微弱信號(hào)被動(dòng)檢測(cè)的STMV波束形成方法研究

劉宇軒，趙美琪，陳韶華

（中國(guó)船舶集團(tuán)有限公司第七一〇研究所，湖北 宜昌 443003）

0 引言

常規(guī)能量檢測(cè)（Conventional Energy Detection，CED）是被動(dòng)聲吶實(shí)現(xiàn)目標(biāo)探測(cè)功能的常用方法，但由于常規(guī)波束形成作為寬帶能量檢測(cè)前置處理，其“瑞利限”導(dǎo)致目標(biāo)方位軌跡模糊，方位分辨力降低，特別是在復(fù)雜海洋環(huán)境下，常規(guī)能量檢測(cè)的性能往往受到限制。因此，對(duì)于實(shí)際聲吶應(yīng)用，必須對(duì)CED進(jìn)行改進(jìn)，提高方位分辨能力[1]。

M.Bono提出了一種子帶峰值能量檢測(cè)（Subband Peak Energy Detection，SPED）算法，該算法利用信號(hào)峰值的空間一致性，對(duì)各子帶方位的峰值能量進(jìn)行累加并作為波束的輸出，以此來(lái)改善方位顯示效果[2]。董晉提出了一種主動(dòng)聲吶的寬容STMV波束形成方法，該方法借鑒了寬容 CAPON波束形成的思路，有效避免了陣型失配、陣元幅向不一致等問(wèn)題[3]。

本文研究了基于 STMV–SEED的信號(hào)處理方法，該方法可以有效提高目標(biāo)信號(hào)與干擾的分辨能力，改善目標(biāo)信號(hào)的方位歷程圖顯示，從而提高被動(dòng)聲吶微弱信號(hào)的檢測(cè)性能。

1 常規(guī)能量檢測(cè)

常規(guī)能量檢測(cè)是高斯噪聲中高斯信號(hào)的最佳檢測(cè)器，也稱(chēng)為平方檢波，通過(guò)時(shí)間域的積分處理可以使目標(biāo)輻射噪聲的能量從背景噪聲中顯現(xiàn)出來(lái)。常規(guī)能量檢測(cè)原理框圖如圖1所示，其原理是基于水下聲信號(hào)的短時(shí)能量的概率分布特性。

圖1 常規(guī)能量檢測(cè)原理框圖Fig.1 Principle block diagram of Conventional Energy Detection

其中，檢測(cè)統(tǒng)計(jì)量 T（x）通過(guò)計(jì)算信號(hào)的能量，并將其和檢測(cè)門(mén)限r(nóng)比較后所得到的結(jié)果作為判斷的依據(jù)。可以直觀地理解為，若接收信號(hào)中存在目標(biāo)信號(hào)，則該信號(hào)的能量一定會(huì)增加。方差歸一化后可得：

常規(guī)能量檢測(cè)模型是信號(hào)檢測(cè)的一階統(tǒng)計(jì)量分析，一般假定噪聲為零均值高斯白噪聲，被檢測(cè)的信號(hào)也是一個(gè)高斯隨機(jī)過(guò)程，常規(guī)能量檢測(cè)是高斯噪聲中高斯信號(hào)的最佳檢測(cè)器。常規(guī)能量檢測(cè)模型是信號(hào)檢測(cè)的一階統(tǒng)計(jì)量分析，一般假定噪聲為零均值高斯白噪聲，被檢測(cè)的信號(hào)也是一個(gè)高斯隨機(jī)過(guò)程，常規(guī)能量檢測(cè)是高斯噪聲中高斯信號(hào)的最佳檢測(cè)器。但由于常規(guī)波束形成作為寬帶能量檢測(cè)前置處理，其“瑞利限”導(dǎo)致目標(biāo)方位軌跡模糊，方位分辨力降低，特別是在復(fù)雜海洋環(huán)境下，常規(guī)能量檢測(cè)的性能迅速降低，因此，對(duì)于實(shí)際聲吶應(yīng)用，有必要改進(jìn)CED，提高方位分辨能力。

2 子帶極值能量檢測(cè)[4]

