專利名稱：基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種水聲探測(cè)方法，具體涉及一種基于壓縮感知的多UUV協(xié)同探測(cè)水下目標(biāo)的方法。
背景技術(shù)：
無(wú)人水下航行器(UUV，Unmanned Underwater Vehicle)是未來(lái)海洋開(kāi)發(fā)應(yīng)用不可缺少的工具，具有廣闊的發(fā)展前景。由于單UUV所攜帶的聲吶的探測(cè)角度和范圍是有限的， 因此可由多臺(tái)UUV組成協(xié)同探測(cè)系統(tǒng)，擴(kuò)展感知范圍，提高探測(cè)效率。多UUV協(xié)同探測(cè)系統(tǒng)中，每臺(tái)UUV上配備一個(gè)小型的相控陣聲吶。傳統(tǒng)的聲吶探測(cè)方式為數(shù)字波束形成方法，采集并重構(gòu)一幅圖像非常耗時(shí)。雖然可通過(guò)減少掃查線數(shù)的方式縮短成像時(shí)間，但這又會(huì)降低圖像的橫向分辨率。此外，在主動(dòng)探測(cè)時(shí)，為防止交叉干擾，多個(gè)UUV節(jié)點(diǎn)對(duì)目標(biāo)的探測(cè)必須分時(shí)進(jìn)行，這不僅增加了探測(cè)時(shí)間，而且使運(yùn)動(dòng)目標(biāo)在各UUV節(jié)點(diǎn)獲取的圖像有相位差，給數(shù)據(jù)融合帶來(lái)困難。因此，必須探索新的分布式目標(biāo)探測(cè)方式，使多個(gè)UUV能同時(shí)探測(cè)，并且縮短單個(gè)UUV節(jié)點(diǎn)獲取目標(biāo)圖像的時(shí)間。近年來(lái)出現(xiàn)一種新的信息獲取理論，稱為壓縮感知(Compressive Sensing, CS) 0 其核心思想是，如果信號(hào)本身或在某變換域是稀疏的，那么可以用低于Nyquist的采樣率對(duì)此信號(hào)進(jìn)行采樣并且精確重構(gòu)。聲吶目標(biāo)圖像的稀疏性，使得CS理論可以用于聲吶目標(biāo)的探測(cè)問(wèn)題。設(shè)離散信號(hào)xP Rn在變換基Ψ下是稀疏的，通過(guò)選擇與Ψ不相容的觀測(cè)矩陣V P Rman(MtmN),建立測(cè)量_y(§vx，可以實(shí)現(xiàn)對(duì)X的壓縮采樣。利用測(cè)量值y重構(gòu)χ的問(wèn)題歸結(jié)為一個(gè)ItT范數(shù)最小的優(yōu)化問(wèn)題，但由于其不可解性，因此出現(xiàn)很多次優(yōu)算法。這些方法雖然比較有效，但是從理論上提出的，沒(méi)有考慮實(shí)際應(yīng)用中的抗噪性問(wèn)題。綜上，在將CS理論用于聲吶的目標(biāo)探測(cè)時(shí)，設(shè)計(jì)合適的探測(cè)矩陣V和快速、準(zhǔn)確的分布式重構(gòu)算法是利用CS理論的兩個(gè)關(guān)鍵問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠提高水下目標(biāo)探測(cè)的快速性和準(zhǔn)確性的基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法。