Содержание к диссертации
Введение
ГЛАВА 1. Анализ задачи повышения эффективности функционирования стационарного гидроакустического комплекса, работающего в сложных гидролого-акустических условиях 11
1.1. Современное состояние методов согласованной обработки сигналов в России и за рубежом 11
1.2. Основные направления исследований, повышающие эффективности работы CГАК в мелководных условиях залива Бакбо 24
1.2.1. Анализ необходимости построения CГАК в районе залива Бакбо 24
1.2.2. Анализ района размещения СГАК 27
1.3. Постановка задачи исследования 33
Выводы по главе 1 38
ГЛАВА 2. Разработка комплекса алгоритмов обработки гидроакустических сигналов при решении задачи обнаружения для сгак в режиме 40
2.1. Выбор критериев оценки решения задачи при решении задачи обнаружения для ГАС
в режиме ШП 40
2.2. Анализ инструмента исследования и источников помех в выбранном районе 43
2.2.1. Общий анализ особенностей выбранной ГАС 43
2.2.2. Анализ источников гидроакустических помех 45
2.3. Модели полей сигналов и основных помех, воздействующих на систему 49
2.3.1. Модель акустических сигналов 49
2.3.2. Модель динамических шумов (собственного шума) моря 49
2.3.3. Модель шумов судоходства 51
2.3.4. Модель гидродинамических шумов 54
2.3.5. Спектрально – пространственное представление полей сигналов и помех 55
2.4. Модель канала распространения, учитывающая особенности конкретного района наблюдения 57
2.5. Структура адаптивного алгоритма обработки для системы ШП, согласованного с каналом распространения 62
Выводы по главе 2 70
ГЛАВА 3. Сравнительная оценка эффективности предлагаемыых алгоритмов 71
3.1. Структура и состав аппаратно-программной модели 71
3.2. Имитационная модель сигналов и шумов 75
3.2.1. Имитационная модель сигнала 76
3.2.2. Имитационная модель динамических шумов (собственного шума моря) 77
3.2.3. Модель шума дальнего судоходства 78
3.2.4. Модель гидродинамического шума 79
3.3. Имитационная модель потери под влиянием передаточной среды 80
3.4. Моделирование отношения сигнал/помеха в адаптивных методах 81
3.4. Методика оценки эффективности предложенных алгоритмов 85
3.5. Результат использования адаптивных методов 87
3.6. Сравнительная оценка эффективности варианта фазового метода по сравнению с традиционным методом 90
3.7. Устойчивость алгоритма к ошибкам, вызванным неверной оценкой глубин волновода (робастность выбранного алгоритма) 92
Выводы по главе 3 97
ГЛАВА 4. Анализ методов согласованной обработки сигналов для разных законов распределения помех 99
4.1. Фазовый метод для разных законов распределения помех 99
4.1.1. Влияние вклада отдельных шумов и их типов распределения 102
4.1.2. При влиянии суммы всех шумов с различными законами распределения 104
4.2. Оценка эффективности различных законов распределения помех при использовании фазового метода 108
Выводы по главе 4 110
Основные результаты работы 111
Список литературы 113
- Основные направления исследований, повышающие эффективности работы CГАК в мелководных условиях залива Бакбо
- Общий анализ особенностей выбранной ГАС
- Имитационная модель сигнала
- При влиянии суммы всех шумов с различными законами распределения
Основные направления исследований, повышающие эффективности работы CГАК в мелководных условиях залива Бакбо
В настоящее время одним из перспективных направлений повышения эффективности обработки гидроакустических сигналов является адаптивный подход, связанный с реализацией алгоритмов обработки гидроакустической информации, согласованных со средой распространения и характеристиками полей сигнала и помехи.
Термин "согласования со средой и характеристиками сигнала и помехи", как правило, включает различные подходы:
1. Классический подход согласования с полем сигнала, в котором учитывается направление прихода и характеристики сигнала. 2. Подход согласования с полем помехи, в котором учитываются направление прихода и характеристики помехи.
