【通俗易懂聊声呐】多波束成像声呐中的“相干因子(CF)”去旁瓣技术-171主机测评

【通俗易懂聊声呐】多波束成像声呐中的“相干因子(CF)”去旁瓣技术

文章目录

【通俗易懂聊声呐】多波束成像声呐中的“相干因子(CF)”去旁瓣技术
- - 引言：声呐图像里的“幽灵”
  - 一、为什么要引入相干因子？
  - 二、核心原理：什么是“相干”？
  - 三、相干因子（CF）的数学公式
  - - CF值的神奇特性：
  - 四、如何在实际工程中使用CF？
  - 五、相干因子法的优缺点总结
  - 结语

引言：声呐图像里的“幽灵”

如果你接触过多波束成像声呐（Multibeam Imaging Sonar），你一定会遇到这样的烦恼：明明水下只有一个强目标（比如一块大礁石），但在生成的声呐图像上，这个礁石的两侧却拖着长长的“尾巴”，甚至在本来没有东西的地方也出现了模糊的亮斑。

这些图像里的“幽灵”，就是声呐成像的头号大敌——旁瓣（Sidelobes）。

传统的波束形成方法（比如最经典的延时求和 DAS）虽然简单稳定，但在抑制旁瓣方面心有余而力不足。今天，我们就来聊聊一种非常巧妙且计算量友好的去旁瓣利器：相干因子（Coherence Factor, CF）法。

一、为什么要引入相干因子？

在讲相干因子之前，我们先用一个手电筒的比喻来理解旁瓣。想象你拿着一把手电筒照向前方，最亮的那束光叫主瓣（Mainlobe），但手电筒周围不可避免地会漏出一些暗淡的光晕，这些漏出去的光就是旁瓣。

在声呐接收端，阵列（Hydrophone Array）在“倾听”某个方向的回波时，也会不小心“听”到其他方向传来的强信号。

理想情况：我们只想要主瓣方向的信号。
糟糕现实：旁瓣漏进来的信号和主瓣信号混在一起，导致图像对比度下降、目标发虚。

传统方法束手无策，这时候，相干因子（CF）闪亮登场。它的核心思路是：我不去改变你原本的信号，但我给你加上一个“照妖镜（权重）”，是主瓣我就保留，是旁瓣我就打压。

二、核心原理：什么是“相干”？

“相干”这个词听起来很学术，其实在生活中非常常见。

生活比喻：大合唱

在这里插入图片描述

假设有10个人组成一个合唱团（相当于声呐的10个接收阵元）。

主瓣信号（相干性高）：这就好比10个人完全在同一个节拍上唱同一个音。他们的声音叠加在一起，不仅响亮，而且非常和谐。这种“步调一致”的状态，就叫高相干。
旁瓣信号或噪声（相干性低）：这就好比10个人乱唱一气，有人快有人慢，甚至唱的不是一首歌。虽然总音量可能也不小，但内部互相干扰、抵消，显得非常嘈杂。这种“步调不一致”的状态，就叫低相干。

在多波束声呐中，当我们将各阵元的信号进行“延时补偿”对齐后：来自当前波束方向（主瓣）的信号，相位是对齐的（步调一致）。来自其他方向漏进来（旁瓣）的信号，相位是错乱的（步调不一致）。

相干因子法，就是用数学公式把这种“步调一致的程度”量化出来，作为一个系数乘到图像上去。

三、相干因子（CF）的数学公式

不堆砌复杂的微积分，我们只看一个极其优雅的公式。假设我们的声呐接收阵列有

$N$ 个阵元。经过延时补偿后，第

$n$ 个阵元在

$t$ 时刻接收到的信号记为

(

)

x_n(t)

$x_{n} (t)$ 。

相干因子

(

)

CF(t)

$CF (t)$ 的计算公式如下：

(

)

∣

∑

(

)

∣

⋅

∑

∣

(

)

