非合作水聲脈沖信號的單水聽器匹配場定位研究

李 焜 方世良 安 良

(東南大學水聲信號處理教育部重點實驗室 南京 210096)

1 引言

對水下目標實施定位是水聲學中的一個熱點問題。考慮到水聲環境的復雜性，為了能夠更準確地對水下目標實施定位，多數文獻從聲傳播的角度出發，使用匹配場定位技術來確定聲源的位置[1-5]。傳統的匹配場定位技術，一般多采用陣列的處理方式，具有大的孔徑，以獲得良好的陣增益和分辨性能。但是采用多陣元的大陣列，一方面增加了系統的開銷，給基陣的設計帶來不便；另一方面，在實際海水中布放時會受到諸如陣傾斜以及陣元失效等問題，增加了對水下目標定位的難度。因此，研究只利用單個水聽器來對目標進行定位一直被研究人員所關注，不斷激勵著相關研究人員為此進行探索。

在這方面，文獻[6]將范數的不同表達式引入匹配場定位函數中，研究利用單水聽器進行定位；文獻[7]針對寬帶信號提出了基于射線追蹤模型的單水聽器定位方法；文獻[8]針對超低頻信號采用模式濾波的方法來實現單個水聽器的聲源定位；文獻[9]利用單水聽器采用直方圖濾波的方法對淺海中的移動目標進行定位；文獻[10]討論了在合作方式下借助波導不變量的性質來對目標實施定位；文獻[11]研究了最小二乘的單水聽器定位方法；文獻[12]研究了利用單水聽器對海洋生物實施定位的方法。

使用單水聽器進行定位的一個難點在于可利用的信息量太少，主要是空間信息的缺乏。大多數文獻借助寬帶信號的多頻點特性，從假設發射信號為已知的情形出發，采用“頻點換孔徑”的思想，對寬帶目標信號實施定位。此種方法需要進行多頻點合成，頻點數越多，估計效果越精確，但同時計算量較大。對于非合作類的水聲脈沖信號而言，其在時間上具有瞬時性，帶寬上具有窄帶性，且所能獲得的發射信號的先驗信息有限，因此若對該類信號實施被動定位，由于信號的頻率，波形等信息未知，從而進一步地增加了對該類水聲脈沖信號定位的難度。

因此，利用單水聽器對非合作水聲信號進行定位之前，首先需要對水聽器接收信號的參數進行預估，獲得目標發射信號的頻率，這是進行后續定位工作的前提。由于目標信號的頻率未知，若直接采用傅里葉變換的方法在全頻率段內進行頻率搜索，則計算量較大，且受工作頻段的限制，存在頻點遺漏的情形，會造成頻率估計的偏差較大。同時此種方法僅在單一域內進行，不能反映水聲脈沖信號的局部特征。考慮到水聲脈沖信號具有短時瞬態的非平穩特性，常采用時頻分析的方法來進行參數估計。但是，傳統的基于固定核函數的時頻分析方法，如Wigner-Ville分布、Choi-Williams分布等，只適應于某種特定的信號，存在時頻分辨力低和交叉項干擾等問題，導致參數估計的效果下降。針對這一不足，Baraniuk等人[13]提出了基于信號的自適應徑向高斯核函數(ARGK)的時頻分析方法，其核函數的形狀根據所分析的信號自適應地變化，提高了對于非平穩信號參數估計的性能。之后，文獻[14]對這一方法進行了推廣，提出了基于信號的自適應核函數的廣義形式。

本文針對非合作的水聲脈沖信號，研究利用單水聽器的匹配場定位。總體思路是通過設計基于自適應徑向高斯核函數的時頻分布進行參數估計，獲得目標信號的頻率，使用時域最小二乘的方法進行單水聽器匹配場定位。利用非合作水聲脈沖信號的窄帶特性以及瞬時非平穩特點，討論了自適應徑向高斯核函數時頻分布的設計方法和參數估計的效果，分析了基于最小二乘的單水聽器估計方法的性能，通過仿真驗證和對實際海試數據的處理，說明了該文方法的有效性。

