本發(fā)明屬于水下目標(biāo)探測領(lǐng)域，尤其涉及一種基于雙頻識別聲吶的水下目標(biāo)空間位置計算方法。

背景技術(shù)：

海洋牧場是一種近海漁業(yè)由傳統(tǒng)的捕撈和養(yǎng)殖方式向增殖和管理利用方式轉(zhuǎn)變的現(xiàn)代漁業(yè)形式。海洋牧場建設(shè)就如同陸地農(nóng)牧業(yè)一樣的，不僅可以提高對象生物本身的質(zhì)量和產(chǎn)量，更能在利用海洋資源的同時保護(hù)海洋生態(tài)系統(tǒng)，實現(xiàn)資源的可持續(xù)利用。而魚群在海洋牧場中的游泳、攝食、生殖、呼吸等行為以及群落分布情況是海洋牧場建設(shè)中的重要研究課題。早期的研究主要是通過對實驗室中個體目標(biāo)進(jìn)行觀測來實現(xiàn)，隨著電子、水聲等學(xué)科領(lǐng)域的技術(shù)發(fā)展，水下攝像儀、水聲魚探儀等設(shè)備被用于漁場中的魚類觀測與資源量的評估。水下攝像儀可以通過視頻形式記錄下水中魚體的運動情況，但對于昏暗或渾濁的水下情況顯得無能為力，水聲魚探儀通過回波積分法可以實現(xiàn)魚群資源量的分布統(tǒng)計，但難以實現(xiàn)對個體目標(biāo)的觀測與跟蹤，因此雙頻識別聲吶的出現(xiàn)為這類問題的解決提供了方案。

雙頻識別聲吶是一種利用聲學(xué)透鏡發(fā)射獨立波束的多波束系統(tǒng)，它通過向水下發(fā)射高頻聲波信號、接收并判斷回波信號來探測水下目標(biāo)，其探測的范圍是一個具有29°水平開角、14°垂直開角的空間幾何體，但接收到的數(shù)據(jù)只能組成一張二維平面圖，即只能顯示目標(biāo)在水平視場中的位置，不能確定目標(biāo)在雙頻識別聲吶探測范圍內(nèi)的三維坐標(biāo)，對目標(biāo)的空間定位無能為力。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對上述不足，提供一種基于雙頻識別聲吶的水下目標(biāo)空間位置計算方法。

為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案如下：一種基于雙頻識別聲吶的水下目標(biāo)空間位置計算方法，具體包括如下步驟：

步驟一，利用背景去除手法提取雙頻識別聲吶采集圖像中的有效目標(biāo)，即獲取有效目標(biāo)在聲吶水平視場中的位置；

步驟二，利用交互式多模型聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法對不同幀圖像中的有效目標(biāo)進(jìn)行關(guān)聯(lián)處理；

步驟三，根據(jù)不同幀圖像中關(guān)聯(lián)后的有效目標(biāo)聯(lián)立方程組，計算有效目標(biāo)在聲吶垂直視場中的位置：

步驟四，根據(jù)有效目標(biāo)在聲吶水平視場和垂直視場中位置的空間幾何關(guān)系，獲取有效目標(biāo)在聲吶探測范圍內(nèi)的三維坐標(biāo)。

進(jìn)一步地，所述雙頻識別聲吶固定在水下，用于采集運動目標(biāo)數(shù)據(jù)。

進(jìn)一步地，所述步驟一的具體過程如下：

(1.1)建立聲吶圖像的背景模型：

其中I代表聲吶圖像中某個位置處對應(yīng)像素點的強(qiáng)度值，代表該位置處對應(yīng)像素點在連續(xù)若干幀圖像中的平均強(qiáng)度值，σ、ζ分別代表I的變化幅度及其噪聲等級，k是噪聲等級系數(shù)，ω、t分別代表變化幅度的角頻率和時間；

(1.2)聲吶圖像的背景確定：

當(dāng)公式(1)中k取值為1，且強(qiáng)度值I在公式(2)規(guī)定的范圍內(nèi)時，該強(qiáng)度值所對應(yīng)的像素點即為聲吶圖像的背景；

