被動聲吶信號檢測技術發展

張曉勇，羅來源

?

被動聲吶信號檢測技術發展

張曉勇，羅來源

(西南電子電信技術研究所，四川成都 610041)

水聲信號檢測是被動聲吶系統進行目標探測所需的重要支撐技術，信號檢測的性能直接影響到被動聲吶系統對目標探測的能力。對被動聲吶信號檢測技術的研究情況進行了梳理，將其歸納為基于時域信息的信號檢測技術和基于空域信息的信號檢測技術兩大類。在分析現有技術不足和應用需求的基礎上，指出弱信號、低虛警率和有效利用水聲傳播信息等是被動聲吶信號檢測技術可能的發展方向。

被動聲吶；信號檢測；發展趨勢；

0 引言

被動聲吶具有隱蔽性高、探測距離遠等優點，是對各類艦船目標進行水聲探測的主要手段之一。被動聲吶系統的主要任務是通過對艦船目標的水聲信號的檢測、識別和測向定位等處理，獲取艦船目標的存在性、方位、屬性、運動態勢等信息。

被動聲吶系統直接采集得到的時域信息包含艦船目標輻射聲信號(由船只的機械噪聲、螺旋槳噪聲和水動力噪聲共同組成)、水聲通信信號、主動水聲探測信號、海洋生物叫聲、地震、水下爆破等產生的瞬態信號和因刮風、降雨等引起的環境噪聲等。多數情況下系統關注的是艦船輻射聲信號，其它信號則作為噪聲和干擾來處理。此外，對直接采集的信號經計算得到的方位歷程圖(Bearing-Time Record, BTR)，也是進行水聲目標探測的重要依據，反映了目標和環境的空域信息。

在被動聲吶信號處理流程中，目標信號檢測通常位于前端，是目標識別分類和定位的前提。經過半個多世紀的發展，被動聲吶信號檢測技術從最初的僅依靠模擬的限幅相關檢測[1]的方法發展到綜合應用LOFAR譜分析、DEMON譜分析等數字信號處理方法，取得了較多的研究成果，尤其是小波分析、混沌檢測等新理論和新方法的應用給被動聲吶信號檢測技術注入了新的活力。

目前，被動聲吶信號存在性檢測主要分為兩種思路：一種是基于時域信息的檢測技術，它處理的是系統直接采集的時間采樣序列，主要應用于復雜噪聲條件下的特定水聲信號的檢測，通常通過各種變換處理提取特征參數進行檢測；另一種是基于空域信息的檢測技術，它處理的是系統在所有方向上不同時間內接收到的聲強信息，主要應用于噪聲和干擾具有空域分布不均衡性情況下的信號檢測，通常先要對整個空間內的環境噪聲門限進行估計，再通過門限比較實現對信號的存在性檢測。

基于空域信息的檢測技術與系統前端結合緊密，技術理論成熟，在實際工程中得到了較為廣泛的應用；而基于時域信息的檢測技術利用水聲信號本身的更多信息，對于處理微弱目標以及復雜環境條件下的檢測問題有優勢，是目前的研究熱點。

1 基于時域信息的檢測技術

1.1 線譜檢測技術

在基于時域信息的檢測技術中，針對信號中含有的線譜分量進行檢測的技術占據著重要的地位，它通常的處理方法是對信號時間序列使用周期圖法計算功率譜，再通過檢測功率譜中的譜值實現對信號存在性的判斷。根據檢測過程中所需要的觀測次數的多少，這類檢測方法還可以分為利用單次觀測的功率譜值的實時檢測法和利用多次觀測數據的推遲決策法[2]。

實時檢測法直接利用單次功率譜計算結果檢測線譜，具有實現簡單、快速的優點。2008年李啟虎等[3,4]針對艦船輻射噪聲中單頻分量的檢測問題，探討了自相關檢測、FFT分析、自適應線譜增強等幾種低信噪比條件下檢測信號的不同理論方法，指出分段的FFT檢測具有明顯的優勢，且對頻率漂移現象有較好的寬容性。實時檢測法在高信噪比時可以同時保證高檢測概率和較低的虛警概率，但隨著信噪比的降低，虛警變得越來越嚴重，影響了實際的可應用性。

