艦船輻射噪聲中鯨類聯(lián)絡叫聲檢測方法

李大衛(wèi)， 楊日杰, 韓建輝, 鞏建文

(1. 海軍航空工程學院學 電子信息工程系， 煙臺 264001； 2. 95972部隊， 甘肅 酒泉 735018)

艦船輻射噪聲中鯨類聯(lián)絡叫聲檢測方法

李大衛(wèi)1,2， 楊日杰1, 韓建輝1, 鞏建文1

(1. 海軍航空工程學院學 電子信息工程系， 煙臺 264001； 2. 95972部隊， 甘肅 酒泉 735018)

鯨類聯(lián)絡叫聲的頻段與艦船輻射噪聲頻段的重疊，使其易被誤檢測為艦船噪聲而被被動聲納接收，影響后續(xù)對被動聲納檢測到的信號進行目標自主識別等信號處理的性能。針對鯨類聯(lián)絡叫聲干擾目標識別等聲納信號后續(xù)處理的問題，提出艦船輻射噪聲中鯨類聯(lián)絡叫聲檢測算法，為削除鯨類聯(lián)絡叫聲干擾作準備，算法首先通過理論與實測數(shù)據(jù)分析得出艦船輻射噪聲頻譜分布的短時穩(wěn)定性特征，進而采用中值濾波方法對艦船輻射噪聲進行白化處理，利用三階多項式相位信號對鯨類叫聲建模，然后通過基于匹配濾波器的廣義似然比檢測方法，實現(xiàn)了艦船輻射噪聲中鯨類信號的檢測。經(jīng)實測信號的實驗驗證，提出的算法適用于不同類型和工況的艦船；通過與其他三種檢測方法的比較分析，算法在給定虛警率下可以取得較高的鯨類叫聲檢測率，檢測結(jié)果優(yōu)于其他三種方法。

鯨類聯(lián)絡叫聲； 艦船輻射噪聲； 多項式相位信號； 預白化處理； 廣義似然比檢測

由于部分鯨類聯(lián)絡叫聲(contact calls)能量集中在50～400 Hz范圍內(nèi)[1]，其位于艦船輻射噪聲的能量集中頻帶范圍(f≤1 000 Hz)[2]內(nèi)，聲信號頻率范圍的重疊，使得此類鯨聯(lián)絡叫聲會被被動聲納誤檢測為艦船輻射噪聲而被接收，在后續(xù)對被動聲納接收的信號進行目標自主識別等信號處理時，鯨聯(lián)絡叫聲會成為干擾信號而影響識別性能，為此，在對被動聲納接收的信號進行目標自主識別時，需要先對此類鯨聯(lián)絡叫聲干擾信號進行檢測和抑制，以消除對目標自主識別的影響，本文工作集中在對被動聲納接收的信號進行后續(xù)目標識別等信號處理階段，如圖1所示，主要完成艦船輻射噪叫聲中鯨類聯(lián)絡叫聲的檢測，為后續(xù)的抑制或消除干擾信號做準備。