3. Подход согласования со средой распространения сигнала, в котором учитываются особенности изменения звукового поля на трассе. Данный подход включает в себе корреляционную связь между реальным полем сигнала, полученным приемниками, и прогнозированным полем, основанным на информации о положении источника и предполагаемой модели среды. Это подход базируется на положении, что ошибки априорных данных о среде (глубины волновода, скорости звука во воде и дне, характеристики дна и т.д.) могут приводить к относительно большой ошибке обнаружения источников сигнала и потере в отношении сигнал/помеха при решении задачи обнаружения. Исследования по разработке алгоритмов для гидроакустической системы (ГАС), работающей в пассивном режиме (режиме шумопеленгование), активно проводились в последние десятилетия, особенно применительно к решению задач обнаружения и геоакустических исследований океана. В настоящее время в современных пассивных ГАС возникает новое эффективное направление, так называемое "метод согласованной обработки сигналов". Это специальное направление основано на пользовании необходимой информации о характеристиках сигнала и помехи, совместно с априорными данными о канале (или среде) распространения сигнала. Данная техника была впервые предположена Клеем в 1966 году и затем развивалась Хиничем и Бакером в 1972 и 1975 годах [63,66].
На практике в последние годы "согласование со средой и характеристики сигнала и помехи" является одним из эффективных направлений развития средств гидроакустического наблюдения, включенным в задаче совершенствованию гидроакустических средств подводного наблюдения (СПН). Ниже показаны перспективы его использования в ВМС США и странах Западноевропейского союза. В целях совершенствования созданной для ВС США «Единой информационной среды» (Network Centric Warfare), в 2002 году в США создана система АMPT (Anti-Submarine Warfare Mission Planning Tool) [55]. В этой системе, расчеты, связанные с оценкой дальности распространения сигналов осуществляются как традиционными методами, так и с применением алгоритмов “согласованная с полем обработка” – Matched Field Processing (MFP) для оценок максимально возможных дальностей.
В рамках совершенствования технических систем и СПН и совершенствованию организации их применения, основной упор в научных и опытно - конструкторских разработках делается на повышение эффективности и дальности действия СПН, в неблагоприятной, для работы гидроакустических средств, среде распространения сигналов, каковой является среда в мелководных морях арктического бассейна, обладающая высокой пространственно – временной изменчивостью. При этом проведены исследования моделей распространения звука в мелком море и сделаны вывод о том, что обработка гидроакустических сигналов, в зависимости от условий распространения звука в море, должна осуществляться, как с применением традиционных алгоритмов обработки сигналов, так и с применением алгоритмов, в максимально возможной степени приближенных к алгоритмам “согласованная с полем обработка”. Применение MFP обеспечивает получение максимальных, «физически возможных», дальностей обнаружения прямого (или отражённого) сигнала от заданного источника, конкретным приёмником, в сложившихся, конкретных условиях распространения сигналов.
Поэтому, главный вывод об акустических моделях распространения звука, сделанный в США, тоже касается актуальности применения алгоритма согласования со средой : «современные акустические модели распространения волн, в случае если они нужного качества, правильно применены и сопряжены с адекватными данными об окружающей среде, могут давать решения с получением тактических преимуществ» [50].
Этому направлению посвящены многие теоретические работы, в том числе работа Ван Триса [78] с перечислением ряда адаптивных алгоритмов, в которой понятие согласованной обработки (MFP) обосновано следующим образом: "вместо согласования массива процессоров с плоской волной, следует согласовать его со средой распространения".
Физически «согласованная со средой обработка» подразумевает создание амплитудно-фазового распределения на элементах антенны, обеспечивающего максимальное выходное отношение сигнал/помеха на выходе тракта обработки. Если для плосковолновой модели сигнала достаточно повернуть (механически или электронно) зеркало антенны таким образом, чтобы сигнал попадал на элементы антенны синфазно, то в случае многолучевого распространения, при абсолютном знании параметров волновода и заданной модели сигнала в источнике, можно рассчитать амплитудно-фазовые характеристики полезного сигнала на элементарных каналах и ввести амплитудно-фазовые множители, обеспечивающие синфазность выходов элементарных каналов при их суммировании.
