水下主動聲引信回波集成檢測方法

胡 橋, 白志科, 朱 建, 王 瑋, 肖素娟

?

水下主動聲引信回波集成檢測方法

胡 橋1,2, 白志科2, 朱 建2, 王 瑋2, 肖素娟2

(1. 水下信息與控制重點實驗室, 陜西 西安, 710075; 2. 中國船舶重工集團公司第705研究所, 陜西 西安, 710075)

針對水下主動聲引信在復雜的自然干擾下難以準確檢測的問題, 結合目標回波信號與混響等干擾的各種宏觀和微觀信息, 一方面利用改進的經驗模式分解方法對引信系統接收的原始信號進行處理, 得到不同模態的本征模式分量, 以實現目標回波與混響的分離; 另一方面利用本征模式分量得到瞬時頻率方差檢測統計量和能量檢測統計量, 將瞬時頻率方差檢測統計量和能量檢測統計量進行組合, 構建集成檢測器, 實現對水下主動聲引信的優化檢測。試驗結果表明, 與基于常規能量檢測和瞬時頻率方差檢測方法相比, 該方法具有更好的檢測性能。

水下主動聲引信; 集成檢測; 經驗模式分解; 本征模式分量; 瞬時頻率方差

0 引言

水下主動聲引信的干擾背景中除了單個或系列爆炸干擾、對抗器材干擾等人工干擾外, 還有海洋環境自然噪聲干擾、水下航行體與艦艇噪聲干擾、尾流散射干擾及海洋混響干擾等自然干擾。通常水下航行體的主動聲引信只考慮前4項[1], 尤其是在淺海水域和近程的回波分析和處理中, 混響是主要的干擾因素, 這將對水中目標的回波信號造成很大干擾, 有效的目標信號從幅度上可能被干擾湮沒, 造成引信無法從幅度特征上實現對目標的判別[2]。因此, 如何有效地從混響背景中將水聲目標的回波特征提取出來具有重要的意義, 它是對目標回波進行后續處理的前提。

經驗模式分解(empirical mode decomposition, EMD)是一種能突出信號局部瞬時特征的非線性處理方法, 它能夠把復雜的多分量信號分解成具有某種物理意義的單分量信號, 即把干擾和目標信號分解為不同的固有模態函數(intrinsic mode function, IMF)[3-4]。由于干擾和目標信號的模態特征不同, 在一定程度上在某些模態會實現對微弱目標信號的局部增強。事實上, 水中目標與水體及界面對發射信號的調制特性不一樣, 使得聲引信系統接收的原始信號中目標回波與混響在信號的多普勒頻率、能量及時延等方面存在本質的差別, 它們的模態也各異[5]。因此, 本文利用改進的經驗模式分解算法對目標回波與混響進行分離。

在水中目標的回波檢測中, 常用的方法有匹配濾波檢測、相關檢測和能量檢測器等[6-7]。匹配濾波檢測器和相關檢測器是在理想信道中白噪聲背景下檢測確知信號的最佳檢測器, 由于水聲信道的復雜性以及多途效應的影響, 這類理論上的最佳檢測器在實際應用中的檢測性能往往嚴重下降[8]。能量檢測器是利用目標回波信號加噪聲的功率級與噪聲的功率級(或者幅度)不同的特點, 來檢測輸入噪聲幅度均值的變化, 其有無回波信號的區別僅表現在信號平均能量的變化上, 對于所檢測的回波信號和干擾不作更具體的分析[9]。而瞬時頻率方差檢測方法是利用回波信號和干擾的瞬時頻率序列及其統計特征的細節信息, 對目標回波與干擾加以區分, 是一種與無目標回波時干擾背景的起伏無關的檢測方法, 具有恒虛警率的特性[10]。但這種單一方法常用來直接對回波信號和混響等進行處理, 抗干擾的能力不足, 為了改進其檢測能力, 需要結合其他方法進行集成檢測。

根據上述討論, 將改進的經驗模式分解算法和能量檢測與瞬時頻率方差檢測方法相結合, 提出了適用于水下聲引信目標的集成檢測方法。并結合對水下聲引信目標檢測的工程實例分析, 驗證了該方法的有效性。

