專利名稱：一種三維成像聲納系統(tǒng)換能器陣的稀疏優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及相控陣三維成像聲納技術(shù)領(lǐng)域，具體來說是一種三維成像 聲納系統(tǒng)換能器陣的稀疏優(yōu)化方法。
背景技術(shù)：
波束形成計算是信號處理領(lǐng)域的一種常用的信號處理方式，在聲納信 號處理，雷達信號處理，超聲波探測等領(lǐng)域具有很廣泛的應(yīng)用，但由于需 要處理的數(shù)據(jù)量很大，在實際應(yīng)用中往往很難對大規(guī)才莫的波束進行計算， 而波束形成計算量與換能器數(shù)目成正比。
滿足一定大小的換能器面陣是高分辨率相控陣三維圖像聲納系統(tǒng)所
必需具備的為了阻止大的旁瓣產(chǎn)生，半波長間距布陣是必需滿足的條件； 為了取得一定的縱向分辨率，則需要一個比較大面積的面陣。高分辨率的 相控陣三維圖像聲納系統(tǒng)的半波長布陣要求和高縱向分辨率的要求使得 構(gòu)造此類系統(tǒng)所需的二維平面換能器陣由幾千甚至上萬個換能器組成。
模擬退火算法來源于固體退火原理，將固體加溫至充分高的溫度，再 讓其徐徐冷卻，加溫時，固體內(nèi)部粒子隨著溫度的上升變?yōu)闊o序狀態(tài)，同 時固體內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，最后到達"結(jié)晶"狀態(tài)，此 時固體的內(nèi)能減為最小。模擬退火算法是一種用于解決多目標優(yōu)化問題的 隨機方法，該算法的運算過程是一個迭代過程在每次迭代中，由所有換 能器權(quán)重系數(shù)構(gòu)成的系數(shù)矩陣產(chǎn)生 一些微小的變動得到 一個新的系數(shù)矩 陣，如果這個新系數(shù)矩陣導(dǎo)致系統(tǒng)能量函數(shù)(Energy Function)的數(shù)值降 低，則這個新的系數(shù)矩陣成為參與下一次的迭代運算的系數(shù)矩陣，反之， 如果這個新的系數(shù)矩陣導(dǎo)致系統(tǒng)能量函數(shù)數(shù)值增大，則這個系數(shù)矩陣是否 成為參與后續(xù)迭代運算的系數(shù)矩陣取決于此時系統(tǒng)溫度的玻爾茲曼分布 (Boltzmann distribution).溫度越高，導(dǎo)致系統(tǒng)能量函數(shù)數(shù)值上升的系數(shù) 矩陣接受為新系數(shù)矩陣的可能性越大。隨著迭代過程的繼續(xù)進行，最后系 統(tǒng)溫度會慢慢變低，直到到達一個最終的"結(jié)晶"狀態(tài)，即能量最低的狀態(tài)，
4此時迭代運算終止。
目前在使用稀疏換能器陣在相控陣三維聲納圖像技術(shù)中還處于起步 階段，已經(jīng)有的 一些成果也是對稀疏換能器陣的探索性研究。

發(fā)明內(nèi)容
本發(fā)明提供了 一種三維成像聲納系統(tǒng)換能器陣的稀疏優(yōu)化方法，釆用 模擬退火算法對平面陣中的換能器陣元進行稀疏優(yōu)化，即指在一個平面陣 的換能器陣中關(guān)掉一些換能器和改變一些換能器的權(quán)重系數(shù)，得到稀疏換
能器陣，求得在稀疏優(yōu)化后的換能器陣的波束方向圖(Beam Pattern)同 時滿足最大旁瓣峰值(Side-Lobe Peak)的閾值條件和錐度比(Current Taper Ratio)的閾值條件下，稀疏換能器陣需要開啟的最少換能器數(shù)目。
所述稀疏優(yōu)化前的平面陣由MxW個換能器組成，所述的換能器按半 波長或一個波長間距均勻分布在一個矩形平面內(nèi)；M、 iV在不同的平面陣 中數(shù)值不同，通常M-iV。
所述的錐度比(Current Taper Ratio)為換能器的最大權(quán)重系數(shù)與換能 器的最小權(quán)重系數(shù)的比值。
所述的模擬退火算法的處理過程為
a)溫度參數(shù)7;tart和換能器權(quán)重系數(shù)矩陣^的初始化，能量函數(shù)、重 生概率、死亡概率、溫度變化函數(shù)、迭代終止準則和權(quán)重系數(shù)矩陣的接受 概率的定義。能量函數(shù)的定義如(l)式所示
