针对测深侧扫声呐进行波达方向(Direction of Arrival,DOA)估计时会受到阵元幅度、相位误差及低信噪比影响的问题,提出一种改进的波束域加权子空间拟合算法。首先,采用总体最小二乘-旋转不变子空间算法进行回波方向预估计;其次,将连续...针对测深侧扫声呐进行波达方向(Direction of Arrival,DOA)估计时会受到阵元幅度、相位误差及低信噪比影响的问题,提出一种改进的波束域加权子空间拟合算法。首先,采用总体最小二乘-旋转不变子空间算法进行回波方向预估计;其次,将连续线阵划分为多个子阵,并将各个子阵在预估计方向做加权波束形成;再次,采用加权子空间拟合(Weighted Subspace Fitting,WSF)算法构造代价函数;最后,采用阻尼牛顿法求解得到高精度的DOA估计结果。仿真结果表明,文中所提算法在阵元出现幅度相位误差条件下的角度估计均方误差相对于WSF算法减少了约0.03°。海试数据分析结果表明,文中所提算法的测深点均方误差整体优于WSF算法,其相对测深精度提高了约9.8个百分点。以上分析结果表明,文中所提算法整体优于WSF算法,可以实现在阵元幅度相位误差及低信噪比情况下的高精度DOA估计。展开更多
一般的测深侧扫声纳应用中,单独利用回波数据的幅度信息或相位信息获取侧扫图或测深图以展示海底细节特征。为提取侧扫数据中的微地貌信息,实现更高精度的海底地形探测,提出了两步循环迭代算法:首先利用原始测深侧扫结果数据对散射模型...一般的测深侧扫声纳应用中,单独利用回波数据的幅度信息或相位信息获取侧扫图或测深图以展示海底细节特征。为提取侧扫数据中的微地貌信息,实现更高精度的海底地形探测,提出了两步循环迭代算法:首先利用原始测深侧扫结果数据对散射模型进行最优拟合,其次,引入亮度误差修正因子,改进从明暗恢复形状算法并迭代地形,保证其快速稳定的收敛,最终通过循环迭代获取了海底底质参数和精度更高、与真实地形起伏相关性更强的地形深度值。同时,利用Jackson海底散射模型,模拟测深侧扫声纳信号的发射接收过程,并利用其回波数据,验证本迭代算法的正确性和有效性。结果表明:该方法可以有效地修正地形,且接收信噪比越高,地形修正效果越好;在信噪比为20 d B时,相比于原始测深结果,修正后地形起伏相关系数提升52. 4%,地形误差绝对值降低37%。最后,将该算法应用于测深侧扫声纳数据,通过修正前后地形图的对比分析,验证了本算法的可行性和有效性。展开更多
文摘针对测深侧扫声呐进行波达方向(Direction of Arrival,DOA)估计时会受到阵元幅度、相位误差及低信噪比影响的问题,提出一种改进的波束域加权子空间拟合算法。首先,采用总体最小二乘-旋转不变子空间算法进行回波方向预估计;其次,将连续线阵划分为多个子阵,并将各个子阵在预估计方向做加权波束形成;再次,采用加权子空间拟合(Weighted Subspace Fitting,WSF)算法构造代价函数;最后,采用阻尼牛顿法求解得到高精度的DOA估计结果。仿真结果表明,文中所提算法在阵元出现幅度相位误差条件下的角度估计均方误差相对于WSF算法减少了约0.03°。海试数据分析结果表明,文中所提算法的测深点均方误差整体优于WSF算法,其相对测深精度提高了约9.8个百分点。以上分析结果表明,文中所提算法整体优于WSF算法,可以实现在阵元幅度相位误差及低信噪比情况下的高精度DOA估计。
文摘一般的测深侧扫声纳应用中,单独利用回波数据的幅度信息或相位信息获取侧扫图或测深图以展示海底细节特征。为提取侧扫数据中的微地貌信息,实现更高精度的海底地形探测,提出了两步循环迭代算法:首先利用原始测深侧扫结果数据对散射模型进行最优拟合,其次,引入亮度误差修正因子,改进从明暗恢复形状算法并迭代地形,保证其快速稳定的收敛,最终通过循环迭代获取了海底底质参数和精度更高、与真实地形起伏相关性更强的地形深度值。同时,利用Jackson海底散射模型,模拟测深侧扫声纳信号的发射接收过程,并利用其回波数据,验证本迭代算法的正确性和有效性。结果表明:该方法可以有效地修正地形,且接收信噪比越高,地形修正效果越好;在信噪比为20 d B时,相比于原始测深结果,修正后地形起伏相关系数提升52. 4%,地形误差绝对值降低37%。最后,将该算法应用于测深侧扫声纳数据,通过修正前后地形图的对比分析,验证了本算法的可行性和有效性。
