一种舰船轴频电场实时检测方法

李 越,张伽伟,程锦房

(海军工程大学兵器工程学院,湖北武汉430033)

0 引言

传统的舰船目标声探测手段较为成熟，随着减振降噪和电力推进技术的发展，再加上声线弯曲等，限制了对水中目标的声探测能力，所以寻找一种新的舰船信号源十分重要和迫切。舰船在海洋环境中引起的电场叫做舰船电场，腐蚀电流和由ICCPPCP系统产生的保护电流均会经海水从船壳流向螺旋桨，然后通过各种轴承、密封和机械线路从螺旋桨返回到船壳。此回路的电阻R会随着螺旋桨轴承的旋转而发生周期性的变化，使流经海水的电流受到调制，从而在舰船周围产生以螺旋桨转动频率为基频的时变电场信号，该电场称为轴频电场[1-2]。舰船轴频电场是客观存在的，不能彻底消除，是很难被隐身的舰船特征信号。国外早在20世纪60-70年代就进行了船舶电场的理论和试验研究[3-6]。在国内，舰船电场近年来受到重视，以此为研究对象的各种项目工程也在进行[7-9]。

在利用轴频电场信号对舰船进行检测的过程中，总是会存在海洋环境电场信号的干扰。当干扰很小、信噪比很高时，传统的基于时域特性的目标检测方法能够达到使用要求，如以电场模量、斜率、斜率比等为特征[10]；但当干扰较大信噪比很低时，上述方法虚警率过高，无法有效检测到目标。文献[11-13]基于小波良好的时域局域化能力，在小波域中利用小波包熵、小波空域相关、小波模极大值能量等特征进行信号去噪和检测，但小波类算法存在基函数选择缺乏自适应性、降噪阈值设定不易和分解层数的确定经验性强的缺陷。文献[14]将经验模态分解算法与4阶累积量相结合，将其用于轴频电场的检测，利用前者的信号自适应分解能力和后者的抑制高斯过程的性质，取得了不错的效果，但算法中的部分参数需要多次试验才能确定，经验模态分解也存在模态混叠现象。目标检测的基本要求是在不虚警的情况下尽可能地提高检测概率。考虑到上述原则和前人存在的问题，本文提出一种基于信号特征的舰船轴频电场实时检测方法，拟通过设定合适的阈值，适当放宽对疑似目标点的判决条件，然后通过电场模量判据、线谱倍频判据、线谱稳定性判据对疑似目标点进一步判断，在提高了检测概率的同时又降低了虚警率，实现了低信噪比下对目标的检测。与文献[15]所用方法相比，本方法采用经典功率谱估计方法，运算速度较快；同时选用特征频段内最大谱值为特征量，与选取平均谱值作为特征量相比，本方法更具有实时性；增加电场模量判断对疑似目标点进行初筛，减少后续判断运算量，有利于对信号进行实时检测。

1 舰船轴频电场的特征分析

对目标信号进行检测的关键是在环境噪声中提取目标信号的特征，信号特征的提取有赖于对信号及其环境噪声的深入分析。

对1艘实测客船的轴频电场信号进行分析，采样频率为20 Hz。图1(a)为客船轴频电场信号，图1(b)为其频谱图。从图中可以看出，时域上轴频电场信号具有良好的区域性，成包络对称分布，其幅值量级足以被检测到。频域上轴频电场信号表现为基频及其倍频的线谱。图1(c)为分段滑动进行功率谱估计时，每段数据功率谱最大值对应的频率，即最大能谱频率。可以明显地看到信号段最大能频率稳定，且出现在基频或其倍频处，而环境信号没有此规律。图1(d)为客船通过时特征频段内能量的变化。特征频段内能量的计算方法是对信号进行功率谱估计，提取特征频段内谱值的最大值。具体步骤：每次功率谱计算的点数为200个，即10s为1段，每次向前推进4 s进行计算。可以看到，舰船到来时，其功率谱最大值明显增加。

图1 舰船轴频信号特征图Fig.1 Characteristic diagram of ship’s shaft-rate signal

2 舰船轴频电场信号检测算法

舰船轴频电场信号检测方法是一种基于能量检测的方法，主要通过对某一特征频段内的电场轴频信号功率谱最大值的实时跟踪，可以对目标舰船是否存在做出初步判断。当没有舰船轴频电场信号时，测量到的数据为环境电场数据，该特征频段内的功率谱最大值变化较为平稳，谱值相对较小；当有舰船轴频信号出现时，该频段的功率谱最大值会显著升高。因此，可通过设定阈值达到检测舰船的目的。为了提高检测率，另设3个判据进一步判断。轴频电场信号频域表现为基频及其倍频线谱的形式，且基频范围大致确定，而且由于舰船正常航行时其螺旋桨的转速恒定，所以基频及其倍频处的线谱位置稳定，对于近场而言，轴频电场还具有一定的幅值[15]。以上述条件为判断准则，检测方法的实现步骤如图2所示。