子帶極值能量檢測(cè)同常規(guī)能量檢測(cè)一樣都是利用頻率方位信息，不同的是CED是對(duì)整個(gè)頻帶各個(gè)方位的能量求和，而SEED利用信號(hào)峰值和谷值的空間一致性，對(duì)每個(gè)子帶在各個(gè)方位上的峰值和谷值的能量進(jìn)行求和。SEED不僅利用了峰值信息還利用了谷值信息，它先對(duì)每個(gè)子帶在各個(gè)方位上的峰值能量求和，然后減去該子帶在各個(gè)方位上的谷值能量。

假設(shè)聲吶的工作頻段被分為了N個(gè)子帶，陣列信號(hào)經(jīng)過(guò)預(yù)處理之后，對(duì)信號(hào)中的每個(gè)子帶作波束形成，其輸出的空間譜為。然后對(duì)空間譜的每個(gè)子帶取局部極值，非極值點(diǎn)歸0，得到子帶極值譜，即

并構(gòu)成子帶極值譜矩陣：

然后對(duì)各個(gè)方位上不同子帶的極值差進(jìn)行累加，得到能量譜：

由式（6）和式（8）可以看出，如果某一方位上存在寬帶信號(hào)，那么該方位上子帶的極值譜中會(huì)出現(xiàn)局部極值，累加后信號(hào)得到增強(qiáng)。而由于噪聲是隨機(jī)分布的，累加后其能量被平滑。子帶極值能量檢測(cè)的流程圖如圖2所示。

圖2 子帶極值能量檢測(cè)流程圖Fig.2 Flow chart of sub-band extreme energy detection

相較于 CED利用信號(hào)全部能量的特點(diǎn)，SEED在進(jìn)行能量累加時(shí)只利用了峰值與谷值信息，消除了極值以外的子帶能量干擾，降低了噪聲對(duì)算法的影響，進(jìn)而提高了檢測(cè)性能[5]。

3 STMV波束形成[6-7]

常規(guī)波束形成的性能穩(wěn)健，對(duì)陣元幅度與相位失配較為寬容，運(yùn)算量小，且可以解相干源，因而在聲吶、雷達(dá)與水下探測(cè)系統(tǒng)中得到了廣泛應(yīng)用[8-9]，但是常規(guī)波束形成受“瑞利限”的限制，對(duì)同一波束寬度內(nèi)的多個(gè)目標(biāo)不能分辨，抗干擾能力較差[10-11]。

在這種情況下，可以采用更高分辨力波束形成方法代替常CBF，比如導(dǎo)向最小方差波束形成。STMV波束形成利用聲場(chǎng)的空–時(shí)統(tǒng)計(jì)特性，在一定帶寬下僅需少量的快拍數(shù)就能實(shí)現(xiàn)快速收斂，每一快拍的波束輸出可在單次快拍內(nèi)完成。STMV波束形成的基本原理是通過(guò)旋轉(zhuǎn)波束方向，使指定方向θ的輸出值為1，而使總的輸出能量最小[12-13]。本文主要以 STMV波束形成為例進(jìn)行分析，比較分析STMV波束形成與CBF的性能。

假設(shè)間隔均勻的線(xiàn)列陣由 N個(gè)陣元組成，陣元間距為d，空間存在M個(gè)信號(hào)源，那么第n個(gè)陣元接收到的信號(hào)表示為

圖3 STMV波束形成流程圖Fig.3 Flow chart of Steered Minimum Variance Beamforming

由于 STMV波束形成的主瓣窄、旁瓣低，噪聲抑制能力強(qiáng)，當(dāng)進(jìn)行極值搜索時(shí)，局部峰值與谷值所在的方位更加精確，同時(shí)也減少了對(duì)鄰近方位的影響。因此，基于STMV的SEED方法可以進(jìn)一步提高被動(dòng)聲吶的微弱信號(hào)檢測(cè)能力。

4 計(jì)算機(jī)仿真及試驗(yàn)數(shù)據(jù)分析

4.1 計(jì)算機(jī)仿真

假設(shè)均勻線(xiàn)列陣由10個(gè)水聽(tīng)器組成，按半波長(zhǎng)布陣，采樣頻率為5 kHz，背景噪聲為高斯白噪聲，信噪比為–10 dB。

