水聲目標輻射噪聲諧波特征提取算法

梁 巍，劉福曉，楊日杰

(1. 海軍航空工程學院 電子信息工程系，山東 煙臺 264001；2. 中國人民解放軍92635部隊，山東 青島 266000)

水聲目標輻射噪聲諧波特征提取算法

梁 巍1,2，劉福曉2，楊日杰1

(1. 海軍航空工程學院 電子信息工程系，山東 煙臺 264001；2. 中國人民解放軍92635部隊，山東 青島 266000)

水下目標輻射噪聲中的諧波分量包含了反映目標自身本質特性的信息，能否有效提取目標諧波特征關系到目標識別的效果。論文基于目標輻射噪聲的一般數理模型，利用最大似然估計和卡爾曼濾波理論，提出一種水下目標輻射噪聲諧波特征的提取與分析算法，估計得到了諧波的瞬時基頻；然后利用卡爾曼濾波器跟蹤瞬時基頻的時變特性，實現對基頻的精確跟蹤和估計；并提取各階諧波的振幅，得到目標的諧波特征；最后結合仿真信號與實測數據進行對比，驗證了諧波特征提取算法估計基頻和提取諧波信息的可行性。

水聲目標；輻射噪聲；諧波；特征提取

0 引 言

在海洋環境中，由于傳播信道中海洋介質隨機散射及信道的多途、頻散等水聲環境效應，使得水中目標輻射噪聲信號波形發生畸變，從而改變接收端信號的頻譜特征。為研究水中目標輻射噪聲通過水下聲信道傳播后噪聲特征的變化規律，需要分析表征目標輻射噪聲典型特征參數的變化。描述目標輻射噪聲的特征參數包括目標輻射噪聲的基頻、諧波振幅及各階諧波的信噪比[1]。水下目標輻射噪聲中的諧波分量包含了反映目標自身本質特性的信息，能否有效提取目標諧波特征關系到目標類型識別的效果。

為此，本文提出了一種水聲目標輻射噪聲諧波特征提取算法，結合仿真信號與實測數據進行對比，驗證了該算法的可行性。

1 水聲目標輻射噪聲信號模型

目標輻射噪聲由寬帶噪聲與多個正弦信號組成，可表示為[2]：

其中，H為諧波階數，Ah和φh為第h階諧波分量的振幅和相位，γ為基頻，與目標的引擎轉速等參數有關，因此可將r（t）表示為，其中θ表示待估計參數集合，包括γ及Ah，

2 水聲目標輻射噪聲諧波特征提取方法

水下目標諧波特征提取算法的總體思路。主要分為 3 個步驟：

步驟 1 計算信號頻譜與梳狀濾波器的頻率響應間的互相關，完成對基頻的估計；

步驟 2 利用卡爾曼濾波器跟蹤基頻量測隨時間的變化，得到基頻的最優估計；

步驟 3 利用基頻的最優估計，提取相應諧波的振幅信息。

2.1 基頻估計方法

由式（3）可知，目標輻射噪聲的頻譜可表示為一組在tk時刻基頻為γk的sinc函數的加權和，利用該模型構建梳狀濾波器的頻率響應為：

2.2 基頻最優估計

2.2.1 基于卡爾曼濾波理論的基頻跟蹤

其中Kt是k時刻的卡爾曼濾波增益，R是量測噪聲協方差矩陣，H為量測矩陣。在下一時刻，將當前時刻的狀態估計值反饋到預測方程中，并且重復式（8）和（9）的預測更新過程，最終得到所有時刻的均值和誤差協方差的濾波估計，形成頻率跟蹤航跡。

2.2.2 基頻跟蹤算法

借鑒近似的勻速運動模型，基頻頻率變化跟蹤，即

實際上，過程噪聲或量測噪聲的大小蘊含了利用該模型進行狀態估計時的可信度。

2.2.3 基頻跟蹤邏輯

2.3 諧波特征提取

3 仿真結果與分析

按照式（1）模擬生成被動聲吶的接收信號，諧波數為5，寬帶噪聲的功率為5。假設所有諧波振幅相等均為1，且信號時長有限，而噪聲與信號時長相等。信號采樣頻率為8 kHz，采樣點數為65 536，信號基頻在[5，65] Hz間服從均勻分布。仿真參數見表1。

表 1 仿真參數Tab. 1 Simulation parameters

4 結 語

諧波特征是目標的“聲音指紋”。每個目標自身輻射噪聲對應的“聲音指紋”都是由其引擎轉速、汽缸數、齒輪齒數比、葉片數量等參數決定。本文提出了一種基于最大似然估計和卡爾曼濾波理論的目標輻射噪聲諧波特征的提取與分析算法，經驗證該算法的穩健性較好，且提取的諧波信息包含了反映目標自身本質特性的信息，可進一步用于不同類型的水下目標識別。

[1]李啟虎. 數字式聲吶設計原理[M]. 合肥: 安徽教育出版社,2003: 141–142.

[2]ARVESON P T, VENDITTIS D J. Radiated noise characteristics of a modern cargo ship[J]. Acoust. Soc. Am,2000, 107: 118–129.

[3]胡廣書. 現代信號處理教程[M]. 第1版. 北京: 清華大學出版社, 2004: 52–58.

[4]孫即祥. 現代模式識別[M]. 長沙: 國防科技大學出版社, 2008:73–75.

[5]KIM S, HOLMSTROM L, MCNAMES J. Multiharmonic tracking using marginalized particle filters[C]//in Proceedings of the 30th Annual International Conference of the IEEE, 2008,August 20–25, 29–33.

[6]何友, 王國宏, 陸大金, 等. 多傳感器信息融合及應用[M]. 第2版. 北京: 電子工業出版社, 2007: 13–20.

[7]LAWRENCE M W. Ray theory modeling applied to lowfrequency acoustic interaction with horizontally stratified ocean bottoms[J]. Acoustic. Soc. Am. 1985, 78(2): 125–133.

Harmonic feature extraction algorithm for radiated noise of underwater acoustic target

LIANG Wei1,2, LIU Fu-xiao2, YANG Ri-jie1
(1. Department of Electronic Information Engineering, Naval Aeronautics and Astronautics University, Yantai 264001, China;2. No. 92635 Unit of PLA, Qingdao 266000, China)

The harmonic components for radiated noise of underwater-target contain information reflecting nature of target itself, and extracting effectively target harmonic is related to result of target recognition. By combining likelihood estimation method and Kalman filtering tracking approach, a new feature extraction algorithm was developed to extract the harmonic feature from the underwater noise radiated. The likelihood estimation method gives an estimation of the instant fundamental frequency, while Kalman filter is adopted to capture the time varying structure. The fundamental frequency tracks are then used to extract the amplitudes of harmonics and obtain harmonic feature of target. Based on the comparison of simulated signal and the measured data, feasibility is verified of harmonic feature extraction algorithm estimating undamental frequency and extracting harmonic information.

underwater acoustic target；radiated noise；harmonic；feature extraction

TP391

A

1672 – 7649(2017)09 – 0133 – 05

10.3404/j.issn.1672 – 7649.2017.09.026

2016 – 10 – 16；

2016 – 11 – 14

國家自然科學基金資助項目(61271444)

梁巍(1984 – )，男，碩士研究生，助理工程師，研究方向為水聲工程。