多波束应用（共10篇）
多波束应用 篇1
天线结构的测量是工程工作中较为重要的内容, 为保障测量准确度, 可选择一套方便的测量方案保障测量工作顺利完成, 使测量精度满足需求。在工程实践的过程中根据不同的任务标准以及精度要求, 充分结合相关测量仪器全面分析整个工程测量的过程。
1 建立MBTA安装测量控制网
控制网的最主要作用就是可以掌控整个工程的过程, 从而保证工程进行的安全性, 还可以对工程中出现的测量误差进行控制, 从而在一定程度上减少误差的累计。在整个工程进行过程中, 为使相关的波束控制系统达到合理化的安装, 可以在天线安装之前, 调整好天线的座架以及馈源塔的基本设施, 然后再根据相关的设计要求对相关的系统进行整体的控制, 要将相关系统的坐标点进行统一的控制, 根据参考点的相关位置以及坐标轴后视的方向坐标点进行一定的调整, 并在相应位置进行位置标记。
在整个工程进行过程中, 控制网弱点点位中的相距误差不应该超过0.2mm。在网点选择的过程中, 要选择精确度较高的观测墩。而且在平面位置的观察过程中, 其主要的观察方法可以分为部分测边法以及全面测边的方法, 通过垂直的观测方法测出相对高度的差值, 从而减少误差的产生。边长测量时, 应该确定出准确的边值, 选择24m因瓦基线尺和带尺对反观进行测量, 边长的绝缘误差要控制在0.1mm范围内。控制网的高度选择的是Nl004紧密水准仪进行测量, 保障因瓦水准标尺参数。根据一等水准测量参数值要求去测量, 测站之间的高差误差控制在0.1mm之内。在野外工作的作业过程中, 对于相关的测量数据要及时进行分析处理, 在精密系统的工作过程中可以选择不同的计算方法, 可以是模拟计算方式、控制网设计以及选择最小二乘法进行间接平差模型测量。使用计算机进行编程平差计算, 可以计算得出控制网点的坐标平差值以及精度, 这样就可以观测到边长数值以及水平角数值, 从而准确把握精度。
2 空间前方交会测算空间点三维坐标
在实地测量中, 一般情况下得出的相关坐标值要与设计过程中得到的坐标值进行比较, 从而使控制面板的安装以及背架的安装达到标准化的管理, 保障反射面不会有变形。同时, 在工程实施的过程中, 对于天线中的其他位置而言, 要准确地测量出相关位置的测量坐标, 因此一般都会选择空间前方交会方法进行测量。该测量方法使用比较灵活, 可以准确地测量出接触地面值, 在从面值中任意取出三点, 构建三维坐标。当两台经纬仪器所在的位置是两侧站点, 测站点是控制网中任意之控制点。这个时候可以将控制网另外两点作为后视点, 这样就可以准确地测量出垂直角还有水平角, 测站点控制网一般都有四个测站点。因此, 在经过严格检查验证之后, 可以通过测量标杆的辅助测量将辅助测量杆的端点作为已知的定点, 经过三角形的测量就可以得出最终的目标点, 进一步确定出精度和三维坐标。在未知定点的测量过程中, 通过辅助测量杆接触未知位置的同时用照相机捕获相关控制场的影像, 再根据所在空间的后方交汇点得到外方位的相关元素, 最后根据相关的计算公式得出未知位置的相关坐标。在以往的相关经验中可以发现, 仅仅通过单张影像就可以得出未知点中的三维坐标。
通过空间前方交会法的使用, 可以发现一种单张影像的相关计算方法就可以获得未知点的三维坐标。这种空间交汇的方法可以在方便获得位置坐标的同时, 获得隐蔽位置中的稀疏点的测量。
3 近景摄影测量检测反射面整体精度
在MBTA进行了地面相关的安装工作之后, 要及时进行定位调整, 通过位置的确定使反射面的构建达到整个设计形状相对应的标准。但是这个时候还应该充分明确, 反射面会受到重力、温度、安装以及制造等因素影响。这个时候针对变形的反射面进行测量, 在这个过程中选择空间前方交会方法的同时, 还可以选用近景测量的相关方法, 通过相关测量方法的分析与比较, 获取多种目标点以及三维信息的坐标点, 保证形成一个整体性的反射面。在数据分析完成之后, 摄影测量所得到的相应结果要与之前得到的数据进行对比分析, 进行校对。
同时, 还应该借助MBTA地面站站址定位、定向测这样的测量方式可以更加准确的定位出信号强弱, 为更好的捕捉卫星发射信号作保障。这个时候对精密度要求比较高, 需要将其安装在精度保障的大地坐标上, 在使用天线固定住反射面, 在测定出天线系统参数, 就可以建立起三维坐标系。准确的定位出方位角, 使得计算精度提高。
4 结束语
我国精密测量工程发展速度非常快, 多波束天线结构精密工程测量应用使测量准确度得以保障。在工程测量的进行使用中, 需要不断的深入研究, 通过先进技术的应用, 使整个测量工程全面有效地进行。
摘要：根据新型多波束天线安装、调整、检测阶段进行测控, 借助紧密工程测量使用的多种手段, 论述了一套借助GPS进行地面站站址准确定位和定向方案, 建立起专门的天线测控基准地面, 安装上测量控制网, 在借助非接触空间进行三维坐标观察, 这样可以准确得出反射面的精度。
关键词：多波束天线,紧密工程,应用分析
参考文献
[1]段红旭.发动机缸体结合面孔组在线检测视觉图像定位方法研究[J].仪器科学与技术, 2012, 4.
多波束应用 篇2
GeoSwath相干多波束系统原始数据的解析
通过分析GeoAcoustics公司的GeoSwath相干多波束系统的二进制原始文件结构,使用VC++6.0设计出各传感器字段的数据结构,并编程实现相干多波束数据的`提取和图形可视化.该技术方法对于GeoSwath系统多波束数据的提取和分析处理有参考意义.
作 者：许可求 张叶春 王平XU Ke-qiu ZHANG Ye-chun WANG Ping 作者单位：许可求,XU Ke-qiu(中国科学院南海海洋研究所,广东,广州,510301;中国科学院研究生院,北京100049)张叶春,王平,ZHANG Ye-chun,WANG Ping(中国科学院南海海洋研究所,广东,广州,510301)
刊 名：热带海洋学报 ISTIC PKU英文刊名：JOURNAL OF TROPICAL OCEANOGRAPHY 年，卷(期)： 26(4) 分类号：P716.11 关键词：相干多波束 数据结构 数据解析多波束应用 篇3
(上海海事大学 商船学院，上海 201306)
0 引 言
近年来，高分辨率的声学系统已使海底底质分类和海底地形地貌的考察成为可能，多波束测深系统则成为初步快速辨别海底底质类型和识别目标的一种有效工具.利用多波束测深系统不仅可以获得高精度的水深数据，还可以同时获得高质量的海底反向散射强度数据，利用获取的反向散射强度数据对海底底质进行分类.确定海底底质的类型不仅对海洋资源的开发有重要意义，而且对船舶的安全航行、“智慧航道”建设也有很大的开发和应用潜力.