推遲決策法利用連續的多次觀測的功率譜組成LOFAR譜圖，線譜對應的頻率位置會形成清晰的亮線即譜線，而信號檢測問題也就轉變成了對譜線的檢測和提取問題，常用的圖像檢測和跟蹤的方法都可以得到應用[2,5]。推遲決策法利用了多次觀測的信息，即使部分觀測的信號信噪比較低也能夠獲得較好的檢測結果，缺點在于處理相對較為復雜。

1.2 其它檢測技術

雖然多數情況下艦船輻射聲信號中均含有線譜分量，但不含線譜分量的情況也是廣泛存在的，在這種情況下，基于線譜這種相對穩定特征的檢測方法都失去了應用基礎。

對于不含線譜分量的艦船輻射聲信號，檢測的思路和方法千差萬別。2002年余秋星等[6]介紹了過零點分布、峰間幅值分布和波長差分布等可用于信號檢測和識別的時域波形結構特征，這些特征的計算簡單、意義明確，但是易受到噪聲的影響，取值的穩定性較差。2008年柳革命等[7]將語音信號處理中的倒譜分析應用于提取艦船輻射聲信號的特征，分別對比了線性預測倒譜方法和Mel倒譜方法提取的特征用于區分三類典型目標時的性能。倒譜特征本質上反映的還是信號的時域特征，因此，低信噪比條件下的應用問題仍需進行研究。2010年王紅萍等[8]將混沌理論的基本思想應用于水聲信號檢測，提出一種基于混沌預測的水聲信號檢測模型，根據混沌系統的動力學特性，給出了對應于這種檢測模型的檢驗準則，仿真試驗取得了較好的結果。基于預測的方法需要積累一定長度的信號用于預測器的訓練，并且檢測器的結構相對復雜，不利于工程實施。2007年胡橋等[9]通過對水聲信號進行經驗模式分解，提取信號的本征模式分量并轉化為能量特征向量，計算得到經驗模式能量熵，與門限比較從而實現對水聲目標的檢測。基于信號分解的檢測算法將信號投影到不同的觀測尺度上進行分析，可以得到艦船輻射聲信號的不同細節，但這種方法在低信噪比條件下的表現并不突出。

類似的，這類檢測技術也可以分為實時檢測法和推遲決策法兩種，波形結構檢測、倒譜檢測、混沌檢測、信號分解檢測等多數檢測技術都屬于實時檢測法，而推遲決策法較為典型的是預測檢測技術。預測檢測將待檢測的時間序列看作為一個特定系統的輸出，使用某種模型來模擬該系統，通過歷史數據對系統進行訓練，再將模擬出的輸出結果與實際觀測到的結果進行比對，根據誤差的大小來判別檢測對象是否出現。

此外，學者們還對水下瞬變信號的檢測問題做了較多研究[10-13]。1991年Marple L.等[14]將水聲瞬變信號建模為阻尼的復指數信號的疊加，應用奇異值分解降低高斯白噪聲的影響，根據能量進行信號檢測。1999年吳國清等[15]通過對海上記錄的幾十條水聲目標噪聲短時譜圖的分布形態進行分析，采用譜相關技術檢測水聲瞬態信號，仿真實驗對18個實際瞬態信號進行實驗，結果表明近80%的實際信號使用譜相關檢測比使用常規功率譜檢測有3~6 dB的增益。2006年Chaillan F.等[16]對鯨魚叫聲采用隨機匹配濾波器進行檢測，仿真結果表明當信噪比大于-8 dB時可以正確檢測。2008年韓建輝等[17]提出一種水聲瞬態信號檢測方法，該方法先通過小波去噪，去除信號中的隨機頻譜成分，再利用Page-Test檢測器檢測，可以在低信噪比條件下有效提取瞬態信號的起始位置。

2 基于空域信息的檢測技術

基于空域信息的檢測技術的信息來源是水聲探測系統根據陣列接收的信號計算得到的方位歷程圖，它反映了不同觀測時刻、不同方位上接收到的聲強情況。通常每次觀測分別對方位強度信號(某次觀測探測系統接收到的各個方位上的聲信號強度序列)進行檢測，判斷艦船輻射聲信號在各個方向上的存在性，再根據多次觀測的結果進行判定以增加檢測的準確性。由于目標輻射聲信號的具體形式是不可確知的，因而不能用匹配濾波的方式實現最佳檢測；同樣，鑒于海洋環境噪聲在空域分布上的不均衡性，根據假定的噪聲分布進行信號檢測很難獲得較好的效果。