2 信號模型

位于海洋環境中(r0,z0)位置處的發射信號經過海洋波導傳播后，單一接收水聽器所接收到的信號可以表示為如下卷積的形式：

其中s(t)為發射信號，h(t)為海洋信道脈沖響應，n(t)為噪聲。

在離散時間情形下，可將式(1)表示為時域卷積和的形式：

將式(2)寫為矩陣運算形式，則有

其中

3 基于信號的自適應高斯核函數時頻分布

設計具有自適應徑向高斯核函數的時頻分布對單水聽器接收信號的頻率進行估計時，先求解接收信號在2維頻偏-時延域上的模糊函數，

其中T表示采樣時間間隔，ya表示接收信號經Hilbert變換后的解析信號。

Baraniuk[13]指出滿足自適應核函數設計所要求的函數為 2維頻偏-時延(θ-τ)域上的徑向高斯核函數。

其中ψ=arctan(τ/θ)為徑向與水平方向的夾角，σ(ψ)稱為擴展函數，它控制徑向高斯核函數在ψ方向的擴展。

設計與信號有關的自適應核函數等同于求解具有最優的徑向高斯核函數。由式(6)可知，2維徑向高斯核函數的形狀完全取決于 1維的擴展函數σ(ψ)。在離散情形下，求解最優的徑向高斯核函數可通過求解如下的最優擴展函數來得到

其中

式中σq=σ(qΔψ),Ap(p,q)分別為離散化的擴展函數和極坐標系下的模糊函數，p=0,1,…,P-1,q=0,1,…,Q-1為離散化的r,ψ所取的點數，Δr,Δψ為相應的采樣間隔，α為最優核體積參數，取值范圍一般為1～5。

對于式(7)的優化問題，可采用變步長的梯度上升算法來進行求解，設定初始值為

迭代

并對每次迭代后的σ(k)進行如下的歸一化處理：

為減小計算量，對每次迭代所選取的步長，采用非精確的1維搜索Goldstein-Armijo準則[15]進行約束限定。求出擴展函數后就可得到離散頻偏-時延域下最優的徑向高斯核函數：

將求出的最優高斯核函數與模糊函數的乘積進行2維傅里葉變換，即可得到自適應高斯核函數的時頻表示。

4 定位原理

在闡述基于最小二乘的單水聽器定位原理之前，本部分首先給出如下的兩個定理，它們是此方法的理論基礎。

定理1信道脈沖響應所構成的卷積矩陣H為列滿秩矩陣，其秩為N，且存在唯一的廣義逆為

定理2卷積矩陣H和它的廣義逆H+的乘積不等于單位陣，即

由式(3)的數學表達式可以看出，水聽器接收到的信號可以表示成信道脈沖響應所構成的卷積矩陣H和發射信號s的乘積，再疊加上噪聲n。在獲知某海洋環境參數(如聲速剖面、海水深度、地聲參數)的條件下，對感興趣的海洋區域，可將聲場按照距離r和深度z劃分成有限個網格點，通過聲場傳播模型計算出每個網格點位置上聲源激勵所產生的信道脈沖響應，得到不同距離和深度上的卷積矩陣(r,z)。若已知發射信號，則將發射信號與信道脈沖響應進行時域卷積，就可以得到用于匹配場計算時的拷貝場信號。而在非合作條件下，由于發射信號未知，無法直接得到拷貝場信號，因此在獲知信號頻率的基礎上，需要借助僅有的單水聽器接收信號和計算出的海洋信道卷積矩陣對搜索區域每個網格點上的發射信號進行估計。

利用最小二乘的方法構造如下的誤差函數：

對式(18)中s進行求導，并令導數為0，就可以得到每個網格點上發射信號的估計值。

其中表示的投影陣，為其正交補投影陣，為目標真實位置(r0,z0)的估計值。

由上面所給出的定理1和定理2可知，定理1卷積矩陣及其廣義逆的惟一性保證了對于不同的聲源位置具有不同的信道脈沖響應，從而保證了定位結果的惟一性；而定理2則說明，單水聽器的匹配場定位需要利用信道卷積矩陣和水聽器所接收到的信號。由于信號頻率未知，采用自適應徑向高斯核函數的時頻分布進行頻率預估，將估計出的頻率值作為前向聲場模型計算所需要的頻率。在后續定位過程中，利用單水聽器采用時域最小二乘的方法來得到搜索網格區域上的拷貝場信號。在不計入噪聲影響時，令表示通過頻率估計后所計算得到的信道卷積矩陣，則相應的誤差函數可以表示為

5 仿真實驗與海試數據處理

5.1 數值仿真

脈沖信號類型選為線性調頻信號，頻帶范圍為100～200 Hz，脈沖寬度為0.05 s。源深度為60 m，接收水聽器深度為80 m，源與接收機之間的距離為5 km。海洋環境參數為：海水深度為110 m，海水密度為ρw=1.0 g/cm3，聲速剖面如圖 1(a)所示，海底密度ρb=1.9 g/cm3，海底聲速cb=1 700 m/s ，衰減系數為0.5 dB/λ。模擬水聽器上的接收信號為聲源位置處的信號在接收水聽器上的響應，并疊加高斯白噪聲，SNR=10 dB，水聽器上的接收信號如圖1(b)所示。

