一种优化的舰船基频特征提取算法

刘义海, 张效民, 赵延安, 郭思明



一种优化的舰船基频特征提取算法

刘义海, 张效民, 赵延安, 郭思明

(西北工业大学 航海学院, 陕西 西安, 710072)

多重自相关; 基频线谱提取; 基频置信度阈值; 目标检测

0 引言

被动声纳目标识别是各类舰艇和智能水中兵器重要的目标识别手段, 而目标识别的关键在于如何有效地提取能够表征目标类别的本质特征。统计数据显示[1], 实际舰船物理场中存在频率介于1~30 Hz的低频线谱, 主要是由螺旋桨引起的轴频, 它与舰船一一对应。文献[2]提出了基于最大似然比的轴频、叶频解调检测器, 文献[3]采用模糊系统进行轴频、叶频的提取。由于海洋环境以及水声信道的复杂性, 在低信噪比条件下文献[2-3]中方法在Demon谱中提取轴频、叶频信息受到限制, 即在远程目标探测时效果欠佳。

本文依据水下目标螺旋桨推进引起的轴频信号具有周期性的特性, 将多重自相关时域处理方法应用于推进器噪声的基频分析。利用多重自相关方法可在周期信号频率未知的情况下有效的提高周期性微弱信号的检测能力, 提高被检测信号的信噪比。在此基础上结合1D模糊信息融合和置信度阈值滤波的手段进一步肯定了提取的舰船轴频特征, 研究方法经实验室验证具有良好的低信噪比目标的检测性能。

1 舰船功率谱的基频线谱提取

1.1 多重自相关信号功率谱的获取

在开阔水域中水听器接收到的信号的形式为

接收到信号的自相关函数的定义为[4]

图1 目标信号的功率谱分析

1.2 基频线谱的提取

本文在获得了舰船信号多重自相关信号的归一化功率谱的基础上, 分4步对舰船线谱进行提取[8], 具体的线谱识别的算法如下。

1) 拉平谱线获取。对多重自相关信号的功率谱, 进行最小二乘曲线拟合, 然后用信号的功率谱减去拟合得到的连续谱便获得了信号的拉平线谱。

4) 剔除伪线谱。对于经过上述步骤检测出的线谱, 存在两方面的疑虑。其一, 线谱可能存在较高的旁瓣, 部分旁瓣甚至会超过检测门限而被误判为线谱。其二, 假定存在相距很近的2根线谱, 这样在这2根线谱之间存在旁瓣可能会产生叠加形成谱线较高点, 当其超过门限时, 也可能会被误判为线谱。特征提取中应用的舰船噪声的线谱分辨率应根据实际的物理特征和应用的要求来确定。例如, 取作傅立叶变换时截取的每一段信号长度为/3，则谱频率分辨率为3 Hz。这样, 在3 Hz带宽中存在的2根以上的线谱就是上述情况产生的伪线谱。工程处理中就必须对以上过程获得的线谱进行伪线谱的剔除。

2 基频线谱信息融合最大置信度

2.1 基频线谱的最大置信度估计

在实际分析过程中, 由于目标探测经常处于远距离情况下进行, 常造成采集的噪声信号信噪比下降, 对接收信号进行多重自相关处理可以提高信噪比, 但在多数情况下, 采用单一的门限检测仍然很难直接提取出轴频信息, 如图1(d), 人眼直观可以判断出轴频、叶频及它们的多次谐波, 但并不能指出真实基频。

