基于干擾抑制方法和引導(dǎo)聲源的水平陣被動(dòng)目標(biāo)測(cè)距

石萬(wàn)山，徐鵬，任歲玲

?

基于干擾抑制方法和引導(dǎo)聲源的水平陣被動(dòng)目標(biāo)測(cè)距

石萬(wàn)山1，徐鵬2,3，任歲玲2,3

(1. 海軍駐沈陽(yáng)地區(qū)電子系統(tǒng)軍事代表室，遼寧沈陽(yáng) 110003；2. 中國(guó)科學(xué)院聲學(xué)研究所聲場(chǎng)聲信息國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100190；3. 中國(guó)科學(xué)院大學(xué)，北京 100049)

基于引導(dǎo)聲源的被動(dòng)測(cè)距由于其對(duì)環(huán)境參數(shù)較少的要求受到了廣泛關(guān)注。而處于淺海復(fù)雜環(huán)境下的被動(dòng)聲吶中，目標(biāo)信號(hào)的聲場(chǎng)干涉結(jié)構(gòu)可能被鄰近方位上的強(qiáng)干擾的旁瓣掩蓋或改變，影響最終的測(cè)距精度。首先利用基于特征分解的自適應(yīng)干擾抑制方法對(duì)強(qiáng)干擾環(huán)境中的接收信號(hào)進(jìn)行干擾抑制，獲得更高信噪比和信干比的目標(biāo)信號(hào)；然后采用自適應(yīng)的最小方差無(wú)失真波束形成器方法進(jìn)行水平陣波束形成，得到更精確的目標(biāo)聲源聲場(chǎng)干涉結(jié)構(gòu)；其次基于干涉條紋的波導(dǎo)不變量特點(diǎn)，利用引導(dǎo)聲源與目標(biāo)聲源干涉條紋的關(guān)系進(jìn)行目標(biāo)聲源被動(dòng)測(cè)距。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性和應(yīng)用的可行性。

干擾抑制；波導(dǎo)不變量；引導(dǎo)聲源；被動(dòng)測(cè)距

0 引言

弱目標(biāo)信號(hào)的被動(dòng)測(cè)距一直是聲吶系統(tǒng)被動(dòng)測(cè)距的熱點(diǎn)和難點(diǎn)問(wèn)題之一。常用的聲源定位方法如匹配場(chǎng)處理[1](Matched-Field Processing, MFP)，利用聲場(chǎng)環(huán)境信息計(jì)算拷貝場(chǎng)，通過(guò)測(cè)量場(chǎng)與拷貝場(chǎng)相關(guān)實(shí)現(xiàn)被動(dòng)聲源定位，但其定位精度依賴于聲場(chǎng)環(huán)境信息的準(zhǔn)確性。近年來(lái)，基于波導(dǎo)不變量理論的被動(dòng)聲源定位方法受到廣泛關(guān)注。如基于MFP旁瓣結(jié)構(gòu)的被動(dòng)聲源定位[2]，基于聲強(qiáng)二維離散傅里葉變換的定位方法[3]等。此類方法有效定位的前提是波導(dǎo)不變量已知[4]。基于三陣元干涉結(jié)構(gòu)匹配的幾何定位方法不需要估計(jì)波導(dǎo)不變量[5,6]，但是陣元間隔要求較大。因此，聲吶系統(tǒng)的定位方法希望利用較少的環(huán)境參數(shù)，盡量減小對(duì)聲場(chǎng)計(jì)算模型的要求或?qū)δＰ褪洳幻舾小hode[7]提出了基于引導(dǎo)聲源的垂直陣被動(dòng)定位方法，不需要計(jì)算聲場(chǎng)模型，根據(jù)預(yù)先已知的引導(dǎo)聲源的位置，利用干涉結(jié)構(gòu)的斜率估計(jì)未知目標(biāo)聲源的距離。