图2 舰船轴频电场检测方法流程图Fig.2 Flow diagram of detection method on ship’s shaft-rate electric field

检测方法的具体实现步骤包括：特征频段选取、功率谱估计、特征量计算、检测阈值确定、疑似目标点确定、电场模量判断、线谱倍频判断和线谱稳定性判断。

2.1 特征频段确定

不同类型舰船的螺旋桨转速不同，范围大致如表1所示。根据各种类型舰船桨速范围确定对应的轴频范围为1～6 Hz，因为需要用倍频信息进行倍频判断，所以特征频段确定为1～12 Hz。

表1 不同类型舰船螺旋桨速度范围与轴频信息[16]Table 1 Propeller’s rate ranges and shaft-rate information of different ships

2.2 功率谱估计

对检测时刻n以及之前的N-1个数据{x(n)，x(n-1)，…，x(n-N+1)}进行功率谱估计。算法的关键步骤是分段进行功率谱估计，要求谱估计必须对短序列具备高分辨率、周期偏移小的性能。以Fourier变化为理论基础的周期图法(直接法)和BT法(间接法)，以及后面出现的 Bartlett法、Welch法和Nuttall法等改进方法统称为谱估计的经典方法[17]。经典功率谱估计方法可以用FFT快速计算，且物理概念明确，是目前较常用的谱估计方法。本算法采用Welch法进行功率谱的估计，在其对数据分段时，允许每一段数据有部分的交叠，这样段数增大，方差可得到更大的改善。同时，在使用汉明窗时可以改善由于矩形窗边瓣较大而产生的谱失真。Welch法的详细推导过程参见文献[17]。

2.3 连续谱与线谱的分离

将特征频段以外谱值置零。电场传感器接收到的信号功率谱由线谱和连续谱组成，如果直接在含有连续谱的谱中提取线谱，由于连续谱的趋势走向可能引起误判和漏判，所以为了提取有用的线谱特征，需将连续谱进行剔除。本文将频谱图中慢变化分量(趋势项)看成它的连续谱，输入序列为频谱采样序列，采用具有线性相位的FIR低通数字滤波器将其滤出，在注意到滤波器有(N-1)/2个抽样延时的情况下，有效地提取了其连续谱，实现了连续谱和线谱的分离。

2.4 线谱识别

对滤出连续谱的功率谱进行线谱识别。对文献[18-20]提出的3种谱线识别方法进行分析比较后，决定采用文献[18]的方法，通过寻找局部最大值点、谱宽度判断和设置峰高门限进行线谱识别。

2.5 计算特征量

取线谱识别后特征频段内的最大谱值为特征值Pn。

2.6 确定检测阈值

提取特征量后，需要根据特征量来确定检测阈值，首先计算n时刻前w段内特征量的平均值，PAve=(P1+P2+…+PW)/W是检测时刻前一段时间内环境噪声的平均。定义阈值为Tn=m×PAve，其中m为阈值因子。阈值Tn可以根据环境噪声自动调节，当环境电场噪声变化时，阈值具有自适应能力，所以是动态阈值。当环境噪声很小，信噪比很高时，可以设定较高的阈值(m=4～5)，可在不虚警的前提下较好地检测到目标。但当海况较差信噪比较低时，就需要放宽判决条件，取较小的阈值，以免目标丢失，造成漏警。

2.7 确定疑似目标点

当n时刻的特征量Pn＞PAve时，即判断 Pn为疑似目标点。图3给出了原理示意图，t为时间轴，n为当前检测时刻，N为求取功率谱的点数，w为求取阈值时需要用的平均特征量的段数，fs为采样频率。

图3 舰船轴频电场滑动检测原理图Fig.3 Schematic diagram of slide detection on ship’s shaft-rate electric field

2.8 电场模量判断

若 max{|x(n)|，|x(n-1)，…，|x(n-N+1)|}≥Th，则满足电场模量判断，继续进行线谱倍频判断，否则对下一时刻重新检测。其中Th为固定阈值，考虑到环境电场的大小，选取其范围为5～10 μV。

2.9 线谱倍频判断

轴频电场信号频域表现为基频及其倍频线谱的形式，对疑似的目标点，计算其最大谱值处所对应的频率点，分别计算其2倍频处和1/2倍频处的谱值P2和P1/2。 若P2≠0且P2≥0.5P或 P1/2≠0且P1/2≥0.5P，则满足线谱倍频判断，继续进行线谱稳定性判断，否则排除是目标点的可能。计算时允许的误差为1个频率点。

