基于MEMS矢量水听器的水下目标信息处理与数据融合方法研究

Underwater acoustic technology is the main method to study and explore ocean, and data fusion will be the trend of underwater acoustic signal processing. Vector hydrophone with multi-sensor can measure acoustic pressure and particle velocity in the acoustic field imultaneously. By using multi-sensor data fusion technology to process underwater acoustic vector information will explore superior detection performance of vector hydrophone. However, the research basic of data fusion theory for vector hydrophone is still relatively weak, and some existing methods have low detection accuracy and poor practicability in underwater target detection, identification and tracking problems. In this project, focusing on these application problems, we will develop theory and method research of the underwater acoustic weak signal detection and information fusion processing for vector hydrophone array, and propose some technology that the acoustic pressure and particle velocity fusion, optimal weighted fusion, multiple targets fusion, error fusion and correction and target state spatial fusion. We will mainly discusses the fusion mechanism and data association method in the different data fusion method, and analysis and verify the engineering practicality of different data fusion method through experimental data of MEMS vector hydrophone array. The research of this project will bring new life to the field of the underwater acoustic signal processing and sonar technology and has higher academic value and application prospect.

水声技术是研究和探索海洋的主要手段，数据融合将是水声信号处理的发展趋势。矢量水听器能同时测量水声场中的声压和振速信息，具有多传感器的特性，利用多传感器数据融合方法处理水声矢量信息，能充分挖掘矢量水听器优越的检测性能。但是，目前有关矢量水听器数据融合理论的研究基础还比较薄弱，而且已有方法在水下目标探测、识别与跟踪等问题中，具有检测精度低、工程实用性差等不足。本项目将围绕这些问题，研究基于MEMS矢量水听器阵列的水声信号处理的微弱信号检测及数据融合原理与方法，提出适用于矢量水听器阵列的声压振速融合、加权最优融合、多目标分辨融合、误差融合与校正、目标状态空间融合等方法，重点探讨不同数据融合当中的融合机制、数据关联方法，并通过MEMS矢量水听器阵列的实验测试数据，分析验证不同数据融合方法的工程实用性。本项目的研究，将为水声信号处理及声呐技术领域带来新的活力，具有着重要的学术价值和应用前景。

水声技术是研究和探索海洋的主要手段，作为水声系统中的核心器件，矢量水听器能同时测量水声场中的声压和振速信息，在较小阵列孔径下也能获得优越的性能，因此，研究在复杂水声环境中冗余信息处理的多传感器数据融合理论与方法，能充分挖掘矢量水听器优越的检测性能，同时具有重要的理论价值和国防实用价值。.本项目主要针对水声工程领域应用中的热点问题，利用数据融合的相关理论与方法，结合MEMS矢量水听器的特点，通过数学建模、理论分析、算法设计仿真、实验测试与验证等手段，在水声微弱信号提取、水下目标探测、阵列误差校正、智能算法改进及应用等方面做了大量的工作，为MEMS矢量水听器阵列的信号处理提供理论支持和技术途径，同时也为MEMS矢量水听器的工程应用奠定基础。主要成果包括：.（1）通过小波阈值、排列熵、相关系数等方法，提出了一系列基于经验模态和变分模态分解的信号去噪算法，不仅能有效地分离信号与噪声，同时去除了实测信号的基线漂移问题，解决了水声微弱信号的提取问题。.（2）提出了一系列新型仿生智能算法的改进，并将应用到基于极大似然估计（ML）和多重信号分类（MUSIC）的DOA估计中，极大地降低了传统方法多维非线性优化的计算复杂度，不仅保证了估计精度，同时加快了算法收敛速度，并通过MEMS矢量水听器阵列的实验，解决了MEMS矢量水听器阵列在工程应用中无法实时计算和DOA估计的问题。.（3）通过对MEMS矢量水听器阵列的各类误差进行分类，对比了各类误差对阵列DOA估计性能的影响，然后将方向性误差和位置误差归结为幅度误差和相位误差，提出了基于MEMS矢量水听器阵列误差自校正的优化模型及自校正算法，解决了MEMS矢量水听器阵列在工程应用中的误差校正问题。.（4）建立了一系列基于新型智能算法相互结合的优化模型，在标准基准函数的测试中表现出良好的性能，并成功地应用于SAR图像目标的识别分类、图像修复、空气质量预测、新冠肺炎控制、乳腺癌病理学图像识别、混凝土图像识别和轴承故障诊断等相关实际问题中。