第1章绪论
1.1前言
人类赖以生存的地球上海水面积约占地球总面积的71%，丰富的海洋资源促使人类对于海洋的探索与日俱增。然而由于光波和电磁波在海水中的强烈传播衰减和十分有限的传播距离，远远不能满足人类对海洋探索的要求，如水下目标探测和识别、水下通讯和导航等。相比之下声波在水中的传播性能就好很多，比如利用深海声道效应，远在五千公里以外的人也能清晰地接收到几膀TNT炸药爆炸时辖射的声信号。因此釆用声波作为信息传送的载体，是目前实现海下中、远距离无线通信的唯一技术手段。水声成像技术的发展得益于水下地形地貌绘制和物体探测的需求。声纳是一种利用水声测定水下目标的存在、位置、方向或特征的设备。
图像声纳是一种水声成像声纳，其基本要求是作用距离远、图像清晰。合成孔径声纳 (SyntheticAperture Sonar,简称SAS)是一种新型的高分辨率水下成像声纳，它可以利用小孔径基阵沿运动方向（方位向）勻速直线运动，在运动方向的轨迹位置发射和接收声纳回波信号，然后根据相位关系和空间位置对不同位置接收信号进行相干处理，以此形成等效的虚拟大孔径，并获得沿运动方向(方位向)的高分辨率。与普通成像声纳相比，合成孔径声纳的显著特点是它可以得到很高的方位向分辨率，该分辨率只与发射基阵孔径的长度相关，与声纳的工作频率和作用距离都无关。由此利用低工作频率和小孔径基阵的声纳就能够实现对远、近距离目标的高分辨率成像。
由于其理论方位向分辨率与声信号频率无关，低频到高频的不同频段皆可获得较高成像分辨率。合成孔径声纳的研究成果对数字地球研究具有重要的意义，是一项具有广阔应用前景的海洋高新技术。民用方面，SAS技术可实现低工作频率下的高分辨率成像，有一定的穿透性，适合海底地质勘探、海底地貌测绘、沉物打搜、水下考古、水下工程（护岸工程、水下管线）的探查等，尤其是可以实现高分辨率海底地形地貌测绘。在作用距离较远、分辨率要求较高的应用环境下，釆用合成孔径声纳更合适。军事方面，由于SAS成像在点目标信噪比方面有较大的改善，适合于漫散射背景下的点目标检测，可用于混响背景下的悬浮、沉底及掩埋水雷探测，以及水下反潜、其它水下危险物体等军事目标的探测和识别等。
1.2合成孔径声纳的国内外研究发展
合成孔径声纳的提出源自合成孔径雷达，合成孔径雷达在地面成像中的应用已经有半个世纪的历史，并且取得了卓有成效的成像结果。60年代末合成孔径技术被引入声纳领域。美国Raytheon公司于1967年提出了关于SAS的可行性报告，1969年Walsh申请了第一个SAS专利。但是由于声波在水中传输速度远远慢于电磁波，声纳载体的不规则运动以及水声信道的复杂性等问题的限制，SAS发展很缓慢。1970-1980年期间，Williams、Christoff、Hayes和Gough等进行了一系列水声传播试验致力于解决上述问题[6-8]，结果表明水声信道的影响不如预想的严重，尽管水声信道会随时间变化，但回波信号在较短时间内仍然具有较好相干性，这种相干性能够达到合成孔径成像的要求。此外，还有学者通过多子阵的方法来弥补声传播速度慢所导致的低信号空间釆样率和SAS载体运动速度受限制等问题。借鉴合成孔径技术在合成孔径雷达中的技术成果，研究者们将合成孔径雷达中的成像算法应用到SAS中，随后自动聚焦算法的发展使SAS研究得到大突破。
第2章理想合成孔径声纳图像的统计特性
2.1引言
实验研究表明声呐图像中单个像素点的灰度可以近似为服从一定的分布模型，该分布模型即为声纳图像的一阶统计特性。本文旨在用一种统计的方式描述SAS图像数据，首先要解决的问题是应该采用何种合理的统计分布模型对SAS图像建模。传统声纳图像理论中，一直将Rayleigh分布作为混响包络的分布模型。这种假设是当每个分辨单元内独立散射体的数目趋近于无穷时，经典混响定义的一种渐近极限条件下的数学描述。但是近年来大量的理论研究预测和高分辨率SAS系统试验数据研究都表明，高分辨率SAS图像的概率密度函数的尾部要厚于传统Rayleigh分布，呈现出明显的非Rayleigh特性。研究者们已经用了多种分布模型来描述观测数据，包括McDaniel模型、Middleton KA分布、Crowther模型、混合Rayleigh分布模型,但是由于水下复杂环境和应用限制，这些模型很少被采用。
以往SAS图像统计特性分析中一直采用基于中心极限定理的瑞利分布模型，但是SAS成像中海底的非均勻性和空间联系性违背了 CLT中独立同分布的条件，同时SAS实现的小声纳分辨率单元也违背了 CLT中无限数量散射体的条件，因此瑞利分布不再适合描述高分辨率SAS图像统计特性。在此基础上，本文提出未受多途污染影响的理想SAS图像统计特性可以用K分布模型来描述，且其形状参数与分辨单元内散射体或散射斑数量成正比，与声纳接收阵列的波束宽度成正比，与发射波带宽成反比。本文通过K分布理论推导、K分布参数估计和分布检验、仿真理想SAS图像的统计特性验证三个方面得出上述结论。
第3章 多途污染后合成孔径声纳图像统计特性................................. 36-46
3.1 引言................................. 36
3.2 多途污染的统计模型................................. 36-38
3.3 多途污染对杂波统计特性的影响................................. 38-41
3.4 多途污染对混响统计特性的影响 .................................41-43
3.5 验证多途污染影响 .................................43-44
3.6 多途污染后SAS图像统计特性................................. 44-45
3.7 本章小结................................. 45-46
第4章 混合K+K分布的参数估计................................. 46-54
4.1 引言 .................................46
4.2 EM-MOM算法................................. 46-51
4.2.1 EM算法 .................................47-50
4.2.2 EM-MOM算法 .................................50-51
4.3 EM-MOM算法的验证................................. 51-53
4.4 本章小结................................. 53-54
第5章 总结与展望 .................................54-57
5.1 总结................................. 54-55
5.2 展望................................. 55-57
结论
随着SAS技术的迅速发展，高分辨率SAS图像的统计特性在很多实际应用中具有重要作用，尤其是在不同类型海底的识别、水雷探测、天然气或石油管道铺设等方面。SAS技术的发展受限于水声信道的影响，尤其是水声信道中多途污染的影响。同传统声纳相比，SAS更容易受到多途污染，以致图像质量降低，图像统计特性发生变化。
以往SAS图像统计特性分析中一直釆用基于中心极限定理（CLT)的瑞利分布模型，但是SAS成像中海底的非均匀性和空间联系性违背了CLT中独立同分布的条件，同时SAS实现的小声纳分辨率单元也违背了CLT中无限数量散射体的条件，因此瑞利分布不再适合描述高分辨率SAS图像统计特性。在此基础上，本文提出采用K分布研究SAS图像统计特性，为今后消除多途污染影响，提高图像质量奠定基础。