动速度，可得到声呐运动速度的最优估计值。
[0032] Sage-Husa滤波依据最小均方误差准则，利用惯导和DVL对声呐运动速度的量测数据进行递推滤波的同时，通过时变噪声统计估值器，实时估计和修正惯导的系统噪声、DVL的系统噪声、惯导的量测噪声和DVL的量测噪声的统计特性参数，达到降低Sage-Husa滤波误差、抑制滤波发散、提高滤波精度的目的。
[0033] 作为上述技术方案的改进之一，所述对声呐运动速度的最优估计值进行积分，计算声呐的实际平面航迹和天向航迹；具体包括：
[0034] 选取某一段时间内合成孔径声呐在东北方向上的速度最优估计值，该段时间包含多个脉冲时间间隔。从该段时间初始时刻开始，将声呐速度最优估计值与声呐脉冲时间间隔相乘，可以得到合成孔径声呐在该脉冲时间间隔内沿该方向的位移，通过不断累加位移得到合成孔径声呐沿该东北方向的总位移，该东北向的总位移为声呐的实际平面航迹；
[0035] 选取某一段时间内合成孔径声呐在天方向上的速度最优估计值，该段时间包含多个脉冲时间间隔；从该段时间初始时刻开始，将声呐速度最优估计值与声呐脉冲时间间隔相乘，可以得到合成孔径声呐在该脉冲时间间隔内沿该方向的位移，通过不断累加位移得到合成孔径声呐沿该天方向的总位移，该天方向的总位移为声呐的实际天向航迹。
[0036] 作为上述技术方案的改进之一，所述根据声呐的实际平面航迹和天向航迹，拟合最小二乘准则下的理想平面航迹和天向航迹；具体包括：
[0037] 利用最小二乘法对声呐的实际水平面航迹拟合出一条直线，作为声呐在水平面的理想航迹；
[0038] 利用最小二乘法对声呐的实际天向航迹拟合出一条直线，作为声呐在天向的理想航迹。
[0039] 作为上述技术方案的改进之一，所述计算合成孔径声呐实际平面航迹与理想平面航迹之间的横荡误差；具体包括：
[0040] 声呐在东北向水平面的实际平面航迹与声呐在水平面的理想平面航迹之间的运动误差称为横荡误差；
[0041] 则横荡误差Δx为：
[0042]
[0043] 其中，A′为xe的一次项系数；yn＝[yn1,yn2,...,ynN]T；
[0044] 作为上述技术方案的改进之一，所述计算合成孔径声呐实际天向航迹与理想天向航迹之间的升沉误差；具体包括：
[0045] 声呐在天向的实际天向航迹与声呐在天向的理想天向航迹之间的运动误差称为升沉误差；
[0046] 令zu＝[zu1,zu2,...,zuN]，则升沉误差可表示为：
[0047] Δh＝zu-hm (12)
[0048] 其中，其中， zuk为声呐天向位移坐标。
[0049] 作为上述技术方案的改进之一，所述根据横荡误差和升沉误差，计算实际声程差，再换算成时延对合成孔径声呐采集的回波数据补偿；具体包括：
[0050] 运动误差会影响声呐理想航迹与实际航迹之间的实际声程差，实际声程差的2倍除以声速可得到时延。
[0051] 把式(8)与式(12)代入式(13)，则可计算实际声程差Δr′：
[0052]
[0053] 其中，x声呐与测绘带中心之间的地距；h为声呐的距底高度：
[0054] 将实际声程差Δr′乘以2再除以声速得到时延；其中，声速为1500m/s；
[0055] 对声呐采集的回波数据进行时延校正，则可获得对回波数据的运动补偿。
[0056] 本发明相比于现有技术的有益效果在于：
[0057] 在惯导和DVL噪声统计特性未知的情况下，本发明的方法采用Sage-Husa滤波方法，处理惯导和DVL的速度量测值，通过时变噪声统计估值器qk,Qk,rk,Rk，实时估计和修正系统噪声和量测噪声的统计特性参数，降低了Sage-Husa滤波模型误差，提高了声呐速度的估计精度。另外，本发明的方法对运动误差得到准确而有效的估计，提高了运动误差补偿的准确性，显著改善了声呐的成像效果。附图说明
[0058] 图1是本发明的合成孔径声呐系统的结构示意图；
[0059] 图2是本发明的合成孔径声呐成像几何模型示意图；
[0060] 图3是本发明的合成孔径声呐运动测量系统结构示意图；
[0061] 图4是本发明的一种基于多传感器组合的合成孔径声呐运动补偿方法中的步骤1)的采用Sage-Husa基本方程滤波，其具体的迭代过程示意图；