目前获取海底底质分类的方法主要有统计分类法[1]、纹理分析法[2-3]以及神经网络法等.1990年美国杜克大学的ALEXANDROU等[4]应用反向传播(BackPropagation,BP)神经网络方法对海底底质进行分类.近年来，印度国家海洋研究所的CHAKRABORTY等[5-6]应用自组织特征映射(Self-Organizing Feature Map,SOFM)和学习向量量化(Learning Vector Quantization,LVQ)神经网络方法实现对海底底质类型的分类识别.我国学者[7-9]也利用BP神经网络、SOFM神经网络及LVQ神经网络进行过大量的海底底质分类研究.虽然这些方法能取得很好的精度，但是传统的BP神经网络具有训练时间长、网络收敛慢及分类精度低等缺点；无监督学习的SOFM神经网络容易误分类，对属性相近的底质类型更易误分.本文应用改进的LVQ神经网络减少SOFM神经网络误分类的现象，提高海底底质识别的精度.
1 混合自组织神经网络算法
自组织映射可以起到聚类的作用，但还不能直接分类或识别.[10]为进一步改善分类性能，有必要在分类器中加入一种有监督功能的网络.LVQ神经网络就是一个有监督功能的分类器，利用SOFM神经网络训练出的权值作为LVQ神经网络的初始输入权值.在训练中加入导师信号作为分类信息对权值进行细调，并预先指定输出神经元类别.分类流程见图1.
图1 分类流程
1.1 SOFM算法
分类阶段1的目标是通过神经元的权向量提供第一个输入样本的相近向量.SOFM算法是一种无监督聚类方法，它能在保持其拓扑结构不变的条件下将高维空间的样本映射到低维空间，即无论输入样本空间是几维的，其模式样本都可以在SOFM神经网络的输出层的某个区域得到响应.这个阶段的分类步骤[10]如下：
步骤1对输入层节点i到映射层节点j的连接权值wij赋予小随机数进行初始化.
步骤2从训练样本中选取一个输入向量xi.
步骤3计算欧氏距离，即输入样本与每个输出神经元j之间的距离
并计算出一个具有最小距离的神经元j*,使得对于任意的j，都有dj*=mindj.
步骤4更新.按下式修正获胜神经元及其邻域内所有神经元的连接权值，而邻域外的神经元连接权值保持不变,
wij(t+1)=wij(t)+η(t)(xi(t)-wij(t))
式中:η(t)为学习率，0<η(t)<1，这里采用t的单调下降函数η(t)=η(0)(1-t/T),其中η(0)为初始学习率，t为迭代次数，T为总的学习次数.
步骤5更新学习率η(t).
步骤6当t 1.2 LVQ算法 分类阶段2的任务是对权向量进行微调以改善分类性能.LVQ算法是用于模式分类的一种有监督功能的学习算法，而LVQ2算法可以加快算法的收敛速度，使各权向量快速向目标位置移动，并可以对输入将被分到哪一类进行指定[10，12].LVQ神经网络结构除输出层的每个神经元被指定为属于几个类别之外，其他的与SOFM神经网络完全相同.改进的LVQ2算法的基本步骤如下： 反思：钠和盐溶液反应,不能置换出盐中的金属,这是因为金属阳离子在水中一般是以水合离子形式存在,即金属离子周围有一定数目的水分子包围着,不能和钠直接接触。这就告诉我们在学习一些概念和物质性质时要深入分析其特征和本质,否则,很容易被假象迷惑,作出错误的判断。 步骤2判断分类是否正确，然后按不同规则调整获胜神经元的权值.如果神经网络分类结果与导师信号(即人为监督所指定的正确类型)一致，则分类结果正确，向输入样本方向调整权值， 否则向逆输入样本方向调整权值， 步骤3返回开始，直到完成所有样本的学习. 多波束测深系统采集到的反向散射强度数据受到海洋环境噪声、声波散射和混响、声能传播损失、海底沉积层对声波的吸收等诸多因素影响，不能直接反映真实的海底底质特征,因此必须对其进行消除噪声和剔除假信号处理(见图2)，主要包括声速剖面数据修正、定位数据修正、潮位数据修正、姿态数据修正、深度数据修正、数据合并等，其目的是减小误差、提高数据的可信度. 图2 多波束数据预处理 将反向散射强度与描述图像的灰度级对应起来，形成海底声像图.灰度级水平一般取0～255，回波强度可量化[14]为 G=255-2IBS 式中:G为灰度级别;IBS为反向散射强度，无量纲，取值为-127～0. 多波束声强图像形成后，由于仍有未被完全消除的噪声干扰，还需对图像进行处理.在图像中，噪声表现为高频特性，相对周围像素灰度有较大的偏差，具有空间不相关性.根据这些特点，结合中值滤波和小波去噪两种方法对图像进行处理，首先对多波束声强图像进行二层小波变换分解，提取分解系数、水平边缘信息、垂直边缘信息及对角线边缘信息，然后对这些边缘信息进行3×3方形窗口的中值滤波，生成新的小波系数，最后利用重构算法将新的小波系数进行重构，得到去噪后的多波束图像. 借助VC和MATLAB平台进行混合编程，并训练网络，然后利用训练所得的网络对数据进行分类.为验证上述分类算法的可行性，选择一个同时具有岩石、沙砾、泥、沙等海底底质类型的720×987像素海底散射强度镜像(图3中的A区)，然后把该区域的底质类型分为岩石、沙砾、泥沙、泥等4种，再分别选出这4种底质类型相对应的训练样本和测试样本进行网络训练和分类验证.其中，为网络提供的样本尺寸为3×3像素，输出类别的个数为4个，为每个输出类别赋予40个输入样本，这些输出底质类型和对应样本的灰度值关系见表1[16]. 图3 实验区多波束声强图像 表1 底质类型和样本的统计属性 混合网络训练完成后，利用上述训练好的网络进行分类.首先按3×3像素分割实验区域的灰度图像，从中提取岩石类型测试样本286个、沙砾测试样本95个、泥沙测试样本320个、泥测试样本183个；其次对每个分割块进行编码，形成输入向量；最后将这些输入向量输入前面训练好的网络中进行分类(见表2)，同时对分类形成的新图像进行标记处理，得到分类后的多波束图像(见图4). 表2 测试数据和分类结果 图4 分类后的多波束图像 将分类结果与已知的底质类型样本进行比较，混合自组织神经网络的分类精度平均达95.81%，表明该方法的分类精度很高，特别是在底质类型相近的情况下(如泥和泥沙)，也能表现出较好的分类效果. 在SOFM算法的基础上，结合改进的LVQ算法实现网络的有监督学习.该网络充分利用SOFM算法的自组织聚类的优点，同时又利用LVQ算法解决海底底质反向散射回波样本中的交迭问题，从而能提高分类精度.实验表明，混合自组织竞争算法对海底底质的识别，特别是在类型相近的情况下，具有较好的分类效果.该方法可为海底底质分类研究提供一条有效的途径. 