基于回波相关性的三维成像声呐多帧积累方法.pdf

第 12 卷第 4 期2023 年 7 月网络新媒体技术Vol.12 No.4Jul.2023基于回波相关性的三维成像声呐多帧积累方法王 硕1,2,3 刘纪元1,2(1中国科学院声学研究所北京 1001902中国科学院先进水下信息技术重点实验室北京 1001903中国科学院大学北京 100049)摘要:三维成像声呐是一种用于拍摄水下三维场景的多波束声呐系统,在同一位置对场景多次观测后进行叠加,可以平滑图像噪声,提高信噪比。然而由于声速传播慢,且水下拍摄姿态容易受到环境扰动,成像设备无法在多个脉冲时间内保持姿态稳定,从而使得多帧数据无法有效积累。本文针对目标静止的场景,提出了一种声呐运动估计和补偿的方法,该方法首先利用 2 帧回波之间的相关性分别对时延和转动角度进行估计,根据运动参数对回波进行配准,将配准后的多帧声图进行非相干积累来提高声图质量。实验表明,该方法能够提升多帧积累的效果,多帧积累后的三维声图具有更低的图像信息熵,在相同的阈值设置下,补偿后获得的点云图像能够保留更完整的目标形态以及更少的背景噪点。关键词:水声成像,三维声成像,运动估计,非相干积累,互相关DOI:10.20064/ki.2095-347X.2023.04.005Multi-frame Integration Method for 3D Imaging SonarBased on Echo CorrelationWANG Shuo1,2,3,LIU Jiyuan1,2(1Institute of Acoustics,Chinese Academy of Sciences,Beijing,100190,China,2Key Laboratory of Science and Technology on Advanced Underwater Acoustic Signal Processing,Beijing,100190,China,3University of Chinese Academy of Sciences,Beijing,100049,China)Abstract:3D imaging sonar is a multi-beam sonar system used to capture underwater 3D scenes,where multiple observations of thescene at the same location are superimposed to smooth out image noise and improve the signal-to-noise ratio.However,due to theslow propagation of sound velocity and the susceptibility of the underwater shooting attitude to environmental perturbations,the imagingdevice is unable to maintain a stable attitude over multiple pulse times,which in turn prevents the effective integration of multipleframes of data.In this paper,we propose a method for estimating and compensating sonar motion in a stationary target scenario.Themethod first uses the correlation between two echo frames to estimate the time delay and rotation angle respectively,then aligns the ech-oes according to the motion parameters,and accumulates the aligned multi-frame acoustic images in a non-coherent way to improvethe