實驗1信號頻率對單水聽器匹配場定位的影響 在對信號頻率進行估計時，由于受工作頻段的限制，存在頻點遺漏的情形，從而產生估計誤差。為說明這一點，以頻率估計誤差分別為2 Hz, 5 Hz以及 10 Hz，仿真在不同信噪比條件下，頻率估計誤差對于單水聽器匹配場定位精度的影響。圖2為3種頻偏下單水聽器定位模糊表面輸出的相關峰值以及定位誤差。

由結果可以看出，單水聽器匹配場的定位性能隨頻率估計誤差的增大而下降；當頻率估計的誤差較大時，定位輸出的結果與目標真實位置之間的誤差不再隨著SNR的增加而減小，即使當信噪比很高時，仍不能實現精確定位。因此，需要對信號的頻率進行精確估計。

實驗2最優核函數時頻分布的參數估計效果 設計最優徑向高斯核函數的時頻分布對接收信號進行參數估計，圖 3(a)給出了相應的時頻分布結果。由時頻分布圖可以看出，采用自適應的徑向高斯核函數所得到的結果在時頻分布圖上具有很好的時頻聚集性，且很好地抑制掉了由于多途產生的各分量之間的交叉項。對時頻分布的結果進行峰值搜索，求得峰值位置處瞬時時刻沿頻率方向的切片圖，如圖3(b)所示。由圖可以看出，頻率波形較為尖銳，所估計出的接收信號的中心頻率為149.6 Hz，接近真實中心頻率。

圖1 仿真所用的聲速剖面和單水聽器上的接收信號

圖2 不同信噪比下頻率估計誤差對單水聽器匹配場定位的影響

圖3 自適應高斯核函數參數估計結果

實驗3單水聽器定位結果分析 在獲得信號頻率的基礎上，采用基于最小二乘的方法進行單水聽器匹配場定位。聲源搜索范圍為距離2～7 km，步距100 m，深度5～105 m，步距2.5 m，本文方法求得的定位模糊表面結果如圖 4(a)所示。為了進行對比，對文獻[6]的方法進行了仿真，相應的定位模糊表面如圖4(b)所示。由結果可以看出，文獻[6]方法所給出的定位結果與目標實際位置有所偏差，此種通過測量源信號頻譜的平坦性來確定目標位置的方法，只有當聲源信號的頻譜幅度較平坦時，才能很好地工作。而本方法所給出的定位結果正確地反映了目標所在位置，模糊表面的峰值較為清晰。

實驗4環境不確定問題的討論 此實驗分析由于海洋環境的不確定性對于定位結果的影響。在以上所給出的環境參數的基礎上，使海水深度和底部衰減系分別在 105～115 m 的范圍內和 0～0.8 dB/λ的范圍內均勻變化。對每種情形下的不確定性采用正確定位概率和輸出峰值背景比來進行表征。正確定位概率以定位輸出結果距真實距離為±500 m，深度為±10 m以內時的定位次數。峰值背景比定義為在定位正確的前提下，模糊表面的輸出峰值與正確定位區間之外模糊表面輸出的平均值之比。圖5分別給出了在不同信噪比條件下正確定位的概率和輸出峰值背景比。

由仿真結果可以看出，隨著信噪比的提高，環境不確定性對定位所造成的影響減弱，在高信噪比條件下，正確定位的概率達到0.8，峰值背景比輸出接近11 dB。

5.2 海試數據處理

為了檢驗本方法在實際中的性能，對某海試實驗的數據進行處理，實驗海區的聲速剖面如圖6所示，海水深度為55.5 m，海底聲速為1650 m/s，海底密度 1.9 g/c m3，衰減系數為0.5 dB/λ。由于受到海水溫度、鹽度和深度的作用，此海洋信道中，存在不均勻的聲速分布，會使聲波發生折射，同時受海面和海底反射的影響，從而產生多途的信道結構。接收水聽器位于水下30 m，發射信號采用大功率甚低頻聲源，脈沖長度為1 ，頻率范圍為70～90 Hz的線性調頻信號，深度為11 m，距離水聽器為3 km。圖7分別給出了自適應徑向高斯核函數的時頻分布、瞬時頻率估計以及中心頻率估計結果。由結果可以看出，使用自適應高斯核函數時頻分布具有很好的時頻聚集性，所估計出的信號中心頻率為79.9 Hz，與實際中心頻率基本吻合。