参考文献： [1] HUSEBY R B, MILVANG O, SOLBERG A S,etal. Seabed classification from multibeam echosounder data using statistical methods[C]//OCEANS’93, Eng Harmony Ocean Proc, IEEE, 1993(3): 229-233. [2] MILVANG O, HUSEBY R B, WEISTEEN K,etal. Feature extraction from backscatter sonar data[C]//Inst Acoustics Conf Acoustic Classification & Mapping Seabed, Bath, UK, 1993. [3] PICAN N, TNLCCO E, ROSS M,etal. Texture analysis for seabed classification: co-occurrence matrices vs self-organizing maps[C]//OCEANS’98 Conf Proc, IEEE, 1998(1): 424-428. [4] ALEXANDROU D, PANTZARTZIS D. Seafloor classification with neural networks[C]// Proc Eng Ocean Environ Conf, 1990: 18-23. [5] CHAKRABORTY B, KAUSTUBHA R, HEGDE A,etal. Acoustic seafloor sediment classification using self-organizing feature maps[J]. Geoscience & Remote Sensing, IEEE Trans, 2001, 39(12): 2722-2725. [6] CHAKRABORTY B, KODAGALI V, BARACHO J. Seafloor classification using multibeam echosounding angular backscatter data: a real-time approach employing hybrid neural network architecture[J]. Oceanic Eng, IEEE J, 2003, 28(1): 121-128. [7] 阳凡林, 刘经南, 赵建虎, 等. 基于遗传算法的BP网络实现海底底质分类[J]. 测绘科学, 2006, 31(2): 111-114. [8] 唐秋华, 刘保华, 陈永奇, 等. 基于自组织神经网络的声学底质分类研究[J]. 声学技术, 2007, 26(3): 380-354. [9] 唐秋华, 刘保华, 陈永奇, 等. 结合遗传算法的 LVQ 神经网络在声学底质分类中的应用[J]. 地球物理学报, 2007, 50(1): 313-319. [10] RIPLEY B D. Pattern recognition and neural networks[M]. Cambridge Univ Pr, 1996: 17-89. [11] KOHONEN T. The self-organizing map[M]. Proc IEEE, 1990(78): 1464-1480. [12] KUMAR S. Neural networks[M].Beijing: Tsinghua Univ Pr, 2006: 521-576. [13] MEDIALDEA T, SOMOZA L, LEN R,etal. Multibeam backscatter as a tool for seafloor characterization and identification of oil spills in the Galicia Bank[J]. Marine Geology, 2008, 249(1): 93-107. [14] CLARKE J E H, MAYER L A, WELLS D E. Shallow-water imaging multibeam sonars: a new tool for investigating seafloor processes in the coastal zone and on the continental shelf[J]. Mar Geophys Res, 1996, 18(6): 607-629. [15] 赵建虎, 刘经南. 多波束测深及图像数据处理[M]. 武汉: 武汉大学出版社, 2008: 335-343. 1.1 多波束测深系统的组成 多波束测深技术是现代水下探测领域的新兴技术, 它集成了现代空间测控技术、声呐技术、计算机技术、信息处理技术等一系列高新技术, 实现了对水下探测目标的高精度和高密度测量。该文用到的Sea Bat 7125是目前世界上较为先进、精度最高的多波束测深系统之一, 它主要由OCTANS光纤罗经和运动传感器、声速剖面仪、侧扫图像处理系统、多波束数据采集系统 (PDS2000数据采集软件) 、多波束数据后处理系统 (CARIS HIPS后处理软件) 、QTC Multiview底质分类系统等共同组成。整个系统的组成见图1。 1.2 系统特点 (1) Sea Bat 7125以带状方式进行测量, 波束连续发射和接收, 测量覆盖程度高, 对水下地形可100%覆盖。与单波束比较, 波束角窄, 能够完全反映细微地形的变化。单波束是点、线的反映, 而多波束则是面上的整体反映。多波束测深系统的测量成果更真实可靠, 由于是全覆盖, 其大量的水深点云数据使等值线生成真实可靠;而单波束是将断面数据进行摘录成图以插补方式生成等值线, 在数据采集不够时, 等值线会存在一定偏差。 (2) 发射换能器向水底投射出140°宽的覆盖扇区, 接收器同时形成512个动态聚焦波束, 测深分辨率为6 mm, 工作深度可达0~50m。波束后向散射强度图像和检测到的距河床底距离实时显示在声呐监视器上, 且便于快速质量检查。 (3) 众所周知, 测量船只的运动姿态对水下测量的数据影响很大, 多波束测深系统在测量前和测量时, 光纤罗经和运动传感器实时采集船行姿态数据, PD2000采集软件同步记录船姿态信息, 并对船行姿态进行实时校正, 进而保证后处理中的水深测量数据能够真实有效地反映水底情况, 而单波束在这方面是无法实现的。 (4) CARIS HIPS后处理软件功能强大, 可以根据需要抽取不同比例尺的数据成图, 生成的图件类型有测深数据图、水深等值线图、三维数字地形模型 (DTM) 图、彩色水深图、彩色地形阴影图以及质量控制报告等。 2 多波束测深系统应用于采砂管理量化监测 多波束测深系统具有测量快捷、高分辨率、高精度、全覆盖等特点, 可以现场监视水下地形地貌的细微变化, 非常适合水下工程及河道的监测任务。在此背景下, 采用多波速测深系统对区域河道进行数字化、信息化监控管理就显得尤为重要。 在数据处理方面, 传统的处理方法是通过构建Delauny三角网或Grid规则格网来形成水下的DTM, 再通过分块处理、四叉树索引来达到水下地形多尺度LOD显示的效果。但是针对区域河段采砂行为的量化监测而言, 其核心思想并不是可视化, 而是周期性地监测河段砂量开采的变化情况, 同时考虑到水下地形数据具有多样性、海量性、复杂性等特点以及提高计算效率减少计算机功耗等目的, 该文采用对离散点云数据进行插值拟合而非构建DTM的方法来处理不同时间采集的多波束水下地形数据, 能够保证有足够的水深值来进行数据插值, 保证结果的正确性且不失真。在此基础上, 对拟合曲面进行求差计算, 从而得出阶段时间内河道砂石资源的变化量。辅助管理者对合理开发利用砂石资源进行决策。数据分析处理流程见图2。 采集得到的这些多波束点云数据属于大规模离散数据的一种, 在这些海量的点云数据当中, 偶有临近点间的高程突变 (局部不连续) , 但根据水下地形的特点分析, 这些水下高程点的突变一般不是由水下地形的陡然起伏所造成, 更为可能的是测量时产生噪声点或无效数据点, 需要通过滤波处理去掉无效点。 采用加权移动平均算法 (Weighted Moving Average) 对滤波后的数据进行网格化处理。