季局,J]( V， 一-W"^))]2+^2化(W……(1)
其中^表示需要開啟的換能器數(shù)目，^和A3為相對應(yīng)項的權(quán)重系數(shù)， ^為式(l)右邊的第一項Z(^^-6d(",，"》)的權(quán)重系數(shù)，^為
式(l)右邊的第二項f的權(quán)重系數(shù)，^為式(1)右邊的第三項(i 。-i df的
權(quán)重系數(shù);i 。和i d分別表示稀疏優(yōu)化過程中得到的錐度比(Obtained CTR) 和目標錐度比(Desired CTR) ,wx, "y)的定義如(2)式所示
<formula>formula see original document page 5</formula>
(2)
其中W表示由所有換能器權(quán)重系數(shù)tt^"組成的矩陣變量，主要用于控制波束方向圖的旁瓣峰值，d表示在;c軸方向或者y軸方向上相鄰兩個換能 器之間的距離，A是回波信號中心頻率的波長，波束方向的單位矢量 <formula>formula see original document page 6</formula> 其中"xe[-l,l]， "ye[-l,l]， 6
為仰視角，p為方位角。B為波束輸出能量6(『，Wx，Wy)的最大值，Z)d(Mx,%) 表示最大旁瓣峰值的目標值，對一固定大小的平面陣，6d(wx， "y)為一個常 數(shù)，i2表示滿足下面兩個條件的("x,"y)集合<formula>formula see original document page 6</formula>其中D表示換能器矩形平面陣中較短的邊長，波束方向圖的主瓣不在該集
合取值范圍內(nèi)。此i2集合，即為滿足"xe[O， 1/尸,...，p/尸,…，1], pe [O，尸] 和wye
,《e
, wye[-l,l]， P
為仰視角，p為方位角；B為波束輸出能量6(l^，^,"y)的最大值，6d(wx，"y) 表示最大旁瓣峰值的目標值，對一固定大小的平面陣，6d(wx， w》為一個常 數(shù)，D表示滿足下面兩個條件的(^，Wy)集合
(w》2+ (m》2>/1/Z)
6(W, MX, My)/5>6d(WX， Wy)
其中Z)表示換能器矩形平面陣中較短的邊長，波束方向圖的主瓣不在該集 合取值范圍內(nèi)；D集合為滿足^e
， pe [O，P]和wye
， [O,g]條件的離散坐標(Mx,"y)組成的集合，其中P和 Q為兩個常數(shù)；6d(wx, wy)=0.07934。 重生概率的定義如(3)式所示
4 x --)(w--)
Pr(重生概率)=& x (1--^~~……(3)
其中1SwSM， 1〕，， A4為一系數(shù)，^=0.8; 死亡概率的定義如下所示
Pr(死亡概率)二l; 溫度變化函數(shù)的定義如(4)式所示fr /==i
r(/)" start , ……(4)
lo.85xr(/-1) ; />1
迭代終止準則的定義如(5)式所示
j(/—丄+1)==^(/)， />(￡—1)...…(5)
其中J(/)表示進行第/次迭代運算后需要開啟的換能器的數(shù)目，當需開啟 的換能器數(shù)目^在連續(xù)￡次迭代運算過程中都沒有減少，則終止平面陣中 的換能器陣元的稀疏優(yōu)化過程，L的取值為100。
優(yōu)化過程中的權(quán)重系數(shù)矩陣的接受概率為接受當前權(quán)重系數(shù)矩陣『 為下一個權(quán)重系數(shù)矩陣『/+/概率，定義如(6)式所示
exp(^^)， if> A ,,、 pAT "'……(6)
、1, 其他
其中￡,為第/迭代以后的能量函數(shù)數(shù)值，^表示新狀態(tài)的能量函數(shù)數(shù) 值，A:為玻爾茲曼常數(shù)，r為模擬退火算法中的系統(tǒng)溫度，在該實施例中 取為1000。
如

圖1所示，稀疏換能器平面陣的稀疏優(yōu)化流程，其中round()、 rand() 和unifrnd()等三個函數(shù)都是Matlab中的數(shù)學(xué)函數(shù)round()為取整函數(shù)； rand()是生成一個隨機數(shù)的函數(shù)；unifrnd(-O.l,O.l)函數(shù)能隨機產(chǎn)生(-O.l，O.l) 之間的一個隨機數(shù)。該稀疏優(yōu)化的步驟為
