一種提取水中目標水聲信號時頻特征的方法?

莊 瑞 趙云冬

1 引言

在目標識別處理中，最主要的是對水中目標水聲信號的各種參數（如信號能量、信號脈寬、信號頻率等）進行相應的分析，然后根據已有的樣本進行對比和判斷，就可以根據接收到的目標回波信號來反推實際目標的距離、速度，甚至材料屬性等參數，從而實現對水中目標的探測和識別［1～2］。

短時傅里葉變換思想［3～5］是在傅里葉變換基礎上發展起來的一種信號處理的手段，突破了傅里葉變換不能處理非平穩信號的瓶頸，通過將待分析的時域信號加窗分段處理，獲得相應時間段內的頻譜來表述非平穩信號相對于時間的頻率變化情況，較為適用于油氣田水下結構氣體泄漏噪聲信號的特征提取。

2 基本原理

2.1 方法概述

短時傅里葉變換使用一個很窄的窗函數取出信號，并求其傅里葉變換，用這個時間窗內的頻譜來表征信號當前的頻譜，剔除了窗函數以外的信號，作為信號的局部頻譜是合適的。短時傅里葉方法可以較好地表征信號隨時間變化的能量和頻譜的變化情況，能夠有效直觀地描述信號的特征。但是，對于經典譜而言，傅里葉變換并不是最好的計算信號頻譜的算法，因此對經典譜估計方法進行對比和分析選擇合適的算法進行譜估計。通過最終的分析，本文采用Welch法譜估計對信號的頻率進行計算。

水下基陣接收目標水聲信號，采用短時傅里葉變換思想進行信號分段處理，對其中的每一段信號進行Welch法譜估計，將獲得的功率譜進行分析，使用能量削峰頻率提取方法求出當前分段中信號能量最大的頻點，完成信號的頻率提取，可為目標識別中特征提取奠定良好的基礎。

圖1 計算方法主要步驟框圖

2.2 能量削峰頻率提取方法研究

基于短時傅里葉變換思想，采用Welch法進行信號譜估計，在信號加窗截取部分可得到該部分信號的能量和功率譜；對當前截取信號的能量曲線進行能量最大值的尋找，并得出當前能量最大值對應的頻率值，然后選取合適大小的時間窗在能量曲線上的能量最大值附近進行能量曲線削峰處理。所謂削峰處理就是計算當前時間窗內的能量平均值，使用此平均值代替當前時間窗內的能量值，然后再進行能量曲線最大值的尋找，再次定位能量最大值對應的頻率值，如此重復三次后取三次獲得的頻率值的平均值為當前截取信號的頻率值。使用能量削峰處理辦法是為了能夠更好地抑制噪聲信號對待提取信號的影響，能夠更好地獲得信號的頻率，防止與待提取信號頻率近似的強噪聲信號對待提取信號的干擾，更好地獲得信號的時頻特征曲線。一般情況下，對能量削峰的時間窗為其半功率時間寬度的一半或更小，同時也要滿足時間窗內的能量點不少于三個。

重復上述能量削峰方法直到截取信號分段結束就可得到如下圖所示的信號能量和頻率隨時間變化的曲線。

圖2 能量和頻率隨時間變化曲線示意圖

3 實驗仿真分析

3.1 頻率提取方法對不同信號形式的適用性驗證

用不同形式的仿真信號對頻率提取方法驗證結果如下：

圖中各部分分別為最上面部分為仿真信號的時域波形，中間部分雙縱坐標為信號歸一化能量和頻率隨時間變化的曲線，下面部分為信號的常規短時傅里葉變換結果。從圖3中可以看出，頻率提取方法對不同形式的信號具有較好的適用性，不僅對單頻信號的頻率提取有效，同時也對寬帶信號的頻率提取有效，并且對于HFM這樣較為特殊的信號也能準確反應出頻率對應時間的關系。也可以說，頻率提取方法可以適用于油氣田水下結構氣體泄漏噪聲信號的時頻特征提取，不需要對應信號形式選擇特殊的計算方法。

圖3 頻率提取方法對不同信號形式的驗證結果圖

3.2 頻率提取方法對不同信噪比的適用性驗證

使用不同信噪比的LFM信號對頻率提取算法進行驗證，結果如圖4所示。

圖4 頻率提取方法對不同信噪比的LFM信號驗證結果圖

從圖4中可以看出，頻率提取方法對0dB的弱信號也能獲得較好的頻率隨時間變化的曲線，但對于完全淹沒在噪聲中的回波信號而言，頻率提取方法也不能提取出信號的時頻特征曲線，基于本方法還可以加入弱信號檢測的方法來進一步完善頻率提取方法。

4 結語

本文基于短時傅里葉變換思想進行了一種水中目標水聲信號的時頻特征提取的方法研究，主要得出以下結論：

1）時頻特征提取方法對需要分析的水下結構氣體泄漏水聲信號的形式沒有特殊要求，具有較好的廣適性；

2）頻率提取方法對泄漏量較小的弱信號頻率的提取有一定的優勢，但是對于信號能量低于噪聲能量較多的信號仍然不能提取出時頻特征，需要結合弱信號檢測的方法實現信號時頻特征提取。

［1］田坦.聲納技術［M］.哈爾濱：哈爾濱工程大學出版社，2010：58-65.

［2］李啟虎.數字式聲納設計原理［M］.浙江：浙江大學出版社，2011：225-228.

［3］胡廣書.數字信號處理［M］.北京：清華大學出版社，2003：424-428.

［4］張賢達.現代信號處理［M］.北京：清華大學出版社，2002：378-432.

［5］劉朝暉，楊長生，趙申東.水下聲信號處理技術［M］.北京：國防工業出版社，2010：52-56.

［6］劉伯勝，雷家煜.水聲學原理［M］.哈爾濱：哈爾濱船舶工程學院出版社，1993：10-15.

［7］余秋星.水下目標識別相關技術研究［D］.西安：西北工業大學，2001：45-48.

［8］王志偉.水下目標被動識別技術方法研究［D］.哈爾濱：哈爾濱工程大學，2002：26-28.

［9］吳國清，任銳，陳耀明.艦船輻射噪聲的子波分析［J］.聲學學報，1996，21（4增刊）：700.

［10］袁曾任.人工神經元網絡及其應用［M］.廣西：廣西科學技術出版社，1999：254-258.

［11］樓順天，施陽.基于MATLAB的系統分析與設計——神經網絡［M］.北京：國防工業出版社，1999：142-150.

［12］陳桂明，張明照，戚紅雨編著.應用N沙汀LAB語言處理數字信號與數字圖像［M］.科學出版社，2000.

［13］Lo T，Leung H.Fractal characterization of sea-scattered signals and detection of see-surface targets［J］.IEE Pro?eeeding-F，1993，140（4）：100-103.