acoustic image quality.Experiments show that the method can improve the effect of multi-frame integration,and the 3D acousticimage after multi-frame integration has lower image information entropy.Under the same threshold setting,the point cloud image ob-tained after compensation can retain more complete target shape and less background noise.Keywords:underwater acoustic imaging,3D acoustic imaging,movement estimation,noncoherent integration,cross-correlation本文于 2023-03-24 收到,2023-04-11 收到修改稿。4 期王硕 等:基于回波相关性的三维成像声呐多帧积累方法0引言水声探测系统在海洋资源开发、海洋安全、工业监测等领域扮演着日渐重要的角色,实时三维声呐成像技术是近些年水下应用领域重要的技术革新之一。相较于传统声成像,三维成像系统借助于平面换能器阵列,能够在单次脉冲内生成具有方位-俯仰-距离三维信息的声学图像,具有显示直观、应用灵活等特点1。三维成像系统在形成目标点云图像时需要较高的信噪比,这可以使得系统在保留目标信号的同时降低检测阈值,从而降低点云中的背景噪点2。假设成像视野里的目标在短时间内静止,将多帧声图进行非相干积累可以有效平滑噪声,改善图像信噪比,提高目标清晰度3。在角分辨率恒定的球坐标成像网格中,小幅的设备晃动也会导致声图在远距离出现明显失配,无法达到平滑噪声与增强目标的目的,如何对声呐平台的运动进行估计是多帧声图有效积累的关键。在聚焦合成孔径声呐中,文献4利用回波数据自身的相关性对航迹向的运动估计可以达到亚波长的精度,从而实现高精度的平台定位。文献5利用冗余相位中心阵列的回波相关性对多次通过的声呐进行高精度定位与配准。在双侧合成孔径声呐中,文献6利用双侧回波联合估计方法对基阵的横荡误差和升沉误差进行补偿,并抑制了图像散焦现象。然而,目前针对三维成像系统多帧积累问题的研究较少,因此对三维成像系统脉冲信号进行运动补偿和多帧积累具有重要的研究意义。1三维声成像原理介绍一个典型的水下三维成像场景由几个大小尺寸不一的固体目标物,以及连续目标或背景组成,三维成像主要目的在于呈现场景中物体的轮廓或形状以及它们分布的位置7。换能器发射一个高频声波,当声波遇到场景中声阻抗显著变化的位置时,就会被反射回来。假设成像场景是由 I 个密集的点散射体构成的集合。第 i 个散射体位于 ri处。位于坐标原点的窄带声脉冲 pt()在各向同性、线性介质中进行球面传播,根据自由场格林函数和夫琅禾费近似,在第 m 个传感器位置 pm处的回波信号 s 记为式(1)。s(t,pm)=Ii=1Cipt-2|ri|c()exp j2f0rTipmc|ri|()()(1)三维成像传统的波束形成成像方法可以视作一个空域滤波器,其滤波器系数由成像几何关系对应的时延或者相位差所决定8,频域波束形成器的输出可以表示为式(2)。sbeam(t,u)=Ii=1CiRACFt-2|ri|c()Mm=1exp j2(f0/c)u-ri|ri|()Tpm()()(2)其中,单位向量 u 表示波束方向,RACF()表示发射波形的自相关函数。对波束信号取包络后可以得到球坐标系下的三维图像,离散后的时间采样与图像中的距离对应,波束方向与图像中的角度对应9。2距离-转动角配准误差分析假设由回波估计得到相邻 2 次脉冲中目标中心到阵列的距离差,以及目标中心相对于阵列的转动角,那么将该参数用作整个声图的配准将存在几何误差。如图 1 所示,即使目标中心在配准后与上一帧声图完美重合,但由于阵列观测角度的细微变化,在声图按极坐标平移和旋转后,目标边缘仍无法与上一帧观测的位置重叠,这里称之为畸变误差。只有当误差畸变小于像素尺寸时非相干积累才存在意义10,此处通过几何关系对误差畸变的主要影响因素进行分析,其中包括成像距离和阵列晃动幅度。