一种基于频谱细化技术的水下目标识别方法

邱 政，汪 锋，潘元璋

(91388 部队，广东 湛江 524022)

被动声呐是依靠舰船、潜艇、鱼雷等辐射的噪声信号进行识别目标，利用目标辐射线谱对目标进行分类识别是水声信号处理领域重要研究内容。水下目标的辐射噪声中携带了目标的许多重要信息，舰船、潜艇和鱼雷是良好的水下声源，均辐射连续谱及其一系列线谱［1－2］，调制频率及调制深度与螺旋桨转动的轴频、叶片频率、航速有关，如何对这些调制线谱进行准确提取，对于有效推算水中目标的速度和判别目标类型具有重要意义。

谱特征识别是水下目标特征提取中使用最多的方法之一，传统的经典谱估计是以傅里叶分析为基础的线谱分析方法，其缺点是频谱分辨率差，而现代谱估计方法虽然分辨率高但是其谱逼真度和分辨率改善程度取决于所采取模型的准确度［3－4］(如AR、MA 以及ARMA谱估计方法)，随着识别技术的不断发展，学者们发现基于高阶统计量的高阶谱对于非高斯白噪声有较强的抑制作用［5］，对辐射噪声进行分类识别具有较好的效果，但，由于该方法计算量大，致使试验数据的后处理复杂。为提高识别率，近些年来人们突破以往关于信号平稳性的假设，开始从非平稳随机角度进行相关研究，小波变换便是其中的研究方向［6］，其克服了传统的基于FFT 的现代谱估计固定时频窗的不足，在时间和频率上都可进行局域分析，既可以在“放大”了的时频尺度上观察信号的特征，还可看到信号时频特征在不同尺度上的变化规律，大幅压缩了信号特征维数，因此将小波分析与现代谱估计及多分辨率频谱处理等手段相结合具有明显的优越性。为了提高解调效果与质量，本文提出了一种基于小波变换及ZFFT 频率细化技术相结合的噪声特征提取方法，首先利用小波包进行分频，对不同频段解调出的DEMON 谱进行融合，得到明显的DEMON 线谱。然后，经过线谱净化使DEMON 线谱更加清晰，在此基础上提取目标的调制特征。仿真及试验结果表明，本文提出的算法对于提取具有可行性和有效性，对水下目标识别具有重要的应用价值。

1 目标线谱提取过程

1.1 ZFFT 算法原理

在水声测量中，通常采用FFT 方法进行参数估计，然而对于一些对频率测量要求较高的场合，存在FFT 分析的分辨率不够，从而导致信号的重要频域信息被遗漏的现象［7］。因此本文提出了利用ZFFT 进行高分辨率谱分析的解决方案，该方法不仅能够能减少运算量，而且可以得到局部细化谱，对准确提取目标噪声中的线谱信息非常有效。采用复调制的ZFFT 基本原理如图1 所示。其具体实现过程如下所述:(1)确定算法细化频带的中心频率和细化倍数。(2)通过复低通滤波器滤出所需分析频段信号。(3)经过低通滤波之后的信号频带变窄，从而可用较低的采样频率进行重采样，在相同采样点数时，样本总长度加大，频谱的分辨率也得到提高。(4)复调制移频，将细化的频率起点进行左右移动，使得被观察频段的起点落在频域坐标的零频位置。(5)作N 点的FFT 运算和谱分析，无需进行频率调整就可以得到具有N/2 条独立谱线的细化频谱。

图1 复调制ZFFT 谱分析原理图

1.2 改进DEMON 分析方法

传统的DEMON 分析方法是将宽带目标噪声先经带通滤波器滤波后选择调制强的频段，然后将这些频带经平方检波后对包络进行FFT 分析，测量并显示目标轴频及各次谐波分量。但因为同样的调制信号对不同频带噪声的信号调制度不同，所以怎样找到调制强的频段成为关键问题。同时在实际的数据处理中，不可能对信号全频带处理，通常要先将信号通过窄带滤波器，然后取包络。如果该频带没有受调制或调制信号微弱，就需要更换窄带滤波器，重复上述步骤，大幅增加了解调的复杂性。这就要求寻找一种自动选判哪个频段的DEMON 线谱最强的线谱分析方法。

在处理大量实验数据过程中［8－9］，总结出基于小波变换和ZFFT 细化算法的谱分析方法，可以得到改进的DEMON 谱。具体步骤如下:(1)对目标辐射噪声信号进行3 层小波频带分解，将其分成6 个具有一定带宽的子带。(2)对6 个子带的小波包系数进行平方检波得到其包络信号，对包络信号进行ZFFT 运算即可得到其DEMON 谱，再对其做归一化处理。(3)将归一化处理的包络信号通过低通滤波器，可以得到DEMON谱的变化趋势即其连续谱。经过分析发现，一般水下目标线谱强度高于附近信号连续谱强度5 ～10 dB［10－11］，若以Δ1 倍的连续谱作为检测门限，则过门限剩下的谱线一定是线谱。(4)选取不同频段的噪声信号经步骤(1)～步骤(3)归一化处理得到各自的DEMON 谱，将各DEMON 谱乘以其对应的权重系数再迭加，即得到改进的DEMON 谱。

