水下主动声引信回波集成检测方法

胡 桥, 白志科, 朱 建, 王 玮, 肖素娟



水下主动声引信回波集成检测方法

胡 桥1,2, 白志科2, 朱 建2, 王 玮2, 肖素娟2

(1. 水下信息与控制重点实验室, 陕西 西安, 710075; 2. 中国船舶重工集团公司第705研究所, 陕西 西安, 710075)

针对水下主动声引信在复杂的自然干扰下难以准确检测的问题, 结合目标回波信号与混响等干扰的各种宏观和微观信息, 一方面利用改进的经验模式分解方法对引信系统接收的原始信号进行处理, 得到不同模态的本征模式分量, 以实现目标回波与混响的分离; 另一方面利用本征模式分量得到瞬时频率方差检测统计量和能量检测统计量, 将瞬时频率方差检测统计量和能量检测统计量进行组合, 构建集成检测器, 实现对水下主动声引信的优化检测。试验结果表明, 与基于常规能量检测和瞬时频率方差检测方法相比, 该方法具有更好的检测性能。

水下主动声引信; 集成检测; 经验模式分解; 本征模式分量; 瞬时频率方差

0 引言

水下主动声引信的干扰背景中除了单个或系列爆炸干扰、对抗器材干扰等人工干扰外, 还有海洋环境自然噪声干扰、水下航行体与舰艇噪声干扰、尾流散射干扰及海洋混响干扰等自然干扰。通常水下航行体的主动声引信只考虑前4项[1], 尤其是在浅海水域和近程的回波分析和处理中, 混响是主要的干扰因素, 这将对水中目标的回波信号造成很大干扰, 有效的目标信号从幅度上可能被干扰湮没, 造成引信无法从幅度特征上实现对目标的判别[2]。因此, 如何有效地从混响背景中将水声目标的回波特征提取出来具有重要的意义, 它是对目标回波进行后续处理的前提。

经验模式分解(empirical mode decomposition, EMD)是一种能突出信号局部瞬时特征的非线性处理方法, 它能够把复杂的多分量信号分解成具有某种物理意义的单分量信号, 即把干扰和目标信号分解为不同的固有模态函数(intrinsic mode function, IMF)[3-4]。由于干扰和目标信号的模态特征不同, 在一定程度上在某些模态会实现对微弱目标信号的局部增强。事实上, 水中目标与水体及界面对发射信号的调制特性不一样, 使得声引信系统接收的原始信号中目标回波与混响在信号的多普勒频率、能量及时延等方面存在本质的差别, 它们的模态也各异[5]。因此, 本文利用改进的经验模式分解算法对目标回波与混响进行分离。

在水中目标的回波检测中, 常用的方法有匹配滤波检测、相关检测和能量检测器等[6-7]。匹配滤波检测器和相关检测器是在理想信道中白噪声背景下检测确知信号的最佳检测器, 由于水声信道的复杂性以及多途效应的影响, 这类理论上的最佳检测器在实际应用中的检测性能往往严重下降[8]。能量检测器是利用目标回波信号加噪声的功率级与噪声的功率级(或者幅度)不同的特点, 来检测输入噪声幅度均值的变化, 其有无回波信号的区别仅表现在信号平均能量的变化上, 对于所检测的回波信号和干扰不作更具体的分析[9]。而瞬时频率方差检测方法是利用回波信号和干扰的瞬时频率序列及其统计特征的细节信息, 对目标回波与干扰加以区分, 是一种与无目标回波时干扰背景的起伏无关的检测方法, 具有恒虚警率的特性[10]。但这种单一方法常用来直接对回波信号和混响等进行处理, 抗干扰的能力不足, 为了改进其检测能力, 需要结合其他方法进行集成检测。

根据上述讨论, 将改进的经验模式分解算法和能量检测与瞬时频率方差检测方法相结合, 提出了适用于水下声引信目标的集成检测方法。并结合对水下声引信目标检测的工程实例分析, 验证了该方法的有效性。