2.1畸变误差模型为简化表达,这里使用平面视图。假设所有坐标均位于同一平面,如图 1 所示。在上一帧观测中,阵列中心位于坐标原点,用(xk-1,yk-1)表示,目标位于视野中央,即在阵列的法线方向上。用坐标(xc,yc)表示目标的中心位置,用坐标(xe,ye)表示目标的外侧边缘,所以目标中心到阵列的距离为 R1=yc。当阵列发生33网络新媒体技术2023 年图 1距离-转动角配准几何原理图位置和姿态的晃动,阵列中心移动至(xk,yk),同时顺时针旋转 k。假设目标静止,此时目标中心与阵列的距离变化到 R2,2 次观测目标中心到阵列中心的距离差表示为 R=R1-R2。配准在阵列当前帧的极坐标下完成,分为平移和旋转 2 个操作,在回波域与之对应的操作为采样的延迟与相移,首先根据相关测量得到的距离差 R 进行平移,可以得到目标的中间状态坐标,这里用(xic,yic)和(xie,yie)表示,根据几何关 系有式(3),xic=xc+Rsin(k-)yic=yc+Rcos(k-)(3)以及式(4)。xie=xe+Rxe-xkreyie=ye+Rye-ykre(4)其中有式(5)。re=(xe-xk)2+(ye-yk)2(5)经过旋转后目标边缘的坐标通过旋转矩阵可得式(6)。xe=(xie-xk)cos()+(yie-yk)sin()+xkye=-(xie-xk)sin()+(yie-yk)cos()+yk(6)当前帧目标边缘点的参考配准位置可由上一帧的参考位置求得,即如式(7)所示。xr=xk+xecos(k)+yesin(k)yr=yk-xesin(k)+yecos(k)(7)相对于当前帧极坐标的原点,参考坐标与畸变的坐标之间的径向距离误差为式(8)。err=r-e(8)其中有式(9)。r=x2e+y2ee=(xe-xk)2+(ye-yk)2(9)参考坐标与畸变坐标之间的方位误差为式(10)。err=cos-1(xe-xk)(xr-xk)+(ye-yk)(yr-yk)re(10)2.2畸变误差分析对于给定的阵列位移和旋转,可以得到配准点畸变误差随成像距离的变化趋势。具体而言,设定上一帧阵列的中心坐标(xk-1,yk-1)位于笛卡尔坐标系原点,目标中心位于坐标系纵轴上,即 xc=0,阵列的旋转角度为 k=3,阵列坐标分别位移 1 5 cm 得到当前帧阵列位置(xk,yk),改变目标到阵列的距离 yc,并通过式(8)和式(10)可以分别计算得到配准点的距离误差和方位误差。图 2 给出了从目标中心到边缘径向距离跨度为 1 m 的目标配准点误差曲线,从图 2 中可以看出,随着成像距离增大,方位误差和距离误差均快速降低。当成像距离超过 15 m 后,3 种位移幅度的方位误差均小于 0.01,距离误差均小于 0.001 cm,这对于三维声成像系统的典型分辨率而言可以被忽略,如 1方位分辨率和 2 cm 的距离分辨率。阵列位移对于畸变误差的上升十分明显,在对静止目标成像时,假设平台没有主动的运动,晃动在脉冲间的通常幅度是比较小的,即使对于每帧 5 cm 的平台位移,误差相比于像素尺寸也仍然可以忽略。图 3 给出了对于距离跨度为434 期王硕 等:基于回波相关性的三维成像声呐多帧积累方法2 m 的成像目标的误差曲线,与 1 m 的成像目标相比而言,方位误差显著升高,当成像距离超过 20 m 后,5 cm 位移对应的方位误差会小于 0.01。图 2径向跨度 1 米目标的边缘配准点畸变误差曲线图图 3径向跨度 2 米目标的边缘配准点畸变误差曲线图通过误差曲线可以说明,当成像目标与设备存在一定距离时,畸变误差远小于三维声图的像素尺寸。那么在这种配准模式下,如何准确估计这 2 个参数就是算法的关键。3时延-转动角互相关估计算法在注视模式下可以认为声呐晃动主要影响的是姿态。尽管相对于成像距离,声纳位移距离幅度很小,但目标的回波所在的距离单元改变后,会出现相邻帧距离切片数据不匹配的问题,所以估计算法主要分为 2个步骤。第 1 步对 2 帧之间回波在距离上的偏移进行估计,确定目标相对于阵列中心发生的位移,对应 2.1节中的位移量 R,在得到位移量 R 后对当前回波进行补偿。第 2 步通过对应切片的相关性进行转动角估计,对应 2.1 节中的转动量。