本發(fā)明的目的是這樣實(shí)現(xiàn)的步驟一，基于壓縮感知的空間壓縮采樣將多UUV其中的一個(gè)作為主UUV，而其他UUV作為從UUV ；對(duì)所有UUV的聲吶陣列的各陣元采用二進(jìn)制偽隨機(jī)編碼，這些編碼向量構(gòu)成探測(cè)矩陣V ；編碼由偽隨機(jī)碼發(fā)生器產(chǎn)生，而隨機(jī)碼發(fā)生器由移位寄存器實(shí)現(xiàn)；寄存器保持與系統(tǒng)時(shí)間的同步，其數(shù)字單元在每個(gè)時(shí)鐘周期內(nèi)進(jìn)行模2和計(jì)算，逐個(gè)比特生成偽隨機(jī)碼；數(shù)據(jù)的收發(fā)方式為聲吶陣列的每個(gè)陣元同時(shí)收發(fā)數(shù)據(jù)，若聲吶陣列的陣元數(shù)為Μ，則一次收發(fā)過(guò)程實(shí)現(xiàn)對(duì)一個(gè)二維扇形區(qū)域的M次探測(cè)，其中，陣元數(shù)為探測(cè)矩陣V的行數(shù)；步驟二，基于聯(lián)合最優(yōu)估計(jì)的分布式圖像重構(gòu)
每個(gè)從UUV對(duì)應(yīng)一個(gè)子估計(jì)器，主UUV對(duì)應(yīng)主估計(jì)器；主估計(jì)器以及每個(gè)子估計(jì)器同時(shí)單獨(dú)運(yùn)行，對(duì)聲吶接收信號(hào)進(jìn)行最優(yōu)估計(jì)運(yùn)算，獲得各自的探測(cè)數(shù)據(jù)，之后在主估計(jì)器中進(jìn)行融合處理，實(shí)現(xiàn)聲吶圖像重構(gòu)；其中，壓縮感知信號(hào)重構(gòu)約束條件，結(jié)合最小方差準(zhǔn)則，以虛擬探測(cè)的形式嵌入狀態(tài)估計(jì)問(wèn)題中，對(duì)經(jīng)過(guò)最優(yōu)估計(jì)的狀態(tài)進(jìn)行校正；虛擬探測(cè)校正過(guò)程，以迭代的方式實(shí)現(xiàn)。以上兩個(gè)步驟不是孤立的，在步驟一中探測(cè)到的數(shù)據(jù)在步驟二中用于探測(cè)更新。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)1)探測(cè)模式。與傳統(tǒng)的延遲-累加模式相比，一次收發(fā)過(guò)程即可實(shí)現(xiàn)對(duì)一個(gè)二維扇形區(qū)域的多次探測(cè)，大大減少相控陣聲吶獲取一幅圖像的時(shí)間，并可實(shí)現(xiàn)多UUV節(jié)點(diǎn)對(duì)同一目標(biāo)的同時(shí)探測(cè)。2)圖像重構(gòu)方法。將多UUV協(xié)同探測(cè)的分布式圖像重構(gòu)問(wèn)題轉(zhuǎn)化為信號(hào)的聯(lián)合最優(yōu)估計(jì)問(wèn)題，并將壓縮感知的重構(gòu)約束條件以虛擬探測(cè)的方式內(nèi)嵌到狀態(tài)估計(jì)問(wèn)題中。算法結(jié)構(gòu)簡(jiǎn)單，適合分布式處理和實(shí)時(shí)處理。


圖1為基于壓縮感知的多UUV協(xié)同探測(cè)方法的工作原理框圖。圖2為聲吶探測(cè)成像示意圖。
具體實(shí)施例方式以下結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式
和過(guò)程作進(jìn)一步的說(shuō)明。多UUV協(xié)同探測(cè)過(guò)程分為空間壓縮采樣和圖像重構(gòu)兩部分，如圖1所示。這兩個(gè)部分不是孤立的，在執(zhí)行的過(guò)程中，圖像重構(gòu)部分利用了空間壓縮采樣部分的探測(cè)數(shù)據(jù)進(jìn)行狀態(tài)更新。兩部分的具體執(zhí)行步驟如下1.空間壓縮采樣對(duì)所有UUV聲吶陣列的各陣元采用二進(jìn)制偽隨機(jī)編碼，編碼由偽隨機(jī)碼發(fā)生器產(chǎn)生，而隨機(jī)碼發(fā)生器由移位寄存器實(shí)現(xiàn)。