1 改进的经验模式分解

1.1 加窗经验模式分解

经验模式分解可将任意信号分解为若干个本征模式分量和一个余项。

从而得到加窗经验模式分解方法的分解结果为

图1 实测的回波信号

图2 加窗经验模式分解的本征模式分量

1.2 基于加窗和相邻叠加本征模式分量的联合处理

从图2中可以看出, 尽管解决了因端点效应引起的边界扰动问题, 在实际应用EMD方法时, 由于水声信号中可能存在的间歇性或噪声等因素的影响, 使得在插值拟合过程中生成虚假的局部极值点, 从而产生将一个真实的本征震荡分量分解成多个IMF的现象, 即为EMD过分解现象。为了避免这种现象的产生, 提出一种基于加窗和相邻叠加本征模式分量的联合处理新方法, 具体步骤如下。

相应的解析信号为

图3 加窗EMD的相对瞬时频率

图4 基于加窗和相邻叠加EMD处理的IMFs

从理论上分析, 由于水下声引信目标回波与混响等干扰的模态特征不同, 水下目标与水体及界面对发射信号的调制特性不一样, 使得声引信系统接收的水声信号中目标回波与混响在信号的多普勒频率、能量及时延等方面存在本质的差别, 它们的模态也各异。通过加窗和相邻叠加本征模式分量的联合处理后, 可以将这些不同的模态分离开, 从而将水下声引信目标回波从混响中提取出来。

2 声引信常规检测方法

2.1 能量检测器

能量检测器可表示为如下的二元检测[6]

图5 归一化能量检测统计量

2.2 瞬时频率方差检测器

近两年，陕西周至猕猴桃产区有部分果农开始用水杨桃作砧木嫁接猕猴桃品种，说水杨桃可以抗水涝、防溃疡病、抗盐碱、耐瘠薄。

图6 归一化瞬时频率方差检测统计量

3 声引信集成检测方法

在能量检测器中, 其有无回波信号的区别仅表现在信号平均能量的变化上, 对于所检测的回波信号和干扰不作更具体的分析, 是水声信号的一种总体表征。而瞬时频率方差检测器是利用回波信号和干扰的瞬时频率序列及其统计特征的细节信息, 对目标回波与干扰加以区分。本文结合目标回波信号与混响等干扰的各种宏观和微观信息, 利用瞬时频率方差检测器与能量检测器本质上的差异, 将瞬时频率方差检测器与能量检测器相结合, 构成集成检测器, 以提高单一检测器的性能。水下声引信集成检测方法如图7所示。

图7 水下声引信集成检测方法流程图

图8 归一化集成检测统计量

4 应用实例分析

图9为声引信系统接收的包含水声目标的1个声周期内的实测水声信号。

图9 实测的声周期内回波信号

从图10和表1中可以看出, 集成检测器的水下声引信目标出现时的检测统计量(为0 dB)相对混响等干扰的平均值提高约22.5 dB, 检测增益相比能量检测和瞬时频率方差检测分别为16.7 dB和11.6 dB, 检测性能有很大的提高, 同时对跨周期的界面混响干扰(第2大检测统计量)的抑制效果也最好。

图10 3种目标检测器的归一化检测统计量

表1 3种声引信检测方法性能比较

经过多次测试可以发现, 集成检测器综合了能量检测和瞬时频率方差检测这两者的优点, 包含了更为广泛而全面信息量, 其检测性能的泛化性和鲁棒性更好, 因此在水下运动航行体目标的声引信检测方面具有较好的通用性和推广性。

5 结论

本文将改进的经验模式分解算法和能量检测与瞬时频率方差检测方法相结合, 提出了适用于水下声引信目标的集成检测方法。将该方法应用于水下声引信目标检测的湖上试验中, 得到以下结论。

1) 提出改进的经验模式分解算法——加窗和相邻叠加IMFs的联合处理方法, 消除了常规EMD方法中端点效应和过分解现象, 实现了目标回波与混响的有效分离。

2) 集成检测方法相对于常规的能量检测和瞬时频率方差检测方法, 具有较好的抗干扰能力, 其检测性能的泛化性和鲁棒性更好。

[1] 陈喜, 蒋涛, 李雄飞. 鱼雷主动超声引信陆上仿真及其实现[J]. 鱼雷技术, 2008, 16(5): 34-37. Chen Xi, Jiang Tao, Li Xiong-fei. Implementation of On-land Simulation of Torpedo Active Ultrasonic Fuze[J]. Torpedo Technology, 2008, 16(5): 34-37.