(1) 溫度7;tart初始為1000,換能器權(quán)重系數(shù)矩陣『的初始化為一個 48行48列的參數(shù)矩陣，其中每個數(shù)值隨機初始化為0或者1 。
(2) 選擇隨機的一個換能器權(quán)重系數(shù)ov ,并將其賦給叫。在每次迭 代過程中，所有的換能器系數(shù)都遵循一個隨機訪問序列，每個換能器被訪 問一次，有且僅有一次。
i. 如果選擇的換能器是處于關(guān)閉狀態(tài)，即其權(quán)重系數(shù)為零，則在遵循 重生概率的條件下，此換能器將被重新開啟，即當重生概率大于一個隨機 數(shù)時，該換能器將被重新開啟，另一個隨機數(shù)被賦給該換能器作為其權(quán)重 系數(shù)，同時整個權(quán)重系數(shù)矩陣也進行更新；反之，若重生概率小于此隨機 數(shù)，則重新回到步驟(2)。
ii. 如果選擇的換能器處于開啟狀態(tài)，由于死亡概率值為1,所以它總是 會先被關(guān)閉，即將其權(quán)重系數(shù)被賦值為0，同時更新整個權(quán)重系數(shù)矩陣，如果更新后的權(quán)重系數(shù)矩陣導(dǎo)致能量函數(shù)數(shù)值減小，則進行步驟(3)。反之， 如果更新后的系數(shù)矩陣導(dǎo)致能量函數(shù)數(shù)值增大，則該關(guān)閉的換能器將重新 被開啟，即將原來系數(shù)cy,加上一個(-0.1， 0.1 )之間的隨機數(shù)賦給該換 能器作為新的權(quán)重系數(shù)，并且更新權(quán)重系數(shù)矩陣。
iii.如果新的權(quán)重系數(shù)矩陣『"使得能量函數(shù)數(shù)值減少，則該新的系數(shù)矩 陣將作為下一個系數(shù)矩陣『/+/參與算法的運行；如果新的系數(shù)矩陣『 使
得能量函數(shù)數(shù)值增加，則它是被接受為下一個系數(shù)矩陣『/+/還是重新找回 原來的權(quán)重系數(shù)叫，取決于一個基于系統(tǒng)"溫度"參數(shù)的概率，即系統(tǒng)"溫 度"越高，則接受該權(quán)重系數(shù)矩陣^為下一個權(quán)重系數(shù)矩陣『/+7概率越大。
(3) 如果所有換能器都已經(jīng)被訪問一次，更新迭代次數(shù)變量/，同時系 統(tǒng)"溫度"函數(shù)r(/)也進行更新，接著進行步驟(4)。若所有換能器未被遍歷 訪問一次，則回到步驟(2)，進行下一個權(quán)重系數(shù)的選擇。
(4) 如果迭代過程滿足終止準則，則算法被終止，否則進行步驟(2)。 如圖2所示，本優(yōu)選實例最終得到的稀疏換能器陣的示意圖，該稀疏
換能器陣由317個換能器陣元組成從第l行到第12行，換能器數(shù)目為 60個；從第13行到24行，換能器數(shù)目為100個；從第25行到第36行， 換能器數(shù)目為108個；從第37行到第48行，換能器數(shù)目為49個。
如圖3所示，本優(yōu)選實例最終得到的稀疏換能器陣的權(quán)重系數(shù)矩陣的 示意圖，其中最大的權(quán)重系數(shù)為1.66,最小的權(quán)重系數(shù)為0.66，錐度比約 為2.5。
如圖4所示，本優(yōu)選實例最終優(yōu)化得到的稀疏換能器陣的波束輸出能 量圖，其中最大旁瓣能量為-22dB, ^和"y為波束單位矢量的；c軸坐標和 _y軸坐標。
因此，最終得到在稀疏優(yōu)化后的換能器陣的波束方向圖同時滿足最大 旁瓣峰值的閾值條件和錐度比的閾值條件下，稀疏換能器陣需要開啟的最 少換能器數(shù)目為317個。
ii
權(quán)利要求
1.一種三維成像聲納系統(tǒng)換能器陣的稀疏優(yōu)化方法，其特征在于，采用模擬退火算法對所述的換能器陣進行稀疏優(yōu)化，得到稀疏換能器陣，求得稀疏換能器陣的波束方向圖同時滿足最大旁瓣峰值的閾值條件和錐度比的閾值條件下，稀疏換能器陣需要開啟的最少換能器數(shù)目；所述稀疏優(yōu)化前的換能器陣由M×N個換能器組成，所述的換能器按半波長或一個波長間距均勻分布在一個矩形平面內(nèi)，其中M、N為自然數(shù)；所述的錐度比為換能器的最大權(quán)重系數(shù)與換能器的最小權(quán)重系數(shù)的比值。
