混濁水域多波束反向散射強度傳播損失改正

付桂合, 馬鑫程, 馮成凱, 印 萍, 梅 賽, 陽凡林,

(1. 山東科技大學 測繪科學與工程學院, 山東 青島 266590; 2. 中交公路規劃設計院有限公司, 北京 100088;3. 青島海洋地質研究所, 山東 青島 266071; 4. 自然資源部海島(礁)測繪技術重點實驗室, 山東 青島 266590)

多波束聲吶(multibeam sonar)是目前使用最為廣泛的海洋測量儀器之一, 不僅能夠獲得水深數據,還能夠獲得反向散射強度(backscatter strength, BS)。反向散射強度經過一系列的處理后, 可以繪制海底聲吶圖像, 為海底底質分類、海洋目標探測、海洋環境調查等諸多領域提供基礎數據支撐[1-2]。多波束反向散射強度用于定量描述目標反射特性, 不僅受海底底質的影響, 而且還依賴于儀器特性及海洋環境[3-4]。多波束回波數據處理過程中, 去除海洋環境影響尤為重要, 海洋中的諸多因素都對聲信號的傳播產生影響, 這些因素主要包括聲速剖面、水體溫度、水體鹽度、壓強以及懸浮顆粒物等[5-6]。

國內外學者[7]都已展開多波束回波聲傳播損失的研究, 現有的反向散射強度傳播損失改正方法主要有多波束換能器增益處理和聲學模型后處理, 多波束換能器增益是通過時間變化增益(time varied gain, TVG)減少傳播損失的影響, 唐秋華等[8]分析了強度數據獲取過程中系統進行的實時補償。Beaudoi等[9]分析了多波束系統換能器接收增益對回波強度值的影響, 聲學模型法主要是通過聲傳播公式推導回波強度與海洋環境參數的關系, 彭臨慧等[5]研究了混濁海水對聲傳播的影響, Alexandre等[4]對多波束反向散射強度傳播損失與海洋環境參數的關系進行了相關研究。

在近岸河海交匯處, 河流攜帶大量的泥沙匯入海洋, 產生大片混濁海域?；鞚岷Ｋ械膽腋☆w粒物,通過熱傳導以及黏滯作用導致聲波衰減, 對多波束聲吶系統的工作性能產生顯著影響, 降低了聲吶的識別能力。因此研究混濁水域中的多波束傳播損失成為關鍵問題。波束傳播損失與波束的傳播路徑密切相關, 未考慮聲速剖面對波束傳播路徑的影響。而傳統的傳播損失與波束的傳播路徑密切相關, TVG改正方法忽略了海水介質中環境參數的動態性, 而傳統的多波束傳播損失聲學模型通常只考慮了純凈海水黏滯性對波束傳播的影響[10], 未考慮混濁海水中懸浮顆粒物對海水黏滯性的影響, 在復雜海洋環境下適應性較弱, 改正效果不理想。

針對上述問題, 本文從聲學機理出發, 考慮混濁水域中懸浮顆粒物對黏滯吸收的作用, 提出了混濁水域多波束聲傳播損失改正模型, 針對海洋環境參數的動態性, 對每個波束分層計算傳播損失, 最后將各層傳播損失累計, 獲得每個波束的傳播損失。

1 多波束傳播損失影響因素

1.1 聲傳播基本原理

波束發射后, 經海水傳播, 再到接收的整個過程形成了聲吶方程。聲吶方程的影響因素主要包括聲傳播介質、海底及水體目標、背景干擾和聲吶參數。圖1展示了波束信號從發射到接收的過程, 圖1中各個參數表示如下: SL為多波束系統的聲源級;TL為波束的傳播損失; TS為目標強度; A為聲照區面積; EL為回波能級; NL為海洋環境的聲噪水平; A/D為模數變換; Dt和Dr分別發射和接受指向性; 為 Gb為ADC階段之前實施的增益; Ga為ADC階段之后實施的增益; RL為系統增益之后接收回波能級。BSB為海底反向散射強度。則聲吶方程可表示為[10]:

圖1 多波束聲吶信號流程圖Fig. 1 Diagram of multibeam sonar signal flow

因此根據聲吶方程, 影響海底固有反向散射強度 BSB的因素主要有 SL、EL、TL、NL、Dr等。傳播損失 TL定量描述了聲波傳播一定距離后聲強度的衰減變化, 傳播損失由擴展損失和吸收損失兩部分構成, 圖2展示了影響傳播損失的主要因素。擴展損失是由聲波本身的傳播特性決定的, 聲波在傳播過程中波陣面不斷擴大, 單位面積能量減少, 衰減的速率與波陣面的表面積成正比。對于多波束聲吶系統發射的球面波, 其衰減的速率與傳播距離平方成正比[11]。吸收損失的本質是聲傳播過程中部分聲能轉化為其他能量(如熱能), 且不可逆, 主要包括化學弛豫吸收和黏滯吸收, 弛豫吸收是指海水中的分子在聲波作用下發生離解和締合, 消耗聲波的能量,黏滯吸收是由于慣性黏滯作用將速度梯度能量轉化為熱能而產生的能量損失[12]。