圖1 本文工作在聲納信號處理流程中的位置

國外學者早在60年代就開始對各種鯨類叫聲的研究，幾十年來，學者們在世界各個海域?qū)Σ煌N類的鯨類叫聲進行采集、整理[3]，并提出了很多聲信號的處理方法，包括總能量檢測法[4]，譜相關(guān)方法[5]，人工神經(jīng)網(wǎng)絡，基于短時傅里葉變換時頻譜的統(tǒng)計特性方法等等。傳統(tǒng)的實時自動鯨類聯(lián)絡叫聲檢測方法通常基于峰值能量檢測或頻帶峰值能量檢測，但由于背景噪聲中各種瞬時噪聲的出現(xiàn)，往往產(chǎn)生很高的虛警。Mellinger等[6]將匹配濾波器、隱馬爾可夫模型和譜圖互相關(guān)等方法用于鯨類聯(lián)絡叫聲檢測，經(jīng)對檢測結(jié)果進行比較分析，得出基于譜圖互相關(guān)的檢測方法取得最好的檢測效果，在后續(xù)工作中，通過測量鯨聲信號中的時變特征對基于譜圖互相關(guān)的方法進行了改進優(yōu)化[7-9]，并將優(yōu)化后的方法用于其它聲信號檢測，Erbe等[10]對包括基于匹配濾波器、頻帶相關(guān)、BP神經(jīng)網(wǎng)絡和人工觀測等檢測方法在氣泡噪聲、冰裂噪聲和高斯噪聲等環(huán)境下的鯨類聯(lián)絡叫聲檢測方法進行了測試比較，Gillespie等[11]提出了一種通過在露脊鯨的時頻譜中尋找邊緣的基于門限的檢測器。Sánchez-García等[12]采用分區(qū)域分析的方法，搜索頻譜矩陣的強度級別，達到檢測的目的。Urazghildiiev等[13-14]采用基于露脊鯨聯(lián)絡叫聲時頻譜統(tǒng)計特征的檢測方法，經(jīng)過實驗比較，取得了比基于譜相關(guān)檢測[5]等更好的檢測效果。

但上述檢測方法更多的注重某一特定鯨聯(lián)絡叫聲在海洋環(huán)境噪聲下的檢測，對于艦船輻射噪聲信號中檢測鯨類叫聲干擾信號的情況研究的很少，僅在部分文獻[13-14]中簡單論述。而實際上艦船目標種類繁多且狀態(tài)多變，從艦型、工況到航次，覆蓋范圍極廣，即使同一艦型在不同狀態(tài)下其噪聲特征差異也很大，這使得在進行目標識別等后續(xù)處理過程中，海洋環(huán)境噪聲下檢測方法在艦船輻射噪聲下檢測鯨類聯(lián)絡叫聲時失效，因此如何在特征多變的艦船輻射噪聲中檢測出鯨類聯(lián)絡叫聲為本文工作研究的重點，為此文中以須鯨、座頭鯨、露脊鯨等一類能量集中在50～400 Hz之間的鯨類聯(lián)絡叫聲為檢測對象，通過理論分析與實測數(shù)據(jù)實驗分析研究艦船輻射噪聲時頻穩(wěn)定性特征的基礎上，利用艦船輻射噪聲的短時穩(wěn)定性采用基于中值濾波的預白化方法對艦船輻射噪聲預處理、采用未知參數(shù)的三階多項式相位信號(PPS)對鯨類聯(lián)絡叫聲進行建模，最后采用基于匹配濾波器的廣義似然比檢測方法實現(xiàn)鯨類聯(lián)絡叫聲在艦船輻射噪聲中的檢測。

1 信號建模分析

1.1 艦船輻射噪聲建模分析

如前分析可知，不同類型不同工況的艦船，其噪聲之間復雜多樣，即使同一類型的艦船，也很難找到穩(wěn)定的特征進行描述，但從艦船噪聲機理可知，不論何種類型的艦船運行于何種工況，其噪聲主要由機械設備的運行，螺旋槳旋轉(zhuǎn)等影響產(chǎn)生，因而，當工作于某一工況時，艦船的形狀、大小、推進系統(tǒng)、運行狀態(tài)、結(jié)構(gòu)和材料等都會成為其噪聲特性的決定性因素[15-16]，而根據(jù)艦船運行實際情況，這些決定因素在一個較短時間內(nèi)(比如幾秒鐘的時間間隔)會保持在一個較穩(wěn)定狀態(tài)，這使得其噪聲特性也會表現(xiàn)出較好的短時穩(wěn)定性，表現(xiàn)在頻譜分布上即為短時頻譜曲線變化趨勢保持一致，如圖2(a)所示情況，兩條曲線為相鄰兩幀數(shù)據(jù)的頻譜曲線，從圖中可以看出，兩幀數(shù)據(jù)的頻譜曲線變化趨勢基本相同。