Общий анализ особенностей выбранной ГАС
Из приведенных выше рисунок можно сделать вывод, что район наблюдения удовлетворяет условиям мелкого моря (при котором акустически безразмерный параметр kh 10, где к - горизонтальное волновое число; h - глубина места, географически глубины в районе не превышают 200 м [19]).
По результату исследований данного волновода с помощью специальной программы, отмечено, что минимальная глубина района составляет 25 м, максимальная - 86 м. Рельеф дна волновода оказывается относительно ровным со средними перепадами глубины 0.5…1.5 м/км.
В соответствии с этим, верхнюю и нижнюю границы волновода рассмотренной акватории можно полагать плоскопараллельными.
С другой стороны, под влиянием гидролого-акустических факторов (в том числе сильное изменение температуры поверхности в зависимости от времени года, системы муссонов, волнение и т.д.), скорость звука в данном волноводе имеет некоторые особенности, характеризирующих тропическим и мелководным районом. На рис.1.5 показаны ожидаемые сезонные распределения скорости звука по глубине в районе наблюдения: а - зима, б весна, в - лето, г - осень).
Кроме того, распределение донных отложений в Восточном море в целом соответствует общим закономерностям распределения осадков в Мировом океане. По мере удаления от берегов и увеличения глубины наблюдается уменьшение зернистости осадков. Вблизи островов и участков скалистого берега грунт – скала, местами ракушка. На банках и в районах островов часто встречаются кораллы и коралловые пески. В связи с этим район наблюдения может быть отнесен ко второй геоакустической модели мелкого моря (правая часть рисунка 1.6) [24,27].
На рисунке данный волновод соответствует типу II геоакустических моделей в мелководных районах. В связи с этим, его слоистая структура характеризуется наличием мощного слоя плотного песка, лежащего на скальном основании.
С определенной степенью приближения среду распространения акустической энергии в рассматриваемом регионе можно представить в виде модели Пекериса, т.е. в виде модели двухслойного волновода с верхней мягкой границей и поглощением в дне, скорости звука в слоях воды и дне являющихся постоянными. Эта модель представляет собой простейшую модель мелководного волновода, обладающей всеми основными характерными свойствами (особенности модели Пекериса подробно описаны в работе [36,69]). Здесь остановимся на оценке целесообразности применения модели Пекериса для рассматриваемого района, подробнее обоснование этой модели и как ее использовать в данной работе, будут рассмотрены в разделе 2.2.
Далее рассмотрим механизм изменения акустического поля сигналов в районе установки системы.
Оценка звукового поля в районе наблюдения проведена с использованием возможностей системы гидроакустических расчетов, построенной на базе интеллектуальной геоинформационной системы [40,79]. Система использует базы данных рельефа морского дна Национального центра геофизических данных США с разрешением 2 (ETOPO2) и с разрешением 5 (ETOPO5). Ядро системы гидроакустических расчетов включает две модели расчетов параметров поля: волновую и лучевую.
В основу волновой модели положено решение псевдодифференциального параболического уравнения (ПДПУ) (как выше показан в подразделе 1.1.2) [1-9] . Расчет потерь звуковой энергии в морской среде на основе метода ПДПУ осуществляется путем вычисления абсолютной величины комплексной амплитуды гармонического звукового поля, обусловленного источником с единичной амплитудой поля на единичном расстоянии от него. Комплексная амплитуда гармонического звукового поля вычисляется методом ПДПУ, являющимся специальной алгоритмической реализацией однонаправленного метода поперечных сечений.
