基于双频识别声呐的水下目标空间位置计算方法与流程

本发明属于水下目标探测领域，尤其涉及一种基于双频识别声呐的水下目标空间位置计算方法。

背景技术：

海洋牧场是一种近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变的现代渔业形式。海洋牧场建设就如同陆地农牧业一样的，不仅可以提高对象生物本身的质量和产量，更能在利用海洋资源的同时保护海洋生态系统，实现资源的可持续利用。而鱼群在海洋牧场中的游泳、摄食、生殖、呼吸等行为以及群落分布情况是海洋牧场建设中的重要研究课题。早期的研究主要是通过对实验室中个体目标进行观测来实现，随着电子、水声等学科领域的技术发展，水下摄像仪、水声鱼探仪等设备被用于渔场中的鱼类观测与资源量的评估。水下摄像仪可以通过视频形式记录下水中鱼体的运动情况，但对于昏暗或浑浊的水下情况显得无能为力，水声鱼探仪通过回波积分法可以实现鱼群资源量的分布统计，但难以实现对个体目标的观测与跟踪，因此双频识别声呐的出现为这类问题的解决提供了方案。

双频识别声呐是一种利用声学透镜发射独立波束的多波束系统，它通过向水下发射高频声波信号、接收并判断回波信号来探测水下目标，其探测的范围是一个具有29°水平开角、14°垂直开角的空间几何体，但接收到的数据只能组成一张二维平面图，即只能显示目标在水平视场中的位置，不能确定目标在双频识别声呐探测范围内的三维坐标，对目标的空间定位无能为力。

技术实现要素：

本发明的目的是针对上述不足，提供一种基于双频识别声呐的水下目标空间位置计算方法。

为了达到上述目的，本发明所采用的技术方案如下：一种基于双频识别声呐的水下目标空间位置计算方法，具体包括如下步骤：

步骤一，利用背景去除手法提取双频识别声呐采集图像中的有效目标，即获取有效目标在声呐水平视场中的位置；

步骤二，利用交互式多模型联合概率数据关联算法对不同帧图像中的有效目标进行关联处理；

步骤三，根据不同帧图像中关联后的有效目标联立方程组，计算有效目标在声呐垂直视场中的位置：

步骤四，根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系，获取有效目标在声呐探测范围内的三维坐标。

进一步地，所述双频识别声呐固定在水下，用于采集运动目标数据。

进一步地，所述步骤一的具体过程如下：

(1.1)建立声呐图像的背景模型：

其中I代表声呐图像中某个位置处对应像素点的强度值，代表该位置处对应像素点在连续若干帧图像中的平均强度值，σ、ζ分别代表I的变化幅度及其噪声等级，k是噪声等级系数，ω、t分别代表变化幅度的角频率和时间；

(1.2)声呐图像的背景确定：

当公式(1)中k取值为1，且强度值I在公式(2)规定的范围内时，该强度值所对应的像素点即为声呐图像的背景；

(1.3)目标提取：

按照公式(2)去除声呐图像背景后，得到声呐图像中的有效目标及其对应的位置N代表有效目标的个数；

(1.4)和σ的更新：

其中σ′分别代表更新后的平均强度值和变化幅度，n是正整数，代表强度值的更新系数。

进一步地，所述步骤二的具体过程如下：

(2.1)模型建立：

假设在第k帧图像中，即k时刻提取出N个有效目标每个有效目标对应一种运动模型j(j＝1,…,n)，一共有n种运动模型，则第r个有效目标的运动方程和量测方程为：

其中x_k、z_k是有效目标r在k时刻的状态向量和观测向量，状态向量为是有效目标的位置量(u_k,v_k)对应的一阶导数即为速度量，观测向量是k-1时刻的状态转移矩阵和输入矩阵，是量测矩阵，和是互不相关的零均值高斯白噪声，对应的协方差为和