位移量 R 估计的关键是 2 次回波测量的时延差,精确的回波时延估计同样也是其他体制声呐运动估计中的关键问题。诸如在合成孔径声呐中利用回波频域相位差的互谱法6,该方法时延估计精度高,但是易受相位缠绕问题的影响,即回波的时延差超出了单次采样间隔,从而带来了相位观测受限问题11。广义互相关法是另一种经典的时延估计算法,通过计算回波采样信号的互相关序列,并检测互相关的峰值所在样本点位置获得时延估计12。该方法仅能获得离散点上的时延估计,精度受互相关函数的网格限制,通过上采样可以获得更精细的峰值检测,但会增加算法的计算量,通过局部内插算法则能在计算量和精度之间取得折中。通过 2.2 节的分析,在成像距离较远时,阵列中心的时延差和转动角引起的畸变可以忽略,能够53网络新媒体技术2023 年图 4基于时延-转动角估计的多帧非相干积累算法流程图满足非相干积累的要求,所以首先对通道回波信号计算互相关,从而获得时延估计 t,然后对补偿后的波束信号进行空间互相关计算,从而获得转动角估计,最后对通道信号进行转动角补偿,经过成像算法得到的图像进行多帧非相干积累,算法完整的流程图如图 4 所示。3.1 通道互相关为简化表示,先省去通道的索引 m,考虑相邻 2 帧同一通道的回波分别如式(11)所示。sl-1(t)=s(t)+n(t)sl(t)=s(t+t)+n(t)(11)其中,t 表示由阵列移动导致的 2 次回波的时延差,n(t)表示 2 次观测的噪声,用 Rss()表示信号 s(t)的自相关函数,通过对其中一路信号延迟,可以获得2 路回波的互相关函数。假设信号和噪声不相关,互相关函数可以表示为式(12)。Rl,l-1()=Esl-1(t)sl(t-)=1TTsl-1(t)sl(t-)dt=Rss(-t)+Rn()(12)从式(12)可以看出,在不考虑噪声的情况下,2 路信号的互相关是延迟 t 后的自相关函数,所以互相关时延估计的核心思想是求解式(13)所示的函数峰值所对应的时延量。t=argmaxRl,l-1()(13)假设回波信号为有限能量,且自相关函数的峰值出现在零时刻,在不考虑噪声的情况下,=t 时刻使得函数值最大13。同时信号的互功率谱可以表示为式(14)。Sl,l-1()=Sl-1()Sl()=(S()+N()(S()exp(jt)+N()=|S()|2exp(-jt)+Sn()(14)其中,|S()|2是理想回波的功率谱,N()表示噪声频谱。为了提高估计精度,可以根据信号有效带宽对回波进行预滤波,令滤波器的频谱加权为 H(),加权后得到互功率谱,如式(15)所示。Gl,l-1()=H()H()Sl,l-1()=A()Sl,l-1()(15)加权函数 A()的不同选择会产生不同的去噪效果,比如 GCC-PHAT 算法对信号互功率谱进行白化可以得到更陡峭的相关峰14,即如式(16)所示。A()=1|Sl-1()Sl()|(16)同时,通过信号的频谱点乘来计算互谱可以大幅降低计算量,所以时延估计可以表示为式(17)。t=12-Gl,l-1()exp(j)d(17)在获得每个通道的相关函数后,对所有通道的相关函数进行积累来提高估计的精度,用式(18)表示。t=argmaxMm=1|Rml,l-1()|(18)其中,Rml,l-1()表示第 m 个通道的互相关波形。3.2切片互相关在获得时延差估计后,对当前帧的回波进行时延补偿,然后与上一帧的回波逐个切片进行转动角估计。634 期王硕 等:基于回波相关性的三维成像声呐多帧积累方法与时延估计类似,为了简化表示,此处隐去时间变量 t,假设上一帧和当前帧在同一距离切片的波束输出分别为式(19)。sl-1()=s()+n()sl()=s(+)+n()(19)其中,=sin,即散射场在正弦域上被采样,以此保证波束输出的移不变形,这在视野开角较小的三维成像系统中容易满足15。与时延估计类似,其空间互相关可以表示为式(20)。l,l-1()=Esl-1()sl(-)=12sl-1()sl(-)d=ss(-)+n()(20)在不考虑噪声的情况下,2 个波束输出的互相关是旋转 后的空间自相关函数,考虑到波束空间响应在视野中心获得最大值,所以互相关转动角估计的就是求解式(21)所示的函数峰值所对应的偏移角度。=argmaxl,l-1()(21)式(21)在 =时函数值取最大。