但實(shí)際應(yīng)用中，垂直陣布放時(shí)的陣型與最終的接收陣型誤差較大，且多信源干擾較強(qiáng)的情況下，由單個(gè)陣元接收數(shù)據(jù)獲得的目標(biāo)聲源的聲場(chǎng)干涉結(jié)構(gòu)往往被強(qiáng)干擾或背景噪聲所掩蓋。水平接收陣列在精確已知目標(biāo)方位的前提下，可以利用波束形成增強(qiáng)信噪比，使得陣列輸出的聲場(chǎng)干涉結(jié)構(gòu)信噪比更高，Yang[8]已經(jīng)證明波束形成后的聲強(qiáng)干涉條紋與單個(gè)陣元的干涉條紋相同。但當(dāng)干擾距離目標(biāo)較近時(shí)，干擾在目標(biāo)角度上較高的旁瓣依然會(huì)對(duì)弱目標(biāo)的干涉結(jié)構(gòu)產(chǎn)生影響，尤其當(dāng)目標(biāo)被完全掩蓋時(shí)。因此，本文結(jié)合干擾抑制方法和引導(dǎo)聲源測(cè)距理論，利用水平陣進(jìn)行弱目標(biāo)被動(dòng)測(cè)距。首先利用有效的干擾抑制方法對(duì)強(qiáng)干擾環(huán)境中水平陣列接收的信號(hào)進(jìn)行干擾抑制[9]，為后續(xù)處理提供具有較高信干比和信噪比的互譜密度矩陣，同時(shí)與最小方差無(wú)失真波束形成器(Minimum Variance Distortionless Response, MVDR)方法[10]相結(jié)合估計(jì)更為準(zhǔn)確的目標(biāo)方位；然后再利用MVDR方法對(duì)準(zhǔn)目標(biāo)方位進(jìn)行水平陣波束形成，得到更精確的目標(biāo)聲源聲場(chǎng)干涉結(jié)構(gòu)；其次基于波導(dǎo)不變量理論，利用引導(dǎo)聲源與目標(biāo)聲源干涉結(jié)構(gòu)的關(guān)系進(jìn)行目標(biāo)聲源被動(dòng)測(cè)距。

1 理論分析

本節(jié)首先簡(jiǎn)單介紹基于特征分解的自適應(yīng)干擾抑制(Eigenanalysis-based Adaptive Interference Suppression, EAAIS)方法[9]，其次給出基于引導(dǎo)聲源的水平陣聲源測(cè)距原理，然后與干擾抑制方法相結(jié)合，給出目標(biāo)被動(dòng)測(cè)距方法。

1.1 干擾抑制方法

由組采樣數(shù)據(jù)估計(jì)得到的第幀接收數(shù)據(jù)的互譜密度矩陣為

理論上，當(dāng)各個(gè)信源之間相互獨(dú)立正交時(shí)，每個(gè)信源主導(dǎo)的特征向量之間不存在能量泄漏，EAAIS干擾抑制方法可以完全去除噪聲和目標(biāo)角度范圍外的干擾，且不會(huì)損失目標(biāo)信號(hào)的能量。但實(shí)際應(yīng)用中，由于有限的陣列孔徑和空間采樣數(shù)據(jù)、以及受信噪比和信干比等因素的影響，難以保證采樣所得到目標(biāo)和干擾信號(hào)之間完全獨(dú)立，從而使得目標(biāo)和干擾信號(hào)對(duì)每一個(gè)特征向量都有貢獻(xiàn)。保留由目標(biāo)主導(dǎo)的特征向量的同時(shí)，也保留了部分干擾。因此，在實(shí)際應(yīng)用中難以得到最佳的干擾抑制效果，但我們可以通過(guò)選擇合適的目標(biāo)角度范圍來(lái)得到更接近理論性能極限的次最佳效果。EAAIS干擾抑制方法詳細(xì)的討論參考文獻(xiàn)[9]。

1.2 基于引導(dǎo)聲源的被動(dòng)測(cè)距

考慮實(shí)際接收數(shù)據(jù)模型(式(1))在次樣本累積下，第個(gè)陣元的聲強(qiáng)為

假設(shè)所有聲源之間互不相干。式(13)的三項(xiàng)分別表示目標(biāo)信號(hào)、干擾以及噪聲對(duì)干涉聲場(chǎng)結(jié)構(gòu)的貢獻(xiàn)。當(dāng)干擾或噪聲能量大于目標(biāo)信號(hào)能量時(shí)，目標(biāo)信號(hào)的干涉聲場(chǎng)結(jié)構(gòu)會(huì)受到明顯影響。經(jīng)MVDR波束形成后，陣列輸出的聲強(qiáng)為