加权移动平均算法用于将离散型分布的数据点转化成规则网格分布的数值, 同时对原始数据进行插值加密或抽取处理, 目的是用地形表面上一系列离散的数据点表示地形表面的连续函数。 该方法十分灵活并且精度较高, 计算简单, 不需要很大的计算机内存。算法选取离散分布的数据点时, 一般考虑2个因素: (1) 范围, 即采用多大面积范围内的数据点来计算被插点的数值; (2) 点数, 即选取多少点参加计算被插补的点。这2个因素的实际应用要根据具体情况而定。范围的大小是以某个被插值点为圆心, 以R为半径来确定的。其半径决定与原始数据点的疏密程度和原始数据点可能影响的范围。由于原始数据点分布不均匀, 为了保证求解二次曲面方程, 要有足够数量的点, 但又不能太多, 因此圆半径不是固定的。对于动态变化的圆半径的决定, 可以采用逐步变动的做法, 见图3。 将研究河段内水下地形表面上一系列离散的数据点转化成规则网格分布的连续函数, 采用规则圆方法, 拾取规格化节点临域范围内扫测值进行拟合计算。对于每一个新点选取其邻近的n个数据点。把新点作为平面坐标的原点, 然后用一个多项式曲面拟合。多项式中的各参数由n个数据点求得。 3 采砂管理量化监测的应用工程实例 按照此技术路线于2014年5月25日和2015年3月27日2次分别对长江流域某采砂河段的河床进行了分阶段的测量, 前次测量时水面高程为164.247 m;后次测量时水面高程为161.978 m, 其水下地形示意图见图4。两次测量的目的, 就是为了得到阶段时间内区域河道内砂石资源量的动态变形情况。 按照上述方法分别拟合插值两次测量得到的多波束数据, 并采取俯视的角度进行比较。截取图5中红色区域的断面进行分析, 如图6所示。可得出以下结论:由于采砂活动的进行, 截止2015年3月, 主河道重点采砂监控区域相比于2014年5月最深处被开挖2.32 m, 被开挖断面区域大约宽为38.7 m, 1 000 m长的河道内被开采的砂石量约为7万m3。 4 结语 该文以长江流域某采砂河段为监控对象, 提出了基于水下多波束测深技术的河道采砂量化监测管理手段, 并运用相关算法计算出采砂量, 具有直观性、高效性和可靠性, 大大减少了人工作业量, 改变了传统监测的落后手段, 为河道采砂资源优化利用和有序监管提供了有效的技术支撑。多波束测深系统除了能量化监测河道砂石资源的变化外, 还可广泛应用于堤防、水库、湖泊及海洋等水域的水下地形测量, 进行水下工程及其水工建筑物的安全检测 (如抛石护岸等) ;河道疏浚及港口、码头、桥梁的工程测量;水下管线、电缆等的监测;沉船、水下物体的打捞搜寻等。这套系统的测量效益、实用性和广阔的应用前景将进一步显现。 参考文献 [1]李成刚, 王伟伟, 阎军.传统多波束系统与具有相干特点的多波束系统的研究[J].海洋测绘, 2007, 27 (2) :77-80. [2]李涛章, 叶松, 廖小元, 等.铰链混凝土板沉排新技术与施工实践[J].人民长江, 2002 (8) :26-28, 29. 文章利用多波束测深系统获得的高效高精度的`数据,结合相应的客观环境资料,来分析评估实际工程受到泥沙回淤影响的程度,有利于疏浚企业从战略上对工程施工进行管理、控制.2 多波束数据和生成图像的处理
3 基于混合网络的海底底质分类
4 结束语
多波束应用 篇4
多波束应用 篇5
★ 数据分析总结
★ 数据分析怎么写
★ 调查报告数据分析
★ 数据分析年终工作总结
★ 简单的数据分析数学教案
★ 旅游数据分析报告网
★ 数据分析报告范文6篇
★ 数据分析报告的
★ 网站数据分析经验总结
多波束应用 篇6
多波束测深系统将传统的测深技术从原来的点、线扩展到面, 能够对所测水域进行全覆盖、高精度测量[1,2,3]。Sonic 2024多波束测深系统是目前市场上主流的测深设备, 较其他类型多波束优势在于超高分辨率和准确度, 且波束具有导向性[5]。文章结合实际工作中航道扫测的项目, 详述了多波束系统中各传感器的性能指标、多波束系统的安装与校准以及多波束数据后处理的基本流程, 最后通过CARIS HIPS生成水下地形的三维图像。
2 主要仪器性能指标
2.1 多波束测深仪
Sonic 2024是美国R2Sonic公司生产的基于第五代声呐结构的高精度多波束测深仪。工作频率为200-400k Hz (可调) , 波束宽度为1°×0.5°@400k Hz, 波束数目为256个, 扇形条带开角为10°-160°, 测深最大量程为500m, 脉冲宽度为17μS-500μS, 功率为191-2211d B, 测深分辨率为1.25cm。
2.2 光纤罗经及姿态传感器设备
法国i XSEA公司生产的OCTANS光纤罗经和运动传感器是世界上唯一经IMO认证的测量级罗经。它内置有自适应升沉预测滤波器, 在任何情况下, 均能实时提供精确可靠的运动姿态数据。OCTANS航向稳定时间小于5min, 航向精度为0.1°×Secant纬度, Roll/Pitch动态精度为0.01°, Heave精度为5cm或5%。
2.3 定位设备
Trimble SPS361型信标机是世界GPS知名公司Trimble的高精度的定位设备, 支持接收MSK信标差分信号, 可提供亚米级定位精度, 广泛应用于海洋测量、港口工程等各个领域, 水平定位精度优于1米。
3 多波束安装与校准
3.1 多波束系统安装
多波束换能器采用侧舷安装方法安装于测量船舶的左舷, 并以多波束换能器安装杆与海水面交点作为参考点建立船体坐标系, 定义船右舷方向为X轴正方向, 船头方向为Y轴正方向, 垂直向下为Z轴正方向[6], 量取各传感器相对于参考点的位置, 往返各测量一次, 取其平均值。
3.2 多波束系统校准
多波束系统的校准需要选择具有一定地形特征的合适区域做校准测量, 本次选取垂直于航道的两条测线作为多波束校准的测线。由于Sonic 2024多波束系统具有PPS功能, 能够实现GPS UTC时间和电脑时间的同步, 故时间延时 (Latency) 为0[4]。因此, 本次测量仅需进行横摇、纵摇和艏摇校准。
(1) 横摇 (Roll) 校准。通过海底平坦海区同线同速反向的条带断面测量数据测定横摇 (Roll) 偏差数据。
(2) 纵摇 (Pitch) 校准。通过水深变化大的海区同线同速反向的中央波束测量数据测定纵摇 (Pitch) 偏差数据。
(3) 艏摇 (Yaw) 校准。通过水深变化大的海区异线 (间距为覆盖宽度的2/3的两条测线) 同速同向的边缘波束测量数据测定艏摇 (Yaw) 偏差数据。
4 数据处理与比对
多波束测量结束后使用CARIS HIPS软件进行水深后处理, 后处理顺序为:定位数据检查-姿态数据检查-声速改正-线模式编辑-潮位改正-合并数据-面模式编辑数据处理等, 生成水下地形三维效果图, 如图1所示, 使用CARIS GIS软件对水深数据进行抽稀, 并按照5mm间隔生成水深文件*.txt, 最后根据项目要求绘制测区1:1000比例尺的水深图。
5 结束语
通过Sonic 2024多波束测深系统水下地形扫测的工程实例, 详述了各种传感器的性能指标、多波束系统的安装与校准和多波束数据处理的基本流程, 通过水下地形三维图的生成, 较直观地验证了高精度和高密度的多波束数据可以分辨水下地形地貌的细微结构和变化, 这为对水深测量有较高要求的水下工程以及研究海底地形地貌的变化问题等提供了有力的手段。
参考文献
[1]赵建虎, 刘经南.多波束测深及图像数据处理[M].武汉:武汉大学出版社, 2008.
