非平穩環境下主動聲吶檢測器研究

李壯，梁東峰

?

非平穩環境下主動聲吶檢測器研究

李壯，梁東峰

(中國艦船研究院，北京100192)

針對在水下存在多途、混響及噪聲邊緣等非平穩背景條件下主動聲吶檢測器的檢測性能，給出了一種變異指數的恒虛警率(Variability Index Constant False Alarm Rate, VI-CFAR)檢測器。VI-CFAR結合了單元平均恒虛警率、最大選擇恒虛警率和最小選擇恒虛警率的檢測算法，它在均勻平穩環境和非平穩環境下都具有較強的自適應性。理論分析和仿真結果表明，該檢測器在均勻平穩背景下的檢測性能與單元平均恒虛警率檢測器相似，在多途、混響等干擾背景條件下具有較強的抗干擾能力，在噪聲邊緣背景下有較好的虛警概率控制能力且運算量小，是一種穩健的檢測器。

主動聲吶檢測器；恒虛警概率；非平穩環境；變指數恒虛警檢測器

0 引言

主動聲吶系統主要工作在海洋環境中。而海洋聲信道不僅是隨機緩慢時變、空變的多途信道，并且海水介質和邊界有多重不均勻性，聲吶遇到這些不均勻性而產生散射，所有同時達到接收點的散射聲波疊加形成混響。這些背景噪聲和一些非均勻性的混響及噪聲邊緣是主動聲吶特有的干擾，使得回波信號的功率分布也會發生很大變化。如果希望保持接收信號虛警概率的穩定，就需要對接收信號的概率分布進行實時估計，并形成相應的自適應判決門限。因此CFAR檢測技術的基本特征是在噪聲參數未知或者時變的情況下，提供考慮參數變化因素在內的檢測門限，使檢測具有相對恒定虛警概率[1]。

聲吶和聲學定位系統對艦船目標的探測、定位和識別，對水中兵器的遠程遙控和遙測，都要在海洋環境噪聲中檢測到達的信號[2]。在實際的聲吶系統中，干擾背景往往是非平穩的。如主動聲吶中，混響干擾背景強度是隨距離(時間)衰減的，其非平穩性將給檢測帶來很大的困難。當干擾背景的概率分布形式已知(或是可估計的)，對參數進行估計然后處理可達到恒虛警的目的。文獻[3,4]提出一種恒虛警檢測器，利用歸一化匹配濾波器作為檢測器，虛警概率只和檢測閾值有關。文獻[5]使用恒虛警技術的聲吶檢測方法，比較了單元平均CFAR、最大選擇CFAR、最小選擇CFAR以及有序統計CFAR的性能。本文提出一種變化指數(Variability Index, VI)的恒虛警檢測器VI-CFAR，通過假設檢驗得出可能的混響噪聲背景，自適應選擇相應的恒虛警算法。VI綜合了CA、GO和SO的優點，有很好的魯棒性，更加適應于水聲信道環境[6]。

1 VI-CFAR檢測器

在現代聲吶信號處理中，為了提高聲吶的性能，首先需要提高檢測器輸入端的信噪比和信干比。由于海洋噪聲、多途干擾是時變、空變且非均勻分布的，所以需要采用各種恒虛警概率方法來保證聲吶信號檢測具有恒虛警特性。單元平均恒虛警率(CA-CFAR)是均勻環境中的一種最佳檢測器，但它的性能在非均勻環境下會降低。最大選擇CFAR(GO-CFAR)和最小選擇CFAR(SO-CFAR)是為了解決CA-CFAR在混響邊緣中存在的虛警率上升的問題。但它們都只能解決其中一個問題，并且還帶來一定的附加檢測損失[7]。

本節討論一種變化指數恒虛警檢測器(VI-CFAR)，它是基于CA-CFAR、SO-CFAR、GO-CFAR的一種綜合檢測方法，該算法通過計算參考單元的二階統計量(即變化指數)以及前后滑窗均值之比，動態地調整噪聲功率水平的估計方法。VI-CFAR的方框圖如圖1所示。

(1)

