基于矢量相干积累的舰船特征线谱增强算法

张 炜，程锦房，许 杰

（1.海军工程大学兵器工程系，湖北 武汉 430033；2.海军装备研究院系统所，北京 100161）

0 引言

水声信号处理是当前信号与信息处理领域最为活跃的方向之一，在水声通信、遥测、定位、识别和海洋开发等军用民用领域中都有重要的应用。由于隐蔽性的需要，大多水下测量平台选用被动声检测，根据舰船航行时发出的辐射噪声来进行目标检测和目标类型判别［1］。

国内外对舰船的辐射噪声谱，进行了相应的研究：文献［2］利用窄带自适应线谱增强器加强信号中的线谱成分；文献［3］利用自适应滤波器来消除信号中的加性白噪声；文献［4］利用自适应谱线增强器对线谱检测方法进行了研究。但由于海洋海况复杂，噪声干扰较大，且舰船辐射噪声不断减小，以往基于时域、频域的检测方法通常难以达到理想的效果。

为此，本文利用矢量水听器测量的舰船辐射噪声和海洋环境噪声的声压、振速相干特性的差异，结合相干累积的方法，提出了矢量相干积累自适应线谱增强算法（CI－ALE）。

1 背景

矢量水听器由传统的声压水听器和质点振速水听器复合而成，可以空间共点同步测量声场中的标量信息（声压）和矢量信息（质点振速的三个正交分量），这不仅有助于改善水声系统的性能，而且也拓宽了信号处理空间。因此在海洋环境噪声背景下，利用声矢量信息来增强目标特征线谱，使得线谱更易于提取，具有很强的现实意义。

1.1 矢量水听器测量信号模型

在各向同性均匀无限大的理想流体介质中，对于单频声波，测量的声压p（r，t）和质点振速v（r，t）分别可以表示为［5］：

式中，θ∈ ［0，π）为入射声波与z轴的夹角，r和z分别为水平和垂直的单位坐标矢量，如图1所示。

图1 坐标系示意图Fig.1 Coordinate system

由式（1）、式（2）可知，除了一个常数ρ0c以外，三个振速分量与声压波形相同。为简化模型，假设该常数为1，则声场中的声压和两个振速分量简化为：

式（3）表明各振速分量只是声压传播方向的余弦加权。考虑到环境噪声场的影响，受环境噪声污染的声矢量信号表示为：

1.2 海洋环境噪声和舰船噪声的声压、振速相关性

由于近海环境监测、港口预警和战争封锁的需要，在海洋的各种声传播情况中，浅海声波传播的研究越来越重要。而浅海以同时与海面和海底多次相碰为待征，其矢量特性更为复杂。在浅海环境中，噪声是由包括行船及工业噪声、风成噪声和生物噪声在内的三类不同形式的噪声混合而成的。这种混合情况在不同的时间、空间有显著的变化特性。因此，通常只能用噪声级来粗略地描述浅海环境噪声。在浅海环境下，压敏水听器的主要噪声源来自于海面波浪压力。文献［6］以射线理论为基础，不考虑声线间的相互干涉，将Harrison的噪声场声压相干模型扩展至声压和振速间的相干模型，对基于矢量水听器浅海波导中的海面噪声场的空间特性进行了研究。结果表明，在浅海波导中，海面噪声场的声压np（t）和振速垂直分量nz（t）是强相干的，与振速水平分量nr（t）是弱相关的。

1.3 自适应谱线增强

自适应谱线增强（简称ALE）最早是由Widrow等人［7］提出。目前，基于自适应线性组合器的自适应谱线增强已广泛应用于频谱估算、谱线估计以及窄带检测等领域。在窄带信号加上宽带信号的情况下，无需独立的参考信号，将混合信号进行延迟，延迟的作用是使宽带噪声信号去相关，而正弦或窄带信号不去相关，再利用最小均方（LMS）算法，自适应地与相关的正弦或窄带信号进行匹配，将信号分离出来。其原理框图如图2所示。

图2 自适应谱线增强原理Fig.2 Adaptive line enhancement theory

2 改进的自适应线谱增强

2.1 原理

对于浅海水下声矢量测量系统而言，远距离舰船辐射噪声的声压和振速是相关的，而海洋环境噪声干扰大致是弱相关干扰噪声。目标信号和噪声的声压与振速相关性的差别是声压、振速联合信号处理抗各向同性干扰的基础［8］。

ALE中延时量Δ的选择非常重要，一方面，Δ应大于背景噪声的时间相关半径，使得x（k－Δ）和x（k）中的噪声分量不相关；另一方面Δ要小于目标信号的时间相关半径，则s（k－Δ）和s（k）仍然相关，这样ALE的输出将是目标信号的最佳估计。因此将延时参考信号x（k－Δ）用振速信号vz（k）代替，避免因延迟量的选择不当造成的噪声分量的去相关差，而使得算法性能下降。权向量w（n）采用自适应相干积累算法（ACI），并进行平滑来消除稳态误差。矢量相干积累的自适应线谱增强原理框图如图3所示。其中PS［·］表示某平滑特性的滤波器。

图3 矢量相干积累的自适应平滑线谱增强原理Fig.3 Vector coherent integrator－adaptive smoothing line enhancement theory