[2]李家彪, 等.多波束勘测原理技术与方法[M].北京:海洋出版社, 1999.
[3]赵建虎, 等.现代海洋测绘[M].武汉:武汉大学出版社, 2007.
[4]王闰成.多波束测深系统的安装校准[J].海洋测绘, 2003, 23 (1) .
[5]周兴华, 陈永奇, 等.长江口航道疏浚的多波束监测[J].海洋测绘, 2002, 22 (6) .
多波束应用 篇7
关键词：多波束水下地形测量系统,榕江,分辨率,堤防
广东省地处明显的季风区, 是洪、涝、旱、风、暴潮灾害和次生山地灾害频发的省份之一, 其中, 暴雨、洪水和台风暴潮的危害最为严重。由于堤防是防洪减灾的主要水利工程措施, 但大部分大江大河的干堤是经过历代加高培厚而成的, 堤基和填筑情况复杂, 并存在不同程度的安全隐患, 因此要预先排查堤防存在的隐患, 并对其进行重点治理。由于堤防险段大多是水下的隐蔽工程, 采用常规的测量方法不仅工作量大、时间长, 而且也不可能实现全面的监测, 因此研究出可以快速、准确和无损伤地查出堤防隐患的技术成为了我省乃至全国面临的关键课题。
1 流域概况
榕江原名揭阳江, 又名鮀江, 全长210 km, 由主干流南河和一级支流北河汇成。南河为主干流, 发源于陆丰市东部的百花园, 自西南流向东北, 经揭西、普宁、揭东、揭阳市区、潮阳和汕头诸市县, 至牛田洋注入南海, 境内沿途汇入上砂水、横江水、龙潭水、石肚水、五经富水、洪阳河、北河、新西河水、枫江和车田水等支流, 流域面积4 408 km2, 其中, 本市境内的集水面积为2 800.87 km2。南河干流长175 km, 境内干流长133.7 km, 平均比降4.9%.榕江流域概况如图1所示。
2 多波束水下测量系统简介
多波束水下地形测量系统是由声学仪器、GPS、姿态及航艏数字传感器、计算机及其功能强大的软件组成的高技术测深设备。多波束水下地形测量是根据超声波工作原理, 通过发射和接收声波信号, 利用声波在水体中的传播时间和声速即可计算出水深。多波束换能器以一个较大的开角向水下发射声波, 同时接收几十束或上百束声波, 每发出一个声波, 便可在垂直于航线上得到一组水深数据。当测船连续航行时, 便可得到一个比水深宽7倍的水下地形资料。多波束水下测量系统的工作原理如图2所示。
3 多波束水下测量系统的特点
与传统单波束相比, 多波束测深系统具有高分辨率、高精度和全覆盖的特点, 另外还有精确、高效、快捷和直观等优势。本次采用的是美国LAUREL公司SONIC 2024嵌入式宽带的超高分辨率多波束测深系统。SONIC 2024多波束测深系统在500 m量程范围内具有性能稳定、数据质量高和用户使用灵活方便等优势。其具体优势表现在: (1) 高分辨率。0.5°超窄波束和聚焦算法, 使系统具有超高的分辨率。 (2) 灵活多用。频率和覆盖宽度可以进行在线调整。 (3) 实效性。系统可实时显示三维地形, 并可在线查看测量情况, 监测堤围决口的动态变化过程。 (4) 全覆盖。由于测量数据点的密度不一样, 因此断面生成的精度也不一样。传统断面测量方法和多波束全覆盖测量方法的平面图对比如图3所示, 从图3中可以看出, 多波束的密度越大, 测量精度越高。 (5) 边坡显示。传统的测量方法在测量边坡时, 既费时又费力, 效率不高且精度也不高, 而多波束测量系统可以转换测量角度, 从而能够快速、高效地完成测量工作。 (6) 系统处理软件功能强大。系统能对测量资料进行多种成图处理, 可生成等值线图、三维立体图、彩色图像和剖面图等。 (7) 系统具有实时监测功能, 直观性强。利用系统可以在现场直观地观察搭配水下的地形起伏、冲淤情况和护岸工程的效果。
4 江堤防险段监测成果
本次测量范围分为两段, 总长67 km。第一段为榕江南河段 (水下地形测量区域为河道左岸至河道右岸全断面) , 测量河段下游起始位置为揭东区炮台镇青溪水闸, 测量河段上游终止位置为揭西县三洲拦河闸闸下, 河段长约35 km;第二段为榕江北河段, 测量河段下游起始位置为揭东区炮台镇双溪咀, 测量河段上游终止位置为揭东区月城镇月城电排站上游500 m, 河段长约32 km。
测量成果的三维立体图如图4所示。从图4中可以看出, 该处的深坑范围较大, 且距离岸边较近;深槽至堤防的最近距离仅为6 m;该断面上下游的河床结构和流态较为复杂, 断面发展变化也不不稳定, 易造成崩塌现象。
5 结束语
由于多波束水下地形测量系统具有实时监测功能, 可以现场监视水下地物、地貌的细微变化, 加上三维效果图非常直观, 因此该系统在堤防安全、溃口和崩岸监测等中具有不可替代的作用。与传统单波束相比, 多波束水下地形测量系统在效率、精度、分辨率和水下地形成图质量等各方面有了大幅度提高, 整个系统从外业到内业都实现了自动化、智能化和数字化, 彻底改变了水下测量的技术手段。另外, 该系统还适用于水库、湖泊和海洋等水域的水下地形测量, 江岸堤防险段的水下监测, 水下工程检测 (如抛石护岸等) , 河道疏浚和港口、码头、桥梁等工程的测量。
参考文献
[1]舒晓明.多波束在航道测量中的应用[G]//测绘荆楚——湖北省测绘学会2005年“索佳杯”学术论文集, 2005.
[2]黄永军, 王闰成.多波束外业实施研究与探讨[J].气象水文海洋仪器, 2005 (03) .