[0062] 图5(a)是本发明的方法的Sage-Husa滤波、现有的常规卡尔曼滤波、现有的H∞滤波的北向速度误差与时间关系的示意图；
[0063] 图5(b)是本发明的方法的Sage-Husa滤波、现有的常规卡尔曼滤波、现有的H∞滤波的东向速度误差与时间关系的示意图；
[0064] 图5(c)是本发明的方法的Sage-Husa滤波、现有的常规卡尔曼滤波、现有的H∞滤波的天向速度误差与时间关系的示意图；
[0065] 图6(a)是现有的常规卡尔曼滤波点目标成像结果；
[0066] 图6(b)是现有的H∞滤波点目标成像结果；
[0067] 图6(c)是本发明的方法的Sage-Husa滤波点目标成像结果；
[0068] 图7(a)是现有的常规卡尔曼滤波点目标方位向剖面图；
[0069] 图7(b)是现有的H∞滤波点目标方位向剖面图；
[0070] 图7(c)是本发明的方法的Sage-Husa滤波点目标方位向剖面图。
具体实施方式
[0071] 现结合附图对本发明作进一步的描述。
[0072] 本发明的创新之处在于对惯导和DVL测量的声呐运动速度采用Sage-Husa滤波方法进行声呐运动速度融合，获得声呐速度的最优估计值。然后对该声呐运动速度的最优估计值进行积分，计算声呐运动的实际航迹；在最小二乘准则下，将声呐的实际航迹拟合成声呐的理想航迹，由此计算出横荡误差和升沉误差。最后将运动误差换算成时延对声呐采集的回波数据补偿。以下为本发明的方法对其进行详细的阐述：
[0073] 如图1所示，本发明提出了一种基于多传感器组合的合成孔径声呐运动补偿方法，该方法考虑了横荡误差和升沉误差对合成孔径声呐成像造成的影响，依靠多传感器组合估计运动误差；该方法具体包括：
[0074] 步骤1)基于合成孔径声呐运动测量系统，获得惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度；
[0075] 具体地，所述合成孔径声呐运动测量系统包括：惯导、多普勒计程仪和GPS；合成孔径声呐内设置惯导和多普勒计程仪，所述惯导，用于测量惯导的声呐运动速度和姿态数据；所述多普勒计程仪，用于测量多普勒计程仪的声呐运动速度；合成孔径声呐与GPS通过拖缆连接，用于将纬度数据输入至惯导。所述姿态数据包括惯导的偏航角，俯仰角和横滚角；
[0076] 步骤2)采用Sage-Husa滤波，对惯导测量的声呐运动速度和多普勒计程仪测量的声呐运动速度进行融合，得到声呐运动速度的最优估计值；
[0077] 具体包括：
[0078] 根据合成孔径声呐运动测量系统的结构，利用Sage-Husa滤波，采用完全状态方法，建立惯导和DVL的状态方程和量测方程：其中，
[0079] 合成孔径声呐运动测量系统的结构如图3所示，其包括：惯导、DVL和GPS；合成孔径声呐内设置惯导和DVL，惯导输出声呐运动速度和姿态数据，DVL输出声呐运动速度；合成孔径声呐与GPS通过拖缆连接，用于将纬度数据输入至惯导。由于惯导正常工作需要纬度数据辅助，因此GPS作为外部设备通过拖缆将纬度数据输入给惯导，以使惯导输出姿态数据。所述姿态数据包括惯导的偏航角，俯仰角和横滚角：
[0080] 惯导和DVL的状态方程
[0081]
[0082] 其中，ξ9×1代表合成孔径声呐运动测量系统噪声，即惯导和DVL的系统噪声，为白噪声；均值为qn；方差为Qn；
[0083]
[0084]
[0085] 其中，Ve,Vn,Vu分别代表惯导测量的声呐在东北天3个方向的声呐运动速度；L代表纬度；R代表地球半径；wie代表地球自转角速度；fe,fn,fu分别代表加速度计在东北天3个方向上的比力向量；δVeI,δVnI,δVuI分别代表惯导在东北天3个方向上的速度误差；分别代表惯导偏航角、俯仰角和横滚角误差；δVeD,δVnD,δVuD分别代表DVL在东北天3个方向上的速度误差；
[0086] 惯导和DVL的量测方程Z：
[0087]
[0088] 其中， 分别代表DVL测量的声呐在东北天3个方向的声呐运动速度；
[0089]
[0090] η3×1为量测噪声，为白噪声；均值为rn；方差为Rn；