暫且忽略背景噪聲，對(duì)單位強(qiáng)度的點(diǎn)聲源，根據(jù)簡(jiǎn)正波模型所表示的單個(gè)陣元的接收聲壓和聲強(qiáng)，距離-頻率平面上聲強(qiáng)的干涉條紋如圖1所示。

圖1 聲強(qiáng)在距離-頻率平面上的干涉條紋

圖2 基于引導(dǎo)聲源時(shí)間段距離-頻率干涉結(jié)構(gòu)的被動(dòng)測(cè)距

當(dāng)引導(dǎo)聲源確定后，被動(dòng)測(cè)距的精度主要依賴于目標(biāo)聲源干涉聲場(chǎng)條紋和引導(dǎo)聲源的距離。實(shí)際應(yīng)用中，引導(dǎo)聲源的位置一般是已知的，或者可以預(yù)先估計(jì)得到，因此，基于引導(dǎo)聲源的定位關(guān)鍵問(wèn)題是獲得較為清晰準(zhǔn)確的目標(biāo)信號(hào)的干涉聲場(chǎng)條紋參數(shù)。

1.3 干擾抑制方法在水平陣被動(dòng)測(cè)距中的應(yīng)用

經(jīng)EAAIS方法干擾抑制后式(14)聲強(qiáng)的時(shí)間-頻率干涉結(jié)構(gòu)更新為

2 實(shí)驗(yàn)研究

通過(guò)一次海試數(shù)據(jù)的處理和分析來(lái)驗(yàn)證本文聲源被動(dòng)測(cè)距方法的有效性。2005年6月，中國(guó)科學(xué)院聲學(xué)研究所聲場(chǎng)聲信息國(guó)家重點(diǎn)實(shí)驗(yàn)室在某海域進(jìn)行了一次海底水平陣聲學(xué)測(cè)量實(shí)驗(yàn)，配合實(shí)驗(yàn)的目標(biāo)為一艘小型水面船。實(shí)驗(yàn)海區(qū)水深約30 m，水中聲速剖面如圖3所示，在深度3~9 m之間存在一個(gè)聲速躍變層，屬于典型的夏季淺海水文條件。海底水平接收陣及其各個(gè)陣元的位置分布如圖4所示，陣元數(shù)43個(gè)，陣元間距約1.5 m。采樣頻率為4000 Hz；接收處聲速為1493.0 m/s，360°全方位搜索的角度間隔為1°。

圖3 實(shí)驗(yàn)期間的水中聲速垂直剖面

圖4 水下接收陣位置分布

圖5所示為干擾抑制前后MVDR方法的空間方位譜。處理過(guò)程中，使用頻率為200~300 Hz，共104個(gè)頻點(diǎn)；單次FFT的時(shí)間長(zhǎng)度為1 s，互譜密度矩陣的數(shù)據(jù)樣本長(zhǎng)度為6 s。圖5(a)中箭頭所示為合作目標(biāo)，其它方位的信源對(duì)合作目標(biāo)來(lái)說(shuō)屬于干擾。可以看到，隨著目標(biāo)遠(yuǎn)離接收陣引起強(qiáng)度的減弱，以及強(qiáng)干擾的出現(xiàn)，目標(biāo)信號(hào)的真實(shí)方位軌跡被強(qiáng)干擾所掩蓋。由于接收陣接近于直線陣，如圖4所示，從而在50°和250°左右出現(xiàn)鏡像聲源。EAAIS方法干擾抑制后的EAAIS-MVDR的結(jié)果如圖5(b)所示，可以看到，干擾被有效地抑制掉了，背景和旁瓣較低，且目標(biāo)方位的估計(jì)值與GPS測(cè)量值符合得較好。