多波束应用 篇8
关键词：线性约束最小方差算法,迭代二阶锥,自适应方向图控制,唯相位波束形成技术
0 引言
自适应波束形成技术通过调整阵列发射或接收的加权, 从而达到阵列方向图主瓣对准期望信号、零陷对准干扰的目的, 已广泛应用于军事、雷达、声呐、声学、无线通信等领域。如果在自适应零点形成的同时进行低副瓣控制, 可在一定程度上抵消自适应权不能适应突变干扰而带来的性能下降, 这就是自适应方向图控制 (Adaptive Pattern Control, APC) 。本文对自适应方向图控制进行了研究, 在LCMV算法的基础上提出唯相位多波束形成算法。该方法可在多个期望目标方向上形成多波束, 在非期望方向上形成零陷。基于唯相位技术的多波束形成可以避免幅度加权造成的能量损失, 为雷达多目标跟踪、电子干扰设备实现多目标干扰提供了一种新的思路。
基于LCMV算法的迭代二阶锥的唯相位多波束形成方法在相位扰动量比较小的情况下, 目标函数和约束函数可以用相位矢量的泰勒一阶展开公式来近似, 原来的非凸问题可以转化为凸优化问题, 通过二阶锥规划方法求得使当前目标函数最小的扰动矢量;然后更新得到新的权重矢量, 替代原来的权重矢量;重复上述过程直至满足终止条件, 最后可以得到满足要求的唯相位权重。
1 基本信号模型与LCMV算法描述
首先来看阵列模型, 等距线阵是最简单常用的阵列形式, 几何结构如图1所示, 将N个阵元等距离排列成一直线, 阵元间距为d。
有M个不相关的窄带信号入射, 包括1个期望信号与M-1个非期望信号, 天线在t时刻接收到的信号可表示为:
式中:α (θ0) 为期望信号的导向矢量;s0 (t) 是期望信号复包络;j (θi) 为非期望信号的导向矢量;Si (t) 为非期望信号的复包络;n (t) 为噪声。假设背景噪声为高斯白噪声, 那么信号的协方差矩阵:
在实际应用中, 协方差矩阵可以有限次快拍得到。
线性最小方差约束 (Linearly Constrained Minimum Variance, LCMV) 波束形成[1], 即:
式中:w是权重系数;f为约束值矢量;Rxx是采样数据的协方差矩阵;α为导向矢量约束矩阵。由公式可以得到其最优解:
多波束形成技术可以表示为以下优化问题:
式中:i=1, 2, 3, …, K;θi为第i个非期望目标方向;θ0为期望目标方向。目标函数是为了保证系统的总功率最小, 第1个约束条件是为了保证期望目标方向上形成主瓣, 第2个约束条件是为了在非期望目标方向上形成零陷。
由于|wHα (θi) |2=wHα (θ) αH (θ) w, 可令:Rxx=ααH+σI, f=[1, 0, ⋯, 0]T, 代入式 (4) 可得到最优解, 其中σ为很小的实数, 是为了防止Rxx为奇异矩阵而作的对角加载。
2 迭代二阶锥唯相位算法
可以将式 (3) 改写成如下:
对于传统的幅度和相位都自适应的LCMV波束形成, 可以很容易得到最优权重系数。
因为w∈Tn, Tn是n维空间向量。式 (6) 是非凸问题, 所以很难求得精确的解析解。将w表示成相位矢量形式:
当每个相位都有微小的扰动时, 即φi→φi+δi , i=1, 2, ⋯, N, 则权重矢量的相位扰动变为:
其中:
那么式 (6) 就可以转化为如下所示:
其中Rxx=ααH。设函数f (w) =wHAw, w∈Tn。将f (w) 进行泰勒公式展开, 首先将ejΔ写成级数形式:
因为Δ是对角矩阵, ejΔ也为一对角矩阵, 所以在式 (2) 两边同乘以w可得到:
将式 (13) 代入函数f (w) =wHAw, 可以得到:
其中:
所以能够得到:
在Δ比较小的情况下, 式 (16) 可以改写成:
又因为AwwH-wwHA是反埃尔米特矩阵, 所以AwwH-wwHA元素都是虚数, 可以令:
g (w) =Im diag (AwwH-wwHA) , Im 表示取虚部, diag表示取对角元素, 式 (17) 亦可以写成:
其中δ= (δ1, δ2, ⋯, δN) T, 根据式 (18) , 将式 (11) 中的目标函数和约束函数分别进行泰勒一阶展开, 并用上下限约束来代替恒等约束:
其中δ是优化变量;δmax是正实数;M和N分别是期望信号的上限与下限。式 (19) 是个凸优化问题, 可以通过二阶锥规划 (SOCP) 方法求解。求解式 (19) 可以得到当前约束条件下使目标函数最小的相位矢量δ, 算法如图2所示。
3 计算机仿真及评估
假设天线阵列是含有32个阵元的等距线阵, 阵元之间为半波长间距。假设期望目标方向为[-30°, 0°, 30°], 非期望目标方向为50°。协方差矩阵通过500次快拍数据得到, 在仿真程序中, 参数M与N设置为1.0和0.8, δmax=0.02, 当输出功率小于1.05时算法终止。图3为基于迭代二阶锥的唯相位算法的多波束形成方向图与功率谱图。通过仿真图我们可以看出主波束指向期望信号方向, 在非期望目标50°方向有深深的零陷。
4 结论
本文基于LCMV算法, 在此算法的基础上, 将改进的LCMV算法—迭代二阶锥的唯相位算法用于多波束形成。在相位扰动量比较小的情况下, 目标函数和约束函数可以用相位矢量的泰勒一阶展开公式来近似, 此时原来的非凸问题可以转化为凸优化问题;并通过二阶锥规划方法求得使当前目标函数最小的扰动矢量, 然后更新得到新的权重矢量并代替原来的权重矢量, 重复迭代上述过程直到满足终止条件。计算机仿真表明, 本文提出的唯相位算法可以有效地在干扰方向形成零陷, 在多个期望目标方向形成多波束。
参考文献
[1]王俊勇.基于LCMV算法的天线方向图零陷加宽方法[J].中国科技在线, 2007, 13 (2) :26-28.
[2]GU Yu-jie, LESHEM Amir.Robust adaptive beamforming based on interference covariance matrix reconstruction and steering vector estimation[J].IEEE Transactions on Signal Processing, 2012, 60 (7) :3881-3885.
[3]GUO Q, LIAO G, WU Y, et al.Pattern synthesis method for arbitrary arrays based on LCMV criterion[J].Electronics Letters, 2003, 39 (23) :1628-1630.
[4]路成军, 盛卫星, 韩玉兵, 等.基于迭代二阶锥的唯相位波束形成[J].电子与信息学报, 2014 (2) :266-270.
[5]ZHOU Philip Yuanping, INGRAM Mary Ann.Pattern synthesis for arbitrary arrays using an adaptive array method[J].IEEE Transactions on Antennas and Propagation, 1999, 47 (5) :862-869.
[6]张亦希, 傅君眉, 汪文秉.LCMV方法在卫星多波束天线赋形中的应用[J].电子学报, 2002 (3) :332-334.
