基于盲源分離和自適應濾波的水下聲信號降噪算法

劉 巍, 滕 威, 羅 松

?

基于盲源分離和自適應濾波的水下聲信號降噪算法

劉 巍1, 滕 威1, 羅 松2

(1. 中海石油(中國)有限公司綏中36-1油田二期調整工程項目組, 天津, 300461; 2. 昆明船舶設備研究試驗中心, 云南 昆明, 650051)

在水下小孔徑基陣測向應用中, 陣元接收到的連續波(CW)信號質量直接關系到測向誤差的大小, 由于受到多徑效應、信號起伏和水下背景噪聲的影響, 往往實際檢測到的信號信噪比較低, 相位估計結果離散性大。本文針對水下CW信號和水下背景噪聲特點, 提出了一種基于盲源分離和自適應濾波聯合降噪的算法, 該算法對接收的CW信號波形進行降噪以達到提高信噪比的目的。通過算法仿真和湖試試驗證明, 經本文算法輸出的信號,估計器的輸出結果比直接利用信號進行方位估計的結果精度高。

連續波信號; 水下聲信號; 盲源分離; 自適應濾波; 降噪

0 引言

水下小孔徑基陣測向是水聲學的重要應用之一, 其定向思想是通過采用小孔徑基陣接收連續脈沖波(continual wave, CW)信號, 再通過各陣元接收到信號的相位差, 計算目標聲源的方向, 理論上只需要2個陣元即可解算出水下目標方位。

然而在實際應用中, 水下聲環境較為復雜, 水聲信號的傳播受到多徑效應、信號起伏和背景噪聲的影響, 波形易發生畸變, 直接導致互譜法相位估計器性能大幅下降, 有時在有其他聲源干擾情況下甚至無法估計出目標方位。

針對復雜噪聲背景下, 水下CW波信號起伏大的特點, 本文提出一種基于盲源分離和自適應濾波器聯合降噪的算法, 該算法思想是通過對小孔徑基陣接收到的CW信號先進行盲源分離, 分離出背景噪聲信號, 再將該路信號作為參考信號對各路接收信號做自適應濾波, 這樣可以在保證原始信號波形相對相位不變的情況下提高信號的信噪比, 有利于提高后續相位差及目標方位估計結果的穩定性。

1 小孔徑聲測向特點

水下小孔徑水聽器基陣一般用于被動接收目標發射的CW波聲信號, 頻率為10 kHz至幾十kHz之間。針對接收到的CW信號, 一般采用求解相位差或波束形成等算法完成對目標方位的估計, 由于該定向方式對水下基陣要求不高, 算法簡單明了, 所以廣泛運用于水聲目標方位估計應用中。水下小孔徑基陣測向原理如圖1所示。

圖1 水下小孔徑基陣定位原理圖

由于小孔徑基陣相鄰陣元間距較小, 抗噪能力較差, 難以適應水下聲環境較為復雜的情況, 一旦海況不好或有其他聲源干擾時, 測向精度將大幅下降, 表1為在不同信噪比下互譜法估計的目標方位結果。從表中看出, CW的信噪比直接決定了方位估計器的精度, 所以對水下小孔徑定向系統來說, 降低噪聲干擾, 提高信號信噪比是十分重要的。

表1 不同信噪比下的連續波信號相位差

2 基于盲源分離和自適應濾波的降噪算法

針對水下CW信號被噪聲污染的情況, 本文將提出一種基于盲源分離和自適應濾波聯合降噪的算法, 以下以三陣元小孔徑基陣為例, 分析討論該算法流程。

對式(1)的數學模型進行盲源分離, 即是期望找到一個線性變換矩陣, 從而使得輸出盡可能獨立, 即

其中: 矩陣稱為全局矩陣或系統矩陣。

基于負熵最大的ICA迭代算法是一種重要的盲源分離算法, 其目標函數定義為

這里簡要介紹算法流程。

1) 令=0, 初始化權向量(0);

2) 對權向量進行調整

3) 歸一化處理

4) 如果算法不收斂, 轉到步驟2;

5) 算法收斂, 求解出一個獨立分量

上式中, 表示分離出來的第1個源信號, 但由于ICA算法分離的不確定性, 所以該信號是噪聲或是CW信號需要進一步判斷, 這在稍后的算法仿真中可以看出。ICA算法實現原理見圖2。

因為CW定向算法以波束形成或互譜法為基礎, 保持信號間的相位信息是十分重要的, 為保證在不影響各路信號相位信息的基礎上達到降噪目的[4], 可以采用最小均方誤差的自適應濾波算法分別對消各陣元接收到的噪聲, 由于ICA分離出來的噪聲信號和CW波信號相互獨立, 所以在自適應對消過程中不會對各陣元接收的CW波信號相位造成畸變, 從而保護各路信號之間的相位信息。