(a) 艦船輻射噪聲相鄰幀信號頻譜分布曲線

(b) 某型艦船輻射噪聲LOFAR時頻譜圖

如圖2(b)所示為某艦船實測輻射噪聲在一段時間內(nèi)的時頻譜圖，從圖中可以看出，在一個持續(xù)的時間里，艦船輻射噪聲的頻譜分布表現(xiàn)出一個較好的穩(wěn)定性。通過實測艦船噪聲數(shù)據(jù)進一步實驗驗證，短時頻譜穩(wěn)定性在艦船輻射噪聲中普遍存在，基于這一特征，文中采用中值濾波方法估計信號的功率譜中值，利用該功率譜中值實現(xiàn)對輻射噪聲每幀信號功率譜進行白化處理。

設在進行被動聲納信號處理時，長度為q的信號片斷為Ω(q)，采用長度為K點，重疊Kov點的短時窗函數(shù)對Ω(q)分幀，并計算每一幀信號的短時傅里葉變換得到時頻譜圖G(k,n)，

(1)

(2)

(3)

式中的向量相除運算為按元素計算。

如圖3所示為某艦船輻射噪聲在中值濾波預白化處理后的效果圖，可見，預白化后的頻譜分布符合高斯白噪聲頻譜分布特點，經(jīng)過對實測艦船輻射噪聲數(shù)據(jù)處理后的統(tǒng)計分析及后續(xù)實驗驗證，預白化后的艦船輻射噪聲可以用均值為0，協(xié)方差矩陣為R(q)的高斯白噪聲信號進行建模，即

(4)

1.2 鯨類聯(lián)絡叫聲模分析

鯨類主要有聯(lián)絡叫聲和回波定位信號(clicks)[18]，由于回波定位信號主頻較高，很多情況下超出被動聲納頻帶范圍，文章僅針對與艦船輻射噪聲頻帶重疊的能量集中在頻率50～400 Hz之間的鯨類聯(lián)絡叫聲信號進行檢測。

(a) 艦船噪聲預白化過程

(b) 艦船噪聲預白化結(jié)果時頻譜圖

在實測信號檢測過程中，由于鯨類聲信號自身的固有變化，其功率譜和先驗概率往往是未知的，而且信號的頻譜結(jié)構(gòu)也會隨著時間、季節(jié)、鯨的習性和外部環(huán)境因素的不同而有較大差異，但結(jié)合文獻所述，對實測鯨聯(lián)絡叫聲分析發(fā)現(xiàn)，如圖4(a)所示，99%的露脊鯨聯(lián)絡叫聲持續(xù)時間在0.3～1.5 s之間，并且頻帶能量集中在50～250 Hz[17]，其時頻譜圖中能量集中在瞬時頻率(Instantaneous Frequency, IF)附近的窄帶范圍內(nèi)，且為正調(diào)頻非線性調(diào)頻信號[1]，調(diào)制形式為隨著時間的增加，主頻逐漸減少；長須鯨、大須鯨和座頭鯨的聲信號也具有相似特征，其時頻譜圖中能量集中在瞬時頻率附近的窄帶范圍內(nèi)，且為負調(diào)頻信號，調(diào)制形式為隨著時間的增加，主頻逐漸增大及頻率穩(wěn)定信號，如圖4(b)、(c)和(d)所示。此類聲信號頻率調(diào)制部分的能量占據(jù)信號持續(xù)時間內(nèi)總能量的30%～100%，文中采用三階多項式相位信號(PPS)對此類鯨信號進行參數(shù)化建模[13]。

設鯨類聲信號為s(t)，則利用多項式相位信號對鯨類聲信號進行建模：

(5)

式中，N為信號處理長度，

(a)露脊鯨聲信號時頻譜圖(b)須鯨聲信號時頻譜圖

(c)須鯨叫聲時頻譜圖(d)座頭鯨聲信號時頻譜圖

圖4 鯨類信號時頻譜圖特征

Fig.4 Time-frequency spectrogram of Whale Contact Calls

(6)