文献[1]表明, 舰船基频一般出现在1~30 Hz的范围内, 并且舰船的轴频有多次谐波存在, 通常谐波中以1，2次谐波为主。在多重自相关谱的基础上, 采用模糊系统对提取的结果进行二次处理, 可以充分利用人在长期观察、实践中积累的知识、经验。通过采用定性、模糊的语言规则的形式对这些知识进行描述形成推理逻辑, 获得基频出现频段内各频点作为基频线谱的置信程度。最后, 将检测输出的基频线谱的置信度与设定的阈值相比较, 得到目标轴频, 提高目标探测的性能、减少所需要的自相关处理重数, 提高目标探测系统的实时性。基频线谱置信度的完整的模糊提取模型由因素集矩阵, 评判矩阵, 权重和置信度矩阵组成的。定义因素矩阵[9-10]={1,2,3,4}, 其中1为舰船轴频线谱可能存在的频段内某频点线谱出现的次数;2为该线谱频点对应谱线的平均谱值;3为以该线谱频点为基频的2次谐波频点出现的次数;4为2次谐波频点对应线谱的平均谱值。这些基于频谱统计的特征信息充分反映了某一频点成为基频的可能性程度(置信度), 基于线谱统计的基频频点置信度的提取步骤如下。

2) 对基频可能出现的频段范围内的每个频率点上的线谱进行扫描, 如果该频点非零则1对应位置增1, 同时判决该非零点2次谐波频点, 若其非零则3上该2次谐波频点位置增1。把该线谱频点归一化功率谱值加到2, 2次谐波点处功率谱归一化值加到4。

3) 重复1、2步骤, 到一个系统工作周期为止, 将因数矩阵实测值每一个因数1,2,3,4按照三分法确定的隶属度进行归一化处理, 作为评判矩阵的因子1,2,3和4。

4) 根据各因子的重要程度, 建立加权因数。本文=[0.25 0.25 0.25 0.25]。

5) 最后通过模糊评判结果=×算得基频出现频段内各个频点作为基频的一种置信度(即中各元素)。

2.2 置信度识别判决阈值设置

评判结果中的最大值对应的频率点即是本文1D模糊判决的基频, 并给出该值作为其称为基频的置信度。通过大量的统计结果发现, 在接收到的高海况环境背景噪声中, 模糊判决仍然可以给出一个置信度相对较大的频点, 称其为背景伪基频。

图2是本文基频特征提取方法的执行框图。图3给出了在接收信噪比为-20 dB时, 对A类舰船、B类舰船和某海域高海况背景的基频特征提取结果。从图中可以看出, 舰船目标的基频置信度都明显出现在一个特定的置信度阈值之上, 而噪声背景的基频置信度则在该阈值之下。为此, 本文设置一个特定的置信度阈值门限来否决这些假目标的伪基频。对100组水面水下舰艇和高海况噪声背景的仿真试验表明, 通常在设置阈值为0.5时, 可以实现有效排除环境伪基频, 达到提取真实舰船的基频特征, 排除背景噪声的目标检测效果。

3 试验验证

图2 基频提取的算法框图

图3 目标基频提取结果

表1 基频识别结果

水下目标检测的目的是, 要能有效的排除背景及假目标, 并识别真实的舰船目标。对于上述统计结果, 当目标类型为舰船时, 系统判决为船的概率是检测概率, 对目标类型为背景及假目标时, 系统判决为伪船的概率是检测概率。从表1对3种目标类型下的260组数据样本的实验室半实物仿真检测概率的统计情况可得, 系统的总体目标有效检测概率可达92.5%。识别结果表明, 本文提出的基频特征提取算法可以有效的提取出真实舰船目标的轴频特征, 并能排除环境背景噪声的干扰, 达到了目标检测的目的。

4 结束语

在目标识别中, 基频信息是舰船重要的本质特征之一。本文中提出的基于多重自相关信号的功率谱和频域线谱统计信息融合最大置信度阈值的舰船基频提取技术, 由于采用多重自相关滤波的原理, 使得到的舰船多重自相关信号的功率谱信噪比高, 可以有效的克服在海洋远程探测时接受舰船基频信号比较弱的问题, 达到了有效提取舰船轴频, 并剔除环境伪基频影响的目的。同样, 该方法由于采用时域自相关的信号处理手段使得其算法实时性是很高的, 可以成为未来在舰船辐射声场里提取目标基频特征的一种途径, 用于水下航行器有效的利用基频信息来检测目标。

[1] 张仁兴, 余又红, 张振海. 舰船联动力装置[M]. 武汉: 海军工程大学, 2004.

