下载文档原格式
中国港湾建设China Harbour EngineeringUnderwater target positioning technology of side scan sonarbased on ultra short baselineYANG Li-wen 1,JIAO Yong-qiang 2,XU Jian 2（1.No.2Engineering Co.,Ltd.of CCCC Third Harbor Engineering Co.,Ltd.,Shanghai 200122,China;2.Shanghai Dahua Surveying &Mapping Co.,Ltd.,Shanghai 200136,China ）Abstract ：Side scan sonar measuring technique is one of the most effective means to detect and search the underwater target,it is used in many marine engineering and marine security projects.However,due to the characteristics of the towed measurement process,it is not able to accurately measure the underwater target.The actual operation,it is often need to use the multi direction detection and other means to determine the accurate position of the underwater target,reduce the detection efficiency of the underwater target.We proposed the method of combining the side scan sonar with the ultra short baseline,which can effectively improve the accuracy of measurement and positioning of the underwater target,and can greatly improvethe efficiency of side scan operation,reduce the operating cost,and has strong practicability.Key words ：side scan sonar;ultra short baseline;target;location;survey摘要：侧扫声呐测量技术是探测、搜寻水下目标的最有效的手段之一，在许多海洋工程、海事保障项目中都用到侧扫声呐测量技术。
多波束声呐和侧扫声呐数据融合方法研究综述摘要：多波束声纳系统和扫描声纳系统是海底探测的重要工具。
两者都采用声学方法，在工作原理上有异同。
本文的数据处理进行了比较分析，多波束声纳侧重于测量精度的数据处理方法，侧扫声纳主要集中在图像处理，从数据采集到数据融合方法的原理进行了深入分析，发现即使某种处理，收集并不是一个简单的平面形象，所以的数据融合是有一定难度。
关键词：多波束声呐；侧扫声呐；数据融合1引言海洋在地球上占据了71%的区域，其中包含丰富的矿产资源和生物资源，近年来，随着海洋开发活动的需求逐渐增加，电子产品的发展，计算机和其他技术成果，多波束声纳（MBES）和侧扫描声纳（SSS）和其他水下探测技术逐步提高，底部的海洋工程，已广泛应用于矿产资源调查，通过分析表面特征可以研究复杂地质和海洋水下核研究，并通过进一步分析，反射和散射信号可以用于海底沉积物分类、水下栖息地在这项研究中，都是使用声学方法，通过潜艇发射接收声波的测绘，但重点是不同的，在处理方法上存在较大差异。
本文分别对数据处理等进行了梳理，对归纳总结和融合方法进行了分析，从注册的各方面进行分析，以便以后的数据处理和融合方法可供参考。
2数据处理2.1多波束声纳处理传统多波束数据处理包括数据格式转换和阅读声速剖面数据处理、定位、数据处理、数据处理、潮流立场深度数据处理，数据处理，和网格坐标系统转换，等等。
随着现代科学技术的支持，多波束声纳系统在原深度在这个过程中，不仅可以实现速度改正，而且还有效的计算波束脚印和测深数据滤波处理，将覆盖的噪声和虚假信号。