[0091] 根据线性系统理论，将惯导和多普勒计程仪的状态方程和量测方程离散化，再按照Sage-Husa基本方程滤波，进行迭代，得到惯导在东北天3方向的声呐速度误差估计值[0092] 用该惯导在东北天3方向的声呐速度误差估计值 去校正惯导输出的声呐运动速度Ve,Vn,Vu；
[0093] 可得到声呐在东北天3方向运动速度的最优估计值
[0094]
[0095] 具体地，根据线性系统理论，将惯导和DVL的状态方程和量测方程离散化，得到状态量X离散化的结果为离散量Xk，量测量Z离散化的结果为离散量Zk，系统噪声序列期望阵为qk、系统噪声序列方差阵为Qk，量测噪声序列期望阵为rk，量测噪声序列方差阵为Rk。其中，状态方程和量测方程中状态量X和量测量Z都是连续量；k代表第k时刻。再按照Sage-Husa基本方程滤波，迭代过程，得到惯导的声呐速度误差估计值，用该惯导的声呐速度误差的估计值去校正惯导输出的声呐运动速度，可得到声呐运动速度的最优估计值。
[0096] Sage-Husa滤波依据最小均方误差准则，利用惯导和DVL对声呐运动速度的量测数据进行递推滤波的同时，通过时变噪声统计估值器，实时估计和修正惯导的系统噪声、DVL的系统噪声、惯导的量测噪声和DVL的量测噪声的统计特性参数，达到降低Sage-Husa滤波模型误差、抑制滤波发散、提高滤波精度的目的。
[0097] 其中，具体的迭代过程如图4所示，
[0098] 其中，b∈(0,1)，为遗忘因子，dk为加权因子，Φk,k-1为k-1时刻至k时刻的一步转移矩阵，即F9×9离散化的结果， 为状态一步预测值，vk为新息，Kk为滤波增益，Pk为估计均方误差，Pk/k-1为k-1时刻至k时刻一步预测均方误差， 为离散量Xk的状态估计值， 为系统噪声序列期望阵qk的估计值， 为系统噪声序列方差阵Qk的估计值，为量测噪声序列期望阵 的估计值， 为量测噪声序列方差阵Rk的估计值。
[0099] 具体地，在本实施例中，针对东北天3方向，获得声呐运动速度的最优估计值，具体如下：
[0100] 根据运动测量系统的结构，建立东北天3向的惯导和DVL的状态方程和量测方程。根据线性系统理论，将东北天3向的惯导和DVL的状态方程和量测方程离散化，再按照Sage-Husa基本方程滤波，迭代过程如图4所示。
[0101] 经过Sage-Husa滤波，得到惯导在东北天3方向的声呐速度误差估计值，用该惯导的声呐速度误差的估计值去校正惯导输出的东北天3方向声呐运动速度，可得到东北天3方向声呐运动速度的最优估计值。
[0102] 步骤3)对所述声呐运动速度的最优估计值进行积分，计算声呐的实际平面航迹和天向航迹；具体地，
[0103] 选取某一段时间内合成孔径声呐在东北方向上的速度最优估计值，该段时间包含多个脉冲时间间隔。从该段时间初始时刻开始，将声呐速度最优估计值与声呐脉冲时间间隔相乘，可以得到合成孔径声呐在该脉冲时间间隔内沿该方向的位移，通过不断累加位移得到合成孔径声呐沿该东北方向的总位移，该东北向的总位移为声呐的实际平面航迹；
[0104] 选取某一段时间内合成孔径声呐在天方向上的速度最优估计值，该段时间包含多个脉冲时间间隔；从该段时间初始时刻开始，将声呐速度最优估计值与声呐脉冲时间间隔相乘，可以得到合成孔径声呐在该脉冲时间间隔内沿该方向的位移，通过不断累加位移得到合成孔径声呐沿该天方向的总位移，该天方向的总位移为声呐的实际天向航迹。
[0105] 在本实施例中，如图2所示，以初始时刻位置为原点，对声呐的东、北向声呐运动速度的最优估计值进行积分得到声呐的实际平面航迹；对声呐的天向声呐运动速度的最优估计值进行积分得到声呐的实际天向航迹；
[0106] 将积分后获得的声呐的实际平面航迹表示为{(xe1,yn1),(xe2,yn2),...,(xeN,ynN)}，将积分后获得的声呐天向实际航迹表示为{zu1,zu2,...,zuN)}，其中，N为采样点个数。
[0107] 步骤4)根据声呐的实际平面航迹和天向航迹，拟合最小二乘准则下的理想平面航迹和天向航迹；
[0108] 具体包括：
[0109] 利用最小二乘法对声呐的实际水平面航迹拟合出一条直线，作为声呐在水平面的理想航迹；