寄存器保持與系統(tǒng)時(shí)間的同步，其數(shù)字單元在每個(gè)時(shí)鐘周期內(nèi)進(jìn)行模2和計(jì)算，逐個(gè)比特生成偽隨機(jī)碼。編碼向量按行排列，構(gòu)成后面圖像重構(gòu)過(guò)程所需的探測(cè)矩陣V。聲吶的每個(gè)陣元同時(shí)發(fā)送編碼數(shù)據(jù)(數(shù)據(jù)長(zhǎng)度為N)，并同時(shí)接收返回的探測(cè)數(shù)據(jù)。聲吶陣列的陣元數(shù)為M，則一次收發(fā)完成一個(gè)扇形區(qū)域的M次探測(cè)。M個(gè)編碼向量按行構(gòu)成聲吶的探測(cè)矩陣ΦΡ Rman(MtmN),則探測(cè)數(shù)據(jù)可表示為
yk Φ^ J nk(I)其中，& P Rn為待重構(gòu)數(shù)據(jù)；nk P Rm為聲吶探測(cè)噪聲，近似為零均值的高斯白噪聲，協(xié)方差矩陣為&。此步驟中聲吶陣元接收的探測(cè)數(shù)據(jù){Λ}=，以下用于對(duì)探測(cè)目標(biāo)的圖
像重構(gòu)。本發(fā)明中，多UUV探測(cè)目標(biāo)圖像重構(gòu)問(wèn)題轉(zhuǎn)化為聯(lián)合最優(yōu)估計(jì)問(wèn)題，以遞推的形式實(shí)現(xiàn)，每遞推一次，重構(gòu)出圖像的一條數(shù)據(jù)曲線&，遞推估計(jì)的次數(shù)，決定了圖像的大小。 聲吶探測(cè)圖像的結(jié)構(gòu)如圖2所示。圖像重構(gòu)的過(guò)程，包括以下具體步驟
2.信息分配k時(shí)刻在主估計(jì)器中獲得的全局狀態(tài)估計(jì)和估計(jì)誤差方差為趕和P/。在執(zhí)行下一
次遞推估計(jì)之前，首先將這些信息在子估計(jì)器中進(jìn)行如下分配
權(quán)利要求
1.一種基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法，其特征是包括基于壓縮感知的空間壓縮采樣和基于聯(lián)合最優(yōu)估計(jì)的分布式圖像重構(gòu)兩部分；所述基于壓縮感知的空間壓縮采樣包括將多UUV其中的一個(gè)作為主UUV，而其他UUV作為從UUV ；對(duì)所有UUV的聲吶陣列的各陣元采用二進(jìn)制偽隨機(jī)編碼，這些編碼向量構(gòu)成探測(cè)矩陣φ ；編碼由偽隨機(jī)碼發(fā)生器產(chǎn)生，而隨機(jī)碼發(fā)生器由移位寄存器實(shí)現(xiàn)；寄存器保持與系統(tǒng)時(shí)間的同步，其數(shù)字單元在每個(gè)時(shí)鐘周期內(nèi)進(jìn)行模2和計(jì)算，逐個(gè)比特生成偽隨機(jī)碼；數(shù)據(jù)的收發(fā)方式為聲吶陣列的每個(gè)陣元同時(shí)收發(fā)數(shù)據(jù)；所述基于聯(lián)合最優(yōu)估計(jì)的分布式圖像重構(gòu)包括每個(gè)從UUV對(duì)應(yīng)一個(gè)子估計(jì)器，主UUV對(duì)應(yīng)主估計(jì)器；主估計(jì)器以及每個(gè)子估計(jì)器同時(shí)單獨(dú)運(yùn)行，對(duì)聲吶接收信號(hào)進(jìn)行最優(yōu)估計(jì)運(yùn)算，獲得各自的探測(cè)數(shù)據(jù)，之后在主估計(jì)器中進(jìn)行融合處理，實(shí)現(xiàn)聲吶圖像重構(gòu)；其中，壓縮感知信號(hào)重構(gòu)約束條件，結(jié)合最小方差準(zhǔn)則，以虛擬探測(cè)的形式嵌入狀態(tài)估計(jì)問(wèn)題中，對(duì)經(jīng)過(guò)最優(yōu)估計(jì)的狀態(tài)進(jìn)行校正；虛擬探測(cè)校正過(guò)程，以迭代的方式實(shí)現(xiàn)。