可以確定前后的均值是否相同。而VI-CFAR的檢測門限是根據VI和MR假設檢驗的結果確定的；確定方法如表1所示。表中，背景乘積常數或中的表示參考單元數目。當兩個滑窗都用上時，采用，當只利用前滑窗或后滑窗時，采用。

表1 自適應門限生成方法

2 性能仿真分析

2.1 均勻平穩環境

均勻平穩環境是指聲吶處在平均能量水聲信道環境下，且噪聲為高斯白噪聲，不存在多途、混響等干擾。假設和已經確定，噪聲為瑞利包絡均勻噪聲，即前滑窗和后滑窗都是非易變的，并且具有相同的均值，這相對于表1中的第一種情況。此時VI-CFAR的檢測性能近似于CA-CFAR，具有較少的檢測性能損失。

圖2為VI-CFAR序列檢測實例。仿真噪聲數據為背景功率為20 dB的瑞利包絡噪聲序列，設存在一功率為35 dB的目標在第30個距離單元。在預定虛警概率時，其固定檢測門限為30 dB，在圖中用虛線表示。設其參考滑窗長度=36，圖中用粗實線表示恒虛警檢測的門限，圖中用虛線表示最優檢測固定門限。圖中第80個距離單元時，存在一個尖刺噪聲，其樣本功率超過固定門限。若采用固定檢測則會造成“虛警”，選用恒虛警檢測器則可避免這種情況。

采用Monte-Carlo仿真方法來分析VI-CFAR檢測器性能。仿真次數10000次，設定所有恒虛警檢測器的仿真參數相同，仿真參數設定為門限=4.76，=1.806，虛警概率，窗長度。

圖3為均勻環境下的檢測性能曲線，從圖中可以看出，所有的CFAR檢測器性能相近似，與最優檢測器相比都存在一定的檢測性能損失，并且VI-CFAR與CA-CFAR和GO-CFAR相比性能損失要多，但要優于OS-CFAR。

2.2 多途干擾環境下

主動聲吶所處的水聲信道環境中，水聲信道可以表示為緩慢時變的相干多途信道，主要為多途、混響等干擾[8]，此時噪聲樣本不滿足瑞利分布條件。由于水聲信道的多途作用，在噪聲序列中同時存在目標和多途干擾，且當目標位于檢測單元，而多途等干擾信號落在參考滑窗內時，會出現多途對目標的遮蔽效應[9]。假設位于參考滑窗內的多途干擾目標功率遠大于周圍噪聲功率，則會增加背景功率估計和CFAR檢測門限，增加了目標漏檢的可能性。

圖4是CA-CFAR在多途干擾背景下的檢測實例，虛線表示固定檢測門限，粗實線表示CA-CFAR檢測門限。圖中噪聲背景功率為20 dB，預定虛警概率。參考滑窗長度=36，在第30個和第33個距離單元內分別存在功率為34 dB和35 dB的目標信號1和多途干擾2。當目標1位于檢測單元時，多途干擾2也正好位于參考滑窗內，其較高的功率提升了整體背景功率的估計，造成目標1 “漏檢”。

采用VI-CFAR檢測器實例如圖5所示，當有目標存在于前滑窗或后滑窗時，相應的變化指數VI會標明它是一個非均勻的噪聲背景。當這種情況只出現在一個滑窗內時，則用另一個滑窗的數據作為CA-CFAR算法的背景估計。這就是表1中的第3和第4種情況。

如果所選滑窗的噪聲是均勻的，會存在輕微的檢測概率損失，這是因為只采用了個距離單元作為背景估計，而沒有用所有的個距離單元。當兩個滑窗都是非均勻時，則選擇較小的滑窗均值作為背景的估計，相當于SO-CFAR方法，這就是表1中的第5種情況。此時VI-CFAR選擇前半窗估計背景雜波功率，避免了多途干擾2對目標1的遮蔽效應，實現了對目標1的正確檢測。

