[发明专利]一种水下多维声学成像系统和方法

摘要

本发明公开了一种水下多维声学成像系统和方法，该系统以水下二维接收基阵阵列为基础，同时得到二维和三维图像，兼容多种作业模式，大幅提高了系统的环境适应性，该系统包含如下单元：由多接收子阵组成的接收基阵阵列；由单发射阵或多发射阵组成的发射基阵；发射机，用于驱动发射基阵发射水下声信号；接收机，用于对接收子阵接收到的声信号进行放大，滤波同时将模拟声信号数字化；及成像处理模块，成像处理模块用于计算水下多维声学成像系统。本发明还提供一种水下多维声学成像方法，该方法综合采用实孔径技术和孔径合成技术，可同时得到水下二维和三维图像，并适应高速和低速两种不同的作业模式。

主权项

1.一种水下多维声学成像系统，其特征在于，该系统采用二维阵列实孔径处理和二维阵列的虚拟孔径处理完成二维或三维的水下成像，其包括若干接收子阵组成的二维接收基阵阵列，若干所述接收子阵的尺度、相位和性能均保持一致；单发射阵或多发射阵组成的发射基阵阵列；多维声学成像发射机，用于驱动所述发射基阵阵列发射水下声信号；多维声学成像接收机，用于对所述二维接收基阵阵列各接收子阵接收到的声信号进行放大、滤波，同时将模拟声信号数字化；成像处理模块，用于对接收到的声信号进行处理，完成水下场景的二维或三维成像；控制中心，分别与所述多维声学成像发射机和多维声学成像接收机相连接；若干所述接收子阵与单发射阵或多发射阵的中点位置为等效相位中心，形成一个收发合置的声纳基阵虚拟阵列；成像系统的成像方法包括以下步骤：1)在发射机中设定系统参数，系统参数包括发射信号中心频率、信号带宽、信号形式、脉冲宽度、脉冲重复周期、最小采样距离、采样率、采样点数、发射阵宽度、接收子阵个数、接收子阵位置、接收子阵宽度，发射信号采用CW脉冲、LFM脉冲的信号形式，采用p(t)表示发射信号的表达式，发射阵的位置用位置矢量表示；2)获取二维阵列各子阵单屏原始回波数据，第n屏第i个接收子阵的第m个原始回波数据点表示为s_n,i(m)，第i个子阵的位置用位置矢量来表示，第j个目标点的位置用位置矢量来表示；其中，其中C为声速t为时间，t＝mΔt，Δt为采样间隔3)对第n屏回波数据sn,i(t)进行预处理，根据信号形式不同，进行不同的预处理，其处理步骤如下：31)对信号进行傅里叶变换其中，为波数，ω为角频率，C为声速32)对信号进行匹配处理33)对信号进行逆傅里叶变换en,i(t)＝IFFT[En,i(ω)]其中IFFT表示逆傅里叶变换操作根据信号形式的变化，对信号预处理方式进行调整，预处理的形式包括解调、包络处理、脉冲压缩、匹配滤波，预处理形式的变化，不影响其后续的处理；4)对第n屏预处理数据en,i(m)进行成像处理，计算水下三维图像；设定水下三维图像的某一像素点pj的坐标为则该像素点pj的成图步骤如下：41)对任意接收基阵阵列子阵i，计算该接收基阵阵列子阵对应的pj像素点的回波为en,i(tpij)，其中则pj像素点的像素值为：Ip(j)＝∑en,i(tpij)重复上述步骤计算出空间中所有像素的像素值，完成空间三维成像；根据pj像素点的地理坐标及像素值，重构空间三维图像，重构后的三维图像为：Ip(xpj,ypj,zpj)＝Ip(j)对坐标系进行泛化，不影响上述处理步骤的有效性，最后得到空间三维图像Ip(x,y,z)，其中x,y,z为空间地理坐标；5)计算水下二维图像由于空间中的声线遮挡效应，以及空间中目标有限等特点，步骤4)中计算的三维图像中有大量信息冗余，为了降低信息冗余，或者为了便于显示，需要对空间三维图像进行优化，并计算水下二维图像，优化过程如下：51)确定空间目标位置及水下二维投影面为了便于描述，不影响通用性，选取原点O，一般选取发射基阵的几何中心点原点，选取水下平面或曲面的二维投影面，发射基阵至目标点的方向矢量沿该方向矢量进行搜索，以距离描述搜索进程，选择图像像素最大值的位置处的为目标点的位置，设定该位置的距离为则目标点的空间位置矢量为：重复上述过程，可确定所有目标的空间位置，由所有目标的空间位置组成水下二维投影曲面，由于为空间离散点，且被限制在空间某一曲面上，将其泛化表示后，可形成空间曲面上的水下二维图像I(x,y,z)；6)通过虚拟孔径技术提高成像分辨率通过虚拟孔径技术，充分利用同一目标点多角度回波的信息，可以大幅提高成像信噪比和成像分辨率，为了达到此目的，需要将步骤41)中形成的三维图像进行叠加，提高成像分辨率和信噪比；为了便于描述，将步骤41)中的三维图像重新采用In(x,y,z)来表示，虚拟孔径成像的过程如下所列：61)计算虚拟孔径阵元的位置范围对位置矢量为(x y z)的空间像素点而言，假定发射阵发射声波的开角为θ，则符合下述条件的位置均为虚拟孔径阵元的有效位置，β<θ/2，其中：acos表示cos的逆函数设定虚拟阵元的屏索引集合为62)计算孔径合成三维图像Is(x,y,z)＝∑In(x,y,z)。