2.2扫描声呐图像处理技术作为潜艇开发的重要基础装备，扫描声纳可以实现水下高分辨率成像，直接影响海底探测的科学性和有效性。
扫描声呐数据处理主要包括降噪和坡度校正两个方面。
距离成像、侧扫描声纳工作当传感器高从海底和系统范围可达1：10的比例，所以目标中的形象有严重的节略，褶皱的面具和顶点位移的几何失真，更基于声线跟踪法用于消除直线距离函数；侧扫声纳系统的回声在一段时间内是水下声波的矢量，它包含了各种噪声，会使声波被误判。
声呐图像水下目标识别综述与展望
黄海宁;李宝奇;刘纪元;刘正君;韦琳哲;赵爽
【期刊名称】《电子与信息学报》
【年(卷),期】2024(46)5
【摘要】随着海洋资源开发和水下作业的增加,声呐图像水下目标识别已成为热门研究领域。
该文全面回顾了该领域的现状和未来趋势。
首先,强调了声呐图像水下目标识别的背景和重要性,指出水下环境复杂和样本稀缺增加了任务难度。
其次,深入探讨了典型的成像声呐技术,包括前视声呐、侧扫声呐、合成孔径声呐、多波束测深仪、干涉合成孔径声呐和前视三维声呐等。
接下来,系统地审视了二维和三维声呐图像水下目标识别方法,比较了不同算法的优劣,还讨论了声呐图像序列的关联识别方法。
最后,总结了当前领域的主要挑战,展望了未来研究方向,旨在促进水下声呐目标识别领域的发展。
【总页数】19页(P1742-1760)
【作者】黄海宁;李宝奇;刘纪元;刘正君;韦琳哲;赵爽
【作者单位】中国科学院声学研究所;中国科学院先进水下信息技术重点实验室;中国科学院大学
【正文语种】中文
【中图分类】TN929.3;TP391
【相关文献】
1.自主式水下机器人控制系统及声呐目标识别
2.基于声呐图像处理的船用水下目标识别技术研究
3.大噪声环境下前视声呐图像目标识别方法研究
4.基于声呐图像的水下目标检测研究综述
5.基于前视声呐图像的AUV目标识别与跟踪
因版权原因，仅展示原文概要，查看原文内容请购买。
主动声呐抗同频干扰技术方法研究主动声呐抗同频干扰技术方法研究随着现代海洋开发利用的不断深入，海洋声环境日益变得复杂多变，声信号的抗干扰技术也成为了海洋采集、探测及监测的一个重要研究方向。
在水下声信号通信、探测和定位中，同频干扰是一个重要的问题，它不仅会影响到信号传输效果，还会影响到信号识别和水下目标的监测。
同频干扰的出现是由于水下有多个声源同时传输信号，导致其频率相同或相近，难以分辨，从而干扰信号的传输和处理。
在天然声和人工声的混合环境中，同频干扰是不可避免的，因此需要寻求有效的技术手段来应对同频干扰问题。
主动声呐技术是一种有效的抗同频干扰技术。
该技术主要是利用旁通干扰信号对目标信号进行预处理来提高信噪比。
主动声呐技术通过巧妙地设计多个发射和接收波束，实现对水下目标信号的重构和抑制。
同时，它可以通过多普勒频率差控制消除“幽灵信号”，进一步增强水下信号的抗干扰性能。
在主动声呐技术中，策略性的波束形成和高灵敏度接收系统是实现抗同频干扰的关键。
当水中存在同频干扰时，波束形成系统可以选择忽略干扰信号，而专注于目标信号，从而实现信道的“自适应”调节。
同时，利用智能算法和信号处理技术对接收系统进行优化，可以提高抗干扰能力，进一步抑制同频干扰信号。
此外，为了进一步提高主动声呐技术的性能，采用多源信号检测与跟踪算法也是一个不错的选择。
通过检测多个具有不同方向的目标信号，可以提高目标信号的可信度和准确性，并排除干扰信号的影响。
综上所述，主动声呐技术已成为水下信号处理中的一种重要手段。
针对同频干扰这一问题，主动声呐技术可以通过波束形成和高灵敏度接收系统来实现自适应信道调节和干扰信号抑制。
此外，采用多源信号检测与跟踪算法还可以提高信号的可信度和准确性。
未来，随着信号处理技术的不断发展和算力的增强，主动声呐技术还将有更广泛的应用前景。
数据分析是现代社会数据化趋势中的重要一环，通过对各种数据进行分析，可以有效地提高企业决策的准确性和效率。
收稿日期：2019-09-04；修回日期：2019-11-12基金项目：国家重点研发计划资助项目（2017YFC1405202）；海洋公益性行业科研专项项目（201605002）作者简介：李庆忠（1963-），男，山东潍坊人，教授，博导，博士，主要研究方向为图像处理与模式识别、机器学习、智能信号处理；王丰凯（1995-），男（通信作者），山东德州人，硕士研究生，主要研究方向为图像处理与模式识别、机器学习（wangfengkai@stu．ouc．edu．cn ）．基于直方图自适应拉伸的水下图像增强算法*李庆忠，王丰凯（中国海洋大学工程学院，山东青岛266100）摘要：水下图像由于光的衰减和散射效应而呈现颜色失真和对比度下降问题，严重影响了水下机器人视觉的观测性能。