(1.3)目標(biāo)提?。?/p>

按照公式(2)去除聲吶圖像背景后，得到聲吶圖像中的有效目標(biāo)及其對應(yīng)的位置N代表有效目標(biāo)的個數(shù)；

(1.4)和σ的更新：

其中σ′分別代表更新后的平均強(qiáng)度值和變化幅度，n是正整數(shù)，代表強(qiáng)度值的更新系數(shù)。

進(jìn)一步地，所述步驟二的具體過程如下：

(2.1)模型建立：

假設(shè)在第k幀圖像中，即k時刻提取出N個有效目標(biāo)每個有效目標(biāo)對應(yīng)一種運動模型j(j＝1,…,n)，一共有n種運動模型，則第r個有效目標(biāo)的運動方程和量測方程為：

其中x_k、z_k是有效目標(biāo)r在k時刻的狀態(tài)向量和觀測向量，狀態(tài)向量為是有效目標(biāo)的位置量(u_k,v_k)對應(yīng)的一階導(dǎo)數(shù)即為速度量，觀測向量是k-1時刻的狀態(tài)轉(zhuǎn)移矩陣和輸入矩陣，是量測矩陣，和是互不相關(guān)的零均值高斯白噪聲，對應(yīng)的協(xié)方差為和

(2.2)狀態(tài)估計：

有效目標(biāo)r在k時刻的狀態(tài)估計為則有：

其中為k-1時刻有效目標(biāo)r的狀態(tài)量，對應(yīng)的協(xié)方差矩陣

其中是k-1時刻的協(xié)方差矩陣，第i個量測對應(yīng)的殘差為：

對應(yīng)的協(xié)方差為：

(2.3)關(guān)聯(lián)概率更新：

當(dāng)觀測量i和有效目標(biāo)r關(guān)聯(lián)，且目標(biāo)采用運動模型j時，除有效目標(biāo)r外剩下的所有目標(biāo)r_(r_≠r)的運動模型組合為J時的后驗概率為：

其中θ是聯(lián)合事件，為關(guān)聯(lián)矩陣，Y_k是k時刻落入跟蹤門內(nèi)的觀測值集合，則利用的加權(quán)求和可進(jìn)一步得到：