Лучевая модель используется в том случае, когда различие между результатами двух моделей незначительно, а также когда время проведения расчетов с использованием волновой модели недопустимо большое для выбранных условий. На высоких частотах волновые методы обеспечивают низкую оперативность расчетов акустического поля, что может отрицательно влиять на оперативность функционирования геоинформационных систем, которые используют результаты расчета акустических полей в условиях динамически изменяющейся обстановки. В лучевых методах расчета поля акустическая волна на небольшом участке рассматривается как плоская и на этой основе вводится понятие «луч» – линия, касательная к которой в каждой точке совпадает с направлением распространения волны. Такой подход позволяет говорить о распространении звука вдоль лучей, отвлекаясь от его волновой природы. Замена волнового уравнения лучевым приближением упрощает задачу описания поля за счет того, что волновое уравнение не содержит производных по времени, а следовательно, не зависит от частоты. Кроме того, оно дает возможность построить систему обыкновенных дифференциальных уравнений, описывающих траекторию индивидуального луча [40].
Для моделирования акустического поля в районе установки системы выберем точечный источник, работающий на частоте 1 кГц, что отвечает условиям мелкого моря, когда затухание сигнала за счет многократных переотражений его от грунта достаточно велико. На выбранной частоте использование как лучевого, так и волнового метода обеспечивает идентичность расчетов поля. При этом лучевой метод, с точки зрения оперативности получения результатов, более предпочтителен. На рис.1.7 показаны результаты моделирования акустического поля на глубине 40 м в районе наблюдения для различных сезонов (а – зима, б – весна, в – лето, г – осень). Моделирование проводилось с использованием метода лучевого приближения.
Имитационная модель сигнала
С помощью созданной автором программы были промоделированы модели шумового сигнала и основных аддитивных шумов в районе исследования на основе их практических априорных данных (в данной работе - значение СПД).
В ходе выполнения исследований в рамках данной работы был предложен метод формирования временного процесса с заданным спектром, удобный для реализации в среде программы MatLab, который может быть описан следующим образом:
СПД; zt - случайный процесс с нулевым средним, описываемый функцией пакета MatLab rand1. Формируется последовательность мгновенных спектров, каждый из которых представляет собой произведение - спектр составляющей поля сигнала и помех, полученных при помощи выражения для {l:N), где N - количество спектральных отчетов.
2. Полученная последовательность мгновенных спектров преобразовывается во временной процесс при помощи оператора обратного быстрого преобразования Фурье (БПФ) #fe(/)) (в результате чего имеем временной процесс с заданным спектром, отвечающим конкретной составляющей поля помех, из описанных ранее).
3. Для имитационного моделирования в качестве входного воздействия для каждого элементарного канала антенны используется сумма различных составляющих поля помех, полученных по описанному ранее подходу, плосковолнового сигнала с фазой, отвечающей величине фазового набега для конкретного элемента антенной решетки, с амплитудами, отвечающими необходимому входному отношению сигнал/помеха. 3.2.1. Имитационная модель сигнала Как приведено из раздела 2.3.4, формула расчета СПД сигнала имеет з следующий вид: Pсиг. (f)
Для проверки правильности выбранного подхода к моделированию на рис.3.в (результат преобразования Фурье временного процесса) изображен осредненный по нескольким выборкам спектр временного процесса (рис.3. б). Отметим, что для получения удовлетворительного результата на этапе обратного преобразования БПФ для получения временного процесса необходимо ввести временное перекрытие.
Известно, что существуют 3 фактора, приводящие к потерям акустического поля сигналов: затухание и поглощение на дне и поверхности, затухание из-за неоднородностей среды, затухание из-за расширения волновых фронтов. Эти потери образуют функцию Грина (передаточную функцию среды), включающую модуль и фазовую часть.
На рис.3.6 представлена имитационная модель потерь под влиянием передаточной среды для волновода с глубиной 100 м. На рис. 3.5.а показана амплитудная составляющая (или модуль) функции Грина, на рис.3.5.б показана фазовая составляющая функции Грина. По двум осям отложены отсчеты по элементам антенны (40 элементов) и частотный отсчет (50 отсчетов дискретных частот, составляет ДЧ от ) а) Модуль функции Грина б) Фа зовая часть функции Грина Рисунок 3.6 - Модель передаточной функции среды (функции Грина) Отметим, что для условиях мелководья величины функции Грина имеют значения в порядке из чего следует, что увеличиваются потери акустических сигналов, проходящих через волновод.
