Cấu hình mạng cảm biến thuỷ âm trên cơ sở tiền xử lý ICA nhằm nâng cao độ chính xác định vị đa mục tiêu

Kỹ thuật điều khiển & Điện tử P. H. Minh, P. T. Hanh, L. T. N. Tú, “Cấu hình mạng cảm biến thủy âm đa mục tiêu.” 42 CẤU HÌNH MẠNG CẢM BIẾN THUỶ ÂM TRÊN CƠ SỞ TIỀN XỬ LÝ ICA NHẰM NÂNG CAO ĐỘ CHÍNH XÁC ĐỊNH VỊ ĐA MỤC TIÊU Phan Hồng Minh1*, Phan Trọng Hanh2, Lương Thị Ngọc Tú2 Tóm tắt: Bài báo đề xuất và xây dựng một giải pháp mới dựa trên mô hình phân tích phần tử độc lập ICA để thiết kế mạng cảm biến thuỷ âm để định vị đa mục tiêu. Việc định vị trong một môi trường phức tạp có nhiều mục tiêu (nguồn âm) hay nói một cách khác tín hiệu thu được tại cảm biến là hỗn hợp của tất cả tín hiệu có trong môi trường với một hệ số suy giảm khác nhau điều này dẫn đến khó quan trắc và định vị được. Bài báo ứng dụng kỹ thuật tiền xử lý ICA (Independent Component Analysis - phân tích phần tử độc lập) để tách riêng các nguồn âm trước khi tính toán vị trí để định vị bất kỳ mục tiêu nào trong các mục tiêu đang theo dõi. Từ khóa: Cảm biến thuỷ âm, Mạng cảm biến sonar thụ động, TDOA, ICA, PAM. 1. GIỚI THIỆU Trong mạng cảm biến thuỷ âm, các cảm biến được bố trí ở các độ sâu và cấu trúc hình học khác nhau để quan sát một hiện tượng hoặc một mục tiêu nhất định, ưu điểm là khả năng linh hoạt trong cấu trúc và không phát xạ sóng âm cho nên khó bị phát hiện bởi kẻ địch. Việc nghiên cứu ứng dụng mạng cảm biến sonar thụ động để nghiên cứu định vị cá voi đã được thực hiện ở nhiều quốc gia trên thế giới và đã có nhiều kết qủa đa dạng [5][6], bên cạnh đó, tối ưu mặt mở (aperture) của mạng cảm biến[12] hoặc điều khiển búp sóng thích nghi để để tăng tỷ số SNR nhằm nâng cao độ chính xác định vị cũng có những thành quả nhất định. Xử lý tín hiệu sonar sử dụng kỹ thuật ICA cũng được nghiên cứu trong việc phát hiện, nhận dạng và định hướng mục tiêu[2][10][11]. Việc áp dụng kỹ thuật ICA nhằm mục đích là tách các nguồn âm riêng biệt từ các mục tiêu đến các cụm hydrophone để khi tính TDOA (Time Diffirence Of Arrivals - thời điểm khác nhau của sóng tới) của các cặp hydrophone được chính xác hơn. 2. SỬ DỤNG MẠNG CẢM BIẾN ĐỂ ĐỊNH VỊ MỤC TIÊU 2.1. Cơ sở của phương pháp Mạng cảm biến sonar thụ động bao gồm một số lượng hữu hạn M các cảm biến thuỷ âm (hydrophone) hi, i = 1,., M được gắn tại các vị trí có toạ độ cố định (xi, yi, zi) và mục tiêu cần định vị là các nguồn phát xạ sóng âm có toạ độ (xs, ys, zs) và khoảng cách từ mục tiêu đến các hydrophone là Ri. Ta có phương thức tổng quan tính khoảng cách từ mục tiêu đến các hydrophone [3]: (1) Ở Hình 1 gọi h0 là hydro-phone tham chiếu thì có thể thay Ri = R0 + δRi, R0 là khoảng cách từ mục tiêu đến cảm biến h0, δRi là khoảng cách tia âm đi từ h0 đến các hi. δRi = c.