機動小目標的時空聯合檢測技術

邵云生

?

機動小目標的時空聯合檢測技術

邵云生

(海軍駐無錫地區軍事代表室，江蘇無錫 214061)

主動聲吶信號處理中一般采用匹配濾波和背景均衡等算法檢測回波信號，為提高信號的檢測性能，還需利用信號與混響和環境噪聲在時間、空間上的統計特征差異。文章在對信號的時、空特征算法進行簡單描述的基礎上，提出了頻率能量統計特征和方位能量統計特征，將兩種特征檢測器的輸出進行融合處理構成時、空聯合檢測器。仿真和試驗數據處理結果證明，此方法可有效提高機動小目標在混響及環境噪聲中的檢測性能。

主動聲吶；機動小目標；時空聯合檢測；混響

0 引 言

混響是淺海主動聲吶信號檢測過程中的主要干擾。如何抑制混響，加強回波信號的檢測，是提高主動聲吶性能的關鍵技術之一。

對于機動小目標的探測，傳統的信號處理中往往采用長CW等多普勒敏感信號，使回波信號頻譜偏離混響帶，從而有效地抑制混響[1]。但此種方法需多通道匹配，運算量較大。以載頻=20 kHz、脈寬=16 ms的CW信號為例，其多普勒容限為0.88/，相應的速度分辨力約為=2 m/s。對于探測速度范圍在m/s的個多波束系統而言，其多普勒通道多達15個。為了減少運算量，同時又不損失信號在環境噪聲背景下的檢測性能，本文在對信號與混響(噪聲)分布變化規律的分析基礎上，利用回波信號與混響(噪聲)在空間、結構上的差異，分別構成空間特征檢測器和時間特征檢測器，并將兩種特征檢測器輸出進行融合處理的研究。

1 時、空特征算法介紹

信號和混響(噪聲)的特征區別主要有兩方面：

(1) 時間特征檢測。以CW信號為例采用前向差分技術得到信號的瞬時頻率序列，回波序列在持續時間內是穩定相關的。

(2) 空間特征檢測。對左右子陣相同波束的輸出做互相關處理，在脈沖持續時間內回波具有穩定相位差的序列。

1.1 時間特征檢測

一般海洋混響的相位起伏率要比振幅起伏小，聲信號的相位起伏十分緩慢，因而信號相位在海洋信道中是緩慢變化的[2]。本文介紹的差分方法分別稱為前向差分[3-6]、后向差分、中心有限差分。

瞬時頻率偏移量估計的表達式如下：

(2)

(4)

通過式(2)~(4)可求出瞬時頻率偏移量的表達式。差分方法對單分量CW信號具有遠比傅里葉譜線高得多的頻率估計精度。

(6)

采用瞬時頻率偏移量方差作為檢測統計量的瞬時頻率方差檢測器(Varicance-of Instantaneous- Frequency Detector, VIFD)。利用序列的短時方差構造權函數，用于對多波束輸出進行加權，即：

(8)

其中：為波束序列號；為時間序列號；為頻率方差的單調遞減函數，頻率方差越大，權重越小，反之亦然。，、均為正數[3]。

方差是一個統計概念，短脈沖信號，由于信號脈寬短，采集后的用于參加方差估計的點數也較少，統計平均受信道的影響相對較大，估計性能下降。反之，長脈沖信號用于參加方差估計的點數多，統計平均受信道的影響相對較小，估計也就較為準確。因此選擇長脈沖信號是提高特征檢測技術的有效手段。

1.2 空間特征檢測

空間處理的物理基礎是信號場和干擾場的空間相關特性差別。目標有確定的方位，而混響、環境噪聲干擾則是近似隨機的[7]。

(10)

其中，為接收信號頻率，對式(9)、式(10)去載頻、降采樣處理后，左右子陣第波束互相關輸出的離散表達式如下：

同樣利用方位的幅值特征信息對回波信號累加，可得方位幅值特征表達式：

(12)

利用兩子陣指向相同波束的時延差或相位差測量干擾和目標的視在方位序列。這里分兩種情況討論：若發射換能器無指向性，散射體是均勻分布在空間中或平面上，混響的空間相關半徑為半波長[7]；若發射換能器具有尖銳的指向性，混響的空間相關半徑會增加到若干倍波長。一般說來，混響的視在方位方差比環境噪聲略小，但仍顯著大于目標回波。因而，視在方位方差檢測器(Varicance- of Pseudo-Bearing Detector, VPBD)可用于回波信號的檢測。的短時平均值和方差如下：

(14)

VIFD和VPBD檢測器都是利用相位自身變化的規律性，與干擾背景起伏無關，只與信噪比有關，因而本身就具有恒虛警特性。方差特征檢測器和幅值特征檢測器不依賴于參考信號，對多普勒目標也具有穩健的檢測性。

需要注意的是：對于待估計的頻率方差，不應隨回波頻率的不同而有較大的方差起伏。對此，利用時、空特征檢測技術探測機動小目標時，最好采用分頻帶處理模式，將處理頻帶分為靜止和運動兩大頻段，其優點主要有以下兩方面：