為多項式相位，φ0為信號初相位，在(0,2π)內(nèi)均勻分布，fm為第m個系數(shù)，對于三階PPS，f0為信號的起始頻率，f1為信號線性調(diào)頻成分的調(diào)頻斜率，f2為信號非線性調(diào)頻成分調(diào)頻曲線的曲率，λ=(f0,f1,f2)T與鯨類聲信號的時頻特征相關(guān)，可根據(jù)實測聲信號實驗獲得。根據(jù)信號的多項式相位表達式，可以很容易得到信號的瞬時頻率：

(7)

瞬時頻率描述了信號頻率分布中頻譜絕對值最大值對應的瞬時頻率，在人工判讀中具有重要的作用。

綜上所述，通過多項式相位信號對鯨類聲信號建模和高斯白噪聲對預白化后的艦船輻射噪聲建模，艦船輻射噪聲中鯨類聯(lián)絡叫聲檢測轉(zhuǎn)變?yōu)楦咚乖肼暛h(huán)境中未知參數(shù)三階多項式相位信號的檢測。

2 基于匹配濾波器的鯨類叫聲檢測方法

2.1 未知參量廣義似然比統(tǒng)計量分析

設被動聲納接收信號為，x(t),t=1,2,…,N鯨類聲信號為s(λ)=[s(1,λ),s(2,λ),…,s(N,λ)]，則艦船輻射噪聲中鯨類聯(lián)絡叫聲的檢測可表示為

(8)

式中：假設H0表示被動聲納僅接收到了艦船噪聲信號，而假設H1則表示被動聲納接收到的信號中含有鯨類聲信號。式中{A,λ}為未知非隨機參數(shù)，未知參數(shù)廣義似然比統(tǒng)計量可表示為

(9)

式中：P[x(t)|H0]和P[x(t)|H1]為兩種假設下信號x(t)的概率密度函數(shù)。式中，{A,λ}可通過最大似然比進行估計計算。根據(jù)本文第2節(jié)對信號的建模分析，x(t)在兩種假設下的概率密度函數(shù)可表示為

lnP[x(t)|H0]=-x(t)TR(q)-1x(t)/2+b

(10)

lnP[x(t)|H1]=-[x(t)-As(λ)]TR(q)-1[x(t)-As(λ)]/2+b

(11)

(12)

(13)

(14)

式(14)的分母不受到信號x(t)的影響，因而也不影響檢測統(tǒng)計量的結(jié)構(gòu)。聯(lián)合式(11)～(14)，基于廣義似然比的檢測統(tǒng)計量表示為

(15)

2.2 基于匹配濾波器的檢測統(tǒng)計量實現(xiàn)

根據(jù)式(15)直接計算Λ(t)計算量很大難以實現(xiàn)，為此，引入復向量h(λ)[18]

(16)

(17)

式中，λm為給定的m=1,2,…,M個相位系數(shù)向量。式(17)可以看做信號s(λm)的匹配濾波器(MF)，這樣，未知參量的廣義似然比統(tǒng)計量可以表示為

(18)

由于時域的卷積等效于頻率相乘，式(17)可進一步寫為頻率域表達式為

(19)

式中：X(wi)為被動聲納信號的FFT，C(wi,λm)為第m個MF的頻譜響應,而B2(wi)為艦船輻射噪聲的功率譜密度，由于艦船輻射噪聲信號已經(jīng)進行預白化處理故式(19)可進一步簡化為

(20)

聯(lián)合式(18)和(20)，可以利用匹配波濾器計算出鯨類聲信號檢測的廣義似然比統(tǒng)計量，將統(tǒng)計量與計算得到的閾值進行比較，可以做出接收H0或H1的二元假設判斷。閾值可以通過Neyman-Pearson優(yōu)化準則計算得到，這里不作為重點。