采用Monte-Carlo仿真方法來分析VI-CFAR的檢測性能。仿真次數10000次，仿真參數為門限=4.76，=1.806，虛警概率，窗長度。

圖6為存在一個多途干擾目標時檢測器的性能比較曲線。由圖中可以看出，在參考單元中存在一個干擾目標時，CA-CFAR和GO-CFAR性能明顯變差，而VI-CFAR、OS-CFAR和SO-CFAR性能幾乎不受影響。

2.3 噪聲邊緣環境

在實際主動聲吶檢測過程中，聲吶所處環境的噪聲功率也會發生變化。CFAR檢測器參考滑窗內會包含噪聲邊緣情況。圖7中的噪聲序列包含兩個噪聲區域，即低功率噪聲和高功率噪聲。噪聲邊緣位于第100個距離單元處，在噪聲邊緣處，背景噪聲功率從20 dB攀升至30 dB。這種過渡在實際檢測過程中比較具有典型性，如從碼頭到開闊水域。

圖7中的虛線表示該噪聲序列的固定檢測門限，高低功率噪聲區域各對應一種門限。在第30個距離單元存在目標，其功率為35 dB，在虛警概率時，參考滑窗長度=36，對噪聲序列進行CA-CFAR檢測，CA-CFAR檢測門限在圖7中用粗實線表示。

噪聲邊緣會導致其邊緣附近高功率噪聲區域的檢測發生虛警，也可能會遮蔽噪聲邊緣附近低功率噪聲區域的目標。位于高功率噪聲區域的第102個距離單元為純噪聲樣本(不存在目標)，但因其靠近噪聲邊緣，導致參考滑窗內存在較多低功率噪聲樣本，從而降低了背景功率估計和檢測門限，造成虛警；第30個距離單元遠離噪聲邊緣，沒有其它功率的雜波樣本影響背景噪聲功率估計，因此能夠實現目標正常檢測。

圖8是CA-CFAR在噪聲邊緣位置處漏報實例。設功率為35 dB的目標在第98個距離單元內，當目標位于檢測單元時，滑窗內大部分噪聲樣本都來自于高功率雜波區域，抬高了背景功率的估計和CFAR檢測門限，造成目標漏檢。上述原理可以表述為一種實用反偵查技術的基礎，例如潛艇、魚雷等在發射干擾信號，或者在干擾比較大的海域工作，從而使聲吶武器系統很難偵查到它們的存在[10]。

圖9為在噪聲邊緣環境下VI-CFAR檢測實例。當采用VI-CFAR檢測器時，噪聲邊緣位置和被檢測單元在弱或強混響背景區域無法先驗已知。當噪聲最初進入滑窗A的參考單元時，有一個或多個單元包含較高功率水平的噪聲，這種情況與存在一個干擾目標的情況非常類似，從而可以采用滑窗B作為背景的估計。當噪聲占據整個滑窗A時，包含噪聲的滑窗和只有噪聲的滑窗相似，也是均勻的，但是兩個滑窗的均值不同。為了不產生過多的虛警，選擇較大的均值作為背景估計。這是表1中的第2種情況。當噪聲繼續向前進入到滑窗B時，滑窗B就變成非均勻背景。而滑窗A包含均勻的噪聲。對于這種情況，選擇滑窗A估計背景噪聲，相當于表1中的第3或第4種情況。最后，當兩個滑窗都充滿噪聲時，這時選用表1中的第1種算法。

采用Monte-Carlo仿真方法來分析分布式VI-CFAR的檢測性能。仿真次數10000次，仿真參數為門限取=4.76，=1.806，虛警概率，窗長度。圖10為在噪聲邊緣環境下不同檢測器的性能比較曲線。它給出了CA-CFAR、OS-CFAR、GO-CFAR、SO-CFAR及VI-CFAR在噪聲邊緣環境下的虛警概率。取載噪比(Carrier to Noise Ratio, CNR，本文中與信噪比相同)時檢測器在噪聲邊緣的性能如圖所示，橫坐標表示包含噪聲的最后一個單元數，縱坐標表示虛警概率取對數，由圖中可以看出，在噪聲邊緣環境中，VI-CFAR檢測器的虛警尖峰均較小，即具有較優的虛警概率控制能力。