基于空域信息的檢測技術的基本實現思路是：根據系統接收的陣列數據計算得到方位歷程圖，對方位歷程圖進行預處理估計噪聲門限，將各次觀測的聲強數據與噪聲門限進行比較得到信號檢測結果。目前，基于空域信息的檢測技術的研究主要從三個方面展開：一是使用優化的波束形成技術，提高空域上對信號的分辨能力；二是采用更為合理的方位歷程圖生成方法，提高對信號的凸顯能力；三是研究更為有效的噪聲門限估計技術，提高對信號的檢測能力。其中，前兩個方面都是研究如何更好地產生方位歷程圖的方法，而后一個方面則是與信號檢測能力關聯最為緊密的部分，也是研究的熱點。

2.1 優化的波束形成技術

波束形成是水聲陣列測向的基本方法，通過對探測系統直接采集后的時間序列進行計算獲得探測范圍內各個方位上的聲信號頻率與強度的對應關系，是生成方位歷程圖的基礎。波束形成可以通過較高分辨率的方位估計實現對信號的測向，同時通過陣列處理獲得抗噪聲和干擾的空間增益。最基本的波束形成技術是常規波束形成(Conventional BeamForming, CBF)，采用固定的加權方法進行空間信號的合成，這種方法實現簡單、性能穩定但精度較低。為了獲得更高的角度分辨力，發展了多種高分辨的方位估計方法，如線性預測算法、子空間算法等。除此之外，為了盡可能降低噪聲和干擾對信號方位估計的影響，各種自適應波束形成算法應運而生[18]，如最小均方算法、遞歸最小二乘算法等，實現壓低旁瓣或對強干擾方向陷波等。這些方位估計的優化技術相繼應用于被動聲吶系統，以獲得更易分辨的方位歷程圖。

2.2 方位歷程圖生成技術

對于每次觀測得到的波束形成結果，需要應用方位歷程圖生成方法，將頻率信息進行綜合得到方位與聲強相關的方位強度信號，再由多次觀測的方位強度信號按照時間先后順序排列為方位歷程圖。最為簡單的方位歷程圖生成方法是直接頻率累加法，它將某個方位所有頻率對應的聲強直接求和作為該方位上的總聲強。這種方法忽略了艦船輻射聲信號能量在頻率上分布較為集中而噪聲的能量分布較為分散的特點，容易造成信號的遺漏。2003年楊晨輝[19]等介紹了子帶峰值能量檢測(Subband Peak Energy Detection, SPED)在水聲信號檢測中的應用，并提出了波束域寬帶峰值能量檢測算法，具有提高方位歷程圖顯示清晰度的作用。2005年鄭援等[20]使用圖像處理的方法對方位歷程圖進行處理，通過圖像降噪、亮點提取、歷程擴展、非目標歷程剔除等四個步驟實現了對多目標方位歷程的自動提取。2011年蔣小勇等[21]提出了一種將導向最小方差(Steered Minimum Variance, STMV)的寬帶自適應波束形成與SPED結合的寬帶檢測新方法，海試數據測試結果表明，該方法的性能優于基于常規波束形成的SPED方法。

2.3 自適應噪聲門限估計技術

自適應噪聲門限估計已經廣泛應用于頻域譜分析、弱信號檢測、方向性數據的空域濾波等方面，其基本思想是：按照設計準則自動地對有限窗長內的待處理數據進行挑選和計算，使得待處理數據中代表噪聲的取值較小的數據低于計算得到的噪聲門限，而其中代表信號的取值較大的數據高于計算得到的噪聲門限，從而到達有效抑制噪聲、提高信號檢測能力的目的。2000年李啟虎等[22]將中值濾波和排序截斷平均(Order Truncate Average, OTA)相結合，利用可變長的窗口匹配不同主瓣寬度的波束圖，對模擬的拖曳式聲吶陣列數據進行處理，正確地顯示了目標方位軌跡。2002年Suojoki T等[23]使用圖像處理的方法對于二維聲吶圖像進行噪聲歸一化及目標檢測，噪聲歸一化采用二維中值濾波器，二維窗口選擇矩形窗或十字形窗，目標檢測使用的是二元假設檢驗方法，通過歸一化后的采樣值與檢測門限的比較實現檢測。2009年陶劍鋒等[24]對增強方位歷程圖顯示效果的峰值檢出器、均值檢出器、均值-峰值檢出器、峰值-均值檢出器、數據均勻縮減檢出器、數據插值檢出器等幾種典型方法進行了對比分析，指出峰值檢出器和自適應插值處理算法的性能在同類算法中比較有優勢。2009年王曉宇等[25]提出了一種新的差分鄰域均衡算法實現對噪聲背景的準確估計，該方法比OTA方法更易于工程實現。