圖4是常規(guī)能量檢測(cè)和子帶極值能量檢測(cè)的單目標(biāo)波束圖，目標(biāo)信號(hào)來(lái)波方向是 105°。圖5是常規(guī)能量檢測(cè)和子帶極值能量檢測(cè)的多目標(biāo)分辨圖，目標(biāo)信號(hào)的來(lái)波方向分別為105°和120°。

圖4 CED和SEED的單目標(biāo)波束圖Fig.4 Single target beam diagram of CED and SEED

圖5 CED和SEED的多目標(biāo)分辨圖Fig.5 Multi-target beam diagram of CED and SEED

從圖4–5可以看出，無(wú)論是單目標(biāo)還是多目標(biāo)，SEED方法的主瓣更窄，旁瓣更低，多目標(biāo)分辨能力更強(qiáng)。

圖6是CBF和STMV波束形成的單目標(biāo)波束圖，目標(biāo)信號(hào)的來(lái)波方向?yàn)?20°。圖7是CBF和STMV波束形成的多目標(biāo)分辨圖，目標(biāo)信號(hào)的來(lái)波方向分別為 110°和 120°。

圖6 CBF和STMV的單目標(biāo)波束圖Fig.6 Single target beam diagram of CBF and STMV

圖7 CBF和STMV的多目標(biāo)分辨圖Fig.7 Multi-target beam diagram of CBF and STMV

4.2 試驗(yàn)數(shù)據(jù)分析

試驗(yàn)采用10元舷側(cè)陣，試驗(yàn)?zāi)繕?biāo)是一條科研試驗(yàn)船，平均海深300 m，水下測(cè)量平臺(tái)的深度約為200 m，試驗(yàn)時(shí)海況約2級(jí)。目標(biāo)船直線(xiàn)航行，由遠(yuǎn)到近從測(cè)量平臺(tái)上方通過(guò)再遠(yuǎn)離，正橫距離約為120 m，俯仰角定義為目標(biāo)入射方向與垂直向上方向夾角，因此目標(biāo)在測(cè)量平臺(tái)正上方時(shí)為 0°，在遠(yuǎn)距離處為90°。

圖8是基于CBF的SEED方法的方位歷程圖，圖9是基于STMV的SEED方法的方位歷程圖。

圖8 基于CBF–SEED方法的方位歷程圖Fig.8 Azimuth course map based on CBF–SEED method

圖9 基于STMV–SEED方法的方位歷程圖Fig.9 Azimuth course map based on STMV–SEED method

從圖8可以看出，STMV波束形成的主瓣更窄，旁瓣更低。當(dāng)目標(biāo)信號(hào)的信噪比較低時(shí)，CBF很難分辨多目標(biāo)信號(hào)的方位，而 STMV波束形成能夠分辨多目標(biāo)信號(hào)的方位，說(shuō)明 STMV波束形成的多目標(biāo)分辨能力更強(qiáng)。

從圖9可以看出，目標(biāo)信號(hào)的方位角隨時(shí)間先變小后變大，在320 s時(shí)目標(biāo)通過(guò)正橫位置附近。在 0～200 s時(shí)，在 100°的方位上有一個(gè)干擾，在350～600 s時(shí)，同樣也有一個(gè)干擾隨時(shí)間從180°變化到0°附近。基于STMV的SEED方法的方位歷程圖的目標(biāo)和干擾的軌跡更清晰，可以明顯分辨目標(biāo)和干擾的方位角變化，其檢測(cè)性能優(yōu)于基于CBF的SEED方法。

5 結(jié)束語(yǔ)

本文對(duì)SEED和SED的檢測(cè)性能進(jìn)行了比較分析，仿真結(jié)果表明：SEED方法能明顯提高目標(biāo)的方位分辨能力。然后結(jié)合STMV波束形成與CBF對(duì)微弱信號(hào)的檢測(cè)性能進(jìn)行了比較分析，通過(guò)計(jì)算機(jī)仿真和試驗(yàn)數(shù)據(jù)分析表明，該方法具有更好的抗干擾能力與更高的分辨率，能夠在強(qiáng)干擾條件下估計(jì)微弱信號(hào)的來(lái)波方向，并改善時(shí)間方位歷程的顯示效果，提高被動(dòng)聲吶的微弱信號(hào)檢測(cè)性能。并且該方法性能穩(wěn)定、計(jì)算簡(jiǎn)單，在水聲工程領(lǐng)域有良好的應(yīng)用前景。