一種基于色彩處理的被動聲吶寬帶目標檢測顯示方法

張大偉，范文濤，許林周，章新華

(1. 海軍大連艦艇學院，遼寧大連 116018；2.海軍研究院，北京 100073)

0 引 言

被動聲吶對水中目標輻射的噪聲信號進行處理，以獲得目標的定位、識別等信息。一般地通過寬帶波束形成方法對陣列接收信號進行處理，獲得空間增益，可得到不同方位上的波束輸出信號。傳統上將波束輸出信號的能量進行累加，可以得到目標空間譜的寬帶估計結果。

隨著目標輻射噪聲水平的降低，傳統的能量平均檢測方法越來越難以解決強干擾存在時的弱目標檢測問題。關注到目標、干擾及環境噪聲在頻譜特征上的差異，尤其是針對目標存在穩定線譜的情況[2]，研究者提出了一些新的寬帶融合檢測方法。主要有基于線譜方位穩定性和頻率穩定性的檢測方法[3-4]，如子帶峰值能量檢測[5]、頻率方差線譜檢測器[6]、自適應Alpha-beta修正的線譜檢測后置處理方法[7]、被動線譜檢測的子帶分解和分方位區間融合算法[8]等。此外，還有基于背景均衡技術在波束域和頻率維同時檢測目標信號的方法以及專門針對弱目標線譜進行自適應增強的檢測技術，均在一定條件下取得了一定的效果。

本文注意到這樣一種現象：由于目標、干擾及環境噪聲頻譜的差異性，在所處理的寬頻帶內，受關注的弱目標雖然總體能量較弱，利用傳統的能量檢測方法難以檢測，但在某些未知的特定頻率上，弱目標信號卻可以明顯分辨。對此，提出了一種寬帶融合檢測方法，將不同子帶上的波束輸出映射到顏色空間，以色彩調和的方法對寬帶空間譜信息進行融合，進而得到包含頻率信息的彩色方位歷程圖。一方面能夠有效利用弱目標未知頻率信號，使得能量檢測方法難以清晰顯示的目標，通過這種處理有可能顯示出來；另一方面目標歷程顏色暗含目標的頻譜分布特征，使得顯示層次更加多樣，信息更加豐富，可輔助于目標的連續跟蹤。

1 基于色彩處理的寬帶檢測方法

被動聲吶信號處理中波束形成器每處理一個快拍數據，都可以得到不同方位上的輸出信號。通過對波束輸出信號進行處理，可得到一個關于信號頻率與方位的二維矩陣，即頻率方位矩陣P(f,θ)。若將該矩陣按頻率維度進行能量平均，則得到目標的空間譜。

1.1 基本原理

通過寬帶能量平均，可以有效地抑制背景噪聲，提高檢測增益。但由于波束存在一定的寬度，弱目標很容易被強干擾淹沒。通過對頻率方位矩陣進行分析發現，由于目標、干擾和噪聲的能量在頻率軸上的分布存在差異性，在某些頻率fx上，可能出現弱目標的信號強度相對較高，而強干擾和環境噪聲的強度相對較弱的情況，但一般情況下fx是未知的，難以事先得到。

如果將整個頻帶分為N個子帶，每個子帶具有一定的寬度，那么就可能使部分子帶包含fx，而部分子帶不包含fx。對各個子帶分別進行能量平均，得到的空間譜將產生不同的效果。圖1給出了某實測數據按照三個子帶對頻率方位矩陣進行能量平均的結果。通過與全頻帶結果對比，可以看出對于關注的弱目標(圖中箭頭指示)，子帶1的檢測效果明顯較好，對于其他目標，不同子帶給出的結果在方位上較為一致而在能量上強弱有別。把不同子帶與全頻帶的檢測結果進行綜合，將有利于提高對弱目標的檢測效果。

圖1 不同頻帶目標空間譜Fig.1 Spatial spectrums of the targets with different frequency bands

根據RGB顏色空間理論，使用紅(R)、綠(G)、藍(B)三種原色按照不同的比例進行混合可以得到豐富的顏色[1]。借鑒這一理論，將方位頻率矩陣按照應用場景劃分為三個子帶，依次映射到R、G、B三種顏色域，以子帶能量作為三種顏色混合比例的依據，從而以顏色合成的方式對不同子帶的檢測結果進行融合。

1.2 方法步驟

(1) 將工作頻段劃分為低、中、高三個子帶，子帶的寬度可以結合先驗知識進行調整。依次賦予三個子帶紅(R)、綠(G)、藍(B)三種顏色值來表征，即使每一個頻率點對應一個顏色值 (Rf,Gf,Bf)，取值范圍為0到1。為了使顏色混合結果更加平滑，在不同子帶之間設置一定的顏色過渡帶，配色方案如圖2所示，可以看出每種顏色在側重表示對應頻帶的同時，對相鄰的頻帶有一定的兼顧性。