这里假设阵列的平移量远小于成像距离,所以在获得每个切片的空间互相关函数后,可以对所有切片的相关函数进行积累来提高估计的精度,用式(22)表示。=argmaxTt=1|tl,l-1()|(22)其中,tl,l-1()表示了第 t 时刻的空间互相关函数。3.3声图非相干积累将式(22)推广至二维空间互相关,可以分别得到水平和垂直方位的转动角,第 l-1 帧到第 l 帧产生的转动向量用 ul=(x,y)T表示。参考信号模型,补偿后的波束信号 s(t,pm)写成式(23)。St()=S()exp(-jt)s(t,pm)=st(t,pm)exp(-j2(f0/c)uTpm)(23)其中 S()和 St()分别为时延补偿前后的回波频域信号。图 5成像目标梯子的点云图在实时成像中,可以通过固定长度滑动窗的方式得到积累的声图。设定积累长度为 J,当前帧的成像结果表示为 xl,那么当前帧积累后的声图 zl可以由式(24)得到。zl=zl-1+1J(xl-xl-J)(24)综上所述,基于距离-转动角估计的声图配准算法可以用图 4 来表示,其中通道互相关和切片互相关分别由式(18)和式(22)计算,距离补偿和相位补偿由式(23)计算。如式(15)所示,该算法所有的相关操作均可以在频域完成,不涉及迭代优化求解,所以算法的复杂度为 O(Nlog(N)。4实验结果4.1仿真实验本小节的数值实验共 3 组,分别用于验证时延-转动角估计的精度和非相干积累的有效性,所有实验均使用时域信号模型产生带噪声的点云回波。仿真的成像场景是一个放置在距离阵列 12 m 处的梯子,如图 5 所示,该梯子是一个 500 点的立体点云集合。所有散射点的系数由均值为 1,标准差为 0.1 的高斯分布随机产生,并限制为非负数。仿真使用的阵列配置与表 1 中的设备一致,系统角分辨率约 1,发射的脉冲中心频率为 600 kHz,信号带宽为 30 kHz,距离分辨率为 2.5 cm。实验 1:梯子的几何中心被放置在笛卡尔坐标系(12 m,0 m,0 m)处,共产生 1073网络新媒体技术2023 年帧回波,第 1 帧作为初始帧,阵列中心初始位置在(0 m,0 m,0 m)处,法线方向朝向梯子中心。从第 2 帧开始,阵列的朝向开始在左右方向晃动,每一帧的晃动角度 k服从均值为 k-1,标准差为 1的高斯分布。为了验证算法对于阵列随机位移扰动的鲁棒性,进一步将阵列中心 3 个坐标(x,y,z)设置为零均值独立高斯同分布的随机过程,并设置 3 组不同程度的扰动,即标准差为 1 cm,3 cm 和 5 cm。成像算法的波束数量设置为128 128,视野中央波束间隔约为 0.45。从图 6 的估计结果发现,当阵列位置固定,仅发生角度晃动时,互相关的转动角估计标准差在 12 dB 为0.035,这个误差远小于 1的角分辨率和 0.45的波束间隔。当阵列发生位置扰动时,转动角的估计误差明显增大。以信噪比为 9 dB 为例,转动角估计标准差在阵列静止时为 0.038,增加 1 cm 的位置扰动后增加至0.062,增加至 3 cm 和 5 cm 后分别为 0.124和 0.215。以实际成像系统中的典型帧率来看1,10 帧/s 对应的脉冲间隔为 100 ms,所以每帧 3 cm 以上的晃动误差很少出现。尽管如此,图 6 中所反映的严重的转动角误差仍然小于成像系统的角分辨率。与转动角估计误差相似,平台位移扰动的幅度增大也会显著提高时延的估计误差,图 6 中时延估计的精度也能够满足声图的积累要求,因为对于典型实际系统,距离的分辨单元通常在 cm 级甚至更高。图 6阵列存在位置扰动时姿态估计的标准差随信噪比的曲线图实验 2:从实验 1 中选择一组位移扰动 3 cm 的轨迹,进行多帧非相干积累实验,信噪比设置为 6 dB,结果如图 7(a)-图 7(d)。为进一步展示方位的重合程度,将三维图像沿距离向提取剖面得到图 8,对比发现2 帧积累后背景噪声得到平均,单帧出现的亮斑得到了抑制,比如横向方位-18,0和 20附近出现的亮斑。更多的积累次数轮廓会更清晰,尤其是对比梯子台阶的完整程度。实验 3:为了验证算法中时延估计对于后续转动角估计的必要性,增加一组设定了阵列扰动但未进行距离补偿的成像实验,即对回波直接进行转动角估计。扰动幅度参考实验 1 中的 3 cm 进行随机产生。