其中是關(guān)于J的累加和，是k-1時刻目標(biāo)r_{_}對應(yīng)模型j時的概率；

(2.4)目標(biāo)采用不同模型時的狀態(tài)更新：

計算有效目標(biāo)r在k時刻的卡爾曼增益

對于采用模型j的有效目標(biāo)r進(jìn)行狀態(tài)更新，得到狀態(tài)估計量

對應(yīng)的誤差協(xié)方差

(2.5)似然函數(shù)更新：

其中為k時刻有效目標(biāo)r采用j模型時的似然函數(shù)，N{}代表正態(tài)分布；

(2.6)模型概率更新：

其中為k時刻有效目標(biāo)r采用j模型時的概率，c為歸一化常數(shù)：

(2.7)目標(biāo)狀態(tài)更新：

其中為有效目標(biāo)r對應(yīng)的狀態(tài)量，對應(yīng)的誤差協(xié)方差P_k為：

經(jīng)過步驟(2.2)～(2.7)，目標(biāo)r在k-1時刻的狀態(tài)量和k時刻的狀態(tài)量就得到了有效關(guān)聯(lián)。

進(jìn)一步地，所述步驟三的具體過程如下：

(3.1)計算有效目標(biāo)r在三幀連續(xù)圖像中距離坐標(biāo)原點的距離d_i：

其中(x_i,y_i)是有效目標(biāo)r在聲吶水平視場中的坐標(biāo)；

(3.2)聯(lián)立方程組計算有效目標(biāo)r在聲吶垂直視場中的位置(x,y)：

其中v是目標(biāo)相對于雙頻識別聲吶的移動速度，Δt是雙頻識別聲吶的數(shù)據(jù)采樣間隔。

進(jìn)一步地，所述步驟四具體過程如下：

(4.1)計算有效目標(biāo)r在聲吶水平視場中的三角函數(shù)：

其中(x_H,y_H)是有效目標(biāo)r在水平視場中的坐標(biāo)，是點(x_H,y_H)與坐標(biāo)原點連線和X軸夾角，

(4.2)計算有效目標(biāo)r在聲吶垂直視場中的三角函數(shù)：

其中(x_V,y_V)是有效目標(biāo)r在水平視場中的坐標(biāo)，γ是點(x_V,y_V)與坐標(biāo)原點連線和X軸夾角；

(4.3)計算有效目標(biāo)r在聲吶探測范圍內(nèi)三維坐標(biāo)(x,y,z)：

其中關(guān)于θ的三角函數(shù)可以通過計算獲得。

本發(fā)明的有益效果如下：本發(fā)明針對雙頻識別聲吶只能記錄探測范圍內(nèi)目標(biāo)二維位置的特點，結(jié)合目標(biāo)關(guān)聯(lián)算法發(fā)明了一種計算探測范圍內(nèi)三維位置的方法。本發(fā)明通過對聲吶圖像進(jìn)行目標(biāo)提取獲取水平視場中的目標(biāo)位置，利用交互式多模型聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法對水平視場中的目標(biāo)進(jìn)行關(guān)聯(lián)，然后聯(lián)立方程組求出目標(biāo)在聲吶垂直視場中的位置，最后根據(jù)空間幾何關(guān)系計算出目標(biāo)的三維坐標(biāo)。本發(fā)明提供的方法可以為水下目標(biāo)空間位置獲取、三維定位及跟蹤等提供技術(shù)基礎(chǔ)。

附圖說明

圖1是本發(fā)明方法的流程圖；

圖2是本發(fā)明中交互式多模型聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法流程圖；

圖3(a)是本發(fā)明中一個有效目標(biāo)在雙頻識別聲吶的垂直視場中的示意圖，圖3(b)是聲吶相對于有效目標(biāo)運動而建立的坐標(biāo)系圖；

圖4是本發(fā)明中一個有效目標(biāo)在聲吶探測范圍內(nèi)的位置示意圖。

具體實施方式

下面結(jié)合具體實施例及附圖對本發(fā)明做進(jìn)一步詳細(xì)說明，但本發(fā)明不僅局限于次。

本發(fā)明通過目標(biāo)提取、目標(biāo)關(guān)聯(lián)、垂直視場中目標(biāo)位置計算等處理，得到目標(biāo)在雙頻識別聲吶探測范圍內(nèi)的空間位置，主要流程如圖1所示，下面針對每一步展開詳細(xì)說明。

1、背景去除：利用背景去除手法提取雙頻識別聲吶采集圖像中的有效目標(biāo)，即獲取有效目標(biāo)在聲吶水平視場中的位置。

首先建立聲吶圖像的背景模型：

其中I代表聲吶圖像中某個位置處對應(yīng)像素點的強(qiáng)度值，代表該位置處對應(yīng)像素點在連續(xù)若干幀圖像中的平均強(qiáng)度值，σ、ζ分別代表I的變化幅度及其噪聲等級，k是噪聲等級系數(shù)，ω、t分別代表變化幅度的角頻率和時間；

當(dāng)公式(1)中k取值為1，且強(qiáng)度值I在公式(2)規(guī)定的范圍內(nèi)時，該強(qiáng)度值所對應(yīng)的像素點即為聲吶圖像的背景：

按照公式(2)去除聲吶圖像背景后，得到聲吶圖像中的有效目標(biāo)及其對應(yīng)的位置N代表這幀聲吶圖像中有效目標(biāo)的個數(shù)；

最后對和σ的更新進(jìn)行：

其中σ′分別代表更新后的平均強(qiáng)度值和變化幅度，n是正整數(shù)，代表強(qiáng)度值的更新系數(shù)。

2、目標(biāo)關(guān)聯(lián)：利用交互式多模型聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法對不同幀圖像中的同一個有效目標(biāo)進(jìn)行關(guān)聯(lián)處理，算法流程如圖2所示。

2.1、首先建立運動模型：

假設(shè)在第k幀圖像中，即k時刻提取出N個有效目標(biāo)每個有效目標(biāo)對應(yīng)一種運動模型j(j＝1,…,n)，一共有n種運動模型，則第r個有效目標(biāo)的運動方程和量測方程為：

其中x_k、z_k是有效目標(biāo)r在k時刻的狀態(tài)向量和觀測向量，狀態(tài)向量為是有效目標(biāo)的位置量(u_k,v_k)對應(yīng)的一階導(dǎo)數(shù)即為速度量，觀測向量是k-1時刻的狀態(tài)轉(zhuǎn)移矩陣和輸入矩陣，是量測矩陣，和是互不相關(guān)的零均值高斯白噪聲，對應(yīng)的協(xié)方差為和

2.2、狀態(tài)估計：

其中為有效目標(biāo)r在k時刻的狀態(tài)估計量，對應(yīng)的協(xié)方差矩陣為：

其中是k-1時刻的協(xié)方差矩陣，第i個量測對應(yīng)的殘差為：

對應(yīng)的協(xié)方差為：

2.3、關(guān)聯(lián)概率更新：

當(dāng)觀測量i和有效目標(biāo)r關(guān)聯(lián)，且目標(biāo)采用運動模型j時，除有效目標(biāo)r外剩下的所有目標(biāo)r-(r_-≠r)的運動模型組合為J時的后驗概率為：

