水下高速目標多傳感器聯合譜特征分布識別方法

江向東

(水聲對抗技術重點實驗室，中國船舶工業集團公司船舶系統工程部，北京100036)

水下高速目標多傳感器聯合譜特征分布識別方法

江向東

(水聲對抗技術重點實驗室，中國船舶工業集團公司船舶系統工程部，北京100036)

單傳感器探測頻段在目標識別具有一定的局限性。探討利用多頻段傳感器進行聯合判定的思路，包括利用航跡聯合關聯、特征優化綜合和聯合識別的方法。

矢量水聽器;目標分類

0 引言

高速目標識別是進行軟硬對抗的前提，目標識別可利用的資源包括各聲吶跟蹤目標的LOFAR譜、DEMON譜、目標方位能量信息、目標運動分析信息和目標脈沖偵察信息等。其中，目標運動分析信息與目標高速特征直接相關，但是受到解算時間的影響，經常無法滿足識別的實效性要求，且對于水下高速機動目標，其運動軌跡與假設模型相差較大。基于方位能量，但是受到相對態勢的影響，只能作為輔助因素之一。綜合各種因素進行聯合識別是水下平臺識別高速小目標的發展趨勢。但目標探測跟蹤的不同階段，需要有較為可靠的方法作為主識別器，再輔以上述各種信息進行加權綜合。由于頻段差異和平臺噪聲的影響，利用LOFAR譜識別難度很大，準確率低，因此基于DEMON譜的識別是目前較為可靠的途徑。目前，水下平臺對于目標的識別尚局限于單傳感器探測頻段的識別，沒有充分利用多個頻段之間的互補性。本文探討利用多傳感器探測信息進行聯合識別的思路，包括利用特征優化綜合和聯合識別的方法等。

1 多傳感器多頻段聯合識別

1.1 基于歷程的目標關聯

對目標進行聯合識別的首要問題是目標關聯，否則就失去了聯合識別的基礎，對于水下平臺，2部殼體傳感器的位置相近，對于遠程目標如果目標一致，則方位線走向基本一致，其方位線之間的差別主要來自位置差異和探測誤差。對于近處目標，安裝位置的差異影響變大。假設傳感器陣中心之間的位置差為D=30 m，目標距離為d，當目標從遠及近高速運動時，由于距離的變化引起探測方位不一致性，在500 m范圍外，方位差保持大約小于2°，低于傳感器最小分辨角度，可進行歷程關聯。方位歷程關聯可采用最近鄰法，采用方位差序列均方差判定，即時間T內，2個傳感器對跟蹤目標的方位測量差序列的均方差。判定門限需考慮2種誤差，由于傳感器安裝位置不同帶來系統誤差和探測方位誤差。例如在5 000 m范圍內，系統誤差小于2°，探測誤差假設2個傳感器誤差小于1°，則判定2個目標方位走勢一致的門限值可取3°，小于3.4°認為是同一個目標。

T的選擇，航跡歷史選擇較短時間時，關聯錯誤的風險增加。方位歷程關聯是比較目標相對2個傳感器方位走向趨勢的異同，T至少需要大于30 s，以便于區分特殊態勢下并行多目標問題。對于非并行目標，通過選擇合適的統計時間T可區分，對于水下高速目標，與其他目標在較長時間內方位線并行的概率較低。

1.2 多頻段譜特征優化和提取

多頻段DEMON譜優化的原理為:對于幅度大于一定門限的譜線，取多個傳感器DEMON譜中幅度最大的作為優化譜對應頻率的幅度，小于門限的取最小幅度或者設置為0，并依據超過幅度門限的傳感器個數進行加權處理，對于M(大于2)個傳感器情況，如果有m個傳感器的DEMON譜的幅度在該頻點超過門限，則該頻點加權幅度為m/M。優化后，可得到不同傳感器最為明顯的線譜成分，有利于特征提取。

圖3 優化后的目標DEMON譜Fig.3 The optimized DEMON spectrum

一般而言，目標在勻速狀態下，窄帶線譜頻率比較穩定，線譜幅度受到運動姿態、傳播衰減及多途影響較大，相比之下，頻率穩定度好于幅度穩定度。如果采取幅度提取的準則，若判定門限固定，則存在漏檢的概率。利用頻率穩定度來提取線譜，是在較低幅度門限的基礎上，分頻段統計線譜頻率方差，并將方差轉化為線譜穩定程度判定量。步驟如下:

1)將聲吶跟蹤目標波束輸出的DEMON譜進行門限過濾，去除噪聲干擾;

2)將過濾后的頻譜進行頻段劃分;統計每個頻段中的最大值，并記錄其頻率值，

3)統計一段時間內，各頻段最大值所對應頻率序列的方差;

4)將方差轉換為穩定度幅度。假設在統計時間T內，頻段i線譜的頻率分別為fi(j)，其頻率方差為:

則線譜穩定度幅度為指數法:

頻率方差估計根據頻域上每個子帶內線譜的頻率的穩定度，對線譜幅度進行加權處理，能提取頻率穩定的目標線譜。基于頻率方差估計的穩定線譜提取在跟蹤波束中存在干擾目標情況下，克服了線譜幅度起伏較大，能提取目標線譜特征。其缺點是對于具有高信噪比線譜，在其頻率不穩定情況下，難以有效提取。為了克服高速目標線譜可能漂移帶來的影響，線譜幅度應該是以穩定度幅度進行加權。

2 調制譜線譜分布特征量分析

利用目標DEMON譜可提取目標的軸頻信息，但在低信噪比下，線譜較為雜亂。有些情況下，在DEMON譜中有非調制原因的線譜成分，此時計算機自動算法對軸頻的提取很不穩定，適用性差。可考慮利用線譜的分布特征來判斷高速目標，考慮如下分布特征:

1)能量排列靠前的M個線譜的頻率分布

設定頻率門限F，在幅度排列靠前的M個線譜中，每找到1個頻率超過F的譜線，高速目標置信度增加;在信噪比(線譜相對連續譜背景)排列靠前的M個線譜中，每找到1個頻率超過F的譜線，高速目標置信度增加。

2)幅度、信噪比加權平均頻率分布

依次統計幅度或信噪比排列靠前的k(k=1，2，…，M)個線譜的幅度加權平均頻率，

利用上述規則，對23批實際目標數據，對不同的傳感器工作頻段的線譜特征進行綜合優化、提取和識別，識別結果列入表1。

?

3 結語

對水下高速目標應采取多信息綜合識別，建立基于數據庫信息和經驗規則相結合的判定機制。在目標遠程發現跟蹤階段，由于目標目標運動分析不能很快給出速度信息，應盡量依據多傳感器的探測信息進行綜合特征判定。本文討論了利用多傳感器的DEMON譜進行綜合優化后，提取線譜特征分布特性來判定高速目標，可作為經驗規則用于對水下高速小目標的判定。

Line spectrum distribute based high speed underwater viecle classification menthod

JIANG Xiang-dong
(Science and Technology on Underwater Acoustic Antagonizing Laboratory，Systems Engineering Research Institute of CSSC，Beijing 100036，China)

In this paper，a method of acoustic target corration and recognization based on rediated noise linespectrum distribute is disscussed.The method can be used for surface or underwater target classification.

target recognization;linespectrum extraction

TB565

A

1672－7649(2012)04－0086－03

10.3404/j.issn.1672－7649.2012.04.020

2011－05－25

江向東(1979－)，男，主要從事水聲信號處理等研究工作。