2.4 與跟蹤相結合的檢測技術

除了上面提到的幾個方面外，還有一些學者將基于空域信息的信號檢測問題與目標跟蹤問題一起探討。2000年Shapo B.等[26]針對方位歷程圖提出一種基于單元概率密度函數的目標檢測/跟蹤算法，分三步實現：第一步是預處理，用中值濾波器估計噪聲水平和噪聲功率標準差，并根據估計的信噪比進行歸一化；第二步是檢測，使用迭代Bayes-Markov算法找到關聯性較強的區域，通過比較似然比與門限實現該次觀測的信號檢測；第三步是跟蹤，使用最近鄰法和濾波器進行軌跡平滑。2003年Sonmez T.[27]在其博士論文中研究了用于目標監視的多傳感器的優化配置問題，以及被動聲吶的純方位目標跟蹤問題，使用考慮了實際物理環境情況的改進概率數據關聯方法生成目標方位軌跡。2011年Chung Kil Woo[28]在其博士論文中研究了淺海環境下的被動聲吶潛水者檢測問題，提出了一種多頻帶匹配濾波器方法，選擇具有高信噪比的頻帶進行信號檢測，并用Hudson河的實驗數據驗證了算法。

3 發展趨勢

3.1 弱信號檢測技術是研究重點

一方面，隨著現代艦船自身輻射噪聲譜級的大幅降低，被動聲吶系統所接收到的水聲信號的強度也相應降低；另一方面，實際應用要求被動聲吶能夠對更遠距離的目標進行檢測發現，這意味著對于同一個艦船目標，考慮到傳播損失的影響，系統的檢測門限需要降得更低。因此，對于弱信號的有效檢測技術是被動聲吶信號檢測需要研究的一個重點問題。

3.2 低虛警檢測是需要深入研究的問題

對于基于空域信息的信號檢測技術，影響信號檢測概率與虛警概率的主要技術是自適應噪聲門限估計技術。海洋噪聲的分布具有一定的空間指向性[29]，而這種噪聲在空域上的不均衡分布并不能直接精確測定，因此，現有的自適應門限估計技術都是純數據的處理方式，即不考慮噪聲數據的概率分布特性而僅根據數據的取值情況估計噪聲門限，這就導致不能通過噪聲門限的設定來控制虛警概率(因為虛警概率與噪聲門限之間沒有直接的對應關系)，使得基于空域信息的信號檢測方法往往存在虛警概率較高的問題。而虛警概率的高低將直接影響被動聲吶系統的實際可用性。因此，能夠有效降低虛警概率的自適應噪聲門限估計方法是需要進行深入研究的。

3.3 水聲傳播信息的利用是潛在的突破點

當水聲傳播使得聲源信號發生擴展、延遲疊加等畸變時，艦船輻射聲信號的特征可能發生改變，導致檢測方法失效。此外，當接收到的信號極其微弱，超出了檢測器的能力范圍時，常規的檢測方法已經不能實現對信號有效檢測的要求。

海洋環境參數和水聲傳播信道響應可以通過主動探測的方式獲得，有效利用這些水聲傳播信息為上述問題的解決帶來了希望。匹配場處理技術和時間反轉處理技術是對水聲傳播信息有效應用的典范，因此，通過對這類方法的研究，不僅可以去除水聲傳播對信號特性的影響，還可以通過陣列處理增益提高被動聲吶對弱信號的檢測能力，具有較好的應用前景。

[1] Ide J M. Development of underwater acoustic arrays for passive detection of sound sources[C]// Proceedings of the IRE, 1959, 47(5): 864-866.

[2] 陳敬軍, 陸佶人. 被動聲吶線譜檢測技術綜述[J]. 聲學技術, 2004, 23(1): 57-60.

CHEN Jingjun, LU Jiren. A review of techniques for detection of line-spectrum in passive sonar[J]. Technical Acoustics. 2004, 23(1): 57-60.

[3] 李啟虎, 李敏, 楊秀庭. 水下目標輻射噪聲中單頻信號分量的檢測: 理論分析[J]. 聲學學報, 2008, 33(3): 193-196.