[7]柳叶.发射数字多波束形成技术与工程实践研究[D].西安:西安电子科技大学, 2011.
[8]易锋, 孙超.总体最小二乘算法模波束形成方法研究[J].声学学报, 2013, 38 (1) :35-41.
[9]KAJENSKI P J.Phase only antenna pattern notching via a semidefinite programming relaxation[J].IEEE Transactions on Antennas and Propagation, 2012, 60 (5) :2562-2565.
多波束应用 篇9
自20世纪80年代研制出世界上第1台便携式多波束测深仪以来,到现在已经历4次换代,R2Sonic 2022是基于第5代声呐结构的多波束测深系统,代表目前最先进的测深系统,结构设计紧凑,便于携带,适用于江河海洋地形扫描。该系统具有在线调频功能,用户可以有20多个工作频率选择使用;条带覆盖角度在线可调,在10~160°范围内,解决了码头、防波堤、大坝、桥桩或者桥墩等垂直面的检测难题;高分辨率,拥有256个波束,波束角为1.0°×1.0°。
2 同传统法测量技术的对比
传统的测量技术是利用回声测深仪的水声换能器垂直向水下发射和接收回波,根据波束的往返时间及声速确定水深;多波束测深系统是在传统测深仪的基础上发展起来的,能在与航迹垂直的平面内1次给出若干深度,获得1条一定宽度的全覆盖水深条带[1]。为检验多波束测深系统的性能,选择一河道边坡,使用多波束测深系统与传统回声测深仪进行研究测量。
2.1 动静态水深比测
由于R2 Sonic 2022多波束测深系统采用1.0°×1.0°超窄波束角全覆盖测量,数据详细,在每个测区都有足够的测点参与计算,保证了成图的质量,更能体现横断面细节起伏变化;传统测深仪的测点间距过大,波束角较大,对水底地形的反应比较粗糙,对一些微地形测量时容易产生较大深度误差[2]。
动态比测结果反映,10~18 m的水深,不符值在10 cm以内;18~25 m的水深,不符值在20 cm以内。水深平均误差为0.10 m,综合相对误差为0.68%,满足国家行业标准SL257-2000《水道观测规范》“各类测深方法及仪具的单项测深误差,应控制在±0.10 m以内,综合相对误差不应大于水深的1%”[3]的要求。
通过静态比测,测深值无系统偏差,10~18 m的119个测深样本,水深值误差在7 cm以内,18~25 m的102个测深样本,水深误差在15 cm以内,221个静态测深样本平均测深误差为0.08 m;与测深仪所测水深的绝对误差为0.09 m,满足国家行业标准SL257-2000《水道观测规范》要求,可见多波速水下测量系统精度是可靠的。
2.2 数字地形图对比
图1是多波束测量数字地形图,图2是传统法测量数字地形图,通过图1和2对比,可见相对于传统测深仪,多波束测量数据点密,能够更精确地测出水下目标物的大小、形状和高低变化,绘制的等深线更详细,也更真实地反映地形地貌特征。
2.3 面积对比
R2 Sonic 2022多波束测深系统可以在测量过程中根据实际环境调整系统频率和扇面角,在水深不超过50 m的水域中,能保证测点距为1 m或更小;而传统测深仪波束角固定且比较大,测点距只能勉强达到5 m。利用传统测深仪数据绘制了5 m点距的地形图,用多波束数据按不同点距绘制了1~4 m的地形图,分别建立DTM模型,计算不同等深线所围面积,并计算相对误差(传统测深仪和多波束测深系统在不同等深线计算的面积差值,与多波束测深系统计算面积的百分比),具体如表1所示。由表1可见随着更细化的地形,面积相差越大,最大的接近36%,说明多波束能更全面地反映每个地形的细节情况。
3 在江河湖泊地形监测中的应用
3.1 河道险工险段监测及整治
珠江三角洲中下游地区河网密集分布,水势复杂,近年河道下切变化大,给堤围安全造成很大威胁。利用多波束高精确度、高分辨率的优点,对河道进行地形测量,使监测数据更加准确直观,为治理险段提供基础数据和技术支撑。图3为某险段的水下地形图,是典型的座弯冲顶、深坑迫岸地形,洪水后边坡出现险情。在提供基础数据后,采取了抛石护岸整治工程措施,图4险段治理后水下地形现状。
根据图3和4的对比,直观的图像可反映治理后的效果,将几条丁坝完整地体现出来。
根据原始数据绘制的数字地形图如图5所示,得到横断面边坡比计算表如表2所示,表明在连续50 m范围内坡度趋缓了,这样以数据和图从多角度体现工程的效果,对工程的设计、施工和验收起到关键作用。
3.2 水库水下地形测量
利用多波束采用全覆盖测量方式这一优点,可获得更精密的数据,能够更加真实清楚地反映水库水下情况,为库容曲线的计算,评估水库的滞洪、蓄洪能力提供依据。
图6为利用多波束测深系统测量结果绘制的南海区东风水库的水位库容曲线图,水下地形监测的数据精度越高,计算的库容越正确。可为水库的管理、清淤提供基础数据和技术支撑。
3.3 水利应急抢险监测
R2 Sonic 2022多波束测深系统最大特点是可以实时观测到水下地形三维彩图、直观的云点图。通过3G网络通讯技术实现了远程监控,建立实时传输系统,把现场测量软件显示信息(如多波束条带图、云点图等)、船载摄像头所拍摄的测区情况,以及测量得到的初步成果,通过3G网络传送给指挥部。远程监控传输系统如图7所示。
水利应急抢险监测系统实现了远程传输现场测量情况,在线监测险情动态变化,可通过数字与三维模型分析计算冲淤量、横断面、边坡等变化,为抢险救灾制定决策,提供基础资料,为快速制定抢险决策提供科学依据,同时减少了水下作业风险程度。
3.4 河道演变趋势研究
多波束具有导航轨迹存储和回放功能,可对同一水域进行多年对照测量。可提供高分辨率的水下地形图、横断面图、深泓图和三维图,能够反映细节的变化,可做出河道变化、演变的研究。
图8是某河道2004——2011年的变化趋势,图中虚线是2004年等深线,实线是2011年等深线,可见左岸原来-17 m的等深线现已经是扩大到-21 m,右岸处深坑面积扩大,底部有所淤积。
4 结语
通过对比R2 Sonic 2022多波束测深系统与传统回声测深仪的操作使用及测量效果,第5代多波束测深系统的便捷、高效、灵活、准确等先进性显而易见,不仅在河道整治、应急抢险等方面得到应用,在数字河道建设、电子航道、水下物探、桥梁施工等方面也起到非常重要的作用。近年来多波束技术迅速发展,在海洋、河道的应用也日趋成熟。多波束的实效性、数据的准确性、高密度性、工作效率的高效性是以后多波束技术发展的前景[4]。
参考文献
[1]刘经南,赵建虎.多波束测深及图像数据处理[M].武汉:武汉大学出版社,2008:27-32.