Моделирование отношения сигнал/помеха в адаптивных методах Сначала используем программу "Зона Пекериса", разработанную Акустическим институтом на основании работ [19-20,28-29,62] для моделирования вероятности обнаружения Гауссовских случайных широкополосных акустических сигналов на фоне Гауссовской аддитивной помехи с помощью антенной линейки. Работа этой программы может кратко описываться следующим образом:
Общая структура алгоритма обнаружения сигнала Рассмотрим задачу обнаружения Гауссовского случайного широкополосного акустического сигнала на фоне Гауссовской аддитивной помехи с помощью антенной решетки. Работу алгоритма обнаружения сигнала можно представить в виде решающего правила: где L - “составной” вектор, элементами которого являются расположенные последовательно по приемникам для каждой частоты полосы обработки спектральные наблюдения на антенне, U(Z)- решающая статистика обнаружения, к - порог обнаружения. Важнейшей характеристикой алгоритма обнаружения где ju0 - математическое ожидание решающей статистики при отсутствии сигнала, /лх - математическое ожидание решающей статистики при наличии сигнала, т0 - среднеквадратическое отклонение решающей статистики при отсутствии сигнала. В большинстве случаев, но не всегда, распределение статистики U(Z) может быть аппроксимировано Гауссовским распределением с достаточной для практики точностью. Тогда при гипотезе слабого сигнала эффективность алгоритма определяется его вероятностью обнаружения, которая находится по формуле: Р = \-Щф-\\-а)-р] (3.3), где а - заданная x Зоны обнаружения. С точки зрения инженерной практики построения гидроакустических систем наблюдения естественным представляется характеризовать эффективность алгоритмов пространственно-временной обработки с помощью вычисления зон обнаружения, которые характеризуют площадь или объем эффективного обнаружения.
На этом основании и при использовании этой программы, задаем следующие информации: Параметры волновода (в качестве модели Пекериса): скорости звука в воде и дне, плотности воды и дна, глубина волновода. Априорную информацию о подводных сигналах, помех: приведенные давления сигналов и суммарных помех. Параметры антенны и информацию об обработке: число приемников на антенной линейке, глубина верхнего приемника, шаг по частоте, количество частот, число отсчетов, размер зоны обзора, вероятность ложной тревоги, верхняя частота и т.д. На рис.3.7 показана зона вероятности обнаружения источников подводных сигналов при знании априорной информации о звуковых сигналах, помехах и канале распространения. В расчете использована линейная вертикальная эквидистантная антенна, в которой число гидрофонов N=40. Гидрофоны расположены с шагом d=025м, глубина верхнего приемника 10 м. Приведенные давления сигналов и помех на 1 кГц (после практического расчета) соответствуют = 0.216 Па и
При влиянии суммы всех шумов с различными законами распределения
Результаты показывают, что фазовый метод является устойчивым к любым законам распределения помех с различными параметрами и имеет хороший выигрыш по сравнению с традиционным методом. Учет реальных законов распределения показывает, что устойчивость алгоритмов качественно не зависит от распределения шума.
В последние годы в литературе часто анализируется модель шумов с амплитудной составляющей с распределением Накагами и фазовой составляющей с равномерным распределением в диапазоне (_ ж - ж) С помощью своей универсальной программы можем хорошо моделировать эффективность работы адаптивного метода для такой модели.
В частности, посмотрим гистограммы для распределения Накагами с разными заданными параметрами. Можем построить их для реального, мнимого, амплитудного и фазового значений шумов распределения Накагами. представлены результаты моделирования оценки плотностей вероятности 2-х типа распределения Накагами с разными параметрами (т=\, v=1) и (т=5, v=1) и нормального показаны результат моделирования в случаях, когда амплитудные части всех 3-х помех распределяющиеся по закону Накагами с различными параметров распределения: (рис 4.10.а: т=1, v=1) и (рис 4.10.б: т=5, v=1) и фазовая часть с равномерным распределением в диапазоне (_ -_=. -) (анализ проведен для источника находящегося на расстоянии от антенны Х=5 км, на глубине Z=50 м, истинная глубина волновода Но = 50м).