LI Qihu, LI Min, YANG Xiuting. The detection of single frequency component of underwater radiated of target: theoretical analysis[J]. Acta Acustica, 2008, 33(3): 193-196.

[4] 李啟虎, 李敏, 楊秀庭. 水下目標輻射噪聲中單頻信號分量的檢測: 數值仿真[J]. 聲學學報, 2008, 33(4): 289-293.

LI Qihu, LI Min, YANG Xiuting. The detection of single frequency component of underwater radiated of target: digital simulation[J]. Acta Acustica, 2008, 33(4): 289-293.

[5] Lampert T A, Pears N E, O'Keefe S E M. A multi-scale piecewise-linear feature detector for spectrogram tracks[C]// Sixth IEEE International Conference on Advanced Video and Signal Based Surveillance, AVSS '09., 2009: 330-335.

[6] 余秋星, 李志舜. 艦船輻射噪聲的特征提取方法[J]. 魚雷技術, 2002, 10(2): 10-12.

YU Qiuxing, LI Zhishun. Characteristics extraction methods of ship radiative noise[J]. Torpedo Technology. 2002, 10(2): 10-12.

[7] 柳革命, 孫超, 楊益新. 兩種倒譜特征提取技術在水聲目標識別中的應用[J]. 西北工業大學學報, 2008, 26(3): 276-281.

LIU Geming, SUN Chao, YANG Yixin. Feature extraction of passive sonar target based on two cepstrums[J]. Journal of Northwestern Polytechnical University, 2008, 26(3): 276-281.

[8] 王紅萍, 王黎明, 萬程亮. 混沌理論在水聲信號檢測中的應用研究[J]. 艦船電子工程, 2010, 30(7): 169-172.

WANG Hongping, WANG Liming, WAN Chengling. Applacation of chaotic detection technology to underwater acoustic signals[J]. Ship Electronic Engineering, 2010, 30(7): 169-172.

[9] 胡橋, 郝保安, 呂林夏, 等. 經驗模式能量熵在水聲目標檢測中的應用[J]. 聲學技術, 2007, 26(5): 181-183.

HU Qiao, HAO Baoan, LV Linxia, et al. Application of empirical mode energy entropy to target-detection of underwater acoustic signals[J]. Technical Acoustics, 2007, 26(5): 181-183.

[10] Mellinger D K. Handling time variability in bioacoustic transient detection[C]// OCEANS '93 Proceedings, 1993(3): 116-121.

[11] Mellinger D K, Clark C W. A method for filtering bioacoustic transients by spectrogram image convolution[C]// OCEANS '93 Proceedings, 1993(3): 122-127.

[12] Ravier P, Amblard P O. A transient detector based on Malvar wavelets[C]// OCEANS '96 Proceedings, 1996(2): 914-918.

[13] Leung T S T, White P R. A fuzzy logic based underwater acoustic transient classifier[C]// 1996 IEEE Digital Signal Processing Workshop Proceedings, 1996: 494-497.

[14] Marple L, Brotherton T. Detection and classification of short duration underwater acoustic signals by Prony's method[C]// 1991 International Conference on Acoustics, Speech, and Signal Processing, 1991(2): 1309-1312.

[15] 吳國清, 陳永強, 李樂強, 等. 水聲瞬態信號短時譜形態及譜相關法檢測[J]. 聲學學報, 2000, 25(6): 510-515.

WU Guoqing, CHEN Yongqiang, LI Leqiang, et al. The analysis of underwater transient signal and their detection by spectral correlation[J]. Acta Acustica, 2000, 25(6): 510-515.

[16] Chaillan F, Courmontagne P. Detection of short signal in a noisy underwater environment[C]// OCEANS 2006-Asia Pacific, 2006: 1-7.

[17] 韓建輝, 楊日杰, 王偉, 等. 基于小波變換的Page-Test水聲瞬態信號檢測[J]. 測試技術學報, 2008, 22(2): 160-165.

HAN Jianhui, YANG Rijie, WANG Wei, et al. Research on page-test underwater acoustic transient signal detection based on wavelet transform[J]. Journal of Test and Measurement Technology, 2008, 22(2): 160-165.

[18] 關欽錦. 波束形成技術在水聲定位中的應用[D]. 南京: 南京理工大學碩士學位論文, 2008.