圖2 影響傳播損失主要因素Fig. 2 Main factors affecting transmission loss

1.2 常用傳播損失改正方法

1.2.1 TVG改正

在水深測量過程中多波束系統會自動添加固定增益(Fixed Gain)及時間變化增益, 即根據信號發射后的時間長短對返回信號進行放大處理[7]:

式中, α為吸收系數(dB/km), R為斜距(m), Sp為擴展損失系數, G為固定增益。

時間增益是另一種形式的傳播損失改正, 吸收系數α和傳播損失系數Sp是用戶在進行初始設置時輸入的參數值, 與測區真實的吸收系數是不同的,存在著一定的不確定性和局限性, 因此需要對采集到的回波強度進行去除TVG改正, 在數據后處理中重新計算傳播損失。

1.2.2 聲傳播損失計算模型

傳統的多波束聲傳播損失由兩部分組成, 一部分是由波束波陣面隨距離擴展產生的聲強衰減(擴展損失), 一部分是由水的黏滯性和水中二價鹽等化學弛豫過程引起的聲強衰減(吸收損失)[10]:

式中, R為射程(m), α為吸收系數(dB/km)。α是聲吶頻率 f和傳播介質特性(鹽度、溫度、深度和pH值)的函數[13]:

式中, f頻率(kHz)、T為溫度(℃)、S為鹽度和 Z為水深(km), c為聲速(m/s), pH值為7.6～8.2級, A1和A2兩項表示由硼酸和硫酸鎂引起的弛豫衰減。A3項表示由純水中的黏性引起的衰減。

2 混濁水域聲傳播損失模型與改正

在進行多波束反向散射數據處理時, 發現根據傳統方法處理的結果中反向散射強度值隨傳播距離的增大而減少, 這是由于傳統的改正方法未考慮混濁海水中顆粒物對傳播損失的影響, 沒有完全去除傳播損失。因此, 如何處理懸浮顆粒物對吸收損失的影響是混濁海水傳播損失計算的關鍵。本文從聲學機理出發, 重新構建了多波束聲吶數據吸收損失計算模型, 使用水體溫度對海洋環境參數進行自適應分層, 然后基于聲速, 對每個波束分層計算吸收系數和傳播距離, 最后將各層傳播損失累計, 得到每個波束的傳播損失, 改正流程圖如圖3所示。

圖3 多波束傳播損失改正流程Fig. 3 Multibeam propagation-loss correction process

2.1 聲波傳播損失模型改正

相較于清澈海水, 混濁海水含有大量的懸浮顆粒物, 影響海水的黏滯性。為此, 本文算法中根據海水混濁程度重新計算黏性引起的衰減αv[14]:

式中, ε=M/ρ′是粒子的體積分數, M為懸浮顆粒物的質量濃度; k=ω/c是波數; c是海水中聲速; δ=ρ′/ρ是泥沙顆粒密度與液體密度之比。α是粒子的半徑;是黏滯剪切波的透入深度的倒數; ω是圓頻率; v是液體的動黏滯率。

從式(5)中可以看出, 黏滯聲吸收無法通過水體溫度、鹽度、深度直接獲得, 但可以通過海水動黏滯率與水體溫度、鹽度、深度建立關系[15]:

考慮海水中懸浮顆粒物造成的黏滯損失, 綜合考慮式(4)中的擴展損失、弛豫損失, 則改進的傳播損失聲學模型為:

式(7)中, 第一項為擴展損失, 第二項為海水中分子弛豫衰減損失, 第三項為海水黏滯聲吸收損失。

2.2 分層計算傳播損失

不同深度的海洋環境參數常不相同, 而這些海洋環境參數對多波束反向散射強度傳播過程的吸收損失有著直接的關系, 如果使用統一的系數進行計算, 會增加誤差。因此, 需根據不同深度的海水參數,對水體進行分層, 計算聲線路徑上變化的吸收系數,依次計算每層的傳播損失, 直到到達水底, 獲得累計吸收損失。首先根據水體溫度剖面對波束路徑進行分層, 然后利用各層的海洋參數計算傳播距離與吸收系數, 計算每一層的吸收損失與擴展損失, 最后獲得累計的傳播損失。