其中θ是聯(lián)合事件，為關(guān)聯(lián)矩陣，Y_k是k時刻落入跟蹤門內(nèi)的觀測值集合，則利用的加權(quán)求和可進(jìn)一步得到：

其中是k-1時刻目標(biāo)r_-對應(yīng)模型j時的概率；

2.4、目標(biāo)采用不同模型時的狀態(tài)更新：

計算有效目標(biāo)r在k時刻的卡爾曼增益

對于采用模型j的有效目標(biāo)r進(jìn)行狀態(tài)更新，得到狀態(tài)估計量

對應(yīng)的誤差協(xié)方差

2.5、似然函數(shù)更新：

其中N{}代表正態(tài)分布，為k時刻有效目標(biāo)r采用j模型時的似然函數(shù)；

2.6、模型概率更新：

其中為有效目標(biāo)r采用j模型時的概率，c為歸一化常數(shù)：

2.7、目標(biāo)狀態(tài)更新：

目標(biāo)誤差協(xié)方差為：

經(jīng)過步驟2.2～2.7，目標(biāo)r在k-1時刻的狀態(tài)量和k時刻的狀態(tài)量就得到了有效關(guān)聯(lián)。

3、垂直視場中目標(biāo)位置計算：根據(jù)不同幀圖像中關(guān)聯(lián)后的有效目標(biāo)聯(lián)立方程組，計算有效目標(biāo)在聲吶垂直視場中的位置。

假設(shè)經(jīng)過第一步中目標(biāo)提取后獲得的有效目標(biāo)r在水平視場中的坐標(biāo)為P(x,y)，由于雙頻識別聲吶探測范圍的垂直視場為14°，P(x,y)可以對應(yīng)14°范圍內(nèi)任何一點，如圖3(a)所示，所以無法判斷出目標(biāo)在波束范圍內(nèi)準(zhǔn)確的三維坐標(biāo)。水下目標(biāo)是運動的，雙頻識別聲吶是固定的，根據(jù)運動的相對性，假設(shè)雙頻識別聲吶相對于水下目標(biāo)的運動速度為v，并建立如圖3(b)所示的坐標(biāo)系。圖3(a)和圖3(b)中，β為垂直視場角等于14°，點P(x,y)在線段L上的距離為在時刻t₁，點P在L₁上的投影為d₁；在時刻t₂，點P在L₂上的投影為d₂；在時刻t₃，點P在L₃上的投影為d₃；由此可以計算點P(x,y)對應(yīng)的目標(biāo)r在三幀連續(xù)圖像中距離坐標(biāo)原點的距離：

其中(x_i,y_i)是點P(x,y)在三幀聲吶水平視場中的坐標(biāo)。

聯(lián)立方程組可以計算有效目標(biāo)r在聲吶垂直視場中的位置(x,y)：

其中Δt是雙頻識別聲吶的數(shù)據(jù)采樣間隔，為已知量。

4、三維坐標(biāo)計算：根據(jù)有效目標(biāo)在聲吶水平視場和垂直視場中位置的空間幾何關(guān)系，獲取有效目標(biāo)在聲吶探測范圍內(nèi)的三維坐標(biāo)。

首先建立如圖4所示的空間坐標(biāo)系，圖中的扇形錐體即為波束探測范圍，點P(x,y,z)為有效目標(biāo)r對應(yīng)的三維坐標(biāo)，點P₁、B、A分別為點P在面XOY、面XOZ^-、面Z^-OY的投影點，點B₁、A₁分別為點P₁在X軸、Y軸的投影點，∠POP₁記為γ，∠B₁OP₁記為θ，∠B₁OP記為假設(shè)(x_H,y_H)是有效目標(biāo)r在水平視場中的坐標(biāo)，(x_V,y_V)是有效目標(biāo)r在水平視場中的坐標(biāo)，由此可以計算有效目標(biāo)r在聲吶水平視場和垂直視場中的三角函數(shù)：

其中，

最后可以計算出有效目標(biāo)r在聲吶探測范圍內(nèi)三維坐標(biāo)(x,y,z)：

其中關(guān)于θ的三角函數(shù)可以通過計算獲得。