为解决此问题，提出了一种水下降质图像自适应增强算法。
首先对图像进行重叠分块处理；然后对每个图像子块利用基于粒子群优化算法（PSO ）自适应地确定其增强后图像的最优均值和标准差参数，并进行相应的直方图拉伸处理；最后采用双线性插值的方法将各个增强后的分块区域拼接成整幅图像。
实验结果表明，该算法不但可以提高水下图像的对比度，去除散射模糊问题；且能较好地克服水下图像的颜色失真问题。
与现有算法相比，该算法较好地保留了原始图像的信息，对图像局部区域的变化具有更好的适应性，且增强后的图像具有良好的视觉质量。
关键词：图像增强；直方图拉伸；离散熵；粒子群优化算法；颜色失真校正0引言光在水下的传播受到散射和衰减吸收两种混合的降解作用。
这些降解作用导致水下可见距离减少以及依赖于波长的颜色失真。
较短波长的颜色光（绿色和蓝色）比衰减迅速的长波长颜色光（红色）能达到更大的深度。
另外，悬浮的有机颗粒、无机物和微生物等都会造成水下成像的散射模糊问题。
因此，水下图像改善技术引起了人们的广泛关注。
其具有广泛的应用范围，在海洋生物学、考古学以及水下机器人导航等领域［13］都具有重要的应用价值。
基于数据融合的侧扫声纳图像预处理
阳凡林;刘经南;赵建虎
【期刊名称】《武汉大学学报：信息科学版》
【年(卷),期】2004(29)5
【摘要】论述了基于数据融合的侧扫声纳图像处理的特殊过程。
根据现代侧扫声纳系统的特点 ,提出了利用声线跟踪法进行斜距改正 ,同时对目标阴影区进行了处理 ;对文献 [1]的灰度不均衡的改正算法进行了改进。
利用小波变换检测出灰度突变区 ,根据剔除突变区后计算的灰度改正系数进行航向上的灰度改正 ,并用模拟数据和实际数据进行了验证 ;鉴于波束展宽效应对远场目标造成的拖尾效应。
【总页数】5页(P402-406)
【关键词】数据融合;侧扫声纳;图像预处理;斜距;灰度;拖尾;海洋测量
【作者】阳凡林;刘经南;赵建虎
【作者单位】山东科技大学地球信息科学与工程学院;武汉大学GPS工程技术研究中心;武汉大学测绘学院
【正文语种】中文
【中图分类】P229
【相关文献】
1.多波束图像与侧扫声纳图像的配准及融合 [J], 欧阳壮志;欧阳明达
2.基于IDL语言实现侧扫声纳图像可视化及预处理 [J], 马文东;熊显名
3.基于SURF算法的多波束和侧扫声纳图像配准与融合 [J], 侯雪;周兴华;唐秋华;
王爱学
4.基于自适应BM3D的侧扫声纳图像散斑降噪 [J], 陈朋;蔡烜伟;赵冬冬;梁荣华;郭新新
5.一种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法 [J], 韩冷;强发军;倪旭;韩文华;刘骁;陈思峰
因版权原因，仅展示原文概要，查看原文内容请购买。
第38卷 第2期2009年4月 船海工程SH IP &OCEA N ENG IN EERI NG V ol.38 N o.2A pr.2009Feature Ex traction of Ship Weld Flaw Image Based on H u p s M oment InvariantGAO Lan,ZHAO Yong -zhu,FAN Sh-i dong,LUO Wen -feng(Schoo l o f Ener gy and Po wer Eng ineer ing,Wuhan U niv ersity of T echnolog y,W uhan 430063,China)Abstract:A metho d o f flaw feature ex tractio n of ship w eld imag e based o n Hu p s mo ment invar iant w as intro duced.Ex periment show ed that H u p s mo ment invar iants picked up sat isfy geomet ric invar iance after zo om,mot ion and eddy o f image,with st rong ant-i no ise perfo rmance.T o the complex ship weld imag