(2.2)状态估计：

有效目标r在k时刻的状态估计为则有：

其中为k-1时刻有效目标r的状态量，对应的协方差矩阵

其中是k-1时刻的协方差矩阵，第i个量测对应的残差为：

对应的协方差为：

(2.3)关联概率更新：

当观测量i和有效目标r关联，且目标采用运动模型j时，除有效目标r外剩下的所有目标r_(r_≠r)的运动模型组合为J时的后验概率为：

其中θ是联合事件，为关联矩阵，Y_k是k时刻落入跟踪门内的观测值集合，则利用的加权求和可进一步得到：

其中是关于J的累加和，是k-1时刻目标r_{_}对应模型j时的概率；

(2.4)目标采用不同模型时的状态更新：

计算有效目标r在k时刻的卡尔曼增益

对于采用模型j的有效目标r进行状态更新，得到状态估计量

对应的误差协方差

(2.5)似然函数更新：

其中为k时刻有效目标r采用j模型时的似然函数，N{}代表正态分布；

(2.6)模型概率更新：

其中为k时刻有效目标r采用j模型时的概率，c为归一化常数：

(2.7)目标状态更新：

其中为有效目标r对应的状态量，对应的误差协方差P_k为：

经过步骤(2.2)～(2.7)，目标r在k-1时刻的状态量和k时刻的状态量就得到了有效关联。

进一步地，所述步骤三的具体过程如下：

(3.1)计算有效目标r在三帧连续图像中距离坐标原点的距离d_i：

其中(x_i,y_i)是有效目标r在声呐水平视场中的坐标；

(3.2)联立方程组计算有效目标r在声呐垂直视场中的位置(x,y)：

其中v是目标相对于双频识别声呐的移动速度，Δt是双频识别声呐的数据采样间隔。

进一步地，所述步骤四具体过程如下：

(4.1)计算有效目标r在声呐水平视场中的三角函数：

其中(x_H,y_H)是有效目标r在水平视场中的坐标，是点(x_H,y_H)与坐标原点连线和X轴夹角，

(4.2)计算有效目标r在声呐垂直视场中的三角函数：

其中(x_V,y_V)是有效目标r在水平视场中的坐标，γ是点(x_V,y_V)与坐标原点连线和X轴夹角；

(4.3)计算有效目标r在声呐探测范围内三维坐标(x,y,z)：

其中关于θ的三角函数可以通过计算获得。

本发明的有益效果如下：本发明针对双频识别声呐只能记录探测范围内目标二维位置的特点，结合目标关联算法发明了一种计算探测范围内三维位置的方法。本发明通过对声呐图像进行目标提取获取水平视场中的目标位置，利用交互式多模型联合概率数据关联算法对水平视场中的目标进行关联，然后联立方程组求出目标在声呐垂直视场中的位置，最后根据空间几何关系计算出目标的三维坐标。本发明提供的方法可以为水下目标空间位置获取、三维定位及跟踪等提供技术基础。

附图说明

图1是本发明方法的流程图；

图2是本发明中交互式多模型联合概率数据关联算法流程图；

图3(a)是本发明中一个有效目标在双频识别声呐的垂直视场中的示意图，图3(b)是声呐相对于有效目标运动而建立的坐标系图；

图4是本发明中一个有效目标在声呐探测范围内的位置示意图。

具体实施方式

下面结合具体实施例及附图对本发明做进一步详细说明，但本发明不仅局限于次。

本发明通过目标提取、目标关联、垂直视场中目标位置计算等处理，得到目标在双频识别声呐探测范围内的空间位置，主要流程如图1所示，下面针对每一步展开详细说明。

1、背景去除：利用背景去除手法提取双频识别声呐采集图像中的有效目标，即获取有效目标在声呐水平视场中的位置。

首先建立声呐图像的背景模型：

其中I代表声呐图像中某个位置处对应像素点的强度值，代表该位置处对应像素点在连续若干帧图像中的平均强度值，σ、ζ分别代表I的变化幅度及其噪声等级，k是噪声等级系数，ω、t分别代表变化幅度的角频率和时间；