2.10 线谱稳定性判断

舰船在正常航行时其螺旋桨的转速稳定，不会发生突变，所以其轴频电场信号的基频和倍频稳定。而环境电场噪声并不存在稳定的频率，所以无此特点。可以根据这个特点来区分轴频电场信号和环境噪声信号。从时刻n开始，连续计算t秒时间内的特征量。若该段时间内的特征量对应的频率点均与时刻n特征量对应的频率点相同，或为其倍频，则满足线谱稳定性条件，最终判为目标点，否则排除是目标点的可能，进入下一时刻重新检测。计算时允许的误差为1个频率点。

3 仿真验证

用参考文献[21]中的方法生成电场仿真数据。模拟航速为10 kn，水深为30 m，吃水为5 m，正横距为30 m，生成理想的轴频电场数据。为了获得不同信噪比下对目标信号检测的能力，对理想信号加上不同的白噪声信号，生成仿真数据，对其进行验证。舰船轴频电场信号采样率为20 Hz。

为了能够分辨出基频和倍频线谱，分段求功率谱时FFT的长度不能少于1 s。用于功率谱估计的时间序列应该包含足够的信息量，所以取时间长度为10 s，即N=200，每次向前滑动2 s进行计算。电场模量阈值设为5μV，线谱稳定时间设为6 s。阈值计算时，放宽对疑似点的判决条件，取较小的因子m=1.5，w=10。当n时刻特征值大于阈值时，n时刻判定为疑似目标点，之后再进行接下来的判断，最终定为目标点。

图4 SNR=10 dB时仿真信号检测结果Fig.4 Detection result of simulated signal under SNR=10 dB

图4-5是在不同信噪比下的仿真结果，图中疑似目标点为○，最终确认目标点为Δ。从图中可以看到，在较高信噪比时，出现的疑似目标点大部分为最终确认目标点。但随着信噪比变小，轴频电场信号被环境电场信号掩盖，疑似点数量增多，出现了较多环境电场引起的误动，但通过后来的3个判据，成功地检测到了目标。

图5 SNR=-2 dB时仿真信号检测结果Fig.5 Detection result of simulated signal under SNR=-2 dB

4 算例

目标信号采用实测信号，目标舰船为某海域的某型轮渡，长度=186.2 m，宽度=24.8 m，吃水=5.8 m，标准排水量为15 000 t，目标航速14 kn，水深为30m。舰船轴频电场信号采样频率为20 Hz。携带的电场传感器由小艇布放，并通过水密电缆与艇上控制模块相连。测量体布放于水深10 m处。

实测数据分为4次测得，分别取了不同海况及不同正横距离下该型轮渡具有代表性的轴频电场信号，如表2所示。图6-9分别为不同情况下测量体采集到的目标舰船的轴频电场通过特性曲线及其根据本文的算法得到的检测结果。

图中疑似目标点为○，最终确认目标点为Δ。从图中可以看到，在海况相同测量距离不同时，随着测量体与轮渡的距离增大，轴频电场信号衰减较快；在测量距离相同海况不同时，随着海况变得恶劣，环境噪声对目标信号的影响加大，甚至掩盖目标信号。低信噪比时，较低的阈值容易引起误动，而较高的阈值又会造成漏警率增大。取其中50个航次的混合信号作为检测对象，其不同信噪比下的检测概率如表3所示。混合信号总体检测率为96%，虚警率为4%，较好地实现了目标检测。通过本文的方法，无需太高的检测阈值，既排除了误动又提高了检测效率。

表2 数据采集环境Table 2 Data collection environment

表3 不同信噪比下检测概率Table 3 Detection probability under different SNRs

图6 舰船轴频电场信号实时检测结果(SNR=35)Fig.6 Real-time detection result of shaft-rate electric field signal (SNR=35)

图7 舰船轴频电场信号实时检测结果(SNR=30)Fig.7 Real-time detection result of shaft-rate electric field signal (SNR=30)

图8 舰船轴频电场信号实时检测结果(SNR=5)Fig.8 Real-time detection result of shaft-rate electric field signal (SNR=5)

图9 舰船轴频电场信号实时检测结果(SNR＜0)Fig.9 Real-time detection result of shaft-rate electric field signal (SNR＜0)

5 结束语

本文依据实测舰船目标的水下轴频电场数据，对其进行了深入分析。针对轴频电场信号及环境电场噪声信号，提出了一种基于信号特征的舰船轴频电场信号实时检测算法。将经过线谱和连续谱分离及线谱识别后的功率谱估计的最大值作为特征量，将当前时刻前某段时间内的特征量平均值作为阈值，对信号进行了实时检测，确定了疑似目标点。之后通过模量判断、线谱倍频判断和线谱稳定性判断，最终确定目标。对仿真信号和实测信号进行了检测，在较低信噪比下实现了目标检测。