[0110] 利用最小二乘法对声呐的实际天向航迹拟合出一条直线，作为声呐在天向的理想航迹。
[0111] 在本实施例中，为了得到东北向理想平面直线航迹，即yn＝xeA′+B′，利用最小二乘法对声呐的实际水平面航迹进行估计，并拟合出一条直线航迹，作为东北向理想平面航迹；利用最小二乘法对声呐的实际天向航迹拟合出一条直线，作为声呐在天向的理想航迹。
[0112] 步骤5)计算合成孔径声呐实际平面航迹与理想平面航迹之间的横荡误差；具体地，
[0113] 声呐在东北向水平面的实际平面航迹与声呐在水平面的理想平面航迹之间的运动误差称为横荡误差；具体地，
[0114] 构造线性观测方程为：
[0115] ynk＝xekA′+B′+εk,k＝1,2,...,N (4)
[0116] 其中，ynk为声呐北向位移坐标；xek为声呐东向位移坐标；εk是ynk与xek线性组合的观测噪声。
[0117] 令yn＝[yn1,yn2,...,ynN]T,xe＝[xe1,xe2,...,xeN]T,ε＝[ε1,ε2,...,εN]，将式(3)写成矩阵形式为：
[0118] yn＝wK+ε (5)
[0119] 其中， A′为x的一次项系数；B′为常数项。
[0120] 根据最小二乘法构造规则，使误差平方和最小，即
[0121]
[0122] J1达到最小，则得到K的最小二乘估计
[0123]
[0124] 因此，可以得到横荡误差Δx为：
[0125]
[0126] 所述计算合成孔径声呐实际天向航迹与理想天向航迹之间的升沉误差；具体包括：
[0127] 声呐在天向的实际天向航迹与声呐在天向的理想天向航迹之间的运动误差称为升沉误差；
[0128] 构造线性观测方程为：
[0129] zuk＝hm+σk,k＝1,2,...,N (9)
[0130] 其中，zuk为声呐天向位移坐标；hm为天向的理想航迹，为常数；σk是zuk的观测噪声。
[0131] 根据最小二乘法构造规则，使误差平方和最小，即
[0132]
[0133] J2达到最小，则得到
[0134]
[0135] 其中，zuk为声呐天向位移坐标；
[0136] 令zu＝[zu1,zu2,...,zuN]，则升沉误差可表示为：
[0137] Δh＝zu-hm (12)
[0138] 其中，横荡误差和升沉误差为运动误差；为了得到实际航迹与理想航迹之间的运动误差，首先需要获取声呐运动速度，然后对该声呐运动速度积分得到实际平面航迹和天向航迹。拖曳式声呐工作时，拖船通过拖缆连接着拖体在水中航行，由于水声环境复杂多变，传感器噪声统计特性参量很难准确描述，因此，选择建立Sage-Husa滤波模型，通过传感器的量测值估计噪声统计特性参量，融合惯导和DVL测量的声呐运动速度数据，实现对声呐运动速度的最优估计值。
[0139] 步骤6)根据横荡误差和升沉误差，计算实际声程差，再换算成时延对合成孔径声呐采集的回波数据补偿；具体包括：
[0140] 由于运动误差会影响声呐理想航迹与实际航迹之间的实际声程差，因此，实际声程差的2倍除以声速可得到时延。其中，实际声程差Δr′是指声呐实际航迹相比于理想航迹的差。具体地，
[0141] 把式(8)与式(12)代入式(13)，则可计算实际声程差Δr′：
[0142]
[0143] 其中，x为声呐与测绘带中心之间的地距；h为声呐的距底高度：
[0144] 将实际声程差Δr′乘以2再除以声速得到时延；其中，声速为1500m/s；
[0145] 对声呐采集的回波数据进行时延校正，则可获得对回波数据的运动补偿。
[0146] 其中，实际声程差Δr′的具体推导过程如下：
[0147] 建立合成孔径声呐成像几何模型，声呐成像是根据实际航迹的声程，如图2所示，合成孔径声呐沿与Y轴平行的方向运动，与XOY平面的垂直距离为h。假设某一时刻，合成孔径声呐运动到点A，坐标值为(0,0,h)，在合成孔径声呐照射的波束范围内存在一个点目标P，坐标值为(x,y,0)，则合成孔径声呐与目标P之间的理论声程AP表示为r′：
[0148]
