Page 7 - 《应用声学》2020年第4期
P. 7

第 39 卷 第 4 期         张雪冬等: 一种基于序贯估计的直达声区水面舰船被动测距方法                                          493

                                                                      p
                                                                            p
                  G e (z j , z s , ω; θ k ; N)                 其中,x 和 U 表示由状态方程得到的预测状态
                                                                      k     k
                                                                                      c
                       P j (ω)     −iϕ(ω;θ k ;N)               向量及其协方差矩阵,x 表示由测量方程更新后
                                                                                      k
                = √               e
                     ∑ N                                       得到的状态向量,H 是 h(·) 的线性化算子,K 表示
                                2
                          |P j (ω)|
                        j                                      Kalman增益,上标T表示矩阵转置。
                       G(z j , z s , ω; N)  −iωT (θ k ;N)          由于 EnKF 用集合中成员的概率分布来表达
                = √                      e          .   (4)
                     ∑ N                                                                         p
                                        2                      概率密度函数,则预测状态向量集合x 在时间步长
                          |G(z j , z s , ω; N)|                                                  k
                        j                                                    p               p
                                                                                           ˆ
                                                               k 的采样均值x 和协方差矩阵U 可表示为
                 在大多数浅海信道中,信道响应 (公式 (4)) 中                                   k               k
                                                                         M
             的分母在频率上足够恒定,所以可以通过平方根项                               p    1  ∑   p,i                         (7)
                                                                 x =
                                                                  k   M     x k  ,
             的归一化消除声源信号幅度对估计结果的影响。最                                      i=1
             后,将 RBD-CIR 的直达波的相对到达时间差作为                           p      1   ∑     p,i   p ) (  p,i  p  ) T
                                                                              M (
                                                                 ˆ
                                                                 U =              x k  − x k  x k  − x k  . (8)
                                                                  k
             测量值,利用EnKF,可对声源-接收距离进行估计。                                M − 1  i=1
                                                                                               p
             1.2 EnKF   [21]                                   可以看出,当M 趋于无穷时,由于x 收敛于真实的
                                                                                               k
                                                                                  p
                                                                                ˆ
                                                               状态向量值,因此 U 趋于真实的误差协方差矩阵
                 序贯估计提供了一个状态 -空间模型,当出现                                           k
                                                                 p
                                                               U 。而且状态-空间模型中包含算子H 的项都可由
             新的观测值时可对状态值进行预测和更新,它模拟                              k
                                                               以下公式代替
             了状态向量与观测向量之间的关系,该模型由状态
                                                                                     M (
             方程(5a)和测量方程(5b)构成:                                      U H =       1   ∑   x p,i  − x p )
                                                                          T
                                                                       p
                                                                     ˆ
                                                                      k                    k     k
                                                                              M − 1  i=1
                         x k = f(x k−1 ) + v k−1 ,     (5a)
                                                                               [ (     )        ] T
                                                                                     p,i      p
                                                                              · h x     − h (x )   ,      (9)
                         y k = h(x k ) + w k .         (5b)                          k        k
                                                                                     M [ (
             在本文中,状态向量 x k 为声源深度和声源 -接收距                             ˆ  p  T     1   ∑       p,i )     p  ]
                                                                  HU H =
                                                                                                       k
                                                                      k       M − 1      h x k   − h (x )
             离在第 k 个时间步长时的值。状态方程预测算子                                                 i=1
                                                                               [ (     )        ] T
             f(·) 模拟了状态向量随时间步长的变化过程,由于                                               p,i      p          (10)
                                                                              · h x
                                                                                              k
                                                                                     k  − h (x )   .
             本文不考虑声源的运动模型,所以该算子取为单位
                                                               由此可看出,每个由状态方程产生的状态向量成员
             矩阵I。状态噪声v k 表示了状态方程预测结果和真                          p,i
                                                               x k  可以被更新为
             实结果的误差,通常情况下,认为其服从高斯分布。                                                  [      (    )]
                                                                                        i
                                                                       x c,i  = x p,i  + K y − h x p,i  ,
             本文中观测向量 y k 为直达波在不同接收深度上的                                  k     k         k       k
             相对到达时间差 (以中间阵元为参考阵元),该时间                                        i = 1, 2, · · · , M.        (11)
             差从 RBD-CIR 中提取得到。测量算子 h(·) 代表状                    则更新后的状态向量集合 x 会作为初值来递归地
                                                                                        c
                                                                                        k
             态向量 x k 与观测向量 y k 之间的关系,在本文中利                                                        p  。最终的
                                                               产生下一步预测状态向量集合的初值x
                                                                                                  k+1
             用射线数值模型 Bellhop       [23]  来得到。测量噪声 w k          估计结果为状态向量在收敛阶段的后验概率密度
             描述了测量值 y k 与状态方程预测值 h(x k ) 之间的                   (Probably density function, PDF) 的平均值。由于
             误差。                                               EnKF 无需得到状态预测算子 f(·) 和测量算子 h(·)
                 EnKF 本质上利用采样集合的概率密度分布                         的线性化表达式,在非线性系统中具有很大的优势。
             来描述状态向量 x k 和测量向量 y k ,将集合的均
             值作为估计结果。假设状态向量的初始集合为                              2 实验数据处理结果
             {x , i = 1, 2, · · · , M}并服从正态分布,其中i表示
               i
               0
                                                                   为了验证上述方法的有效性,本文基于序贯
             集合成员序号,M 表示集合成员个数。当 v k 和 w k
                                                               估计利用 RBD-CIR 提取的直达波相对到达时间差
             服从均值为 0,方差为 V k 和 W k 的高斯分布且互不
                                                               来估计声源 -接收距离,并对实验数据结果进行了
             相关时,公式(5a)和公式(5b)可改写为
                                                               分析。实验数据来自于 2016 年 9 月美国圣巴巴拉
                         p
                                        p
                    c
                  x = x + K [y k − h (x )] ,           (6a)    海峡实验 (SBCEx-16),实验区域为以圣巴巴拉海
                    k
                         k
                                        k
                         p  T  (   p  T      ) −1
                  K = U H      HU H + R k        ,     (6b)    峡为中心、由 34.3 N、120.2 W 和 34.2 N、120.0 W
                                                                               ◦
                                                                                                          ◦
                                                                                        ◦
                                                                                                 ◦
                         k         k
   2   3   4   5   6   7   8   9   10   11   12