3 鯨類聯(lián)絡叫聲檢測方法仿真及實驗

為測試本文提出的檢測算法的性能，實驗分兩個階段，首先測試在無鯨類干擾聲信號僅有艦船噪聲情況下，算法對艦船輻射噪聲檢測的虛警率，以驗證對艦船噪聲建模是否合理；其次以合成信號為信號源，檢測算法對艦船噪聲環(huán)境下鯨類聲信號的檢測效果。

實驗中實測數(shù)據(jù)主要使用在實驗、演習及出海執(zhí)行任務期間錄制的各種艦船輻射噪聲數(shù)據(jù)，共計100小時，錄制設備包括船用被動聲納、聲納浮標及各種標準水聽器。由于設備不同，信號頻段各異，為統(tǒng)一信號頻段，在實驗前使用截止頻率為40 Hz到300 Hz的Chebyshev I型IIR帶通濾波器對所有輻射噪聲數(shù)據(jù)進行濾波，濾波器截止頻率的設置主要與后續(xù)檢測鯨類干擾聲信號相一致，濾波后數(shù)據(jù)的采樣率降采樣為2 kHz。匹配濾波器階數(shù)設置為m=12[13]，信號檢測片斷長度為1.5 s[17]。由于鯨類聯(lián)絡叫聲獲取的局限性，本文根據(jù)相關(guān)文獻中對鯨類信息特征的分析，采用多項式相位λ∈Q(m)取值范圍為

(21)

式中:Δf為頻率分辨率，u(t,λm)由匹配濾波器計算得到。

3.1 艦船噪聲中無鯨類干擾聲信號時的檢測實驗

盡管本文工作重點是鯨類干擾信號的檢測，但從圖1所示被動聲納信號處理流程可知，本文工作的最終目標是利用剔除鯨類干擾信號后的艦船輻射噪聲信號進行目標自主識別，因此，在鯨類干擾聲信號未出現(xiàn)時，算法應確保艦船輻射噪聲信號的正確判別。本節(jié)實驗以不含有鯨類干擾聲信號的多種艦型及工況下的實測艦船輻射噪聲為實驗對象，實驗中對輻射噪聲信號進行預白化處理，然后將預白化后的輻射噪聲信號視為背景，對其中的鯨類干擾信號進行檢測，以測試在無鯨類干擾信號時，算法將輻射噪聲誤判為干擾信號的虛警率，進而驗證算法對艦船輻射噪聲進行預白化處理并采用高斯白噪聲進行建模的有效性。

實驗分兩部分進行，首先使用置信水平為0.05的非參數(shù)Kolmogorov-Smirnov(KS)檢測方法[20]對預白化處理后的艦船噪聲進行有無鯨類聯(lián)絡叫聲干擾信號的檢測實驗，實驗時根據(jù)數(shù)據(jù)的采樣率和KS方法的參數(shù)設置將艦船輻射噪聲數(shù)據(jù)分成8.192 s的實驗片斷43,945個，測試結(jié)果顯示95.45%的實驗測試片斷無虛警報警；然后使用本文提出的基于廣義似然比的方法對相同的輻射噪聲片斷進行虛警率檢測實驗，檢測閾值使用Neyman-Pearson準則計算，檢測參數(shù)使用式(21)給出的λ值，測試結(jié)果顯示96.12%的實驗片斷無虛警報警。

實驗采用兩種方法對預白化處理后的艦船輻射噪聲信號進行干擾信號檢測，一方面，KS檢測方法是海洋環(huán)境背景噪聲下檢測鯨類聯(lián)絡叫聲信號的有效方法[14]，采用該方法對預白化處理后的艦船輻射噪聲信號進行干擾信號檢測取得較低的虛警率而在圖7中對未進行預白化處理的信號進行干擾信號檢測時取得較差的檢測效果，說明文中對輻射噪聲信號的預白化處理是合理的；另一方面，采用本文方法對預白化處理的輻射噪聲信號進行干擾信號檢測，取得較低的虛警率，說明預白化方法對本文算法是適用的，也說明算法在信號中無鯨類聯(lián)絡干擾叫聲時，可以確保艦船輻射噪聲信號的正確判斷，減少對后續(xù)目標識別的影響。