结果如图 7(d)、图 7(f)所示,相比而言,未进行距离补偿的成像结果,梯子局部模糊更严重,这一点也可以从图 9观察到,声图在峰值两侧有一定程度的展宽,这是由于未经距离补偿直接进行转动角补偿会增大角度估计的误差,从而导致积累时 2 帧之间峰值角度无法对齐。为了定量说明不同积累方法对成像质量的改进,此处利用图像的信息熵作为三维声图的评估指标对成像结果进行统计,图像信息熵的定义为式(25)。E(z)=-Bb=1p(zb)logp(zb)(25)其中,zb为三维声图 z 量化后在直方图中的第 b 个分组,p(zb)为该分组对应的归一化概率。在图像处理中,通常认为信息熵更低的声图噪声更平坦,且具有更容易分割和显示的目标边缘。如图 10 所示,单帧声图的信息熵为 2.91,未补偿直接进行多帧积累会使得信息熵升高,第 3 帧为 3.01,第 10 帧升高至 3.19,与图 7(f)中图像反映出的问题一致,运动导致的成像网格失配会使得成像目标轮廓模糊,这是图像熵增的主要原因。补偿后的信息熵均有下降的趋势,距离方位角转动补偿后的第 10 帧降低至 2.72,相比单帧图像降低约 0.2,834 期王硕 等:基于回波相关性的三维成像声呐多帧积累方法相比未经补偿后的多帧结果降低约 0.47。图 7目标梯子非相干积累成像结果图图 8不同积累帧数下声图水平剖面的分布曲线图图 9不同补偿方法下声图水平剖面的分布曲线图4.2实际数据处理为了验证补偿算法对积累的实际表现,本节对三维声呐系统在实际水下环境中采集的数据进行处理,实验共分为 2 组,使用相同的设备进行数据采集,设备参数如表 1 所示。第 1 组实验中声呐平台由蛙人在千岛湖水下手持拍摄,设备的运动不规则,以蛙人为中心,水平方向旋转成分为主,成像目标为距离蛙人 22 m表 1数据采集系统的参数配置系统参数类型值系统参数类型值工作频率600 kHz阵元数量512距离分辨率2.5 cm作用距离120 m角分辨率1视角范围54成像网格128 128孔径尺寸12.69 cm阵元间距0.27 cm装配方式手持/船侧刷新率6 frame/s实验水深15 m/2 m图 10三位声图信息熵随积累帧数的变化曲线图93网络新媒体技术2023 年处的大桥桥墩水下部分。第 2 组实验中数据在苏州独墅湖湖边水深约 2 m 处采集,成像场景为 5 m 到 30 m不规则排列的数个水泥桥墩组成,声呐装配于实验船的一侧,运动幅度小,这 2 组实验分别验证在不同运动幅度下时延转动角算法对多帧积累的提升。如图 11 所示,在千岛湖手持声呐回波数据的处理中,补偿算法估计出的运动主要沿着水平方向旋转,垂直方向转动的最大幅度不超过 1,水平方向最大幅度出现在第 10 帧,为向左 3.6。蛙人向朝着目标方向游动,这一运动趋势同样反映在了图 11 中下侧的曲线上,整个记录时长为 1.66 s,即帧率为 6 帧/s。如图 12 所示,在独墅湖船侧固定平台声呐回波数据中,补偿算法估计的运动均在零值附近,水平方向的旋转幅度最大不超过向左 0.25,与目标间产生的位移最大幅度为 0.012 m,均小于声图对应的像素尺寸。尽管声呐的运动没有标定数据作为参考,但仅从估计值和记录的运动状态来看,估计值符合设备运动的趋势且没有出现较大的方差。图 11千岛湖大桥墩蛙人手持声呐转动角与距离估计曲线图图 12独墅湖小桥墩船侧固定声呐转动角与距离估计曲线图图 13 展示了第一组实验千岛湖桥墩成像的结果,三维图像通过全局阈值将目标散射点筛选出来形成稀疏化的点云图像,本组所有阈值设置为数据幅度归一化后的 10%,所有结果都采用常规波束形成作为成像算法16。随着积累帧数的增加,出现在背景中的噪点点云逐渐减少,这是由于非相关积累将噪声平均后的结果,另一方面目标的轮廓逐渐清晰,且没有因为运动的原因引入明显的模糊。作为对照,未经补偿的点云图显示出了更多的背景噪点,主要原因是不同视角和距离声图在没有配准的情况下叠加,能量较强的像素没有有效积累,归一化后反而抬高了噪声的相对水平。另一方面,由于失配的原因,桥墩的形状在经过错位叠加后出现了较明显的失真,圆柱的轮廓弧度也几乎消失。该组图像的对比比较充分的验证了补偿方法的引入对目标清晰度的提高,同时由于噪声平均而抑制掉了凸起的噪点,改善了显示的背景噪声。