混响噪声局部平稳条件下次佳检测方法研究*

余义德，刘 欣，李全琼

(91550 部队，大连 116023)

1 引言

在东海海域沉底小目标的海底主动探测中，发现混响是回波信号的主要干扰，给探测图像的判读带来一定困难。因为混响是发射信号作用于海底后，在回波信号接收面上由大量散射体的散射波叠加形成的，所以混响与发射信号是强相关的，具有在时域上难分离，在频域上又极其相似的特点。有研究表明［4］，海底小目标散射体尺度的不均匀性，现代基阵的大孔径、窄波束和宽频带特性都使得等效散射体的数量变少，导致混响信号的瞬时值偏离高斯分布，成为非平稳的有色信号。一般来说，匹配滤波器对于高斯白噪声背景是最佳检测器，能得到最大的输出信噪比，但混响的非平稳性和有色性导致在高斯分布假设条件下的最佳检测器性能大大降低［1，8］。基于此，数据在送入匹配滤波器前，应当先级联一个“白化滤波器”［2］，通过对混响信号的预白化处理，实现混响背景下的信号次佳检测。

根据实际发射信号长度和混响信号特点将接收信号分段，基于混响信号的局部平稳性结论，利用当前数据段的AR 模型系数对下一数据段进行白化处理，实现了混响背景下的信号检测问题。目前，该方法已经成功应用于东海海域沉底小目标探测中。

2 方法的提出

2.1 混响信号的局部平稳性验证

预白化需要噪声的谱信息，由于混响噪声的强非平稳性，它的协方差函数不可能仅仅通过单一信号估计出来［3］，但是，一般由于发射信号的脉宽很小，可以近似认为混响在此脉宽时间段内是局部平稳的，进而可以通过分段白化对信号进行检测。首先对于声纳工作的东海海域经典混响信号应用“CLR 统计距离法”对其是否满足局部平稳性进行验证［6］。截取试验中的一段混响数据，计算它的GLR 距离。试验中发射信号的中心频率为32.5KHz，信号带宽为15KHz，脉宽为4ms的线性调频信号。信号的时间波形及相应的GLR 距离如图1所示。可以看出，混响数据在时间上是非平稳的，随着时间的增加，GLR 距离增大，即两段信号的谱特性差异变大，但是混响数据在发射信号脉宽的量级上，满足局部平稳性，相邻两段之间的谱距离比较小，谱特性较为相似，可以认为混响信号满足局部平稳性。

2.2 信号预白化检测方法

信号分段预白化的方法是:利用前一段数据建模形成的白化滤波器对后一段数据进行白化，然后进行匹配滤波。即利用前一段数据所估计的AR 模型参数α 和阶数P 构造白化滤波器，对后段分块数据进行滤波，将混响滤波成为白噪声，最后再进行相关检测处理。如图2 所示，首先进行信号分段，如果第K 段没有信号，用第K 段的协方差信息估计出滤波器对第K+2 段噪声白化，在第K+2 段高斯白噪声背景下对信号W(s(t))进行最佳检测，如果没检测到有信号，增加K，回到第2 步，若检测到有信号，则可进行下一阶段的匹配滤波。

图1 数据分段示意图

图2 混响背景下的次佳信号检测流程

2.3 白化滤波器模型［9－10］

3 关键参数确定

3.1 数据分段

数据分段长度直接影响白化滤波器的效果［5］。假设在观测时间T 内水听器接收的信号x(t)中有回波信号s(t)，s(t)的脉宽为TP，时延为τ(τ为一未知常数)。考虑将x(t)分为宽度为TB的数据段，数据分段的基本原则是:数据段宽度TB必须与需检测信号的脉宽TP相当，s(t)的宽度必须小于数据段的宽度，即TB＞TP，s(t)必须完全位于数据段#2 中，即ΔT≤TB－TP。采用的数据分段方案是:取数据段的长度为发射信号长度的两倍，相邻两数据段之间有二分之一重叠，如图3 所示。

3.2 模型参数的确定

在预白化过程中AR 模型阶数p的确定和系数a的估计是方法的核心，直接影响最终的系统检测性能。阶数p的确定与数据分段长度有关，可以通过MDL 准则得到。由于受到实际混响非高斯特征的影响，无法用信号的高阶统计量进行有效估计。采用基于三阶累积量的高阶谱估计方法对参数a 进行估计［7，11］。假设x(t)的三阶累积量:

且满足:

其中，p，q 分别是模型AR 和模型MA的阶数。

通过对方程求解，可以得到参数a的估计值。

图3 GLR 统计距离随分段号的变化

4 仿真分析

仿真数据为纯海底回波采集回来的混响数据，发射的信号为线性调频信号，发射信号的周期为1s，发射信号的脉宽为0.5ms，信号频率为15KHz－30KHz，采样频率为500KHz，截取混响数据的长度为10000个点，目标回波信号加在5000个点的位置，信混比为－13dB。数据分段采取1/2 重叠原则，每一段数据的长度为发射信号长度的两倍。数据采用常规方法和预白化方法处理的结果如图4 所示。

图4 信号的原始波形及两种不同方法的检测结果

5 实验验证

由于实际试验数据目标的回波信号比较弱，想要检测出来比较困难，先对不同基元的接收数据进行波束形成，对波束形成后的数据再进行上述的分段预白化检测，其结果如图5 所示。可以看出，对于实验数据，基于局部平稳的次佳检测较常规的匹配滤波而言能获得一定的信混比增益。

6 结论与展望

对于文中的混响信号，基于局部平稳的预白化次佳检测较常规的匹配滤波而言，在检测性能上有所改善，仿真结果优于实验结果。这是由于实际检测结果很大程度上依赖数据分段的情况，而且在用AR 模型预测的时候，在相邻两段数间存在一定的数据不连续性，易产生尖峰脉冲，因此这种算法具有一定的不稳定性，并且易受分段的影响，这也是下一步深入研究的方向。

［1］肖先赐.现代谱估计:原理与应用［M］.哈尔滨:哈尔滨工业大学出版社，1989:30－35.

［2］王玉泉.水声设备［M］.哈尔滨:哈尔滨工程大学出版社，1999:234－237.

［3］张贤达.现代信号处理［M］.北京:清华大学出版社，2002:74－103.

［4］朱广平，孙辉，陈文剑.混响背景中信号检测的特征核支持向量机［J］.哈尔滨工程大学学报

［5］吴国清.自适应分段技术在回波分析中的应用［J］.应用声学，1985(4):23－31.

［6］赵航芳，祝献，宫先仪.混响背景下信号的检测［J］.哈尔滨工程大学学报，2004(25):34－37.

［7］薛山花，田杰，李宇，等.基于时变AR 预白滤波处理的水雷非水雷识别算法［J］.微计算机应用，2008，29(2):2－5.

［8］D.A.Abraham，A.P.Lyons.Reverberation envelope statistics and their dependence on sonar beamwidth and bandwidth in Impact of Littoral Environmental Variability on Acoustic Predictions and Sonar Performance［J］.N.G.Pace and F.B.Jensen Eds.Norwell MA:Kluwer，2002:539－546.

［9］Cannillet V，Joulain G.Wideband sonar detection in reverberati on using autoregressive models［J］.Proc Oceans＇96 MTSIIEEE，Fort Laud.Erdale，1996 (3):1435－1440.

［10］Carmillet V，Amblard Po.Detection of phase－ or frequency－ modulated signals in reverberation noise［J］.JASA，1999(6):3375－3389.

［11］李全琼.高分辨率声纳海底混响统计特性分析及抑制技术研究［D］.哈尔滨:哈尔滨工程大学，2009.