[2]刘经南,赵建虎.多波束测深系统的现状和发展趋势[J].海洋测绘,2002,22(5):3-6.
[3]谭良,全小龙,张黎明.多波束测深系统在水下工程监测中的应用[J].全球定位系统,2009(1):38-42.
多波束应用 篇10
1 8125多波束系统介绍
Seabat 8125多波束测深仪是美国RES ON公司生产的世界上第一台投入使用的商品化、宽扇区、宽频带、聚集式多波束测深仪, 该测深仪在世界各地以其数据密度大、分辨率高的特点被投入到海洋调查, 障碍物探测, 渔业调查、疏浚验收等各个领域。Seabat 8125多波束系统主要由8125多波束测深仪、OCTANS光纤罗经、DGPS定位系统、声速剖面仪、6042多波束数据采集处理系统组成, 该系统通过光纤罗经OCTA NS实时测定测量船的航行姿态及每个水深断面的方向, 通过DGPS接收机测定测量船对应的位置, 结合外业数据采集系统确定每个波束对应脚印的位置, 实现带状扫测的能力。系统通过换能器发射1个扇面波束, 反射信号经换能器接收, 通过波束形成器形成240个窄的波束, 每个波束的宽度沿航线方向为1°, 垂直航线方向为0.5°, 系统的覆盖宽度为240×0.5°=120°。其波束的频率为455kHz, 最大发射速率为40次/秒, 系统最大测深范围为120m, 测深分辨率为6mm, 测深精度满足IHO国际海道测量特级标准。
2 系统作业过程
2.1 设备安装
将多波束换能器固定在船舷稳定部位, 并远离机器等噪音源, 换能器要超过船底, 安装杆不能太细, 要在尽量靠近水面的位置设置固定点。Octans要尽量放在船的重心位置, 以减少仪器补偿中的误差。如无法装在重心位置也要尽量与中轴线平行, 因为罗经提供按自己方位确定的方向角, 如果罗经和船的方位不一致, 则罗经给出的方向角不能代表船的航向角。Octans同时能够同时输出方位和运动姿态数据, 主要包括横摇roll, 纵摇pitch, 方位Yaw以及Heave。DGPS要安装在固定且没有遮挡物的位置, 保证能够更好的接收定位信息。设备安装后, 要定义船体坐标系, 定义坐标系的参考点VRP, 最好将VRP定义在船体的重心, 并测量GPS天线、8125换能器、光纤罗经、水线相对于参考点VRP的坐标位置, 测量各项设备相对于船的重心位置的偏离值, 并输入保存在项目设置文件中。
2.2 仪器校准
由于在换能器安装时无法保证其方位, 故换能器实际方位与OCTANS测量值存在一定偏差, 在数据后处理及位置归算时需要将此偏差进行改正。一般仪器校准主要包括:GPS延迟误差的校准 (Latency) 、横摇安装误差的校准 (Roll) 、纵摇安装误差的校准 (Pitch) 以及船艏向安装误差的校准 (Yaw) 。
2.3 数据采集
在多波束系统的校准工作完成后, 边可以进入测量区域开展测量工作, 工作前要用声速剖面仪采集测区的声速剖面数据, 并导入到6042多波束数据采集处理系统, 调试81-P系统参数, 调节换能器功率及增益等, 保证系统数据质量良好。根据水深情况合理布设测线, 要充分考虑两相邻测线数据的重叠, 要保证重叠区域控制在20%左右。生成格网文件, 并设置水深颜色, 测量时根据色带覆盖情况实时调整测船航行间距, 发现有漏测区域及时补测, 并对测量过程中的时间、文件、特殊问题的信息作详细记录。
2.4 内业处理
测量数据内业后处理主要包括: (1) 数据分析:采用数据处理系统配置的滤波器对数据进行滤波分析。 (2) 数据回放:将潮位等改正信息重新输入并回放, 生成可编辑文件。 (3) 数据编辑:剔出跳点、孤立点和边缘波束数据。 (4) 网格化处理:即对高密度的测量数据采用网格插值法进行合理压缩处理, 以使其能够满足绘图及使用需要。 (5) 数据格式转换:将处理过的测量数据转换为能够满足绘图需要的格式。 (6) 绘制竣工图:将成果数据展绘成图并加套格网、范围线、岸线、航道线等, 按规定的图面格式绘制竣工成果图。
3 系统优势
我单位利用多波束系统多次在广州港航道疏浚验收项目中发挥其高效率、高精度等优势, 保证了航道疏浚验收工作的顺利进行。
3.1 测深精度优势
决定一套设备性能的主要指标就是设备的测量精度, 而8125多波束系统作为水深测量设备, 自然要考察其测深精度。影响水深精度的因素有很多, 比如多波束本身的测深误差、潮汐改正误差、船舶姿态补偿横摇改正误差、声速剖面改正误差、船舶动吃水改正误差等。根据误差传播定律, 结合工作中各类改正误差的影响, 8125多波束系统的测深精度完全能够满足相关规范要求。
3.2 全覆盖优势
全覆盖是指多波束测量中, 前后左右脚印有一定的重复测量。传统测量手段只能对点或者线进行测量, 数据代表范围很小, 而且测线之间的未测量区域水深情况更是无从表示。8125多波束系统通过测幅重叠和设置更新率的方法能够覆盖整个测区, 对于测区内1m3以上物体的高度、形状、姿态等, 能够提供量化描述, 对于疏浚施工过程中所遗漏的浅点浅区不仅可以提供具体的位置, 理论最低潮面下的水深, 还可以通过制成三维立体图观测水下微地貌, 直观看到水下状态, 初步实现水下可视化。
3.3 高效率优势
疏浚项目施工完成后, 有关各方都急于了解水下施工情况, 以便判断是否满足设计或通航要求。对于大面积水域, 传统的测量方法需要按计划线逐线测量, 关键区域还要求加密测量, 需要较长的作业时间。如果采用多波束系统, 因其测量轨迹为带状, 单线覆盖宽度能够达到几十米, 即可以保证分辨率又能节省外业测量作业时间。
4 结语
多波束测深系统的应用实现了水深测量技术革命性的进步, 它具有高精度、高分辨率、全覆盖等特点, 能够提供真实细致的水下地貌, 对航道疏浚后期的扫浅工作有很大的指导意义, 并为航道疏浚验收质量评定工作提供了更可靠的数据依据。
摘要：本文基于笔者多年从事航道测量的相关工作经验, 以多波束测量系统在广州某航道测量的应用为研究北京, 分析了多波束测量系统的特点, 结合广州某航道疏浚验收项目, 介绍了多波束系统的工作流程, 分析了该系统在航道疏浚验收中的各种优势, 相信对从事相关工作的同行能有所裨益。
关键词：多波束,疏浚验收,精度
参考文献
[1]RESON公司, SeaBat8125多波束操作手册.
[2]周云飞, 张彦昌, 等.SeaBat8125安装误差校准及在边坡测量中的应用[J].水道港口, 2006 (3) :188～191.