Page 136 - 应用声学2019年第2期

282 2019 年 3 月

2 2
4
为 48 尾。考虑到测量过程中鱼群的集群分布特性， 对这些个体鱼的回波幅值统计计算得 ⟨A ⟩/⟨A ⟩
这些数据对应的网箱中鱼群的密度变化范围从不 为1.55。另外，由于自身结构的复杂性，个体鱼回波
足1 尾每立方米，到最高约十尾每立方米，能较好地 包络呈不规则形状，利用公式 (8) 对提取的个体鱼
2 2
4
反映自然水域条件下鱼群的密度。 回波计算得到 ⟨c ⟩/⟨c ⟩ 为 1.41，利用公式 (7) 可得
2 2
⟨e ⟩/⟨e ⟩ ≈ 2.18，利用该计算结果，可以确立本实
4
᧔ᬷ٨
๒ʽࣱԼ ࣱԼ 验条件下回波统计评估方法的表达式为
PC఻
2.18
ܦ ⟨N⟩ = . (10)
չ Ꭺኸ ⟨I ⟩/⟨I⟩ − 2
2
2
๒ඵ 4 m
4
᱓Ꮖ ᱓Ꮖ
ːΓ˔ʹ
2 m 3 ᱓ڀฉ
2
2 m ฉॎጼག
ηՂࣨए/V 0
图 2 网箱鱼群测量实验示意图 1 ฉॎᡑག
Fig. 2 Diagram of caged fish measurement experiments
-1
2.2 个体鱼回波提取与模型参数计算
-2
鱼群在网箱中自由游动，当某个体鱼远离其他
-3
鱼时，其回波在时域波形上与其他鱼的回波不重叠， 1000 2000 3000 4000 5000 6000 7000
௑۫஝૶ག
此时便能从鱼群回波中提取出该个体鱼的回波。根
据 MacLennan 的经典文献 [21]，可以利用以下准则 图 3 个体鱼回波提取效果示图
对个体鱼回波进行判断：(1)目标波形长度T 与发射 Fig. 3 Diagram of individual fish echo extract
信号脉冲宽度 τ 相近；(2) 目标包络波形光滑。考虑
目标回波脉冲展宽的特点，个体鱼回波波形宽度 T 
要大于 τ，但由于鱼体散射结构的复杂性以及鱼群
活动的随机性，鱼群中不同大小或游动姿态的个体 ഐဋ⊳̺ 
鱼回波的脉冲展宽略有不同。由于是从自由游动状

态的鱼群回波中提取个体鱼回波，程序设计中，当
目标波形长度 T 设置得太大时，容易把鱼群回波中

脉冲展宽较小的重叠的回波错选为个体鱼回波；而 ⊲ ⊲ ⊲ ⊲ ⊲ ⊲
ηՂࣨए/V
当 T 设置得太小时，则容易漏选脉冲展宽较大的个
体鱼回波。数据处理中，根据实测回波的特点和程 图 4 个体鱼回波峰值概率分布图
序提取个体鱼回波的效果，在“错选”与“漏选”之间 Fig. 4 Individual fish echo peak PDF
折中，最终选择了 τ 6 T 6 1.5τ 作为本实验条件下 2.3 数据筛选方法
个体鱼波形的有效长度，并以包络波形有且仅有一 鱼群在各微元分布的不均匀性会导致回波统
个极值点作为包络波形光滑的依据。图 3 为个体鱼 计方法鱼群数量评估结果偏小 [15] ，例如有两个微
回波的提取示例，可以看出该算法能较好地实现个 元，对应的 ⟨N⟩ 值分别为 ⟨N 1 ⟩、⟨N 2 ⟩，在鱼群均匀
体鱼回波的提取。利用该算法从鱼群实验回波数据 分布假设下，将两个微元回波抽样值作为等效的抽
中，共提取了2367例个体鱼回波样本。 样值，对其进行统计平均，则可计算两微元特征量
对于波束中自由游动状态下的个体鱼，其回 平均值
( )
波的峰值 A i 由鱼的散射幅度及其在波束中的位置 ⟨I ⟩ 1 ⟨I ⟩ ⟨I ⟩
2
2
2
= +
决定，即 A i = a i b i 。图 4 给出了提取到的 2367 例个 ⟨I⟩ 2 2 ⟨I⟩ 2 ⟨I⟩ 2
1 2
体鱼样本的回波峰值 A i 的分布，可以看出其近似 2.18 ( 1 1 )
= + + 2,
Rician 分布，这与 Clay等 [2] 的测量结果一致。通过 2 N 1 N 2