溫鹽深培面儀(Conductivity-Temperature-Depth profiler, TCD)或聲速剖面儀可獲取不同深度海洋環境參數, 現場實測的數據往往采樣間隔較小, 獲取數據較多, 就淺水多波束系統而言, 多波束每秒能夠發射幾十次聲脈沖(Ping)數據, 每Ping數據中包含幾百個波束, 如果采樣間隔過小, 算法運算量較大,對計算效率提出了很高要求, 因此, 需經過數據合理篩選才能使用。僅憑經驗等距離進行分段劃分, 缺乏分層合理性的判斷依據。本文在道格拉斯(Douglas-Peucke)算法[16]基礎上, 提出一種適用于多波束傳播損失改正的自適應分層方法。

圖4表示的是2016年4月于浙江舟山海域部分實測溫度和鹽度剖面數據, 水深在30 m左右, 由圖中可以看出, 鹽度的變換范圍在 0.5, 對聲速影響較小, 因此, 本文算法只考慮使用水體溫度進行自適應分層, 具體過程如下:

(1) 利用儀器采集到的數據往往是按等深度間隔分布, 可將離散溫度剖面數據表示為(Ti, Di), i = 1,2, …N。

(2) 如圖5所示，選取溫度剖面第一個點(T1, D1)和最后一個點(Tn, Dn), 將兩端點連成一條直線, 計算聲速剖面曲線上各離散聲剖點(Ti, Di)到該直線的距離 Zi,設定閾值為 δ, 若{Zi}max＜δ, 則保留兩端點舍去所有中間點, 若{Zi}max≥δ, 則保留溫度剖面中到直線距離最大的中間點, 并以該點為基準將溫度剖面分為兩部分。

(3) 對上述兩部分數據重復過程(2), 直到沒有點被舍去為止, 最終將結果分為自適應分層的節點。

聲速剖面是水深測量不可忽略的環境變量, 在進行聲速測量時, 一些類型的儀器, 直接利用水柱測量聲速, 只記錄聲速和對應的深度, 無法直接獲得鹽度和溫度數據。對于水深測量, 此種類型的數據是有效的。但是對于反向散射強度測量, 需要使用溫度和鹽度計算吸收系數剖面。

圖4 溫度與鹽度剖面Fig. 4 Temperature and salinity profiles

圖5 自適應分層示意圖Fig. 5 Diagram of adaptive layering

為了克服缺乏溫度和鹽度信息數據的問題, 在上述內容中提到, 在進行淺水區域測量時, 鹽度變化較小, 水體中聲速隨溫度、鹽度以及深度的變化而變化, 利用這種相關性可以建立聲速經驗模型, 在淺水區域, 可以通過式(9)間接確定聲速[17]。假設鹽度在空間或調查時間內沒有顯著變化, 使用一定區域內的平均鹽度, 根據聲速剖面數據和聲速經驗模型, 得到不同深度的水體溫度, 隨后使用水體溫度進行自適應分層。為驗證聲速構建吸收系數剖面的精度, 分別使用CTD水體溫度數據和聲速剖面數據構建了吸收系數剖面, 從圖6中可以看出, 聲速和CTD數據獲得吸收系數剖面在淺水區域整體趨勢相同,對傳播損失的改正影響較小。

多波束測量中, 波束發射存在著一定的角度,波束通常為非垂直入射, 不同海洋環境下的傳播路徑完全不同。如果認為聲線在水柱中按直線傳播, 使用表層聲速和旅行時間計算傳播距離, 則無法真實還原聲速傳播路徑。

圖6 不同數據構建的吸收系數剖面Fig. 6 Profiles of absorption coefficients based on differentdata

本文在常梯度聲線跟蹤算法的基礎上[10], 使用自適應分層的節點, 沿波束傳播路徑逐層計算傳播距離與傳播損失。具體每個波束傳播損失計算如下:

(1) 根據不同深度的海洋環境數據獲得吸收系數剖面;

(2) 從換能器表面開始追加水層, 計算每個層的傳播時間和傳播距離;

(3) 累計各層的傳播時間和傳播損失, 累計時間與波束的實測時間比較, 并判斷是否追加水層。若時間相同, 則累計的傳播損失即波束傳播損失, 若累計時間小于實測時間, 回到步驟(2)。若累計時間大于實測時間, 則多追加了傳播損失, 需計算多余的傳播損失:

式中, α′為層內吸收系數, c′為水層下界聲速, Δt′為累計時間與實測時間差值。當測量深度大于獲得的聲速剖面深度時, 沒有海洋環境參數數據, 則利用最后一層數據計算多余部分。

3 實驗與分析

為驗證本文算法, 選取2016年4月于浙江某海域部分實測多波束反向散射數據進行分析。采用R2 Sonic2024多波束測深系統, 其波束開角為 120°,聲吶頻率為400 kHz, 波束個數為256個, 實驗區水深為20～30 m, 位于長江入?？? 大量泥沙流入海中,故海水混濁。