e flaw ,mo ment inva riants can sho w the featur e informat ion of image effectively,on a cer tain ext ent,it can be an impor tant g ist o f flaw identificatio n.Key words:moment invariants;featur e extr action;weld imag e;sample bases收稿日期:2008-09-02修回日期:2008-11-17作者简介:高延增(1982-),男,博士生。
研究方向:水下机器人的三维声视觉系统人工智能技术。
E -mail:gao yangzeng @fox DOI:10.3963/j.issn.1671-7953.2009.02.028用于水下机器人的主动侧扫声呐图像预处理技术高延增,叶家玮,陈爱国(华南理工大学土木与交通学院,广州510641)摘 要:分析了侧扫声呐接收机的噪声来源:自噪声和水体噪声,概括了它们影响声呐接收机的辐射路径;求出回波噪声的数字特征,在此基础上给出单扫描角度上声呐图像数据的递归最小二乘滤波算法,可提高水下机器人路径规划算法的实时性。
使用超小型远程操纵机器人(RO V )搭载SeaSpr ite 声呐在船池中实验,对比给出预处理前后的声呐回波数据的还原图像,显示效果明显改善。
关键词:侧扫声呐;噪声模型;递归最小二乘滤波;图像声呐中图分类号:U 666.7 文献标志码:A 文章编号:1671-7953(2009)02-0097-04光学成像系统易受光线、水质混浊度、流水中气泡等因素影响,而声呐设备能克服这些限制,在海底矿物质勘探、目标探测、海洋工程等方面的应用越来越广泛,为水下机器人作业、海洋工程、海洋测绘等提供第一手数据。
在自主水下机器人(AUV )导航的应用中,可将声呐图像中出现的障碍物分成独立的、星群状的和过大的三类,然后利用特征匹配归类声呐图像中的障碍物[1],文献[2]提出一种声呐图像中密集障碍物的避让方法。
但声呐图像存在图像背景复杂、噪声污染严重等缺点,而大多图像处理算法又对图像噪声敏感,所以有必要对声呐图像进行预处理。
声呐图像预处理算法应能够:改善声呐图像显示效果;纠正声呐图像中的波束模式异常;平抑表面反射的影响;自动调节声呐数据获取过程中由软、硬件增益改变引起的像素点亮度变化。
文献[3]介绍了使用扫描声呐进行目标跟踪、识别时的图像预处理方法,其中用到小波技术,文献[4]中还将其与Fourier 变换进行比较,它的作用对象是冰下侧扫声呐图像。
但前面提到的预处理方法都是针对整幅声呐图像的,限制了侧扫声呐图像的处理时间,影响水下机器人的决策速度。
本文将影响声呐接收机的噪声分为自噪声和水体噪声,分析了噪声对声呐接收机的辐射路径,根据瑞利法则给出噪声的条件密度模型;在此基础上对单扫描角度的声呐数据进行递归最小二乘滤波后还原为声呐图像,最后将各扫描角度上的图像镶嵌组成整幅图像,而在镶嵌的同时将单扫描角度图像实时传给水下机器人路径规划的决策模块,保证了路径选择算法的实时性。
97第2期船 海 工 程第38卷1 声呐回波信号噪声分析1.1 声呐信号噪声源分析声呐信号的噪声来源主要有两个部分:自噪声和水体噪声。
自噪声主要为声呐设备自身的电噪声和载体的噪声;水体噪声主要为水域内的航运噪声、环境噪声和生物噪声。
本文使用的声呐设备载体是Video Ray Pr o Ó型ROV,可将噪声影响声呐设备的辐射路径概括为图1[5]。
图1 噪声源对声呐的辐射路径1.2 声呐噪声数学模型假设声呐信号的噪声为加性噪声[6],如式(1):r (k)=X (k )s(k)+n(k),有障碍物信息r (k)=s(k),无障碍物信息(1)式中:s(k))))信号级;n(k))))噪声级。
对于噪声级,K.C.Yao 等人提出声呐信号噪声的高斯模型N (L ,R 2)[7],若N 0为处在阴影区的像素个数,则:L (ML =1N 0E s I S B x S =e 0y s R 2ML =1N 0-1E s I S B x S =e(y s -L (ML )2(2)噪声背景掩蔽时,有:R 2ML =12N 1E s I S B x s =e(y s -min ML )2(3)式中:x s )))采样数据;y s )))采样中的障碍物信息;min ML U L (min -1。