δTi, c là tốc độ âm trong nước. Triển khai (1) cho hydrophone h0, ta có được: (2) và cho các hydrophone khác: Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 48, 04 - 2017 43 = (3) Như vậy: (4) Để định vị với số lượng tối thiểu hydro-phone, bố trí chúng có cùng độ sâu zi bằng nhau (planar - array) thì (zi - z0) = 0. Viết (4) dưới dạng ma trận ta có: Hình 1. Mạng cảm biến thuỷ âm định vị mục tiêu. (5) số lượng hydrophone cần thiết sẽ là 4 và zs được tính như sau: (6) 2.2. Tính TDOA của tín hiệu thuỷ âm đến mạng cảm biến Tín hiệu thuỷ âm thu được từ hydrophone sau khi được lấy mẫu với tần số 8Khz với độ phân giải 8 bit sẽ được các mẫu số liệu S(i), i = 1,., n là các cụm bit có giá trị cụ thể mang thông tin về biên độ và pha của tín hiệu. Ở đây, việc xác định thời điểm tín hiệu đến các hydrophone được tính trên mức năng lượng có độ lớn tương đương thu được tại các thời điểm xác định. Để tính TDOA trước hết tính năng lượng của tín hiệu trong một cụm bít có độ dài 8 mẫu tương ứng với 1ms của tín hiệu tới theo công thức: (7) Sau đó, xét trong khoảng thời gian từ 100ms đến 200ms, khoảng thời gian này phù hợp với tín hiệu thuỷ âm cũng như thuật toán định vị với các vạch năng lượng trong Hình 2 có độ lớn tín hiệu tính theo (7) và khoảng thời gian là 1ms. Với thời gian 100ms đến 200ms xác định được vị trí một lần, trong 1s sẽ xác định được vị trí từ 5 đến 9 lần và để tránh báo động lầm, từ các vị trí này sẽ chọn ra vị trí có số Kỹ thuật điều khiển & Điện tử P. H. Minh, P. T. Hanh, L. T. N. Tú, “Cấu hình mạng cảm biến thủy âm đa mục tiêu.” 44 lượng xuất hiện nhiều nhất. Ngoài ra để loại bỏ các vạch có năng lượng nhỏ (nhiễu nền hoặc hài) chỉ cần thiết lập một mức ngưỡng tín hiệu đủ lớn là được. Tính năng lượng của tín hiệu thu được từ các hydrophone trong khoảng thời gian 120ms ta thu được tín hiệu tới các hydrophone ở các thời điểm khác nhau (Hình 2). Dễ thấy tín hiệu có mức năng lượng lớn hơn 2dB tới hydro-phone h0 ở thời điểm T0 = 50ms, nhưng đến h1, h2, h3 là 62ms chậm hơn khoảng 12ms. Từ đây, có thể tính được các T1, T2, T3 và xác định được các giá trị δR1, δR2, δR3 bởi δRi = c.( Ti - T0 ). Hình 2. Xác định TDOA của tín hiệu thuỷ âm đến các hydrophone. Thay vào công thức (5), (6) xác định được toạ độ của mục tiêu cũng như khoảng cách từ mục tiêu đến mạng cảm biến. Hết chu kỳ thuật toán lại lặp lại từ đầu. 3. GIẢI PHÁP ỨNG DỤNG TIỀN XỬ LÝ ICA ĐỂ PHÂN TÁCH TÍN HIỆU CỦA CÁC MỤC TIÊU TRƯỚC ĐỊNH VỊ 3.1. Kỹ thuật phân tích thành phần độc lập ICA ICA là kỹ thuật thống kê để phân tách một tập hợp tín hiệu hỗn hợp thành các tín hiệu nguyên thuỷ ban đầu với điều kiện các nguồn tín hiệu này độc lập với nhau (bất tương quan). Kỹ thuật này dựa trên việc tìm véc tơ trọng lượng (weight vector) của các nguồn tín hiệu, thuật toán lặp và hội tụ cho đến khi xác định được nguồn tín hiệu ban đầu. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 48, 04 - 2017 45 Mô hình ICA: Giả sử ta quan sát n xáo trộn tuyến tính x1, x2, , xn của n phần tử độc lập: với mọi i (8) xi, s1, s2 đều là hàm của tham số thời gian t, mỗi xáo trộn xi cũng giống như thành phần độc lập sk là một biến số ngẫu nhiên, thay cho một tín hiệu thời gian riêng biệt. Các giá trị quan sát xi(t) đều là các mẫu của biến số ngẫu nhiên này. Ký hiệu véc tơ ngẫu nhiên x cho các phần tử xáo trộn x1, x2, .. xn, véc tơ ngẫu nhiên s cho các phần tử s1, s2,.. sn, và ma trận A với các phần tử aij. Ta