∣

CF(t) = \\frac{|\\sum_{n=1}^{N} x_n(t)|^2}{N \\cdot \\sum_{n=1}^{N} |x_n(t)|^2}

$CF (t) = \frac{∣ \sum _{n = 1}^{N} x _{n} ( t ) ∣ ^{2}}{N \cdot \sum _{n = 1}^{N} ∣ x _{n} ( t ) ∣ ^{2}}$

不要晕，我们把这个公式拆解成上下两部分来看：

分子：先求和，再求功率（大家合唱的音量）

∣

∑

(

)

∣

|\\sum_{n=1}^{N} x_n(t)|^2

$∣ \sum_{n = 1}^{N} x_{n} (t) ∣^{2}$ 先把所有阵元的信号加起来，然后再平方求功率。如果大家相位一致（主瓣），加起来的幅度会非常大，平方后更大；如果相位杂乱（旁瓣），加起来的时候正负抵消，结果就很小。这就叫相干功率。

分母：先求功率，再求和，乘上N（每个人最大音量的总和）

⋅

∑

∣

(

)

∣

N \\cdot \\sum_{n=1}^{N} |x_n(t)|^2

$N \cdot \sum_{n = 1}^{N} ∣ x_{n} (t) ∣^{2}$ 先计算每个阵元自己信号的功率，然后再把所有阵元的功率加起来，最后乘以阵元数

$N$ 。这个值代表了如果不考虑相位抵消，系统能接收到的绝对总能量。这就叫非相干功率。在这里插入图片描述

CF值的神奇特性：

根据数学上的柯西-不等式（Cauchy-Schwarz inequality），CF的值永远在 0 到 1 之间。

当信号完全同相（主瓣）：分子极大，CF值趋近于 1。
当信号相位杂乱（旁瓣/噪声）：分子极小，CF值趋近于 0。

四、如何在实际工程中使用CF？

在多波束成像的处理流程中，相干因子法通常作为传统延时求和（DAS）波束形成的“外挂”来使用。具体步骤非常简单：

常规成像：先用传统的 DAS 方法算出每个像素点的值

y_{DAS}(t) = \\sum x_n(t) yDAS​(t)=∑xn​(t)。

计算CF：利用上面的公式，计算出该点对应的

加权相乘：将常规图像的值乘上CF值，得到最终的输出图像：

y_{final}(t) = y_{DAS}(t) \\times CF(t) yfinal​(t)=yDAS​(t)×CF(t)

结果会发生什么？

在主瓣目标处：CF ≈ 1， $y_{final} \\approx y_{DAS} \\times 1 yfinal≈yDAS×1，目标亮度被完美保留。$
在旁瓣伪影处：CF ≈ 0.1（甚至更低）， $y_{final} \\approx y_{DAS} \\times 0.1 yfinal≈yDAS×0.1，旁瓣伪影瞬间变暗，被强力压制！$

五、相干因子法的优缺点总结

没有一种算法是完美的，CF法也不例外。

🌟 优点（为什么大家喜欢用）：

去旁瓣效果立竿见影：能极大提高声呐图像的对比度和清晰度，背景变得更加干净。

计算量极小：相比于MVDR（自适应波束形成）需要复杂的矩阵求逆，CF法只需要做简单的加法和乘法，非常适合声呐系统的实时处理。

鲁棒性强：对阵列误差、声速误差不那么敏感。

⚠️ 缺点（需要注意的坑）：

图像可能变暗：由于CF法本质上是“做减法”，它可能会破坏背景斑点噪声的统计特性，让原本连续的海底背景显得有些“斑驳”或过暗。

幅度失真：乘以CF后，信号的绝对幅度发生了改变。如果你不仅需要“看图”，还需要提取精确的“目标散射强度（Target Strength）”做科学定量分析，使用CF法就要非常谨慎了。

结语

相干因子（CF）法就像是多波束声呐图像的一个智能滤镜。它巧妙地利用了信号空间的“相位”特征，把空间中步调不一致的旁瓣和噪声筛选出来并加以打压。对于追求高对比度、清晰轮廓的水下探测任务（如探雷、水下搜救、管道检查）来说，CF法无疑是一个性价比极高的神兵利器！

【通俗易懂聊声呐】多波束成像声呐中的“相干因子(CF)”去旁瓣技术