分析兩次實驗結(jié)果，并結(jié)合有經(jīng)驗的聲納員對聲音信號及其聲LOFAR譜圖的判讀，虛警的產(chǎn)生主要是因為艦船輻射噪聲中出現(xiàn)了類似于鯨類聲信號的短時瞬態(tài)噪聲，包括環(huán)境強脈沖噪聲、電纜噪聲及部分魚蝦聲音等，但對于實際應用，這些瞬時強脈沖噪聲的存在，也會對目標自主識別信號處理造成影響，剔除這些噪聲對目標自主識別是有利的。盡管由于數(shù)據(jù)獲取的局限性，該實驗并不能測試影響艦船輻射噪聲中特征的所有因素，比如環(huán)境、氣候、聲速梯度、被動聲納位置、艦船自噪聲等，但從實驗結(jié)果可以得出預白化方法對艦船輻射噪聲進行預處理，滿足文中算法對鯨類干擾聲信號的檢測以及后續(xù)目標識別的要求。

3.2 鯨類干擾聲信號檢測率實驗

為了測試算法在艦船輻射噪聲背景下對鯨類信號的檢測率，對實驗數(shù)據(jù)進行了如下合成，首先將3.1節(jié)實驗使用的艦船輻射噪聲中檢測的突變干擾噪聲剔除，以消除背景噪聲對檢測結(jié)果的影響，其次，對獲得的海洋環(huán)境噪聲背景下的鯨類噪聲信號通過有經(jīng)驗的聲納員的聽音和時頻LOFAR譜圖輔助判斷，獲得清晰的鯨類聯(lián)絡叫聲信號，然后對艦船背景噪聲信號與鯨類聯(lián)絡叫聲信號按式(22)的平均分段信噪比進行混合，混合過程及結(jié)果如圖5所示。對檢測得到的鯨類聲信號，根據(jù)式(3)得到其瞬時頻率，再利用相關(guān)方法估計出其信號的持續(xù)時間，以原鯨類信號的持續(xù)時間左右各加0.5 s為一個信號窗，以檢測到的信號位于該信號窗內(nèi)為正確檢測信號(如圖5第四個子圖中的虛線框為正確檢測結(jié)果)，計算實驗中鯨類信號的檢測率。如圖6所示，為在給定虛警率為10-2、10-3和10-4下的檢測率結(jié)果，圖中橫軸為合成信號的信噪比，其值為0～10 dB并以0.25 dB為步長變化，縱軸為檢測率。從圖中可以看出，不同虛警率下，檢測率隨著信噪比增大而升高。

(22)

式中：M為信號分段數(shù)；N為一段信號的長度；Nn為一段信號的起始點；x(n)為鯨類聯(lián)絡叫聲信號而y(n) 為艦船輻射噪聲。

圖5 鯨類聯(lián)絡叫聲信號與輻射噪聲結(jié)果圖

為了進一步驗證本文算法的檢測結(jié)果，文中使用上述實驗數(shù)據(jù)選取分段信噪比6 dB，測試了基于能量檢測方法、KS檢測方法和基于“邊緣”的檢測方法[17]，并將檢測結(jié)果與本文算法進行了比較，結(jié)果ROC曲線，如圖7所示。