3 結論

總體來說，VI-CFAR檢測器綜合了CA-CFAR、GO-CFAR、SO-CFAR的優點。在均勻環境中具有較低的CFAR損失，對于存在混響、多途和噪聲邊緣的非均勻背景，具有一定的魯棒性。另外，VI-CFAR的復雜性要低于OS-CFAR，并且在噪聲邊緣中具有更優的虛警概率控制能力，其虛警率特性也要優于其他自適應檢測器，如AOS(adaptive order statistic)-CFAR檢測器和SE(selection and estimation)-CFAR檢測器。因此其更加適應于水聲信道環境。

[1] Barnard T J, Fyzodeen. Statistical Normalization of spherically Invariant Non-Gaussian Clutter[J]. IEEE Journal of Oceanic Engineering. 2004, 29(2): 303-309.

[2] 李啟虎. 水聲學研究進展[J]. 聲學學報, 2001, 26(4): 295-301.

LI Qihu. Advances of research work in underwater acoustics[J]. Acta Acoustic, 2001, 26(4): 295-301.

[3] Steven Kay, John Salisbury. Improved Active sonar detection using autoregressive prewhiteners[J]. J. Acoust. Soc. Am., 1990, 4: 1603-1611.

[4] Carmillet V, Amblard P-O, Jourdain G. Detection of Phase-or Frequency -Modulated signals in Reverberation Noise[J]. J. Acoust. Soc. Am., 1999, 105(6): 3375-3389

[5] Kalyan B, Balasuriva A. Sonar based automatic target detection scheme for underwater environments using CFAR techniques: a comparative study[C]// UT 04.2004 International Symposium on, 2004: 33-37.

[6] Amit Kumar Verma. Variability Index Constant False Alarm Rate (VI-CFAR) for Sonar Target Detection[J]. IEEE-International Conference on Signal processing, CNMIT, Anna University Chennai India, Jan 4-6, 2008. pp'38-141.

[7] 何友, 關鍵, 彭應寧. 雷達自動檢測與恒虛警處理[M]. 北京: 清華大學出版社, 1999: 32-38.

HE You, GUAN Jian, PENG Yingning, Automatic radar detection and constant false alarm processing[M]. Tsinghua University press 1999: 32-38.

[8] 惠俊英. 水下聲信道[M]. 北京: 國防工業出版社, 2007.

HUI Junying. The underwater acoustic channel[M]. Beijing: National Defence Industry Press, 2007.

[9] Smith M E, Varshney P K. Intelligent CFAR processor based on data variability[J]. IEEE Trans. On AES, 1992, 28(4): 505-519.

[10] Kimankim, Chunyong Lee, Daehee Youn. Adaptive Processing Technique for Enhanced CFAR Detecting Performance in Active Sonar Systems. IEEE Trans, 2000, 36(2): 693-699.

Research on active sonar detecter in non-stationary environment

LI Zhuang, LIANG Dong-feng

(China Ship Research and Development Academy, Beijing 100192, China)

The sonar background environment is not stationary at all times but is often filled with nonstationarity like multi-path and reverberation edges. The VI-CFAR is a combination of the cell-averaging CFAR(CA-CFAR), smallest-of CFAR(SO-CFAR) and the greatest-of CFAR(GO-CFAR), and it has high performance both in stationary environment and in non-stationary environment. Theoretical analysis and simulation results show that the performance of the proposed detector is typically identical with VI CFAR under the homogeneous and stationary background and well capable of anti-multi-path under the background of multi-path, has better capability of CFAR control under the background of clutter edge and less computation, being a sort of robust detector.

active sonar detector; Constant False-Alarm Rate(CFAR); non-stationary environment; Variability IndexCFAR(VI-CFAR)

TB566

A

1000-3630(2015)-01-0001-05

10.16300/j.cnki.1000-3630.2015.01.001

2014-04-04;

2014-08-18

李壯(1983－), 男, 黑龍江綏化人, 博士, 研究方向為水聲工程。

李壯, E-mail: hljstrong@163.com