当公式(1)中k取值为1，且强度值I在公式(2)规定的范围内时，该强度值所对应的像素点即为声呐图像的背景：

按照公式(2)去除声呐图像背景后，得到声呐图像中的有效目标及其对应的位置N代表这帧声呐图像中有效目标的个数；

最后对和σ的更新进行：

其中σ′分别代表更新后的平均强度值和变化幅度，n是正整数，代表强度值的更新系数。

2、目标关联：利用交互式多模型联合概率数据关联算法对不同帧图像中的同一个有效目标进行关联处理，算法流程如图2所示。

2.1、首先建立运动模型：

假设在第k帧图像中，即k时刻提取出N个有效目标每个有效目标对应一种运动模型j(j＝1,…,n)，一共有n种运动模型，则第r个有效目标的运动方程和量测方程为：

其中x_k、z_k是有效目标r在k时刻的状态向量和观测向量，状态向量为是有效目标的位置量(u_k,v_k)对应的一阶导数即为速度量，观测向量是k-1时刻的状态转移矩阵和输入矩阵，是量测矩阵，和是互不相关的零均值高斯白噪声，对应的协方差为和

2.2、状态估计：

其中为有效目标r在k时刻的状态估计量，对应的协方差矩阵为：

其中是k-1时刻的协方差矩阵，第i个量测对应的残差为：

对应的协方差为：

2.3、关联概率更新：

当观测量i和有效目标r关联，且目标采用运动模型j时，除有效目标r外剩下的所有目标r-(r_-≠r)的运动模型组合为J时的后验概率为：

其中θ是联合事件，为关联矩阵，Y_k是k时刻落入跟踪门内的观测值集合，则利用的加权求和可进一步得到：

其中是k-1时刻目标r_-对应模型j时的概率；

2.4、目标采用不同模型时的状态更新：

计算有效目标r在k时刻的卡尔曼增益

对于采用模型j的有效目标r进行状态更新，得到状态估计量

对应的误差协方差

2.5、似然函数更新：

其中N{}代表正态分布，为k时刻有效目标r采用j模型时的似然函数；

2.6、模型概率更新：

其中为有效目标r采用j模型时的概率，c为归一化常数：

2.7、目标状态更新：

目标误差协方差为：

经过步骤2.2～2.7，目标r在k-1时刻的状态量和k时刻的状态量就得到了有效关联。

3、垂直视场中目标位置计算：根据不同帧图像中关联后的有效目标联立方程组，计算有效目标在声呐垂直视场中的位置。

假设经过第一步中目标提取后获得的有效目标r在水平视场中的坐标为P(x,y)，由于双频识别声呐探测范围的垂直视场为14°，P(x,y)可以对应14°范围内任何一点，如图3(a)所示，所以无法判断出目标在波束范围内准确的三维坐标。水下目标是运动的，双频识别声呐是固定的，根据运动的相对性，假设双频识别声呐相对于水下目标的运动速度为v，并建立如图3(b)所示的坐标系。图3(a)和图3(b)中，β为垂直视场角等于14°，点P(x,y)在线段L上的距离为在时刻t₁，点P在L₁上的投影为d₁；在时刻t₂，点P在L₂上的投影为d₂；在时刻t₃，点P在L₃上的投影为d₃；由此可以计算点P(x,y)对应的目标r在三帧连续图像中距离坐标原点的距离：

其中(x_i,y_i)是点P(x,y)在三帧声呐水平视场中的坐标。

联立方程组可以计算有效目标r在声呐垂直视场中的位置(x,y)：

其中Δt是双频识别声呐的数据采样间隔，为已知量。

4、三维坐标计算：根据有效目标在声呐水平视场和垂直视场中位置的空间几何关系，获取有效目标在声呐探测范围内的三维坐标。

首先建立如图4所示的空间坐标系，图中的扇形锥体即为波束探测范围，点P(x,y,z)为有效目标r对应的三维坐标，点P₁、B、A分别为点P在面XOY、面XOZ^-、面Z^-OY的投影点，点B₁、A₁分别为点P₁在X轴、Y轴的投影点，∠POP₁记为γ，∠B₁OP₁记为θ，∠B₁OP记为假设(x_H,y_H)是有效目标r在水平视场中的坐标，(x_V,y_V)是有效目标r在水平视场中的坐标，由此可以计算有效目标r在声呐水平视场和垂直视场中的三角函数：

其中，

最后可以计算出有效目标r在声呐探测范围内三维坐标(x,y,z)：

其中关于θ的三角函数可以通过计算获得。