GUAN Qinjin. Application of beamforming in underwater target positioning[D]. Nanjing: Master degree thesis of Nanjing University of Science and Technology, 2008.

[19] 楊晨輝, 馬遠良, 楊益新. 峰值能量檢測及其在被動聲吶顯示中的應用[J]. 應用聲學, 2003, 22(5): 31-35.

YANG Chenhui, MA Yuanliang, YANG Yixin. Peak energy detection with application to passive sonar display[J]. Applied Acoustics, 2003, 22(5): 31-35.

[20] 鄭援, 胡成軍, 李啟虎, 等. 一種多目標方位歷程實時提取方法[J]. 聲學學報, 2005, 30(1): 83-88.

ZHENG Yuan, HU Chengjun, LI Qihu. et al. A method to extract multi-target’s bearing time tracks on real time[J]. Acta Acustica. 2005, 30(1): 83-88.

[21] 蔣小勇, 于李洋, 杜選民. 提高被動聲吶寬帶檢測性能的一種新方法[J]. 聲學技術, 2011, 30(6): 484-488.

JIANG Xiaoyong, YU Liyang, DU Xuanmin. A noval efficient technique to improve performance of passive sonar broadband detection[J]. Technical Acoustics, 2011, 30(6): 484-488.

[22] 李啟虎, 潘學寶, 尹力. 數字式聲吶中一種新的背景均衡算法[J]. 聲學學報, 2000, 25(1): 5-9.

LI Qihu, PAN Xuebao, YIN Li. A new algorithm of background equalization[J]. Acta Acoustica. 2000, 25(1): 5-9.

[23] Suojoki T, Tabus I. A novel efficient normalization technique for sonar detection[C]// Proceedings of the 2002 International Symposium on Underwater Technology, 2002: 296-301.

[24] 陶劍鋒, 劉洪生. 聲吶數據動態顯示算法研究[J]. 聲學與電子工程, 2009(4): 35-38.

TAO Jianfeng, LIU Hongsheng. Research on the algorithm of dynamic display of sonar data[J]. Acoustics and Electronics Engineering, 2009(4): 35-38.

[25] 王曉宇, 楊益新. 一種新的寬帶聲吶波束域背景均衡方法[J]. 航海工程, 2009, 38(5): 181-185.

WANG Xiaoyu, YANG Yixin. A new background equalization algorithm in beamspace of broadband sonar[J]. Ship & Ocean Engineering, 2009, 38(5): 181-185.

[26] Shapo B, Bethel R. A novel passive broadband Bayesian detector/tracker[C]// 2000 IEEE Sensor Array and Multichannel Signal Processing Workshop Proceedings, 2000: 92-96.

[27] Sonmez T. Sensor scheduling, target detection and estimation in sonar applications[D]. Dissertation of Doctor degree of the Faculty of the Graduate School of the University of Maryland, USA, 2003.

[28] Chung Kil Woo, Signal processing for passive detection and classification of underwater acoustic signals[D]. Dissertation of Doctor degree of the Faculty of the Stevens Institute of Technology, USA, 2011.

[29] 顧金海, 葉學千. 水聲學基礎[M]. 北京: 國防工業出版社, 1981.

GU Jinhai, YE Xueqian. The basis of underwater acoustics[M]. Beijing: National Defence Industry Press, 1981.

Recent development of passive sonar signal detection

ZHANG Xiao-yong, LUO Lai-yuan

(Southwest Electronics and Telecommunication Technology Research Institute, Chengdu 610041, Sichuan,China)

Underwater signal detection is the important supporting technology forpassive sonar system to monitor targets,and the performance of signal detection directly affects the targetdetection capability of passive sonar system. This paper sort out the main techniques and achievements of passive sonar signal detection, which could be classified into two categories: the temporal information based signal detection technique and the spatial information based signal detection technique. Through the analyses of the existing problems and the application requirements, the potential developing direction of passive sonar signal detection is pointed out, that is, weak signal detection, false alarm probability reduction, and effective use of underwater acoustic propagation information in signal detection.

passive sonar; signal detection; development trend

TN929.3

A

1000-3630(2014)-06-0559-05

10.3969/j.issn1000-3630.2014.06.016

2013-09-10;

2013-12-23

張曉勇(1982－), 男, 江蘇海安人, 博士, 研究方向為水聲信號處理技術。

張曉勇, E-mail: tianzxy@126.com