[0149] 假设X轴方向上的横荡误差为Δx；Z轴方向上的升沉误差为Δh，合成孔径声呐实际位置处于点B(-Δx,0,h+Δh)，则声呐与目标P之间的实际声程BP表示为r′:
[0150]
[0151] 则理论声程差表示为Δr：
[0152]
[0153] 假设声呐方位向波束足够窄，则可以认为相同距离门不同方位处的目标具有相同的声程差，通过一些近似，则实际声程差Δr′
[0154]
[0155] 在本实施例中，本发明采用的参数如下表1所示：
[0156]
[0157] 引入常规卡尔曼滤波和H∞滤波，作为和Sage-Husa滤波的对照试验，东北天3方向的速度估计误差曲线如图5(a)、图5(b)和图5(c)所示，东北天3方向的速度估计性能指标如下表2所示：
[0158]
[0159] 通过图5(a)、图5(b)和图5(c)可以看出，Sage-Husa算法通过自适应估计传感器噪声统计特性不断进行递推滤波，将速度误差控制在较小的范围，滤波效果最好。表2统计结果清晰反映出Sage-Husa算法在滤波效果上的优越性，并且表现得十分稳健。根据均方根误差结果可得，Sage-Husa方法至少可以将精度提高37％。
[0160] 选择点目标成像结果来检验滤波的准确性和有效性。将滤波得到的东北天3方向速度进行积分得到实际航迹，计算运动误差并对原始回波补偿，成像结果如图6(a)、图(b)和图(c)所示。图6中3种滤波方法得到得到点目标距离向脉压结果基本相同，方位向脉压结果则存在较大的差异。给出点目标方位向剖面图进行对比，如图7(a)、图7(b)和图7(c)所示。使用常规卡尔曼滤波和H∞滤波补偿后的点目标在方位向上存在较多幅值较大的旁瓣，说明点目标在方位向上能量并不集中，散焦严重。Sage-Husa自适应滤波能够更准确地估计运动状态，抑制了旁瓣峰值，增加了主瓣能量，使目标聚焦效果更好。表3是点目标方位向辐射性能指标，如下表所示：
[0161]
[0162] Sage-Husa方法的峰值旁瓣比和积分旁瓣比均小于其他两种方法，峰值旁瓣比接近理想值，由此可以判定，Sage-Husa滤波对运动状态估计更准确，补偿后的图像质量更高。
[0163] 本发明提出了一种基于多传感器组合的合成孔径声呐运动补偿方法，该方法为在传感器噪声统计特性不确定的情况下，基于Sage-Husa滤波的多传感器组合的合成孔径声呐运动补偿方法；该方法使用Sage-Husa滤波算法融合多种异类运动传感器的数据，自适应估计声呐速度的最优值，从而计算横荡误差和升沉误差，最后通过时延补偿声呐采集的回波数据。其中，所述多种异类运动传感器数据包括：惯导的姿态和速度数据，DVL的速度数据，以及GPS的纬度数据。该方法具有较强的适应性，能够通过时变噪声统计估值器，实时估计和修正系统噪声和量测噪声的统计特性参数，达到降低模型误差、抑制滤波发散的目的；减小了运动误差对成像造成的影响，运动补偿效果显著，适用于运动传感器系统噪声协方差阵和量测噪声协方差阵均不确定的运动测量系统。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于更新的运动矢量的运动预测 | 2020-05-11 | 875 |
| 一种基于多传感器组合的合成孔径声呐运动补偿方法 | 2020-05-13 | 1027 |
| 基于时域分析深度网络的工人作业姿势分类方法 | 2020-05-14 | 579 |
| 基于距离像复包络相位匹配处理的空间进动目标成像方法 | 2020-05-13 | 28 |
| 图像信号处理器偏置补偿噪声降低系统和方法 | 2020-05-14 | 134 |
| 运动图像编码装置及其方法、运动图像解码装置及其方法 | 2020-05-13 | 711 |
| 一种机动目标ISAR成像方法 | 2020-05-15 | 548 |
| BIO中的时间梯度计算的改善 | 2020-05-08 | 107 |
| 使用更新的运动信息的限制 | 2020-05-08 | 264 |
| 视频解码方法和设备以及视频编码方法和设备 | 2020-05-12 | 882 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