Acoustic propagation in fluctuating media : from oceanographic phenomena to signal processing
Propagation acoustique en milieu fluctuant : des phénomènes océanographiques au traitement du signal
Résumé
Ocean fluctuations affect acoustic propagation and reduce the performance of SONAR arrays. In particular, internal waves can lead to a loss of coherence in incident signals, reducing the efficiency of classical processing. Precise knowledge of the environment is necessary to predict the degradation it causes. However, it is impossible to know the exact state of the ocean, especially in the operational context of a boat at sea. It is therefore necessary to use statistical methods to study the ocean and acoustic propagation, and model their relationship. A statistical method, canonical correlation analysis (CCA), is used to find linear relationships between sets of statistical variables. In this work, we propose to use it to link acoustic variables of interest with oceanographic measurements. In some experimental cases, the method alone can simply explain the underlying physics. In other, more complex cases, such as reception on a highfrequency antenna, it enables us to define a linear model between environmental and acoustic variables, which can be integrated as an a-priori in an array processing. More specifically, we propose to use subarray processing parameterized by the acoustic coherence length. This approach makes it possible to assume a coherent field on each sub-array, and thus to use more conventional processing. In this work, the coherence radius is thus deduced from environmental measurements using the model learned by CCA. To compensate for the loss of angular resolution inherent in sub-arrays, we introduce the use of a Bayesian algorithm exploiting ℓ0 norm regularization. We show on experimental data from the ALMA 2017 campaign that the proposed processing improves detection when signal coherence is low.
Les fluctuations océaniques affectent la propagation acoustique et réduisent les performances des antennes SONARs. Les ondes internes, notamment, peuvent entraîner une perte de cohérence des signaux incidents et ainsi réduire l’efficacité des traitements classiques. Une connaissance précise de l’environnement est nécessaire afin de prévoir les dégradations qu’il engendre. Cependant il est impossible de connaître l’état exact de l’océan, surtout dans un contexte opérationnel d’un navire en mer. Il devient nécessaire d’utiliser des méthodes statistiques afin d’étudier océan et propagation acoustique et modéliser leur lien. Une méthode statistique, l’analyse des corrélations canoniques (CCA), est utilisée pour trouver des relations linéaires entre des ensembles de variables statistiques. Dans ces travaux, nous proposons de l’envisager pour lier les variables acoustiques d’intérêt et des mesures océanographiques. Dans certains cas expérimentaux, la méthode permet, seule, d’expliciter simplement la physique sous-jacente. Dans d’autres, plus complexes, notamment de réception sur une antenne à haute fréquence, elle permet de définir un modèle linéaire entre variables environnementales et acoustiques, pouvant être intégré comme a-priori dans un traitement d’antenne. En particulier, nous proposons de recourir à un traitement par sous-antennes paramétré par la longueur de cohérence acoustique. Cette approche permet de supposer un champ cohérent sur chaque sous-antenne, et donc d’utiliser des traitements plus classiques. Dans ce travail, le rayon de cohérence est ainsi déduit de mesures environnementales à partir du modèle appris par CCA. Pour compenser la perte de résolution angulaire inhérente aux sous-antennes, nous introduisons l’utilisation d’un algorithme bayésien exploitant une régularisation en norme ℓ0. Nous montrons sur des données expérimentales de la campagne ALMA 2017 que le traitement proposé améliore les performances de détection lorsque la cohérence du signal est faible.
| Origine | Version validée par le jury (STAR) |
|---|