2.根據(jù)權(quán)利要求1所述的基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法，其特征是所述聲吶陣列的每個(gè)陣元同時(shí)收發(fā)數(shù)據(jù)是指聲吶的每個(gè)陣元同時(shí)發(fā)送編碼數(shù)據(jù)，數(shù)據(jù)長(zhǎng)度為N，并同時(shí)接收返回的探測(cè)數(shù)據(jù)；聲吶陣列的陣元數(shù)為Μ，則一次收發(fā)完成一個(gè)扇形區(qū)域的M次探測(cè)；M個(gè)編碼向量按行構(gòu)成聲吶的探測(cè)矩陣Φ e Rmxn，M<N，則探測(cè)數(shù)據(jù){ΛΚ=, 表示為Yk = °Xk+nk其中，^t e Rn為待重構(gòu)數(shù)據(jù)；nk e Rm為聲吶探測(cè)噪聲，近似為零均值的高斯白噪聲，協(xié)方差矩陣為&。
3.根據(jù)權(quán)利要求2所述的基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法，其特征是基于聯(lián)合最優(yōu)估計(jì)的分布式圖像重構(gòu)過(guò)程中的信息分配方法為k時(shí)刻在主估計(jì)器中獲得的全局狀態(tài)估計(jì)和估計(jì)誤差方差為趕和P/ ；在執(zhí)行下一次遞推估計(jì)之前，首先將這些信息在子估計(jì)器中進(jìn)行如下分配Xk = XkK = Α—1 片其中，圮和巧分別表示第i個(gè)子估計(jì)器中狀態(tài)估計(jì)值和估計(jì)誤差方差陣，i = 1,2, ·， ρ，ρ為多UUV的節(jié)點(diǎn)數(shù)；β i為信息分配因子，滿足β i彡0且II1^ = 1 ；采用基于估計(jì)誤差方差的動(dòng)態(tài)信息分配方法如下β =_^rPi_ trPtP' “ trPx +trP2 +. +trPp+trPm~ ξ^^i=\式中=Pi為第i個(gè)子估計(jì)器對(duì)狀態(tài)的估計(jì)誤差方差，m表示主估計(jì)器，tr表示矩陣的跡。
4.根據(jù)權(quán)利要求3所述的基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法，其特征是所述主估計(jì)器以及每個(gè)子估計(jì)器同時(shí)單獨(dú)運(yùn)行對(duì)聲吶接收信號(hào)進(jìn)行最優(yōu)估計(jì)運(yùn)算包括時(shí)間更新和探測(cè)更新在k時(shí)刻，由已知狀態(tài)估值之和估計(jì)誤差方差陣Pk，預(yù)測(cè)k+Ι時(shí)刻的狀態(tài)估計(jì)誤差方差陣Pk+1|k如下Xk+\\k =Pk+,= APk At +Qk式= W、中，對(duì)狀態(tài)的預(yù)測(cè)利用了信號(hào)模型 Xk+i = Axk+wk式中A e Rnxn為狀態(tài)轉(zhuǎn)移矩陣，它的值由波束合成技術(shù)確定；Wk是零均值的高斯白噪聲序列，協(xié)方差矩陣為A，表示海水中的非均質(zhì)攝動(dòng)；當(dāng)獲得新的探測(cè)yk+1之后，對(duì)<+#和Pk+1|k進(jìn)行更新，得k+Ι時(shí)刻的狀態(tài)估計(jì)之+1和估計(jì)誤差方差Pk+1如下Pk+1 = (I-K^)Pk+1|k式中，I為單位矩陣，Kk是增益矩陣，計(jì)算公式如下Kk = Pk+1|k0T(0Pk+1|k0T+Rk)_1；虛擬探測(cè)校正虛擬探測(cè)模型mk = Hxk - ε式中，ε為任意小的隨機(jī)正數(shù)，方差為Re ；H= [sign(Xk⑴)，·，sign(Xk(N))]， sign(xk(i))表示&的第i個(gè)元素的符號(hào)函數(shù)；利用虛擬探測(cè)模型，對(duì)最優(yōu)狀態(tài)估計(jì)之+1 和估計(jì)誤差方差Pk+1進(jìn)行校正；校正過(guò)程以迭代的方式實(shí)現(xiàn)；定義乓=χ,+1 , Ω0 = Pk+工，取j = 1，2，·，J-I, J為迭代次數(shù)，執(zhí)行迭代如下 Hj = [sign (Zj (1)), · , sign (ζ} ( ))]‘1 =^1-G ,HjY^迭代結(jié)束后，將狀態(tài)和方差校正結(jié)果賦值給之+1和Pk+1，即Xk+\ ~ Z j+1P = Ork+l “ j+1 ο
5.根據(jù)權(quán)利要求4所述的基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法，其特征是所述融合處理的方法為在每個(gè)子估計(jì)器得到劣+1和巧+1后，將它們?cè)谥鞴烙?jì)器中進(jìn)行融合，獲得全局估計(jì)的狀態(tài)好+1和估計(jì)誤差方差陣如下ρι^k+l ~ Pk+\ Σ (Pk+l )i=\g f ρ , —J—1 Pk+\ = Σ i^k+l )Vi=IJ全局狀態(tài)估計(jì)好+1為目標(biāo)圖像中在k+Ι離散時(shí)刻的一條弧線，當(dāng)獲得所有離散時(shí)刻0，k， ，N的全局狀態(tài)估計(jì)后，即可恢復(fù)出目標(biāo)圖像；其中，數(shù)值N決定了探測(cè)目標(biāo)圖像的大小。
全文摘要
本發(fā)明提供的是一種基于壓縮感知的多無(wú)人水下航行器協(xié)同探測(cè)方法。包括(1)基于壓縮感知的空間壓縮采樣，將多UUV其中的一個(gè)作為主UUV，而其他UUV作為從UUV；對(duì)所有UUV的聲吶陣列的各陣元采用二進(jìn)制偽隨機(jī)編碼，這些編碼向量構(gòu)成探測(cè)矩陣∨；(2)基于聯(lián)合最優(yōu)估計(jì)的分布式圖像重構(gòu)，每個(gè)從UUV對(duì)應(yīng)一個(gè)子估計(jì)器，主UUV對(duì)應(yīng)主估計(jì)器；主及每個(gè)子估計(jì)器同時(shí)單獨(dú)運(yùn)行，對(duì)聲吶接收信號(hào)進(jìn)行最優(yōu)估計(jì)運(yùn)算，獲得各自的探測(cè)數(shù)據(jù)，之后在主估計(jì)器中進(jìn)行融合處理，實(shí)現(xiàn)聲吶圖像重構(gòu)。本發(fā)明能夠有效減少單個(gè)UUV節(jié)點(diǎn)獲取圖像的時(shí)間，克服多UUV節(jié)點(diǎn)不能對(duì)同一目標(biāo)進(jìn)行同時(shí)探測(cè)的問(wèn)題，提高水下目標(biāo)探測(cè)的快速性和準(zhǔn)確性。
文檔編號(hào)G01S15/88GK102253388SQ201110170828
公開(kāi)日2011年11月23日 申請(qǐng)日期2011年6月23日 優(yōu)先權(quán)日2011年6月23日
發(fā)明者劉勝, 張紅梅 申請(qǐng)人:哈爾濱工程大學(xué)