考慮到頻率越低、干涉聲場(chǎng)結(jié)構(gòu)越簡(jiǎn)單，且避開(kāi)合作目標(biāo)明顯的線譜頻段，選擇頻段158~208 Hz、時(shí)間段10~35 min左右的干涉聲場(chǎng)結(jié)構(gòu)進(jìn)行處理。干擾抑制前后利用MVDR方法波束形成獲得的目標(biāo)信號(hào)干涉聲場(chǎng)結(jié)構(gòu)如圖6所示。MVDR方法和EAAIS-MVDR方法所用的目標(biāo)方位角由圖5(b)的EAAIS-MVDR方法獲得。可以看到，干擾抑制后，目標(biāo)峰值與背景之間的差異更大，即具有更高的信噪比。由于有限采樣和信噪比較低等非理想因素影響，EAAIS方法在干擾抑制的同時(shí)也引起了目標(biāo)信號(hào)能量的微弱損失。但基于引導(dǎo)聲源的被動(dòng)測(cè)距，其精度主要依賴于干涉聲場(chǎng)條紋的清晰度和準(zhǔn)確度，在確保目標(biāo)信號(hào)檢測(cè)的前提下，干涉峰值的大小對(duì)其影響較小。從后續(xù)圖7干擾抑制后更為準(zhǔn)確的測(cè)距結(jié)果也可以看出來(lái)，干擾抑制后的條紋準(zhǔn)確度更高一些。

圖5 干擾抑制前后MVDR空間方位譜。紅色箭頭指示合作目標(biāo)，紅色虛線表示GPS測(cè)量得到的目標(biāo)方位。

圖7所示為利用干擾抑制前后的干涉聲場(chǎng)結(jié)構(gòu)和引導(dǎo)聲源進(jìn)行目標(biāo)被動(dòng)測(cè)距的結(jié)果。可以看到，干擾抑制后，利用EAAIS-MVDR方法的干涉聲場(chǎng)條紋，距離估計(jì)結(jié)果與GPS測(cè)量值符合更好，測(cè)距誤差更小。干擾抑制前的平均測(cè)距誤差約為6.27%，干擾抑制后的平均測(cè)距誤差約為4.29%。結(jié)果表明，EAAIS方法提高了干涉聲場(chǎng)條紋估計(jì)的準(zhǔn)確度，從而提高了利用干涉聲場(chǎng)結(jié)構(gòu)進(jìn)行引導(dǎo)聲源被動(dòng)測(cè)距的精度。

總的來(lái)說(shuō)，EAAIS方法可以為后續(xù)目標(biāo)測(cè)距提供信噪比和信干比更高的目標(biāo)信號(hào)，從而使得常規(guī)的基于引導(dǎo)聲源的被動(dòng)測(cè)距方法具有更廣泛的應(yīng)用范圍，定位精度更高。

圖6 干擾抑制前后MVDR的干涉聲場(chǎng)結(jié)構(gòu)。工作頻率158~208Hz，頻率間隔約為1Hz

圖7 利用干擾抑制前后的干涉聲場(chǎng)條紋被動(dòng)測(cè)距的結(jié)果

3 結(jié)論

本文將一種特征分解的干擾抑制(EAAIS)方法應(yīng)用于基于引導(dǎo)聲源的被動(dòng)目標(biāo)測(cè)距中。首先利用EAAIS方法干擾抑制后具有更高信噪比和信干比的目標(biāo)信號(hào)以及更準(zhǔn)確的目標(biāo)方位，結(jié)合自適應(yīng)的MVDR波束形成方法，獲得更清晰準(zhǔn)確的目標(biāo)信號(hào)干涉聲場(chǎng)條紋；然后基于波導(dǎo)不變理論與干涉條紋特性，利用引導(dǎo)聲源實(shí)現(xiàn)水平陣目標(biāo)被動(dòng)測(cè)距。理論與實(shí)驗(yàn)研究結(jié)果表明，干擾抑制之后，目標(biāo)信號(hào)具有更高的信噪比和信干比，從而獲得了更準(zhǔn)確清晰的干涉條紋，提高了測(cè)距精度。因此，結(jié)合干擾抑制方法和引導(dǎo)聲源的被動(dòng)測(cè)距方法是有效的，在實(shí)際應(yīng)用中具有可行性。為了進(jìn)一步的實(shí)際應(yīng)用，后續(xù)還將結(jié)合干擾抑制方法和引導(dǎo)聲源被動(dòng)測(cè)距方法進(jìn)行深入的實(shí)驗(yàn)驗(yàn)證。

[1] Baggeroer A B, Kuperman W A, Mikhalevsky P N. An overview of matched field methods in ocean acoustics[J]. IEEE J. Ocean. Eng., 1993, 18(4): 401-424.