若要突出回波中的点状噪声,可根据瑞利法则R(min ,A 2)将回波的条件密度函数模型定义为:P(y s /x s =e 1)=y s -min A 2exp -(y s -min )2A2(4)由式(1),主动声呐回波数据的协方差:R r (m)=E(r(k-m)r *(k ))=R s (m)+R n (m),m =0,1,2,,(5)R s r (m)=E(s(k -m)r *(k ))=R s (m )+R sn (m),m =0,1,2,,(6)由式(2)、(3)确定的参数可得声呐回波噪声的模型N (L ,R 2),然后和式(4)一起带入式(5)、(6)即可得声呐回波信号协方差。
2 回波数据预处理2.1 声呐数据的最小二乘滤波图2为声呐信号最小二乘滤波框图。
图2中,y (k)作为d(k)的最佳估计:图2 声呐信号最小二乘滤波框图d^(k)=y (k )=X TX =((s(k)+n)#A )TX (7)式中:A )))电机噪声等引起的乘性干扰系数向量。
理想情况是毫无干扰地接收到回波信号,即d(k)=s(k ),有:E (k)=s(k)-X T X(8)所以:E 2(k)=s 2(k)-2s(k)X T X +X T XX T X (9)其均方误差为:E(E 2(k))=E(s 2(k))-2R sX X +X TR XX X(10)式(10)为最小二乘权系数向量X 的二次函数,表示一个中间上凹的曲面,用梯度法可求其最小值得X opt 。
在实时声呐图像处理中不可能知道R sX 、R XX的先验统计知识,W idrow and H o ff LM S 算法可解决这一矛盾,它是一种最优化方法中的最速下降法,其迭代寻优公式为:X (k +1)=X (k)-L (k)¨(E (E 2(k)))(11)98用于水下机器人的主动侧扫声呐图像预处理技术)))高延增,叶家玮,陈爱国式中常直接使用E2(k)作为E(E2(k))的无偏估计,L(k)是收敛因子。
寻优速度由R XX的特征值决定。
2.2递归最小二乘滤波Widrow and H off LMS算法收敛速度慢,不能满足声呐图像处理的实时性要求。
RLS采用递归方法求取滤波器的最佳权系数向量,收敛速度快。
声呐回波数据中的噪声主要为点状噪声。
由式(1)、(2)、(3)、(4)确定的声呐噪声模型,及式(8)的误差函数可定义递归最小二乘权系数向量的代价函数C(X):C(X)=E n k=0K n-k|E(k)|2=E n k=0K n-k E(k)E*(k)(12)式中:K)))递归算法中的遗忘因子,0<K[1。
令:5C(X) 5X n(i)=E nk=0K n-k E(k)5E*(k)5X n=E nk=0K n-k E(k)x(k-i)=0(13)式(13)中,E(k)由式(8)替代,并整理得:E n k=0K n-k X T X x(k-i)=E nk=0K n-k S(k)x(k-i)(14)进一步整理,并由W oodbury矩阵恒等式可得滤波器权系数递推公式(推导过程参考文献[8]):X(k)=X(k-1)+g(k)(x T(k)X(k-1))(15)式中:g(k)=P(k-1)x*(k)(K+x T(k)@P(k-1)x*(k))-1P(k)=K-1P(k-1)-g(k)x T(k)K-1P(k-1)P(0)=D-1I其中:D)))设定的初始值。
3滤波器仿真及应用效果分析使用V ideo Ray ProÓ型ROV搭载Sea-Sprite声呐在船池中进行实验,以其单扫描角度上的声呐回波数据(如图3a))作为滤波器输入。
输入向量的长度N由所设定的扫描距离S、间隔时间T以及水声速度v共同决定,有:图3RLS滤波性能测试图N=2@S@103@103v@T@640(16)在此声呐回波数据的基础上加入由式(4)决定其条件密度函数模型的噪声干扰,如图3b),然后通过文章第3节确定的RLS滤波器,滤波后数据如图3c)。
图3d)、e)、f)分别为Kernel平滑法求得的各自的概率密度,对比图3a)、c)的数据波形及其概率密度看出,滤波器较好地复原了原始声呐回波数据。
图4a)、c)分别为未经滤波处理的单扫描角度和半个圆周上的声呐数据还原图像,图4b)、d)为对应的滤波处理后的声呐数据还原图像。
99第2期船海工程第38卷d)波后的声呐图像图4扫描声呐实验图像图4a)反映单个扫描角度上船池壁,离散点为反射噪声,而在图4b)中得到较好地滤除;图4c)中为ROV悬停时一侧的船池壁,由于船池中水的波动(造波机模拟),图像中表现为孤立的噪声点,而这些在图4d)中都得以滤除。