(1) 防止水下固定目標(島嶼、海岸)對多普勒目標回波方差檢測器的抑制。

(2) 濾除混響帶，使目標回波工作于噪聲背景下，提高了信噪比。

1.3 時空聯合檢測技術

在信號處理中，往往采用多種信息，以提高系統的檢測、識別、決策能力。數據融合技術[8]可能給系統帶來的好處主要表現在以下幾個方面：

(1) 使系統具有良好的魯棒性。采用多信息融合技術，減少了因環境的突然變化對系統性能的影響，對環境的變化有較強的適應性。

(2) 增加系統的可信度。用多個信息對一個目標或事件進行判決和確認，增加了結果的可信程度。

(3) 減少系統的信息模糊程度。由于采用多信息進行檢測、判決、推理等運算，降低了事件的不確定性。

2 仿真和實驗數據處理

2.1 仿真數據分析

圖3給出了單路高斯白噪聲仿真數據和處理結果。插入目標速度為=10 m/s的CW信號，信號脈寬=30 ms，插入時刻為0.3 s。單路信噪比=-3 dB，32元半波長布距的線陣。

2.2 試驗數據分析

圖4給出了實際錄取的混響數據和處理結果。插入目標的回波與圖3相同，單路信混比=-3 dB，插入時刻為2.45 s。濾波器的中心頻率與發射載頻相差0.26 kHz，濾除靜止目標及主混響帶。

從圖3、圖4的處理結果表明：時間、空間特征檢測算法不受信道起伏影響，并對多普勒目標具有寬容性。綜合利用各種特征檢測器的處理結果構成聯合檢測器，可有效抑制水下干擾，提高機動小目標的檢測性能，獲得最為平坦的輸出背景。四種相互獨立的信息的利用，消除了依賴單種算法造成的虛警。同時利用方差特征檢測技術，解決了主動聲吶探測中長CW信號距離分辨力低的問題，可同時獲得較好的速度分辨力和距離分辨力。

(a)

(b)

(a)

(b)

3 結論

如何提高對目標的探測性能一直是主動聲吶信號處理的難題。本文利用回波信號與混響和環境噪聲分布變化規律的不同，采用了空間、時間特征檢測器，并將兩種特征檢測器輸出進行融合處理，結果表明：

(1) 特征檢測算法不受信道起伏影響，無需再做CFAR處理；

(2) 對多普勒目標具有寬容性，無需多通道匹配，大大減少了運算的復雜度；

(3) 方差特征檢測技術解決了長CW信號距離分辨力低的問題，可同時獲得較好的速度分辨力和距離分辨力；

(4) 聯合檢測器有效提高了對機動小目標在環境噪聲中的檢測性能，并消除了只有單種算法時造成的虛警。

[1] Waite A D著, 王德石譯. 實用聲吶工程[M]. 3版. 北京: 電子工業出版社, 2004.

Waite A D, WANG Deshi (translator). Sonar for practicing engineers[M]. 3rd Edition. Beijing: Electronic Industry Press, 2004.

[2] 惠俊英, 生雪莉. 水下聲信道[M]. 北京: 國防工業出版社, 2007.

[3] 梁國龍. 回波信號的瞬時參數序列分析及其應用研究[D]. 哈爾濱: 哈爾濱工程大學, 1997.

LIANG Guolong. Analysis on instantaneous parameters sequence of echoes and study on its applications[D]. Harbin: Harbin Engineering University, 1997.

[4] 梁國龍, 惠俊英. 瞬時頻率方差檢測器(VIFD)及其性能評價[J]. 聲學學報, 1999, 24(2): 183-190.

LIANG Guolong, HUI Junying. Instantaneous frequency detector and it’s performance evaluation[J]. Chinese Journal of Acoustics. 1999, 24(2): 183-190.

[5] 梁國龍, 惠俊英, 蔡平. 視在方位序列分析[J]. 聲學學報, 2000, 25(2): 134-141.

[6] LIANG Guolong, HUI Junying, CAI Ping. Pseudo bearing sequence analysis[J]. Chinese Journal of Acoustics, 2000(1): 22-34.

[7] 王亞男. 低頻主動聲吶波形融合與背景歸一化[D]. 哈爾濱: 哈爾濱工程大學, 2007.

WANG Yanan. Waveform fusion and background normalization for low frequency active sonar[D]. Harbin: Harbin Engineering University, 2007.

[8] 楊萬海. 多傳感器數據融合及其應用[M]. 西安: 西安電子科技大學出版社, 2004.

Research on the algorithm of moving target detection with joint space-time processing

SHAO Yun-sheng

(Navy's Military Representative Office in Wuxi, Wuxi 214061, Jiangsu, China)

In active sonar signal processing, the matched filtering and background smoothing algorithms are used to detect the echo signals. The time-space statistic difference between the signal and environmental noise should be used in order to improve the detection. This paper proposes the energy statistical characteristics both in frequency and direction based on the description of the characteristic algorithm of signal in space and time, and combines the outputs of the two algorithms to form a space-time joint detector. The simulation and experimental data show that this joint detector can improve the detection performance of remote moving targets in environmental noise background.

active sonar; moving target; space-time processing; reverberation

TB556

A

1000-3630(2015)-06-0497-04

10.16300/j.cnki.1000-3630.2015.06.005

2015-09-30;

2015-11-22

邵云生(1964－), 男, 浙江衢州人, 高級工程師, 研究方向為信息工程。

邵云生, E-mail: shaoys@qq.com