图 14 展示了运动幅度较小时算法的有效性,与上面的结果相似,从第 10 帧的对比可以看出,引入补偿算法对图像质量有小幅的改善,补偿后的成像主体没有因为晃动而出现边缘展宽。同样 10%阈值的情况下,经补偿后的一组桥墩噪点略少于未补偿的。另外增加了未经叠加时的对比图,该图像通过抬高阈值至22%,背景噪点与多帧积累后 10%阈值获得的点云图有相近水平,但抬高阈值后会引起成像目标轮廓缺失,这反映了显示系统中噪声抑制和目标失真的矛盾。由于缺乏真实姿态参数作为对比,这里直接对积累后的图像质量进行评估,以此来反应补偿的必要性。评估指标为三维图像信息熵,定义参考式(25)。如图 15 所示,对于固定平台的小幅度运动而言,熵在积累 4帧后出现比较明显的差异。补偿带来的差异在手持的大幅度运动中更加明显,未经补偿的声图积累会显著044 期王硕 等:基于回波相关性的三维成像声呐多帧积累方法图 13千岛湖桥墩数据多帧融合处理点云图图 14独墅湖桥墩声呐数据多帧融合处理点云图图 15三维声图信息熵随积累帧数的变化曲线图增大图像信息熵,且随着帧数的增加快速上升,而经过补偿后的声图积累可以显著降低图像信息熵。另外在大幅运动的曲线中可以观察到,第 8 帧后熵出现回升,这反映了距离与转动角估计算法存在的累计误差问题,所以在运动幅度较大的拍摄中,过多的积累帧数并不会进一步改善成像质量。5结束语为了解决三维声图多帧积累时存在的设备晃动问题,本文将相邻帧的阵列运动问题近似为时延与转动角的参数估计问题,分析了畸变误差与运动幅度的关系,在此基础上提出了基于回波相关性的运动估计与补偿算法。实验证明该算法可以获得高于成像网格尺寸的估计精度,观测窗内的多帧声图融合后可以平滑背景噪声,在更低的检测阈值下可以有效抑制点云中出现的噪点。参考文献1 Murino V,Trucco A.Three-Dimensional Image Generation and Processing in Underwater Acoustic VisionJ.Proceedings ofthe IEEE,2000,88(12):1903-1946.2 王朋.基于稀疏布阵的三维成像声纳信号处理算法研究D.北京:中国科学院大学,2015.3 陈希信,李坡,弓盼.雷达信号非相参积累的检测性能分析J.现代雷达,2020,42(12):50-55.(下转第 57 页)144 期陈正奎:自适应性数据重删技术在大数据管理中的应用研究2 王龙翔,董凯,王鹏博,等.R-dedup:一种重复数据删除指纹计算的优化方法J.西安交通大学学报,2021,55(1):43-51.3王兴虎,何安元.一种基于源端数据重删的数据备份和恢复系统设计与实现J.南京师大学报(自然科学报),2020,43(2):131-139.4 高峰.试论网络备份管理服务器的设计与实现J.数字通信世界,2017(3):188-189.5 荆东星.Hadoop 平台的分布式重删存储系统研究J.科技风,2019(20):99.6 李经纬,李柏晴,张小松.数据安全重删系统与关键技术研究J.信息安全研究,2015,1(3):245-252.7 丁建立,李慧,曹卫东.基于民航数据特性的重删固定长度分块方法J.中国民航大学学报,2022,40(4):32-37.8马柄腾,刘丹.私有云下基于相似度聚类的重删算法研究J.微电子学与计算机,2017,34(9):67-70+76.9 刘啸,刘玉龙.基于属性基加密的云存储数据安全删重算法J.计算机仿真,2022,39(11):487-490.10 李涛.信息系统容灾抗毁原理与应用M.人民邮电出版社,2007:169-187.11 谢平.存储系统重复数据删除技术研究综述J.计算机科学,2014,41(1):22-30+42.12 王文杰,徐云.基于 Token 语义构建的代码克隆检测J.计算机系统应用,2022,31(11):60-67.13 冯侠.浅析 cdp 卷镜像数据保护技术J.电子世界,2021(24):134-135.14 李杨,魏峰.基于数据备份的异构平台虚机迁移方法研究J.信息通信,2020(12):263-266.15 Zhang O,Zheng ZF,Lin X,et al.Dynamic backup sharing scheme of service function chains in NFVJ.China Communica-tions,2022,19(5):178-190.