針對上述自適應濾波問題的一個有效解決方案是采用變步長的最小均方(least mean square, LMS)算法[5], 該算法結合了傳統LMS算法的優點, 又解決了超量均方誤差和收斂速度之間的矛盾。自適應濾波算法一般要求有參考信號, 而且要求參考信號和噪聲相關, 與信號盡可能獨立, 而ICA盲源分離算法的分離結果正好滿足上述要求, 這樣, 即可采用分離結果作為自適應濾波器的參考輸入。橫向自適應濾波器結構見圖3所示, 其中的自適應算法采用變步長LMS算法。

圖3 自適應濾波算法示意圖

1)=0;

3) 調整抽頭系數

5) 如果算法收斂則結束, 否則+1, 轉步驟2)。

上述算法中, 參考信號()取盲分離算法分離出來的噪聲信號。初始步長系數和調整參數可取經驗值。

3 基于ICA和LMS的降噪算法

綜上所述, 本文提出的解決水下小孔徑基陣定位問題的降噪算法思路如下。

1) 將基陣各陣元接收的信號作為混合信號進行ICA盲源分離;

2) 對盲分離結果進行基頻判斷, 區分出CW波信號, 其余分離源相加作為干擾噪聲;

3) 將干擾噪聲作為參考信號, 對各陣元接收到的混合信號進行自適應濾波;

4) 最后將濾波降噪后的信號作為源信號, 采用波束形成或互譜法估計目標方位。

上述算法流程參見圖4。

圖4 小孔徑基陣測向系統示意圖

4 算法測試

在所選取的水域中, 采用水下發射換能器發射CW信號, 同時布放小孔徑接收水聽器基陣接收CW信號, 各陣元接收到的CW信號如圖5所示。采用本文降噪算法對該水聲信號進行降噪后得到的信號如圖6所示。對降噪前后的信號用互譜法估計信號間的相位差, 結果如表2所示, 對比降噪前后結果可以看出, 利用基于盲源分離和自適應濾波聯合降噪的算法對信號進行處理, 能提高輸出信號信噪比, 從而可以提高估計器的測向精度, 增強結果穩定性。

圖5 水聽器檢測到的CW信號

圖6 濾波降噪后的CW信號

5 結束語

在水下小孔徑基陣測向中, 是否有效估計信號間的相位差直接關系到測向結果是否精確, 在復雜水聲環境中信號受到多種因素影響, 為使降噪算法具有一定普遍性, 采用自適應濾波方式無疑是最佳選擇之一, 但自適應算法的難點之一是參考信號的選擇獲取。

表2 采集CW信號相位差計算結果對比

本文結合近年來興起的盲源分離算法, 對各基陣陣元接收到的信號作為觀測信號進行盲源分離, 將分離出來的噪聲信號作為參考信號輸入自適應濾波器, 既滿足了自適應濾波的條件, 又保留了原信號相位特征, 提高了相位估計精度。該聯合算法的不足之處是, 需要進行盲源分離和自適應迭代, 整個過程計算時間稍長, 不太適用于實時信號處理, 適用于對時間要求不是特別苛刻的應用場合。

[1] Comon P. Independent Component Analysis, a New Con- cept[J]. Signal Processing, 1994(36): 287-314.

[2] Amari S, Cichocki A, Yang H H. A New Learning Algorithm for Blind Signal Separation. Advances in Neural Information Processing Systems[J]. MIT Press, 1996(8): 757-763.

[3] 馬建倉, 牛弈龍, 陳海洋．盲信號處理[M]. 北京: 國防工業出版社, 2003.

[4] 張小華, 彭首峰, 裴浩. 基于盲源分離的語音降噪研究[J]. 湖北工業大學學報, 2013, 28(1): 75-77.

[5] 華強, 夏哲雷, 祝劍英. 一種改進的變步長LMS自適應濾波算法及其仿真[J]. 中國計量學院學報, 2012(3): 304-308.

A Denoising Algorithm for Underwater Acrostic Signal Based on Blind Source Separation and Adaptive Filter

LIU Wei1, TENG Wei1, LUO Song2

(1. SZ36-1 Project Team of China National Offshore Oil Corporation, Tianjin 300461; 2. Kunming Shipborne Equipment Research and Test Center, Kunming 650051, China)

In the application of underwater small aperture array direction finding system, the quality of received continuous wave(CW) signal directly relates to the direction finding error. Due to the influences of multipath effect, fluctuation of signal, and underwater background noise, the actual signal detected is usually in low signal to noise ratio (SNR), and the phase estimation results are significantly discrete. According to the characteristics of the underwater CW signal and background noise, a denoising algorithm based on the combination of blind source separation and adaptive filter is proposed in this paper to improve SNR by denoising of received CW waveform. Simulation and lake trial show that the proposed algorithm gains a higher precision than that of the azimuth estimation method with direct application of signal.

continuous wave signal; underwater acrostic signal; blind source separation; adaptive filter; denoising

TJ630.34

A

1673-1948(2013)05-0347-04

2013-06-26;

2013-07-19.

劉 巍(1968-), 男, 高級工程師, 研究方向為海洋石油工程項目建設.

(責任編輯: 楊力軍)