利用小波包将信号在频域进行划分，使每一段信号满足窄带条件，同时又不过窄，取每一频带信号的包络谱，将不同频带包络谱融合累加，得到信号在全频带的包络谱。这样可以弥补传统DEMON 谱分析丢失线谱的缺点，使最后加权求和得到的DEMON 谱具有更多的线谱，充分利用了信号各个不同频段的有用信息。

1.3 线谱净化

利用小波包进行分频段选取待解调数据，对不同频段解调出的DEMON 谱进行融合，得到比常规解调方法效果更好的DEMON 线谱。但由于海洋环境的复杂性以及多途效应，使得DEMON 谱并不能很清晰地显现出代表目标的轴频以及它的谐波簇。所以必须对得到的DEMON 谱图进行净化，使其线谱更加明显，以利于后续的轴频提取。

目标辐射噪声不同频段的调制深度是不同的，调制深度越大，取出的DEMON 谱信噪比就越高。为了综合利用各频带的信息，将信号在频域进行划分，使每一段信号满足窄带条件，同时又不能过窄，因为频域越窄，调制信号能量越小;取每一频带信号的包络功率谱;将不同频带包络功率谱累加，得到信号的在全频带的包络谱。具体框图如图2 所示。

图2 频域周期图方法结构图

这样做有两点好处:一是可以方便地观察到各频段的综合信息，避免了更换窄带滤波器的麻烦;二是提高了信噪比，类似于频谱分析时在时间上分段的周期图法，这里是在频域分段。由于DEMON 谱中信号(线谱)是稳定的，而噪声是随机的，因此可以起到噪声平滑效果，提高信噪比。

2 仿真及试验数据分析

2.1 仿真分析

以下是对潜艇辐射噪声仿真模型，采用改进的DEMON 分析方法进行解调，仿真条件如下:信号中心频率为13.5 kHz，脉宽1 s，系统带宽300 Hz，采样频率10.2 kHz，收敛因子μ=0.000 1，延时节为20，权个数N=512，自相干累加系数为0.96，频域周期图分段长度为0.5 s，频域周期图分段重叠长度为0.25 s。首先用改进的方法对噪声信号进行3 层小波分解，然后分别对分解的6 个子带进行谱分析，得到各频段DEMON谱明显不同，最后融合各段信息，融合后的DEMON 谱综合了各频段的特性，得到较明显的DEMON 线谱，DEMON 谱提取过程如图3 所示。

图3 DEMON 谱提取

在得到线谱后对其进行ZFFT 变化，经过自适应低通滤波器处理后并采用平均周期图进行净化，其结果如图4 ～图6 所示，通过频谱周期图的自适应线谱滤波器有效地降低了干扰噪声，除去了由于谱估计随机起伏而造成的毛刺，提高了输出信噪比，使得信号线谱特征更明显，解调效果明显更好。

图4 输入信号的ZFFT 图

图5 自适应滤波后信号的FFT 图

图6 平均周期图净化谱

2.2 试验数据分析

通过对湖水时实测试的民用水面交通艇辐射噪声情况进行处理，图7 是DEMON 谱处理结果。从该图直接估计谐波基频为7.6 Hz，其中标有L1、L2的两条线谱为干扰，采用频谱周期图净化方法予以剔除，净化结果如图8 所示，经过线谱净化后，谐波干扰被消除，同时突出了功率最大的线谱，线谱特征更明显，可以看到剩余线谱有明显的谐波倍频关系，有利于轴频的提取。

图7 目标DEMON 谱

图8 目标净化谱

3 结束语

利用改进的高频噪声解调分析方法进行线谱的提取，并经过净化从而可靠地提取了目标线谱。仿真及试验结果表明，本文提出的算法对于线谱的提取是可行和有效的。

［1］ 吴国清，陈耀明，袁毅.舰船噪声识别－总体框架、线谱分析和提取［J］.声学学报，1998，23(5):34－37.

［2］ 杨向锋，张效民，孙继红.舰船辐射噪声功率谱特征提取方法研究［J］.鱼雷技术，2006，14(1):34－38.

［3］ 黄建国.现代谱估计［M］.北京:科学出版社，1998.

［4］ 程玉胜，王易川，史广智.基于现代信号处理技术的舰船噪声信号DEMON 分析［J］.声学技术，2006，25(2):71－74.

［5］ 樊养余，孙金才，李平安，等.基于高阶谱的舰船目标识别［J］.模式识别与人工智能，1999，12(2):229－233.

［6］ 张新华，王骥程.基于小波变换的舰船辐射噪声特征提取［J］.声学学报，2003，22(2):122－124.

［7］ 唐震，程玉胜.基于短时FFT 方法提取螺旋桨转速的研究［J］.青岛大学学报，2002，25(2):56－58.

［8］ 侯自强，李贵斌.声纳信号处理—原理与设备［M］.北京:海洋出版社，1986.

［9］ 段立晶.水中目标辐射噪声调制谱提取方法［J］.声学技术，2010，29(1):32－25.

［10］Urick.工程水声原理［M］.洪申，译.北京:国防工业出版社，1972.

［11］郑兆宁，向大威.水声信号被动检测与参数估计理论［M］.北京:科学出版社，1983.