圖2 不同子帶配色方案示意圖Fig.2 Illustration of different color schemes for sub--bands

通過上述配色方案，沿頻率軸由起始頻率fstart到截止頻率fend對應的顏色棒如圖3所示。

圖3 頻率軸與顏色棒的對應關系Fig.3 Relation between frequency axis and color bar

(2) 按照步驟(1)確定的頻率與色棒的對應關系，為頻率方位矩陣中每一個方位上輸出的頻譜進行著色，即使用該頻點處的能量值P(f,θ)為對應的顏色值 (Rf,Gf,Bf)加權，生成三個新的頻率方位矩陣：

(3) 對Rp(f,θ)、Gp(f,θ)、Bp(f,θ)分別按照頻率維度進行能量平均，得到每個方位上的顏色輸出值Rp(θ)、Gp(θ)、Bp(θ)，對其進行歸一化，生成該方位上對應的顏色。

背景對應的Rp、Gp、Bp一般均為較小的值，顏色接近黑色；弱目標對應的方位一般Rp、Gp、Bp三個值的和較小，顏色亮度較小。因此，對生成的顏色采取取反操作，即使用白色(R= 1,G= 1,B= 1)與現有顏色值對應相減。

對圖1數據進行色彩處理，得到結果如圖4所示。其中圖4(a)為能量檢測結果，圖4(b)為色彩處理后黑色背景結果，圖4(c)為色彩處理后白色背景結果。可見色彩處理后同一目標的歷程顏色統一性較好，不同目標的歷程顏色有差異，但不明顯，變換背景色為白色后，不同目標歷程的顏色區分度得到改善，圖4(c)中紅色箭頭指示的弱目標顯示有所突出。

圖4 對應圖1數據著色處理后目標歷程圖Fig.4 The bearing-time-record of target after color processing of the data in Fig.1

(4) 為進一步增強弱目標歷程的顯示強度，借鑒補色理論，對生成的顏色值(Rp,Gp,Bp)進行變換。

變換后重新對其進行歸一化得到新的顏色值(R′p,G′p,B′p)，變換過程相當于放大各頻帶能量平均結果的差異性，使色彩分布更加分明，同時利用補色理論使顯示效果有一定的立體感。

(5) 接下來，對新的顏色值進行再一次變換，使背景色由深藍色(明黃色)變為近似黑色(白色)。

對圖4中的同一數據進行顏色變換處理得到的處理結果如圖5所示，可以看出圖5(b)中紅色箭頭指示的弱目標在黑色背景中顯示為亮綠色，在白色背景中顯示為紅褐色，不同目標歷程的區分度得以明顯加強。

圖5 顏色變換后的目標歷程圖Fig.5 The bearing-time-record of target after color conversion

2 實測數據驗證分析

利用一段時長為80 s的海上實測數據，對本文提出的方法進行測試。得到的結果如圖6～8所示。圖6為使用多信號分類(Multiple Signal Classification, MUSIC)波束形成方法經能量檢測得到的目標方位歷程圖，紅色箭頭指示為關注的弱目標，在40～50 s之間開始可見。圖7、8為本文提出方法處理后得到的結果，分別為黑色背景和白色背景顯示，可以觀察到弱目標歷程顯示更加立體清晰，在30～40 s之間開始可見，檢測時間提前約10 s。

圖6 MUSIC波束形成能量檢測目標歷程圖(海試數據)Fig.6 The bearing-time-record of target obtained by energy detection after MUSIC beam forming of sea trial data

圖7 著色處理后目標歷程圖(深色背景)Fig.7 The bearing-time-record of target after color processing with dark-color background

圖8 著色處理后目標歷程圖(淺色背景)Fig.8 The bearing-time-record of target after color processing with light-color background

經過本文方法處理后，不同目標的方位歷程以不同的顏色顯示，與目標的頻譜特征具有一定的關聯性。

3 結 論

本文基于目標、干擾及環境噪聲頻譜能量分布具有差異性這一現象，區別于傳統能量檢測方法，提出了一種劃分子帶，利用色彩合成原理進行寬帶融合檢測的顯示方法。針對弱目標存在穩定線譜或者在部分頻率能量相對較強的情況，可有效提高對弱目標的檢測能力，同時使具有不同頻譜分布特征的目標方位歷程區分度增強，歷程顯示立體感加強，為目標連續跟蹤和清晰判別提供了便利。

研究過程中發現，本文提出的方法生成目標方位歷程圖的色彩效果受多種因素的影響，主要有處理的頻段范圍、頻率分辨率的大小、目標與噪聲的頻譜特征等因素。下一步將進行詳細研究，提升該方法對不同應用場景的適應性。