[2] Lourens J G. Passive Sonar ML Estimator for Ship Propeller Speed[J]. IEEE Journal of Oceanic Engineering, 1998, 23(4): 448-453.

[3] Kummert A, GmbH A E, Bremen. Fuzzy Technology Imple- mented in Sonar Systerm[J]. IEEE Journal of Oceanic Engineering, 1993, 18(4): 483-490.

[4] 吴祈耀. 随机过程[M]. 北京: 国防工业出版社, 1984.

[5] 王启智, 岳玫君, 张锦中, 等. 基于多通道分段自相关的弱信号检测算法及实现[J]. 雷达与对抗, 2009, 3: 28-32. Wang Qi-zhi, Yue Mei-jun, Zhang Jin-zhong, et al.The Algorithm and Implementation Bsed on Muhichannel Sec- tional Self-correlation for Weak Signal Detection[J].Radar & ECM, 2009, 3: 28-32.

[6] 陈明奎, 刘正平. 用多重自相关法检测微弱正弦信号[J]. 噪声与振动控制, 2006, 10(5): 28-30.Chen Ming-kui, Liu Zheng-ping. The Detection of Weak Si- nusoidal Signal by Multi-Layer Auto-Correlation[J]. Noise and Vibration Control, 2006, 10(5): 28-30.

[7] 范晓志, 张立志, 黄晓红. 基于多重自相关的微弱信号检测算法研究[J].小型微型计算机系统, 2007, 28(3): 566- 568.

Fan Xiao-zhi, Zhang Li-zhi, Huang Xiao-hong. An Inspecting Technology for Weak Signal Based on Multi-layer Auto- correlation[J]. Journal of Chinese Computer Systems, 2007, 28(3): 566-568.

[8] 张亚军, 张效民. 优化的线谱特征在水下目标识别中的应用[J]. 计算机仿真, 2006, (12):1006-9348. Zhang Ya-jun, Zhang Xiao-min. Application of Optimized Line-spectrum Feature to Underwater Target Recognition[J]. Computer Simulation, 2006, (12):1006-9348.

[9] 李松, 张春华, 栾经德. 舰船轴频电场基频线谱的模糊评判方法研究[J]. 兵工学报. 2009, 30(12): 1738-1742. Li Song, Zhang Chun-hua, Luan Jing-de.Detection of Line Spectrum of Fundamental Frequency on Shaft-Rate Electric Field of a Ship[J]. Acta Armamentar Rmamentar, 2009, 30(12): 1738-1742.

[10] 陈雪莱, 程锦房. 基于舰船轴频电场的目标识别[J]. 水雷战与舰船防护, 2005,13(2): 38-42. Chen Xue-lai, Cheng Jin-fang. Target Recognition Based on Shaft-Rate Electric Field of a Ship[J]. Mine Warfare & Ship Self-Defence, 2005, 13(2): 38-42.

An Optimized Algorithm of Feature Extraction for Vessel Base Frequency

LIU Yi-hai, ZHANG Xiao-min, ZHAO Yan-an, GUO Si-ming

(College of Marine Engineering, Northwestern Polytechnical University, Xi′an 710072, China)

Shaft frequency, which is an essential feature of different vessel targets, possesses a crucial application value to the underwater targets detection. Based on the base frequency analysis of target propeller noise with multiple autocorrelation, we propose a one-dimensional fuzzy judgment method to get the credible degree of the base frequency in each base frequency band.Adopting the component of the linear spectrum and its corresponding credible degree threshold of base frequency, the purpose of extracting target’s characteristic base frequency is realized to identify the target. The sea trial results show that the proposed base frequency extraction method based on multiple autocorrelation power spectrum and credible degree threshold filtering of information fusion is effective and feasible in underwater target detection with a detection probability of 92.5%.

multiple autocorrelation;extraction ofbase frequency linear spectrum; credible degree threshold ofbase frequency; target detection

TJ630.2; TN911.7

A

1673-1948(2011)04-0255-05

2010-11-18;

2011-01-12.

刘义海(1988-), 男, 在读博士, 主要研究领域水下信号与信息处理.

(责任编辑: 杨力军)