2. 如權(quán)利要求1所述的三維成像聲納系統(tǒng)換能器陣的稀疏優(yōu)化方 法，其特征在于，所述的模擬退火算法包括以下步驟a) 溫度參數(shù)7;加和換能器權(quán)重系數(shù)矩陣『的初始化，定義能量函數(shù)、 重生概率、死亡概率、溫度變化函數(shù)、迭代終止準則和權(quán)重系數(shù)矩陣的接 受概率；b) 選擇隨機的一個換能器的權(quán)重系數(shù)ov",其中1S ^M， 1S"^V, 并將其賦給叫；在每次迭代過程中，所有的換能器系數(shù)都遵循一個隨機訪 問序列，每個換能器均能被訪問一次，且僅能被訪問一次；I .當選擇的換能器是處于關(guān)閉狀態(tài)，即換能器的權(quán)重系數(shù)為零時，則 在遵循重生概率大于一個隨機數(shù)時，所述的換能器將被重新開啟，另一個 隨機數(shù)被賦給該換能器作為其權(quán)重系數(shù)，同時整個權(quán)重系數(shù)矩陣也進行更 新；反之，若重生概率小于此隨機數(shù)，則重新回到步驟b);n.如果選擇的換能器處于開啟狀態(tài)，由于定義的死亡概率值為1，所以換能器先被關(guān)閉，即將其權(quán)重系數(shù)被賦值為0，同時更新整個權(quán)重系數(shù) 矩陣，如果更新后的權(quán)重系數(shù)矩陣導(dǎo)致能量函數(shù)數(shù)值減小，則進行步驟c); 反之，如果更新后的系數(shù)矩陣導(dǎo)致能量函數(shù)數(shù)值增大，則該關(guān)閉的換能器 將重新被開啟，即將原來系數(shù)叫加上一個(-0.1, O，l)之間的隨機數(shù)賦 給該換能器作為新的權(quán)重系數(shù)，并且更新權(quán)重系數(shù)矩陣；III.如果新的權(quán)重系數(shù)矩陣『"使得能量函數(shù)數(shù)值減少，則該新的系數(shù) 矩陣將作為下一個系數(shù)矩陣『/+/參與算法的運行；如果新的系數(shù)矩陣『 使得能量函數(shù)數(shù)值增加，則它是被接受為下一個系數(shù)矩陣『/+/還是重新找回原來的權(quán)重系數(shù)CU,，取決于一個基于系統(tǒng)"溫度"參數(shù)的概率，即系統(tǒng)"溫度"越高，則接受該權(quán)重系數(shù)矩陣『"為下一個權(quán)重系數(shù)矩陣『/+/概率越大；c) 如果所有換能器都已經(jīng)被訪問一次，更新迭代次數(shù)變量/，使 /=/+1，同時系統(tǒng)"溫度"函數(shù)r(/)也進行更新，接著進行步驟d);若所有 換能器未被遍歷訪問一次，則回到步驟b),進行下一個權(quán)重系數(shù)的選擇；d) 如果迭代過程滿足終止準則，則算法^皮終止，否則進行步驟b)。
全文摘要
本發(fā)明公開了一種三維成像聲納系統(tǒng)換能器陣的稀疏優(yōu)化方法，采用模擬退火算法對平面陣中的換能器陣元進行稀疏優(yōu)化，得到稀疏換能器陣，求得在稀疏優(yōu)化后的換能器陣的波束方向圖同時滿足最大旁瓣峰值的閾值條件和錐度比的閾值條件下，稀疏換能器陣需要開啟的最少換能器數(shù)目；所述稀疏優(yōu)化前的平面陣由M×N個換能器組成，所述的換能器按半波長或一個波長間距均勻分布在一個矩形平面內(nèi)；所述的錐度比為換能器的最大權(quán)重系數(shù)與換能器的最小權(quán)重系數(shù)的比值。本發(fā)明利用盡量少的換能器陣元實現(xiàn)系統(tǒng)目標，使得建造此相控陣三維圖像聲納系統(tǒng)所需的硬件成本降低，使得進行波束形成算法所需的乘累加的計算量也減少。
文檔編號G01S7/52GK101625408SQ20091010138
公開日2010年1月13日 申請日期2009年8月3日 優(yōu)先權(quán)日2009年8月3日
發(fā)明者翔 田, 朋 陳, 陳耀武 申請人:浙江大學(xué)