作者简介陈正奎,(1968-),男,高级工程师,主要研究方向:软件、算法、网络安全。(上接第 41 页)4 Thomas B,Hunter A.Coherence-Induced Bias Reduction in Synthetic Aperture Sonar Along-Track MicronavigationJ.IEEEJournal of Oceanic Engineering,2022,47(1):162-178.5 Hunter A J,Dugelay S,Fox W L J.Repeat-Pass Synthetic Aperture Sonar Micronavigation Using Redundant Phase Center Ar-raysJ.IEEE Journal of Oceanic Engineering,2016,41(4):820-830.6 钟荣兴,刘纪元,张羽,等.双侧回波联合的合成孔径声呐运动补偿算法J.声学学报,2019,44(4):648-656.7 Wang S,Chi C,Wang P,et al.Feature-Enhanced Beamforming for Underwater 3-D Acoustic ImagingJ.IEEE Journal ofOceanic Engineering,2023,48(2):401-4158 Palmese M,Trucco A.Digital Near Field Beamforming for Efficient 3-D Underwater Acoustic Image GenerationJ.2007 IEEEInternational Workshop on Imaging Systems and Techniques,Cracovia,Poland:IEEE,2007:1-5.9 Wang P,Chi C,Zhang P,et al.High-Resolution Underwater 3D Acoustical Imaging via Deconvolved Conventional Beamform-ingC/Oceans 2020.U.S.Gulf Coast:IEEE,2020:1-4.10 王宁,孟晋丽,刘国庆,等.机载雷达微弱目标帧间非相参积累与检测技术J.信号处理,2021,37(2):248-257.11 王迎迎,刘纪元,黄勇,等.脉冲压缩与互相关联合的合成孔径声呐回波时延补偿J.声学学报,2019,44(4):626-637.12 Ding F,Chi C,Wang S,et al.Off-Grid Compressive Time-Delay Estimation for Passive SonarsC/OCEANS 2021.SanDiego,CA,USA:IEEE,2021:1-5.13 V.Oppenheim A,Schafer R W.离散时间信号处理(第 3 版)M.黄 建 国,刘树 棠,张 国梅,译.电 子工 业出 版社,2015.14 Kwon B,Park Y,Park Y.Analysis of the GCC-PHAT technique for multiple sourcesC/ICCAS 2010.Gyeonggi-do,Ko-rea(South):IEEE,2010:2070-2073.15 Wang P,Chi C,Liu J,et al.Improving performance of three-dimensional imaging sonars through deconvolutionJ.AppliedAcoustics,2021,175(12):107812.16 Chi C.Underwater Real-Time 3D Acoustical Imaging:Theory,Algorithm and System DesignM.Springer,2019:28-29.作者简介王硕,(1996-),男,博士研究生,主要研究方向:信号与信息处理。刘纪元,(1963-),男,研究员,主要研究方向:水声信号处理、数字信号处理、水声成像与图像处理。75