2.2 算法步骤

如图3所示，CI－ALE的核心部分是引入了由相邻两次权向量差值与动量因子之积而形成的对权向量的附加调节（即ACI），使得权系数的迭代不仅与上一次而且与再上一次的权向量有关，更充分利用了目标信号的相关性，因而在学习和跟踪性能上得到明显提高，但增大了稳态失调误差，因此还需加入后置平滑，减小权系数序列的失调，但平均收敛速度不变。

CI－ALE算法步骤如下：

1）初始化：令x1（k）＝ps（k）＋np（k），x2（k）＝vr（k）＋nr（k），当k＝1时，确定权向量wk（i）初值，其中1≤i≤L是权的个数。

3）求出ε（k）＝x（k）－y（k）。

4）计算自适应相干积累算法的权系数：

式（5）中，μ为自适应迭代步长，α为相干积累常数，

5）由下式计算平滑权系数：

3 仿真分析

仿真条件：假设存在一点声源目标，目标的幅值A＝1，有4根谱线，基频为60Hz，方位为θ＝40，初始相位φ＝0。相干积累常数α＝0.96，存在非相干干扰，为高斯分布的随机噪声。

谐和平面波场声压可由一系列正弦信号叠加产生，形式为：

声压、振速值由式（4）计算得到。

仿真不同信噪比时功率谱，自适应线谱增强及矢量相干积累自适应线谱增强结果如图4—图6所示。

图4 SNR＝0dB仿真结果Fig.4 SNR＝0dB simulation results

图5 SNR＝－10dB仿真结果Fig.5 SNR＝－10dB simulation results

图6 SNR＝－15dB仿真结果Fig.6 SNR＝－15dB simulation results

对比图4—图6，信噪比0dB时自功率谱和线谱增强器都能检测到线谱，信噪比－10dB时自适应线谱增强器优于自功率谱，而当信噪比－15dB时自功率谱已不能检测到线谱，但自适应线谱增强器仍能检测，且矢量相干积累自适应线谱增强器相比仅利用声压的自适应增强器对线谱有更大的增强作用。

4 实验验证

实验地点为某码头附近如图7所示，江面宽90余米，江水流速约2m／s。测量时，实验锚泊在江面中心，矢量水听器固定尾侧，入水约1m。

图7 实验示意图Fig.7 Experiment schemes

被测目标经过矢量水听器正横时前后共计100 s的噪声数据。取实测噪声信号p和v中第60s的数据为样本，该样本数据有9 920个点。分别用Welch法、自适应线谱增强器和矢量相干积累自适应线谱增强对数据进行处理，处理结果如图8所示。

从图中可看出，实测辐射噪声声压Welch法功率谱图中线谱比背景噪声强约4dB，自适应线谱增强器能提高线谱能量，处理后线谱比背景噪声强约10dB，而经过矢量相干积累自适应线谱增强器处理后，225Hz的线谱比背景噪声强约18dB，因此，更容易在强噪声背景中提取出有用的特征线谱。

5 结论

本文利用矢量水听器同时测量的舰船信号的声压、振速的相关性和噪声的不相关性，提出了一种基于矢量相干积累的自适应线谱增强算法。该算法通过将声压、振速分别输入自适应线谱增强器的两个通道，实现信号相干积累，从而提高输出信号的信噪比。由不同信噪比下的仿真及实船辐射噪声线谱的分析可得，运用本文提出的声压、振速相干积累的自适应线谱增强器在低信噪比情况下对信号特征线谱的增强性能优于声压自适应线谱增强器。

图8 实测数据功率谱对比图Fig.8 The measured data of power spectrum contrast

［1］叶平贤，龚沈光.舰船物理场［M］.北京：兵器工业出版社，1992.

［2］Martins C R.Sub－band structure for adaptive line enhancement［C］／／Dayton，OH：MWSCAS，2001：138－141.

［3］Hayward S D.Adaptive line enhancement via subspace tracking［C］／／Pacific Grove .CA.USA：SSC，2000：1 872－1 877.

［4］杨西林，周金，土炳和，等.自适应谱线增强在舰船辐射噪声线谱检测中的应用［J］.舰船科技技术，2009，31（3）：93－95.YANG Xilin，ZHOU jin，WANG Binghe，et al.Application of adaptive line enhancement on testing the ship radiated－noise［J］.Ship Science and Technology，2009，31（3）：93－95.

［5］孙贵青.矢量水听器检测技术研究［D］.哈尔滨：哈尔滨工程大学，2001.

［6］杜敬林，迟寿育，马忠成.基于矢量水听器浅海波导中海面噪声场的空间特性研究［J］.舰船科学技术，2009，31（10）：56－59.DU Jinglin，CHI Shouyu，MA Zhongcheng.Research on the spatial character of surface noise in shallow sea based on vector sensor［J］.Ship Science and Technology，2009，31（10）：56－59.

［7］Widrow，Stearns S D.Adaptive noise canceling：principle and application［J］.Proc IEEE，1975，62：1 692－1 716.

［8］惠俊英，刘宏，余华兵，等.声压振速联合信息处理及其物理基础初探［J］.声学学报，2000，25（7）：1－4.HUI Junying，LIU Hong，YU huabing，et al.Study on the physical basis of pressure and particle velocity combined processing［J］.ACTA Acustica，2000，25（7）：1－4.