為減少深度對強度的影響, 實驗選取深度較為均勻的3條相鄰測線, 利用圖3所示算法流程進行了傳播損失改正。為便于比較, 選取未經傳播損失改正、TVG改正及傳統聲學模型改正與本文算法處理結果進行對比分析。在實際處理中, 由于原始反向散射強度數據存在隨機誤差, 故對連續 Ping的反向散射強度取平均, 對數據進行平滑, 消除隨機誤差影響。將獲得CTD數據按照水體溫度進行自適應分層,設定閾值為0.2, 3條測線總共有370萬個波束, 對每個波束分層改正傳播損失。對原始數據進行聲吶參數、聲照區面積、入射角效應改正, 保證剩余數據主要受傳播損失的影響。

3.1 實驗結果

對處理后的 3條測線數據進行地理編碼, 得到測區海底多波束聲吶圖像(圖 7)。從圖 7a可以看出,傳播損失對回波強度有較大影響, 聲吶圖像呈現整體的不均衡性, 很難直接進行底質分類。TVG改正后, 一定程度上去除了傳播損失, 但中央區域存在“亮線”, 仍有明顯的拼接痕跡; 從圖7c中可以看出,經傳統模型改正后, 整體聲吶圖像較為均衡。為了更好地對比, 提取圖7中紅色方框區域數據, 得到傳統模型和本文算法改正局部區域效果圖(圖 8), 從圖 8中可以看出, 經傳統模型改正后, 仍然可以看到測線邊緣的痕跡; 經本文算法處理后, 有效去除了傳播損失, 聲吶圖像清晰, 測線過渡自然。

3.2 實驗分析

由聲吶方程可以看出, 回波強度EL是目標強度與傳播損失的組合, 若傳播損失改正不完全, 強度數據會與傳播距離有一定的相關性。Spearman等級相關系數[18]可以評價兩個統計變量的相關性, 可以很好地檢測變量間變化趨勢的相關性:

Spearman等級相關系數值越接近0, 說明反向散射強度與傳播距離的相關性越小, 進而說明傳播損失效果越好。提取上述測區中部分反向散射數據, 具體位置為圖7中紅色方框所選區域, 計算出反向散射強度和傳播距離的 Spearman等級相關系數絕對值, 數據改正前、TVG改正、傳統模型改正和本文算法改正的Spearman相關系數分別為0.93、0.74、0.44和0.04。通過比較發現, 本文方法 Spearman等級相關系數絕對值最小, 說明本文方法傳播損失改正效果最佳。

圖7 不同方法效果對比Fig. 7 Comparison of the effects of different methods

圖8 傳統模型和本文算法改正局部區域效果圖Fig. 8 Local area effects of the traditional model and this algorithm

為直觀表達, 繪制出強度數據散點圖, 并擬合其趨勢線, 結果如圖9所示。從圖中可以看出,3種方法均在一定程度上去除了傳播損失。由于TVG改正固定聲波吸收系數, 反向散射強度仍與傳播距離有很大的相關性; 相較于 TVG改正,傳統聲傳播損失計算模型對于傳播損失的去除效果較好, 但由于未考慮懸浮顆粒物對傳播損失的影響, 隨傳播距離的增大, 仍具有一定的誤差; 本文算法趨勢線基本呈直線, 傳播損失去除效果最好。

圖9 不同算法的傳播損失去除效果Fig. 9 Effects of the transmission-loss removal by different algorithms

4 結論

本文綜合分析了混濁水域對多波束聲波傳播的影響, 提出了混濁海水傳播損失改正的方法。通過分析混濁水域懸浮顆粒物對傳播損失的影響, 對傳統的聲學模型進行了改進。并通過實驗分析驗證了該方法的有效性, 可得到以下結論:

1) 通過對實測數據進行處理分析, 有效去除了多波束回波強度的傳播損失, 解決了其造成聲吶圖像整體明暗不一的問題。經本文算法處理后, 反向散射強度與傳播距離擬合趨勢線基本呈直線, 反向散射強度與傳播距離的相關性明顯降低, 海底聲吶圖像清晰, 滿足工程實際需要。

2) 由于聲學模型改正方法需要不同深度的海洋環境參數或聲速, 并且需要分層計算, 若不能有效減少分層, 計算量較大。本文算法根據水體溫度數據進行自適應分層, 在保證精度的情況下, 提高了運算效率。

3) 基于聲速, 準確還原波束的傳播路徑, 并沿波束傳播路徑分層計算傳播距離與傳播損失, 大大提高了傳播損失的計算精度。