[2] Thode A M, Kuperman W A, D’Spain G L. Localization using Bartlett matched-field processor sidelobes[J]. J. Acoust. Soc. Am., 2000, 107(1): 278-286.

[3] Cockrell K L, Schmidt H. Robust passive range estimation using the waveguide invariant[J]. J. Acoust. Soc. Am., 2010, 127(5): 2780-2789.

[4] D’Spain G L, Kuperman W A. Application of waveguide invariants to analysis of spectrograms from shallow water environments that vary in range and azimuth[J]. J. Acoust. Soc. Am., 1999, 106(5): 2454-2468.

[5] Chun S Y, Kim S Y, Kim K M. Underwater wideband source localization using the interference pattern matching[C]// Proc. IEEE Oceans, 2007: 1-3.

[6] Kim S Y, Chun S Y, Kim K M. Underwater source localization using the interference pattern matching in range dependent environments[C]// Proc. IEEE Oceans, 2008: 1-3.

[7] Thode Aaron M. Source ranging with minimal environmental information using a virtual receiver and waveguide invariant theory[J]. J. Acoust. Soc. Am., 2000, 108(4): 1582-1594.

[8] YANG T C. Beam intensity striations and applications[J]. J. Acoust. Soc. Am., 2003, 113(3): 1342-1352.

[9] 任歲玲, 葛鳳翔, 郭良浩. 基于特征分析的自適應(yīng)干擾抑制[J]. 聲學(xué)學(xué)報(bào), 2013, 38(3): 272-280.

REN Suiling, GE Fengxiang, GUO Lianghao. Eigenanalysis-based adaptive inteference suppression[J]. Acta Acustica, 2013, 38(3): 272-280.

[10] Capon J. High-resolution frequency-wave number spectrum analysis[J]. Proc IEEE, 1969, 57(8): 1408-1418.

[11] 蘇曉星. 淺海聲場(chǎng)的水平縱向相關(guān)于波導(dǎo)不變性研究[D]. 中國(guó)科學(xué)院研究生院博士學(xué)位論文.

SU Xiaoxing. Longitudinal correlations and waveguide invariance of the acoustical field in shallow water[D]. Graduated University of Chinese Academy of Sciences, A thesis of Doctor.

Passive source ranging using a horizontal array based on an adaptive interference suppression method and a guide source

SHI Wan-shan1, XU Peng2,3, REN Sui-ling2,3

(1. Shenyang Military Representative Office of Electronic System of Navy, Shenyang 110003, Liaoning, China;2. State Key Laboratory of Acoustics, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China)

It is generally difficult to localize a weak source for a passive system in the presence of strong interferences. Passive source ranging using a guide source based on the intensity striation is widely concerned due to its little requirement of environmental information. Beam intensity striation has higher processing gain based on a horizontal array, but it still could be confused by the sidelobes of the stronger interferences. In this case, an eigenanalysis-based adaptive interference suppression (EAAIS) method is used to improve the signal-to-noise ratio (SNR) and signal-to-interference ratio (SIR) of the target signal. Then the preprocessed target signal is used to obtain the more accurate and clearer beam intensity striations for passive target source ranging based on a guide source. The experimental results demonstrate the effectiveness and feasibility of the proposed range estimation method.

interference suppression; waveguide invariant parameter; guide source; passive range estimation

O427.9

A

1000-3630(2014)-03-0193-06

10.3969/j.issn1000-3630.2014.03.002

2014-02-21;

2014-05-23

國(guó)家自然科學(xué)基金資助項(xiàng)目(11125420)。

石萬(wàn)山(1964－), 男, 遼寧沈陽(yáng)人, 高級(jí)工程師, 研究方向?yàn)樗暪こ獭?/p>

徐鵬, E-mail: xupeng112@mails.ucas.ac.cn