1 改進的經驗模式分解

1.1 加窗經驗模式分解

經驗模式分解可將任意信號分解為若干個本征模式分量和一個余項。

從而得到加窗經驗模式分解方法的分解結果為

圖1 實測的回波信號

圖2 加窗經驗模式分解的本征模式分量

1.2 基于加窗和相鄰疊加本征模式分量的聯合處理

從圖2中可以看出, 盡管解決了因端點效應引起的邊界擾動問題, 在實際應用EMD方法時, 由于水聲信號中可能存在的間歇性或噪聲等因素的影響, 使得在插值擬合過程中生成虛假的局部極值點, 從而產生將一個真實的本征震蕩分量分解成多個IMF的現象, 即為EMD過分解現象。為了避免這種現象的產生, 提出一種基于加窗和相鄰疊加本征模式分量的聯合處理新方法, 具體步驟如下。

相應的解析信號為

圖3 加窗EMD的相對瞬時頻率

圖4 基于加窗和相鄰疊加EMD處理的IMFs

從理論上分析, 由于水下聲引信目標回波與混響等干擾的模態特征不同, 水下目標與水體及界面對發射信號的調制特性不一樣, 使得聲引信系統接收的水聲信號中目標回波與混響在信號的多普勒頻率、能量及時延等方面存在本質的差別, 它們的模態也各異。通過加窗和相鄰疊加本征模式分量的聯合處理后, 可以將這些不同的模態分離開, 從而將水下聲引信目標回波從混響中提取出來。

2 聲引信常規檢測方法

2.1 能量檢測器

能量檢測器可表示為如下的二元檢測[6]

圖5 歸一化能量檢測統計量

2.2 瞬時頻率方差檢測器

近兩年，陜西周至獼猴桃產區有部分果農開始用水楊桃作砧木嫁接獼猴桃品種，說水楊桃可以抗水澇、防潰瘍病、抗鹽堿、耐瘠薄。

圖6 歸一化瞬時頻率方差檢測統計量

3 聲引信集成檢測方法

在能量檢測器中, 其有無回波信號的區別僅表現在信號平均能量的變化上, 對于所檢測的回波信號和干擾不作更具體的分析, 是水聲信號的一種總體表征。而瞬時頻率方差檢測器是利用回波信號和干擾的瞬時頻率序列及其統計特征的細節信息, 對目標回波與干擾加以區分。本文結合目標回波信號與混響等干擾的各種宏觀和微觀信息, 利用瞬時頻率方差檢測器與能量檢測器本質上的差異, 將瞬時頻率方差檢測器與能量檢測器相結合, 構成集成檢測器, 以提高單一檢測器的性能。水下聲引信集成檢測方法如圖7所示。

圖7 水下聲引信集成檢測方法流程圖

圖8 歸一化集成檢測統計量

4 應用實例分析

圖9為聲引信系統接收的包含水聲目標的1個聲周期內的實測水聲信號。

圖9 實測的聲周期內回波信號

從圖10和表1中可以看出, 集成檢測器的水下聲引信目標出現時的檢測統計量(為0 dB)相對混響等干擾的平均值提高約22.5 dB, 檢測增益相比能量檢測和瞬時頻率方差檢測分別為16.7 dB和11.6 dB, 檢測性能有很大的提高, 同時對跨周期的界面混響干擾(第2大檢測統計量)的抑制效果也最好。

圖10 3種目標檢測器的歸一化檢測統計量

表1 3種聲引信檢測方法性能比較

經過多次測試可以發現, 集成檢測器綜合了能量檢測和瞬時頻率方差檢測這兩者的優點, 包含了更為廣泛而全面信息量, 其檢測性能的泛化性和魯棒性更好, 因此在水下運動航行體目標的聲引信檢測方面具有較好的通用性和推廣性。

5 結論

本文將改進的經驗模式分解算法和能量檢測與瞬時頻率方差檢測方法相結合, 提出了適用于水下聲引信目標的集成檢測方法。將該方法應用于水下聲引信目標檢測的湖上試驗中, 得到以下結論。

1) 提出改進的經驗模式分解算法——加窗和相鄰疊加IMFs的聯合處理方法, 消除了常規EMD方法中端點效應和過分解現象, 實現了目標回波與混響的有效分離。

2) 集成檢測方法相對于常規的能量檢測和瞬時頻率方差檢測方法, 具有較好的抗干擾能力, 其檢測性能的泛化性和魯棒性更好。

[1] 陳喜, 蔣濤, 李雄飛. 魚雷主動超聲引信陸上仿真及其實現[J]. 魚雷技術, 2008, 16(5): 34-37. Chen Xi, Jiang Tao, Li Xiong-fei. Implementation of On-land Simulation of Torpedo Active Ultrasonic Fuze[J]. Torpedo Technology, 2008, 16(5): 34-37.

