Page 53 - 《应用声学》2024年第1期
P. 53
第 43 卷 第 1 期 任露露等： 点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类 49
用深度图和强度图分别作为第一个通道和第二个 其中，A i 为信号幅度， ˆ n 为噪声矩阵， ˆ p i 表示与目标
通道构建混合通道图，将混合通道图作为目标分 方向有关的信号相位矩阵。
类网络的输入。最后，使用轻量化卷积神经网络 i i i
p 1,1 p 1,2 · · · p 1,N
MobilnetV2 完成三维声呐图像中的水下目标分类。
p i 2,1 p i 2,2 · · · p i 2,N
该方法的优点是既保留了三维点云中散射点的深 ˆ p i = , (3)
. . . . . . . .
度信息和强度信息，同时也避免了三维点云目标分 . . . .
类方法巨大的计算量和功耗。实验结果验证了该方 p i M,1 p i M,2 · · · p i M,N
M×N
法的有效性，可以满足水下实时目标检测的需求。 { 2π [
p i = exp − j
m,n d (m − 1) sin α i
c
1 三维成像声呐点云生成 ] } (4)
+ (n − 1) sin β i ,
1.1 三维成像声呐波束形成 其中，m = 1, 2, · · · , M，n = 1, 2, · · · , N。远场回波
三维成像声呐一般由无指向性发射换能器、二 信号的相位可以分成与俯仰和方位向相关的两个
维接收面阵以及数据处理模块组成。发射换能器发 独立分量。方位向与俯仰向波束形成导向矢量可以
射声脉冲照亮整个成像场景，二维接收面阵用来接 表示为
收回波信号 [12] ，数据处理模块主要的任务是对回波 ˆ s α = [s α,1 , s α,2 , · · · , s α,M ] T
数据进行波束形成，得到成像结果 [13−15] 。按照文 T
ˆ s β = [s β,1 , s β,2 , · · · ,s β,N ] ,
献 [16] 中提出的方位角和俯仰角如图 1 所示，二维
其中：
接收面阵有M × N 个阵元，其中沿着y 方向分布 N
( )
行阵元，沿着 x 方向分布 M 列阵元。三维成像声呐 s α,m = 1 exp −j2πf (m − 1) d sin α ,
M c
需要对所有距离切片上回波数据进行波束形成，这 ( ) (5)
1 (n − 1)d sin β
样便可以获得每一个距离切片上散射点的强度分 s β,n = exp −j2πf .
N c
布。远场波束形成中每个距离切片上回波数据的波
因此二维平面接收阵远场单个距离切片上回
束形成方法是一样的，现在对单个距离切片上回波
波数据的常规波束形成计算公式为
数据的波束形成方法进行说明。对于单个距离切片
( H )
的某个散射点，其单位方向矢量 u和其在 yz 平面上 Y (sin α, sin β) = ˆ s ˆ e ˆ s ∗ β
α
M
的投影之间的夹角为 β i ，u 和其在 xz 平面上的投影 A i ∑ ( 2π )
= exp j (m − 1) d (sin α − sin α i )
之间的夹角为α i 。 MN c
m=1
N
y ∑ ( 2π )
× exp j (n − 1) d (sin β − sin β i )
c
u
x β n=1
α ( ( ) ) ( ( ) )
d
d
z sinc πM u α,i sinc πN u β,i
λ λ
= A i ( ( ) ) ( ( ) ) . (6)
d d
sinc π u α,i sinc π u β,i
λ λ
v m֒n
根据公式 (6) 便可以将原始回波数据中的每一
个距离切片进行波束形成，得到每个距离切片上散
图 1 方位角及俯仰角定义
射点的强度分布。三维成像声呐接收到的原始回波
Fig. 1 Azimuth and pitch angle definition
数据维度为 M × N × N r ，M × N 是平面接收阵元
散射点的单位方向矢量表达式： 的数量，N r 为距离向的采样点数；将所有距离切片
( √ )
2 2 的回波数据经过常规波束形成之后波束域数据的
ˆ r = sin α i , sin β i , (cos α i ) − (sin β i ) . (1)
维度是 N α × N β × N r ，其中 N α 和 N β 是方位向和
则 该 距 离 切 片 上 所 有 散 射 点 的 回 波 信 号 可 以 俯仰向的波束数目，波束形成之后的波束域数据表
表示为 示成像空间中散射点的强度。对于波束域中索引为
ˆ e = A i ˆ p i + ˆ n, (2) (α, β, r)的点在笛卡尔坐标系下的位置表示为