có: x = As (9) Có thể viết (10) Biểu thức (9) được gọi là phân tích phần tử độc lập hoặc mô hình ICA, mô hình ICA là một mô hình sinh. Các si là các phần tử độc lập thống kê và có phân bố phi Gauss. Sau khi ước lượng được ma trận A, ta có thể tính được ma trận đảo của nó là W và thu được thành phần độc lập: s = Wx (11) ICA quan hệ rất gần với phương pháp Phân tách nguồn mù (Blind Source Separation -BSS) hoặc Phân tách tín hiệu mù. Giải pháp xử lý tín hiệu với thuật toán Fast ICA: Gọi g là các đạo hàm không phải bậc hai của hàm G (Gauss function) g1(u) = tanh(a1u), g2(u) = uexp(-u 2/2) (12) ở đây 1 ≤ a1 ≤ 2 là hằng số phù hợp, thông thường a1 = 1. Thuật toán ICA như sau: 1. Chọn ngẫu nhiên một véc tơ trọng lượng w. 2. Cho w+ = E{xg(wTx)} - E{g’(wTx)}w. 3. Cho w = w+ / || w+ ||. 4. Nếu không hội tụ quay lại bước 2. Đạo hàm của FastICA như sau: Trước tiên, cần chú ý rằng cực đại các xấp xỉ của negentropy của wTx đạt được tại điểm tối ưu của E{G(wTx)}. Theo các điều kiện của Kuhn-Tucker [9], tối ưu của E{G(wTx)} với ràng buộc E{G(wTx)2} = ||w||2 = 1 đạt được khi: E{xg(wTx)} - βw = 0 (13) Giải phương trình (13) theo phương pháp Newton và ký hiệu hàm vế trái là F, ta được ma trận Jacobi JF(w) là JF(w) = E{xxTg’(wTx)} – βI (14) Để đơn giản ma trận nghịch đảo này, làm gần đúng số hạng đầu tiên và từ đây dữ liệu được cầu hoá và được tính gần đúng theo biểu thức E{xxT g’(wTx)} ≈ E{xxT}E{g’(wT x)} = E{g’(wTx)}I. Lúc này ma trận Jacobi trở thành ma trận trực giao và dễ dàng tính ma trận nghịch đảo. Do đó, thu được biểu thức lặp theo phương pháp Newton tính gần đúng như sau: w+ = w−[E{xg(wTx)}− βw] / [E{g’(wTx)}− β] (15) Biểu thức (15) được Hyvärinen [7][8] phát triển thành thuật toán áp dụng cho tính toán dạng ma trận gọi là FastICA ước lượng hợp lý cực đại (FastICA and maximum likelihood): Kỹ thuật điều khiển & Điện tử P. H. Minh, P. T. Hanh, L. T. N. Tú, “Cấu hình mạng cảm biến thủy âm đa mục tiêu.” 46 W+ = W + diag(αi)[diag(βi)+ E{g(y)y T}]W (16) Trong đó, y = Wx, βi = −E{yi g(yi)}, and αi = −1/(βi − E{g’(yi)}). Ma trận W cần được trực giao hoá sau mỗi bước lặp và trong thuật toán này W là ma trận trực giao đối xứng. Để thuật toán nhanh hội tụ và hiệu quả các phép tính trước khi đưa vào tính toán FastICA có thể thêm bước xử lý quy tâm và trắng hoá tín hiệu, chi tiết xem tài liệu [8]. 3.2. Xây dựng mô hình tiền xử lý ICA để theo dõi đa mục tiêu Để định vị theo (5)(6) cần số lượng hydrophone là 4 cái, theo mô hình ICA ở trên thì số lượng hydrophone cần dùng bằng với số lượng mục tiêu cần theo dõi. Như vậy, để theo dõi 2 mục tiêu đồng thời thì cấu hình cho 8 hydrophone hoạt động, 3 mục tiêu cần 12 cái .., ngoài ra, việc thiết lập cấu trúc (thay đổi độ sâu của cảm biến cũng như bố trí hình học của mạng) dễ dàng thực hiện để theo dõi và quan sát với nhiều mục đích khác nhau. Các cụm hydrophone sẽ được đặt ở các toạ độ cố định đã biết vị trí, tín hiệu thu được tại các cụm này là tín hiệu hỗn hợp của nhiều nguồn, các tín hiệu sẽ được tiền xử lý bởi ICA để tách ra thành các nguồn âm độc lập, các nguồn âm này đến các cụm hydrophone với thời gian khác nhau và từ đó ta có thể định vị được các mục tiêu (Hình 3). Hình 3. Mô hình ICA để định vị đa mục tiêu. 4. MÔ PHỎNG VÀ THẢO LUẬN 4.1. Cấu hình mạng cảm biến để định vị Giả sử cấu hình mạng để theo dõi 3 mục tiêu sử dụng 4 cụm hydrophone, mỗi cụm có số lượng 3 cái và đặt ở cùng độ sâu. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 48, 04 - 2017 47 Bảng 1. Vị trí các cụm hydrophone Vị trí x y z Cụm h0 0 0 -100 Cụm h1 20 -20 -100 Cụm h2 0 -20 -100 Cụm h3 -20 -20 -100 Hình 4. Cấu hình mạng cảm biến. Giả sử trường âm là đồng đều và đẳng hướng, các tia âm truyền thẳng chưa xét đến các yếu tố môi trường như nhiệt độ và độ mặn của nước, nhiễu tác động, chưa xét hiệu ứng đa đường và giả sử tốc độ âm dưới nước là không đổi c = 1500m/s. Mạng cảm biến được bố trí hình học kiểu hình tam giác cách nhau 20m ở độ sâu 100m so với mặt nước biển, coi cụm h0 là tham chiếu (Hình 4). 4.2. Xử lý ICA trước khi định vị Trường hợp có 3 nguồn âm độc lập là tiếng ping của tàu ngầm, tiếng động cơ diezen của tàu nổi và âm thanh của cá voi cùng thu được tại mạng cảm biến với các hệ số suy giảm khác nhau. Tiến hành xử lý ICA với việc thực hiện trắng hoá, quy tâm và lặp theo thuật toán FastICA cho các tín hiệu này ta được: Hình 5. Phân tách hỗn hợp âm thành các nguồn âm riêng biệt. Tại Hình 5.1, Hình 5.2, Hình 5.3 là các tín hiệu nguyên bản phát ra từ các nguồn âm độc lập, sau khi phát xạ vào môi trường dưới nước sẽ thành một tín hiệu hỗn hợp thu được tại các hydrophone với các mức suy giảm khác nhau ở Hình 5.4, Hình 5.5, Hình 5.6. Sau khi xử lý ICA ta thu được các các tín hiệu là các ước lượng của tín hiệu ban đầu Hình 5.7, Hình 5.8, Hình 5.9, các tín hiệu này có dạng thời gian gần giống với tín hiệu ban đầu và có lúc bị đảo pha (mô phỏng được thực hiện bằng Matlab). Kỹ thuật điều khiển & Điện tử P. H. Minh, P. T. Hanh, L. T. N. Tú, “Cấu hình mạng cảm biến thủy âm đa mục tiêu.” 48 4.3. Định vị 3 mục tiêu khi có tiền xử lý ICA Sau khi đã qua bước tiền xử lý ICA lúc này tín hiệu được coi là từ một mục tiêu phát ra không bị trộn lẫn với các tín hiệu khác, việc định vị trở lên dễ dàng và chính xác hơn với (5)(6). Sử dụng (7) để tính năng lượng tín hiệu trong 1ms, từ đó, tính TDOA của các mục tiêu, ta có: Vị trí các cụm hydrophone đã biết và δRi = c.δTi = c.(Ti – T0) Tính toán định vị mục tiêu 1: Từ Hình 5.7 cho thấy mục tiêu phát tiếng ping đầu tiên thì sau 1,7352s thì thu được tại cụm hydrophone h0, sau 1,7481 giây sau thì thu được tại cụm h1, sau 1,7485 giây thì thu được tại cụm h2 và sau 1,7494 giây thì thu được tại cụm h3. Từ đây, tính được δTi và δRi , sau đó thay vào công thức (5), (6) để tính ra toạ độ mục tiêu (Bảng 2). Bảng 2. Tính toán định vị mục tiêu 1. Cụm h0 Cụm h1 Cụm h2 Cụm h3 δR1 δR2 δR3 R0 x y z T0(s) T1(s) T2(s) T3(s) (c*δT1) (c*δT2) (c*δT3) (m) (m) (m) (m) 1,7352 1,7481 1,7485 1,7491 19,280 19,972 20,862 1997,1 79,8 1994,3 -30,6 5,3421 5,3549 5,3554 5,3561 19,231 19,969 20,903 2017,5 85,1 2014,3 -24,7 Tính toán như trên với tiếng ping thứ 2 ta được vị trí mới, vậy mục tiêu 