對此目標信號按深度搜索步距為1 m，距離搜索步距為50 m進行單水聽器匹配場定位，相應的模糊表面如圖8所示。實驗結果深度估計為8 m，距離估計為3.1 km，定位結果與目標源的真實位置基本符合，說明本方法具有一定的效果。

圖4 單水聽器匹配場定位結果

圖5 不確定環境條件下定位算法的性能曲線

圖6 實驗海區的聲速剖面

圖7 自適應徑向高斯核函數的頻率估計結果

圖8 定位模糊表面

6 結束語

使用單水聽器來對水下目標定位一直是國內外研究的熱點和難點。本文以非合作水聲脈沖信號作為對象，研究非合作條件下的單水聽器匹配場定位。設計具有自適應徑向高斯核函數的時頻分布獲得目標信號的頻率參數，利用時域最小二乘的方法，借助信道卷積矩陣的廣義逆性質，建立拷貝場信號與接收信號之間的誤差函數，獲得目標信號的位置。采用最優徑向核函數的時頻分布可根據信號本身的特點自適應的變化，對信號的形式無特定的要求；通過最小二乘的方法進行匹配場定位，無需已知發射信號的波形及其它相關參數，體現了算法本身對于信號參數較低的依賴性。通過對窄帶脈沖信號進行數值仿真和海試數據的驗證，結果表明，自適應徑向高斯核函數的時頻分布具有良好的時頻聚集性和抑制交叉項的能力，頻率估計接近目標真實頻率；匹配場定位模糊表面具有較為清晰的峰值，估計結果甚為準確。

[1]Lin W S, Liang G L, Wang Y,et al.. Source localization with acoustic intensity flux matched-field processing[C]. 2011 International Conference on Wireless Communications and Signal Processing(WCSP), Nanjing, November 2011: 1-4.

[2]Xu W, Xiao Z, and Yu L. Performance analysis of matchedfield source localization under spatially correlated noise field[J].IEEE Journal of Ocean Engineering, 2011, 36(2):273-284.

[3]Wu K M, Ling Q, and Wu L X. Positioning ability comparison research on several matched-field processing methods with increasing white noise[C]. 2011 IEEE International Conference on Signal Processing,Communications and Computing(ICSPCC), Xi,an,September 2011: 1-5.

[4]Kim K, Seong W, and Lee K. Adaptive surface interference suppression for matched-mode source localization[J].IEEE Journal of Ocean Engineering, 2010, 35(1): 120-130.

[5]Wang Q and Jiang Q. Simulation of matched field processing localization based on empirical mode decomposition and Karhunen-Loeve expansion in underwater waveguide environment[J].EURASIP Journal on Advances in Signal Processing, 2010, Article ID 483524, 1-7.

[6]Frazer L N and Pecholcs P I. Single-hydrophone localization[J].Journal of Acoustical Society of America, 1990, 88(2):995-1002.

[7]Jesus S M, Porter M B, Stephan Y,et al.. Single hydrophone source localization[J].IEEE Journal of Ocean Engineering,2000, 25(3): 337-346.

[8]Touze G L, Torras J, Nicolas B,et al.. Source localization on a single hydrophone[C]. IEEE Oceans’2008, Quebec City,September 2008: 1-6.

[9]Jemmott C W, Culver R L, and Bose N K. Passive sonar target localization using a histogram filter with modelderived priors[C]. IEEE Conference on Signal, Systems and Computers, Asilomar, October 2008: 283-287.

[10]Tao H L, Hickman G, Krolik J L,et al.. Single hydrophone passive localization of transiting acoustic sources[C]. IEEE Oceans’ 2007, Aberdeen, June 2007: 1-3.

[11]Chapin S R. Application of the method of least squares to a solution of the matched field localization problem with a single hydrophone[D]. [Ph.D. dissertation], The University of New Orleans, 2008.

[12]Tiemann C O, Thode A M, Straley J,et al.. Three-dimension localization of sperm whales using a single hydrophone[J].Journal of Acoustical Society of America, 2006, 120(4):2355-2365.

[13]Baraniuk R G and Jones D L. A signal-dependent time-frequency representation: optimal kernel design[J].IEEE Transactions on Signal Processing, 1993, 41(4):1589-1602.

[14]Honeine P and Richard C. Signal-dependent time-frequency representations for classification using a radially Gaussian kernel and the alignment criterion[C]. 2007 IEEE/SP 14th Workshop on Statistical Signal Processing(SSP’07),Madison,August 2007: 735-739.

[15]Cohen A I. Stepsize analysis for descent methods [J].Journal of Optimization Theory and Applications, 1981, 33(2):187-205.