[2] Chamberlain S G, Galli J C. A Model for Numerical Simula- tion of Nonstationary Sonar Reverberation Using Linear Sp- ectral Prediction[J]. IEEE Journal of Oceanic Engineering, 1983, 8(1): 21-36.

[3] Huang N E, Shen Z, Long S R. A New View of Nonlinear Water Waves: the Hilbert Spectrum[J]. Annual Reviews of Fluid Mechanics, 1999, 31: 417-457.

[4] Hu Q, Hao B A, Lv L X, et al. Hybrid Intelligent Detection for Underwater Acoustic Target Using EMD, Feature Dis- tance Evaluation Technique and FSVDD[C]//2008 Interna- tional Congress on Image and Signal Processing , IEEE, 2008, 5(4): 54-58.

[5] Carmillet V, Amblard P O, Jourdain G. Detection of Phase-or Frequency-Modulated Signals in Reverberation Noise[J]. Journal of the Acoustical Society of America, 1999, 105(6): 3375-3389.

[6] Steven M K. 统计信号处理基础——估计与检测理论[M]. 罗鹏飞, 译. 北京: 电子工业出版社, 2006.

[7] Song H C, Hodgkiss W S, Kuperman W A. Experimental Demonstration of Adaptive Reverberation Nulling Using Time Reversal[J]. Journal of the Acoustical Society of Amer- ica, 2005, 118(3): 1381-1387.

[8] Chambers D H, Candy J V, Lehman S K. Time Reversal and the Spatial-temporal Matched Filter[J]. Journal of the Acou- stical Society of America, 2004, 116(3): 1348-1350.

[9] Kostylev V I. Energy Detection of A Signal with Random Amplitude[C]//IEEE International Conference on Commun- ication, Russia: Voronezh, 2002, 3(2): 1606-1610.

[10] 梁国龙.回波信号的瞬时参数序列分析及其应用研究[D].哈尔滨: 哈尔滨工程大学, 1997. Liang Guo-long. Study on Transient Parameter Sequence of Echoed Signal and Its Application[D]. Harbin: Harbin Eng- ineering University, 1997.

[11] 胡桥, 郝保安, 吕林夏, 等. 一种新的水声目标辐射噪声特征提取模型[J]. 鱼雷技术, 2008, 16(6): 38-43. Hu Qiao, Hao Bao-an, Lü Lin-xia, et al. Feature Extraction Model for Underwater Target Radiated Noise[J]. Torpedo Technology, 16(6): 38-43.

Integrated Detection Method of Active Underwater Acoustic Fuze Echo

HU Qiao1,2, BAI Zhi-ke2, ZHU Jian2, WANG Wei2, XIAO Su-juan2

(1. Science and Technology on Underwater Information and Control Laboratory, Xi′an 710075, China; 2. The 705 Research Institute, China Shipbuilding Industry Corporation, Xi′an 710075, China)

To accurately detect active underwater acoustic fuze in complicated natural interferences, a novel integrated detection method is proposed. In this method, macro- and micro-features of target echo signals and interferences (such as reverberation) are analyzed; the intrinsic mode functions (IMFs) from original signals received by fuze system are achieved via the improved empirical mode decomposition(EMD) approach to separate the target echo signal from the reverberation; and the statistics of variance of instantaneous frequency detection and energy detection are obtained from IMFs and are combined to form an integrated detector for optimally detecting underwater acoustic fuze. Lake tests indicate that the proposed method exhibits better performance in underwater acoustic fuze detection, compared with such commonly used detection methods as energy detection method and variance of instantaneous frequency detection method.

active underwater acoustic fuze; integrated detection; empirical mode decomposition(EMD); intrinstic mode function(IMF); variance of instantaneous frequency

TJ431.7; TN911.7

A

1673-1948(2012)02-0100-07

2011-05-23;

2011-06-08.

陕西省科学技术研究发展计划资助(2010KJXX-09).

胡 桥(1977-), 男, 博士后, 高工, 研究方向为现代信号处理、水声目标检测、智能识别及系统工程.

(责任编辑: 杨力军)