1 có thể thấy mục tiêu đi ra xa so với vị trí mạng cảm biến và đi chếch hướng theo trục x và y (x tăng, y tăng) mục tiêu có xu hưởng nổi lên mặt nước bởi độ sâu giảm (z tăng). Tính toán định vị mục tiêu 2: Từ Hình 5.8 tính toán tương tự như trên với một số điểm có mức năng lượng tín hiệu đỉnh lớn thu được kết quả ở Bảng 3. Bảng 3. Tính toán định vị mục tiêu 2. Cụm h0 Cụm h1 Cụm h2 Cụm h3 δR1 δR2 δR3 R0 x y z T0(s) T1(s) T2(s) T3(s) (c*δT1) (c*δT2) (c*δT3) (m) (m) (m) (m) 2,0014 2,0150 2,0147 2,0145 20,383 19,986 19,721 2995,6 -48,8 2993,5 0,97 4,2017 4,2153 4,2150 4,2147 20,513 19,984 19,587 2995,6 -68,6 2993,2 -1,67 6,1160 6,1299 6,1293 6,1288 20,828 19,974 19,251 3018,5 -118,2 3014,5 0,8 Tiến hành định vị 3 lần trong một khoảng thời gian nhất định cho thấy mục tiêu 2 đi ngang về phía phải so với vị trí tương đối của mạng cảm biến (x tăng) và đi nổi trên mặt nước (z ≈ 0). Tính toán định vị mục tiêu 3: Từ Hình 5.9 tính toán tương tự thu được kết quả ở Bảng 4. Bảng 4. Tính toán định vị mục tiêu 3. Cụm h0 Cụm h1 Cụm h2 Cụm h3 δR1 δR2 δR3 R0 x Y z T0(s) T1(s) T2(s) T3(s) (c*δT1) (c*δT2) (c*δT3) (m) (m) (m) (m) 1,6699 1,6839 1,6832 1,6826 20,991 19,961 19,090 2486,9 -117,4 2482,1 0,34 4,7696 4,7836 4,7829 4,7823 21,034 19,965 19,054 2502,7 -123,1 2498,3-17,2 8,6705 8,6847 8,6838 8,6831 21,260 19,954 18,806 2502,7 -152,7 2496,9-24,6 Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 48, 04 - 2017 49 Tiến hành định vị 3 lần trong một khoảng thời gian nhất định cho thấy mục tiêu đi ngang về phía trái so với vị trí tương đối của mạng cảm biến (x giảm) và có xu hướng lặn xuống sâu dưới nước (z giảm). 4.4. Định vị đa mục tiêu khi không có tiền xử lý ICA Xét tín hiệu tại Hình 5.4 là tín hiệu hỗn hợp của 3 nguồn âm thu được tại cụm hydrophone, nếu xác định TDOA năng lượng tín hiệu không biết là của nguồn nào dẫn đến không thể xác định được mục tiêu. Phân tích năng lượng tín hiệu hỗn hợp Hình 5.4 theo (7) trong thời gian 200ms ta được Hình 6. Ở đây, các vạch năng lượng của cả 3 tín hiệu trộn vào nhau, khó xác định định được vạch năng lượng là của nguồn âm nào dẫn đến định vị đa mục tiêu sẽ không chính xác. Hình 6. Phân tích phổ tín hiệu hỗn hợp. 5. KẾT LUẬN Bài báo đã đưa ra một giải pháp cấu trúc mạng cảm biến thuỷ âm thiết kế trên cơ sở tiền xử lý ICA nhằm theo dõi và định vị đa mục tiêu, đồng thời, đưa ra phương pháp tính năng lượng tín hiệu để xác định thời gian tia âm đến các hydrophone từ đó định vị được mục tiêu theo nguyên lý TDOA. Với ICA, chúng ta có thể phân tách các nguồn âm hỗn hợp thành các nguồn âm độc lập và từ đó định vị được nhiều mục tiêu tại cùng một thời điểm, làm cho việc định vị chính xác hơn. Những nghiên cứu tiếp theo sẽ là nghiên cứu sâu hơn và tính toán thực hiện trong môi trường thực tế biển nông của Việt Nam, có nhiễu nền, thời tiết tác động, có tính đến độ mặn, thời tiết và vẽ được quỹ đạo chuyển động của mục tiêu để nâng cao hiệu của của phương pháp đề xuất. TÀI LIỆU THAM KHẢO [1]. Xavier Lurton, “An Introduction to Underwater Acoustics: Principles and Applica-tions”, 2nd