Page 12 - 《应用声学》2023年第2期

200 2023 年 3 月

附近的各空间位置进行脉冲响应互相关处理，最终 0
定位结果如图 10(a) 所示，其中预期位置所对应的
20
深度参数为实际应答器所在深度，对应距离参数则
由主动传播时延估计得到，匹配定位算法结果的峰 Ѽхງए/m 40
值所对应位置参数为深度 14 m，距离 4.505 km，根
据式 (10) 取得估计距离附近的深度模糊度分布如 60
图 10(b) 所示，深度估计峰值主要集中在 10∼20 m
80
范围内。 0 20 40
ನవ஝
1.0 B ງएᣲគፇ౧
10
0.9 1.0
20 10
0.9
0.8 20
ງए/m 30 0.7 Ӝᦡए 0.8
40
50 ງए/m 30 0.7 Ӝᦡए
40
0.6
60 50
0.5 0.6
70 ᮕరͯᎶ 60
ͥᝠͯᎶ 0.5
80 0.4 70 ᮕరͯᎶ
4.45 4.50 4.55 4.60 ͥᝠͯᎶ
80 0.4
ᡰሏ/km
4.70 4.75 4.80 4.85
(a) ቇᫎവዺࣱ᭧ ᡰሏ/km
C ᦊѬप࣢ፇ౧
10
图 11 深度辨识结果
20
Fig. 11 Depth discrimination result
ງए/m 30 4 结论
40
50
60
浅海主动声呐多径回波的到达时间结构与目
70
标深度有关，根据这一物理现象，本文提出了一种基
80
0.60 0.80 1.00 于阵不变量的主动声呐目标深度辨识方法。该方法
Ӝᦡए
在对回波进行波束形成和匹配滤波后，根据声传播
(b) ງएവዺएజጳ
时间估计目标距离，通过水平阵阵不变量提取回波
图 10 模糊度平面与深度模糊曲线
Fig. 10 Ambiguity surface and curve 时域多径结构，即时域脉冲响应，然后在估计距离附
件进一步计算目标在不同深度的拷贝声场时域脉
对于一共 52 次回波信号样本中基于阵不变量
冲响应，进行互相关处理得到目标估计深度。
提取的脉冲响应，分别使用阵不变量互相关匹配
本文方法基于时域特征进行匹配定位，对海底
算法进行处理，多次深度估计结果如图 11 所示。
参数的依赖较少，能够对水面/水下目标进行深度
以 20 m 深度作为目标深度辨识的分界面，将估计
辨识，但由于声速剖面误差对到达声线结构的明显
目标深度小于 20 m 的回波样本认为是成功辨识
影响，到达时间的失配会导致算法性能的快速下降。
为水面目标，深度辨识结果如图 11(a) 所示，辨识
在浅海波导环境中的仿真结果验证了该方法的定
成功率近似为 92%，目标深度估计结果主要集中 位能力，后续使用海试数据进行处理，对水面/水下
在 0∼20 m 的水面区域，部分异常结果的定位结
目标的正确辨识率达到了92%。
果为 69 m，主要原因推测是该位置与海底深度差
值接近目标与水面的深度差值，造成时域脉冲响 参 考 文 献
应的相似性，互相关匹配在该深度处的峰值高于
[1] Bucker H P. Use of calculated sound fields and matched-
水面区域。 field detection to locate sound sources in shallow water[J].