圖6 不同分段信噪比下檢測率

從圖7中可以看出，在給定分段信噪比為6 dB時，相比其他幾種檢測方法，本文算法取得了較好的檢測效果，在檢測率位于(0.75，0.9)內(nèi)，本文算法取得最小的虛警率。基于“邊緣”的檢測方法使用一個離散統(tǒng)計量d(t)∈(0,1,…,9)，將鯨類聯(lián)絡叫聲量化為0到9共十個量級，分別表示聲信號質(zhì)量最差和最好，其使用了與本文算法不同的頻率調(diào)制模型，因而，在檢測率小于0.75時，其獲得最小的虛警率，但如圖7所示，當檢測大于0.8時，其虛警迅速增大，這主要由其模型造成的。KS方法檢測效果最差，這主要是因為KS方法對強信號或強突變信號檢測效果敏感。通過實驗對比分析，可以得出，在給定虛警率下，本文算法獲得較高的檢測效果。

圖7 不同虛警率下的檢測率(分段信噪比為6 dB)

從實驗結(jié)果可以得出，在給定的艦船背景噪聲下，本文提出的基于艦船輻射噪聲信號預白化處理的的檢測方法可以實現(xiàn)較高的鯨類聯(lián)絡叫聲信號檢測率，同時能保持對艦船輻射噪聲信號低虛警率，以確保有用的艦船輻射噪聲信號可以到達如圖1所示流程的目標識別階段，有利于目標自主識別性能的提高。

4 總 結(jié)

本文在分析艦船輻射噪聲短時頻譜穩(wěn)定性特征的基礎上，通過預白化處理實現(xiàn)艦船噪聲進行了高斯建模，并通過實測被動聲納艦船噪聲數(shù)據(jù)對建模的有效性進行了實驗驗證；通過三階多項式相位信號對鯨類聯(lián)絡叫聲進行建模，進而通過廣義似然比檢測實現(xiàn)了艦船輻射噪聲環(huán)境下鯨類聯(lián)絡叫聲信號的檢測，實驗及比較結(jié)果分析顯示，本文提出的算法在給定虛警率下可以獲得較好的檢測率，為后續(xù)被動聲納干擾信號的剔除和自動目標識別的實現(xiàn)做好準備。

[1] URAZGHILDIIEV I，CLARK C W. Detection and recognition of north atlantics right whale contact calls in the presence of ambient noise[J].IEEE Journal of Oceanic Engineering, 2009, 34(3):358-368.

[2] 汪德昭, 尚爾昌. 水聲學[M]. 北京：科學出版社, 2013,7.

[3] BERCHOK C L, BRADLEY D L, GABRIELSON T B, et al. Lawrence blue whale vocalizations revisited: Characterization of calls detected from 1998 to 2001[J]. Journal of the Acoustical Society of America, 2006, 120(4):2340-2354.

[4] GILLESPIE D, CHAPPELL O. An automatic system for detecting and classifying the vocalizations of harbour porpoises[J]. Bioacoustics:The International Journal of Animal Sound and its Recording, 2002, 13(1):37-61.

[5] GILLESPIE D, LEAPER R, CLARK C W, et al. Right whale acoustics: practical applications in conservation[C]. International Fund for Animal Welfare, Yarmouth Port, MA, 2001:23.

[6] MELLINGER D K, CLARK C W. A method for filtering bioacoustics transients by spectrogram image convolution[J]. Oceans’93. Engineering in Harmony with the Ocean, 1993, 3:122-127.

[7] MELLINGER D K. Handling time variability in bioacoustics transient detection[J]. Oceans’93. Engineering in Harmony with the Ocean, 1993, 3:116-121.

[8] MUNGER L, MELLINGER D, WIGGINS S, et al. Performance of spectrogram cross-correlation in detecting right whale calls in long term recordings from the Bering See[J]. Canadian Acoustics, 2005, 33(2):25-34.

[9] MELLINGER D K. A comparison of methods for detecting right whale calls[J]. Canadian Acoustics, 2004, 32(2):55-65.

[10] ERBE C. Detection of whale calls in noise: Performance comparison between a beluga whale, human listeners, and a neural network[J]. Journal of the Acoustical Society of America, 2000, 108(1):297-303.