Оценка эффективности различных законов распределения помех при использовании фазового метода
На таблице 4.1 приведены результаты исследования (максимальные значения выигрыша по ОСП фазового метода по сравнению с традиционным методом) для несколько месторасположений источника и различных истинных глубин волновода. Помеха распределена по различным законам (нормальной закон, закон Стьюдента и Накагами с различными параметрами) (задаем ряд различных ошибок глубин с шагом 1 м)
Из приведенной таблицы при всех законах распределения помех отметим, что фазовой метод дает заметный выигрыш (в качестве максимальных значений) по сравнению с традиционным методом. Величины выигрыша для различных законов немного отличаются и зависят от заданных параметров этих законов.
Чтобы оценить устойчивость данного метода для разных законов распределения помех, проанализируем результаты моделирования для области точек расположения источника при истиной глубине 60 м (рис.4.11)
Р исунок 4.11 - Выигрыш (ОСП) фазового метода с традиционным методом для различных распределений помех при истиной глубине 60м
Приведенные результаты показывают, что фазовой метод является устойчивым для любого закона распределении помех с различными параметрами и имеет хороший выигрыш по ОСП по сравнению с традиционным методом. С другой стороны, при изучении гидролого-акустических условий в любой районе мелкого моря следует серьезно проанализировать картины помех и точно выбрать законы распределении.
В соответствии c полученными результатами моделирования в главе 4 можно сделать следующие выводы:
1. Предлагаемые алгоритмы, в т.ч. фазовый метод, устойчивы и могут быть хорошо использованы для различных типов распределения помех и сигналов. Использование разработанной модели для разных закона распределения представляет собой новый подход по сравнению с другими существующими моделями.
2. Показано, что фазовый метод, устойчивый к различными законам распределении шумов при точном знании среды и c минимальными ошибками по глубине волновода, дает существенный выигрыш в отношении сигнал/помеха по сравненибю с традиционным методом и может применяться при точном знании типа распределения шумов в конкретном районе установки СГАС.
3. Разработанная программа не является окончательной и предполагает дальнейшее исследование в направлении усовершенствовании структуры помех и сигналов, технических реализаций, так и представлении результатов на интерфейсе.
Основные результаты диссертационного исследования заключаются в следующем:
1. Предложено новое направление повышения эффективности стационарного ГАК, работающего в режиме ШП, основанное на использовании метода согласованной со средой распространения сигнала обработки. 2. Созданы имитационные модели сигнала, помехи и универсальная программа в среде MATLAB, соответствующая требованиям поставленной задачи в условиях волновода Пекериса. Кроме того, предложенная имитационная модель может быть использована и расширена для других задач, связанных со обработкой сигналов в тракте ШП, в частности, для других моделей канала распространения, иных моделей полей помех или сигнала.
3. Разработаны адаптивные алгоритмы обработки сигналов, согласованные с средой распространения. Проанализирована эффективность работы 3-х вариантов согласованного со средой алгоритма: амплитудного, амплитудно-фазового и фазового распределений. На основе созданной программы проведена сравнительная оценка эффективности этих вариантов и показано преимущество фазового варианта по сравнению с традиционным и другими предложенными в работе методами.
4. Подтверждена устойчивость адаптивных алгоритмов, согласованных со средой, в различных гидролого-акустических условиях (в т.ч мелком море). Показана целесообразность их применения в некоторых практических ситуациях.
5. Исследованы устойчивости адаптивных алгоритмов к различным законам распределения полей помех, воздействующих на систему, и показано, что новый алгоритм приобретает перспективы применения для любого типа распределении сигнала и помехи. Все результаты, полученные в диссертационной работе, направлены на практическое применение в реальных гидролого-акустических условиях, в т.ч. для района мелкого моря Вьетнама, и обеспечивают повышение эффективности работы ГАК в режиме ШП на этапе первичной обработки сигналов.
Похожие диссертации на Методы обработки сигналов для стационарной системы, работающей в режиме шумопеленгования и согласованной с каналом распространения и характеристиками сигнала и помехи