[2] Chamberlain S G, Galli J C. A Model for Numerical Simula- tion of Nonstationary Sonar Reverberation Using Linear Sp- ectral Prediction[J]. IEEE Journal of Oceanic Engineering, 1983, 8(1): 21-36.

[3] Huang N E, Shen Z, Long S R. A New View of Nonlinear Water Waves: the Hilbert Spectrum[J]. Annual Reviews of Fluid Mechanics, 1999, 31: 417-457.

[4] Hu Q, Hao B A, Lv L X, et al. Hybrid Intelligent Detection for Underwater Acoustic Target Using EMD, Feature Dis- tance Evaluation Technique and FSVDD[C]//2008 Interna- tional Congress on Image and Signal Processing , IEEE, 2008, 5(4): 54-58.

[5] Carmillet V, Amblard P O, Jourdain G. Detection of Phase-or Frequency-Modulated Signals in Reverberation Noise[J]. Journal of the Acoustical Society of America, 1999, 105(6): 3375-3389.

[6] Steven M K. 統計信號處理基礎——估計與檢測理論[M]. 羅鵬飛, 譯. 北京: 電子工業出版社, 2006.

[7] Song H C, Hodgkiss W S, Kuperman W A. Experimental Demonstration of Adaptive Reverberation Nulling Using Time Reversal[J]. Journal of the Acoustical Society of Amer- ica, 2005, 118(3): 1381-1387.

[8] Chambers D H, Candy J V, Lehman S K. Time Reversal and the Spatial-temporal Matched Filter[J]. Journal of the Acou- stical Society of America, 2004, 116(3): 1348-1350.

[9] Kostylev V I. Energy Detection of A Signal with Random Amplitude[C]//IEEE International Conference on Commun- ication, Russia: Voronezh, 2002, 3(2): 1606-1610.

[10] 梁國龍.回波信號的瞬時參數序列分析及其應用研究[D].哈爾濱: 哈爾濱工程大學, 1997. Liang Guo-long. Study on Transient Parameter Sequence of Echoed Signal and Its Application[D]. Harbin: Harbin Eng- ineering University, 1997.

[11] 胡橋, 郝保安, 呂林夏, 等. 一種新的水聲目標輻射噪聲特征提取模型[J]. 魚雷技術, 2008, 16(6): 38-43. Hu Qiao, Hao Bao-an, Lü Lin-xia, et al. Feature Extraction Model for Underwater Target Radiated Noise[J]. Torpedo Technology, 16(6): 38-43.

Integrated Detection Method of Active Underwater Acoustic Fuze Echo

HU Qiao1,2, BAI Zhi-ke2, ZHU Jian2, WANG Wei2, XIAO Su-juan2

(1. Science and Technology on Underwater Information and Control Laboratory, Xi′an 710075, China; 2. The 705 Research Institute, China Shipbuilding Industry Corporation, Xi′an 710075, China)

To accurately detect active underwater acoustic fuze in complicated natural interferences, a novel integrated detection method is proposed. In this method, macro- and micro-features of target echo signals and interferences (such as reverberation) are analyzed; the intrinsic mode functions (IMFs) from original signals received by fuze system are achieved via the improved empirical mode decomposition(EMD) approach to separate the target echo signal from the reverberation; and the statistics of variance of instantaneous frequency detection and energy detection are obtained from IMFs and are combined to form an integrated detector for optimally detecting underwater acoustic fuze. Lake tests indicate that the proposed method exhibits better performance in underwater acoustic fuze detection, compared with such commonly used detection methods as energy detection method and variance of instantaneous frequency detection method.

active underwater acoustic fuze; integrated detection; empirical mode decomposition(EMD); intrinstic mode function(IMF); variance of instantaneous frequency

TJ431.7; TN911.7

A

1673-1948(2012)02-0100-07

2011-05-23;

2011-06-08.

陜西省科學技術研究發展計劃資助(2010KJXX-09).

胡 橋(1977-), 男, 博士后, 高工, 研究方向為現代信號處理、水聲目標檢測、智能識別及系統工程.

(責任編輯: 楊力軍)