[11] GILLESPIE D. Detection and classification of Right Whale calls using ’edge’ detector operating on a smoothed spectrogram[J]. Canadian Acoustics, 2004, 32(2):39-47.

[13] URAZGHILDIIEV I, CLARK C W. Acoustic detection of North Atlantic Right Whale contact calls using spectrogram-based statistics[J]. Journal of the Acoustical Society of

America, 2007, 122(2):769-776.

[14] URAZGHILDIIEV I, CLARK C. Acoustic detection of North Atlantic right whale contact calls using the generalized likelihood ratio test[J]. Journal of the Acoustical Society of America, 2006, 120(4):1956-1963.

[15] HSU C L, JANG J S. On the improvement of singing voice separation for monaural recordings using the MIR-1K Dataset[J]. IEEE Transactions on Audio Speech and Language Processing, 2010, 18(2):310-319.

[16] DURRIEU J E, DAVID B, RICHARD G. A musically Motivated Mid-level Representation for Pitch Estimation and Musical Audio Source Separation[J]. IEEE Journal of Selected Topics in Signal Processing, 2011, 5(6):1180-1191.

[17] PARKS S E, TYACK P L. Sound production by North Atlantic right whale (Eubalaena glacialis) in surface active groups[J]. Journal of the Acoustical Society of America, 2005, 117(5):3297-3306.

[18] 郭龍祥，梅繼丹，張亮. 鯨豚類動物聲信號的分析與識別[J]. 聲學技術(shù), 2011, 30(3):64-66.

GUO Longxiang, MEI Jidan, ZHANG Liang. Analysis and identification of cetacean sounds[J]. Technical Acoustic, 2011, 30(3):64-66.

[19] MARPLE S L. Digital spectral analysis with applications[M]. Englewood Cliffs, NJ, US, Prentice-Hall, Inc., 1987: 55-69.

[20] LA COUR B R, LINFORD M A. Detection and classification of North Atlantic right whales in the Bay of Fundy using independent component analysis[J]. Canadian Acoustics, 2004, 32(2):48-54.

[21] ERBE C, KING A R. Automatic detection of marine mammals using information entropy[J]. Journal of the Acoustical Society of America, 2008, 124(5):2833-2840.

[22] OSHEA P. A fast algorithm for estimating the parameters of a quadratic FM signal[J]. IEEE Transactions on Signal Processing, 2004, 52(2): 385-393.

Automatic detection of whale contact calls in background of ship-radiated noise

LI Dawei1,2, YANG Rijie1, HAN Jianhui1, GONG Jianwen1

(1. Department of Electronic Information Engineering, Naval Aeronautical Engineering Institute, Yantai 264001, China；2. the 95972 Unit of PLA, Jiuquan 735018, China)

Some whale contact calls are mis-detected as ship-radiated noise by a ship’s passive sonar due to their frequency bands overlapping. So, these whale calls should be detected correctly and eliminated to improve the further target autonomous recognition. Here, a two-stage whale calls detection algorithm was proposed. In the first stage, whale calls were modeled with the polynomial phase signal and the ship-radiated noise was modeled with the local stationary Gaussian random process after pre-whitened based on its frequency stability. Then whale contact calls were detected using the generalized likelihood ratio detection method based on matched filters. The test results based on a great many measured data showed that the proposed method is applicable for various types of ships; compared with another three detection methods, the proposed method is superior to the other three ones, and can achieve a higher whale calls detection rate under a certain false alarm rate.

whale contact calls; ship-radiated noise; polynomial-phase signals; pre-whitening treatment; generalized likelihood ratio detection

國家自然科學基金(61271444);“泰山學者”建設工程專項經(jīng)費資助(2011)

2016-01-07 修改稿收到日期：2016-04-15

李大衛(wèi) 男，博士，工程師，1983年3月

楊日杰 男，博士后，教授，1963年9月

TN912.35

A

10.13465/j.cnki.jvs.2017.11.023