edition, Springer Praxis Books, 2010. [2]. Sergio Rui Silva, “Advances in Sonar Technology”, Published by In-Teh, Vienna, Austria, 2009. [3]. Walter M.X. Zimmer, “Passive Acoustic Monitoring of Cetaceans”, Cambridge University Press, UK, 2011. [4]. Mandar Chitre, John Potter, Ong Sim Heng, “Underwater acoustic channel characterisation for medium - range shallow water communications”, IEEE Oceans 04, Vol.1, Nov. 2004, pp.40 - 45. [5]. Amin Y. Teymorian, Wei Cheng, Liran Ma, Xiuzhen Cheng, Xicheng Lu, Zexin Lu, “3D Underwater Sensor Network Localization”, IEEE Transactions On Mobile Computing, VOL. 8, No. 12, Dec. 2009, pp.1610-1621. Kỹ thuật điều khiển & Điện tử P. H. Minh, P. T. Hanh, L. T. N. Tú, “Cấu hình mạng cảm biến thủy âm đa mục tiêu.” 50 [6]. P.R. White, T.G. Leighton, D.C. Finfer, C. Powles, O.N. Baumann, “Localisation of sperm whales using bottom - mounted sensors”, Applied Acoustics, 67, 2006, pp. 1074-1090. [7]. Aapo Hyvärinen, Juha Karhunen, Erkki Oja, “Independent Component Analysis”, John Wiley & Sons, Inc., 2001. [8]. Aapo Hyvärinen, Erkki Oja, “Independent component analysis: algorithms and Applications”, Neural Networks, Vol. 13 (No 4–5), 411– 430, 2000. [9]. Luenberger, D., “Optimization by Vector Space Methods”, John Wiley & Sons, Inc., NewYork, USA, 1969. [10]. N. N. de Moura, J. M. de Seixas, Ricardo Ramos, “Passive Sonar Signal Detection and Classification Based on Independent Component Analysis”, Federal University of Rio de Janeiro - Signal, Processing Laboratory/ COPPE - Poli, Brazil, 2009. [11]. Eduardo F.de S.F., N.N. de Moura, J.M. de Seixas, “Neural passive sonar signal classification using Independent Component Analysis”, X Congresso Brasileiro de Inteligencia Computacional (CBIC’2011). [12]. Nutall A.H., “Approximations to Directivity for Linear, Planar, and Volumetric Apertures and Arrays”, IEEE Journal of Oceanic Engineering, Vol.26, No 3: pp.383-398, 2001. ABSTRACT CONFIGURATION OF HYDROPHONE ARRAY BASED ON ICA PRE- PROCESSING TO ENHANCE ACCURACY POSITION OF MULTI-TARGETS In the paper, a new solution based on the model independent element analysis - ICA to design underwater sound sensor networks for multi-tagets positioning is proposed and built. The positioning in a complex environment with multi-targets (audio sources), or in other words the signal received at the sensor is a mixture of all signals in the environment with a different attenuation coefficient lead to difficulty monitoring and positioning. In the paper, engineering applications pre-processing ICA to separate the sound source is used before calculating location to locate any targets in the target being tracked. Keywords: Uw sensor, Underwater Sensor Arrays – UWSAs, Passive sonar, Time Difference Of Arrival - TDOA, Passive Acoustic Monitoring - PAM. Nhận bài ngày 07 tháng 02 năm 2017 Hoàn thiện ngày 08 tháng 03 năm 2017 Chấp nhận đăng ngày 05 tháng 4 năm 2017 Địa chỉ: 1 Viện Điện tử - Viện Khoa học và Công nghệ quân sự; 2 Khoa Vô tuyến Điện tử - Học viện Kỹ thuật quân sự; *Email: phanhongminh1979@gmail.com