拖线阵阵形估计技术研究综述

张 琪

（杭州应用声学研究所，浙江 杭州 310012）

0 引 言

拖曳线列接收阵声呐又称为拖线阵，其在拖曳时远离舰体，具有受本船噪声影响小的优点。拖线阵的工作频率较低，能够远距离探测水下目标，在对潜探测方面发挥着重要作用。在水中拖曳过程中，由于受洋流、本船航速变化以及回转机动等影响，拖线阵的姿态往往无法保持直线，容易产生阵形畸变。有文献指出，如果阵形畸变超过拖线阵长度的十分之一，需要补偿由此引起的阵处理增益损失[1]。因此，对畸变阵形做阵形姿态校正尤为必要。对此，本文主要简述现阶段阵形估计的常用方法，指出不同方法的优缺点，并就阵形估计技术的发展给出一点建议和思考。

1 拖线阵阵形估计常用方法

拖线阵阵形估计技术主要分为声学方法和非声学方法两大类。声学方法主要是根据拖线阵水听器接收的声学信号，利用信号处理的方法反推阵形姿态，该方法一般需要借助辅助声源；非声学方法是根据布置在拖线阵上的非声传感器采集得到深度、航向等数据，采用插值拟合或者构建拖曳阵空间运动方程进行阵形预测。

1.1 声学法阵形估计

声学方法主要包括锐度法[2-4]和特征矢量 法[5-11]。BUCKER 首次采用锐度法来预测阵形，该方法通过枚举得到所有阵元的位置坐标，再就对应位置做波束形成，当目标方位上存在功率极大值时即认为是真实的阵元位置。其缺点是对于阵元数量较多的情形，该搜索算法比较复杂[2]。后来，FERGUSON 采用锐度法做自适应波束形成来预测阵形[3]。特征矢量阵形估计法首先由GRAY D A 提出，该方法通过对信号协方差矩阵做特征分解，认为阵列流形矢量与协方差矩阵大特征值对应的特征向量具有一致的子空间[4]。FERGUSON 仿真比较了锐度法和特征矢量法阵形估计的效果，发现当阵形畸变严重时，锐度法得到的阵形位置误差大于特征矢量法[5]。SMITH J J 仿真分析了分子阵特征矢量法阵形估计的性能，发现在不影响阵形估计精度的同时可显著提高计算效率，并给出了存在远场窄带声源时，阵形估计精度的克拉美罗下界[6-7]。随后，考虑存在远场宽带声源信号的情形，SMITH J J 提出了加权准相干和非相干特征矢量估计阵形的方法，数值实验表明加权准相干阵形估计的性能优于非相干法[8]。NING M 提出了声源方位未知特征矢量阵形估计方法，可在快速获取声源方位（DOA）的同时仍能保持阵形估计的精度[9]。WEISS A J 采用极大似然法进行阵形估计，该方法不需获取辅助声源的初始方位[10]。QUINN B G 提出采用隐藏马尔可夫链阵形估计法，数值模拟结果表明当接收的声源信号信噪比较低时，阵形估计效果优于极大似然法[11]。

1.2 非声法阵形估计

非声辅助测量方法主要包括插值拟合法和流体力学法。插值拟合法根据加装在拖线阵的非声传感器测量得到的航向、纵横摇等位置信息，经多项式插值拟合得到阵形。该方法虽然能实时获取阵形姿态信息，不过在拖线阵上大量加装非声传感器造价昂贵，且增加了硬件设计难度，其估计效果受传感器数量和精度的限制。流体力学法通过构建力学方程（Paidoussis Equation）来描述拖缆的水下运动状态，该方法将航向、深度等非声传感器实测值作为边界条件输入，需要的非声传感器数量较少。不过，当海洋环境变化剧烈，需要实时给出拖线阵在不同运动状态下方程的模型参数，模型解算复杂[12]。

插值拟合法方面，HOWARD 采用四次样条插值方法拟合得到了水听器三维空间位置分布，该方法兼顾了数值计算稳定性以及拟合曲线的平滑性[13]。AARTSEN 对放置在拖线阵固定位置处的深度和航向传感器进行连续测量，结合声学传感器获取得到的冲击信号计算估计阵形，并选取本船机动的情况对该法进行验证[14]。FELISBERTO 对获取的非声传感器（倾斜仪、加速度计、压力传感器）数据做插值得到估计阵形，可解决左右舷分辨模糊的问题[15]。PARK H Y 采用迭代样条插值法拟合阵形，仿真试验表明，选择5 阶插值多项式，可在保证阵形估计精度的同时，最大程度地减少计算复杂度[16]。CHO C G 根据航向传感器数据，采用最小二乘多项式拟合法得到了估计阵形，可在一定程度上补偿阵形畸变带来的增益损失[17]。焦君圣采用改进的多项式拟合法，修正了阵形扰动较大时，阵形畸变横坐标近似等于直线阵横坐标带来的位置误差[18]。

流体力学法方面，GRAY D A 基于Paidoussis方程构建了柔性拖线阵在水中的运动姿态方程，通过对拖线阵空间离散化，采用有限差分法求解Paidoussis 方程，再结合卡尔曼滤波得到不同时刻拖线阵位置分布[19]。Paidoussis 方程解算阵形的原理是认为拖线阵在水中拖曳时，拖点处的扰动不断传导至整个拖线阵。当扰动波长与基阵长度相当时，该扰动基本可以无衰减地传导至拖线阵尾端。理论上讲，只要确定拖点处的运动机制或者仅需要拖点处的航向、深度等信息，即可估计完整的阵形。不过，当拖船遭遇急转向或者拖线阵处于稳定的海流干扰下，该方法的阵形估计精度较差，并存在相位滞后的现象，不能做到实时阵形估计。对此，NIKITAKOS 提出的自适应多模分割算法更能适应本船急转向的情况，阵形估计的误差更小[20]。NEWHALL 采用改进型Kalman 滤波法，克服了相位滞后的缺点[21]。LU F 仿真试验了利用拖线阵尾部航向传感器信息可进一步修正拖船航速变化引起的阵形估计与传感器测量值的偏差[22]。

2 阵形估计技术存在的问题及建议

梳理现有文献发现，声学与非声学阵形估计方法各有优劣。声学法可以标定拖线阵绝对空间位置，不过其定位精度取决于辅助声源信噪比。另外，大孔径拖线阵由于具有较多的声学水听器，实时阵形预测无疑会大量增加计算负荷，这对硬件资源是较大考验。非声学法中的插值拟合法获取了航向、深度等信息，能够实时得到阵形的整体变化趋势，不过估计准确度不如声学方法。流体力学法在引入拖缆运动学方程后，也存在运算量大、实时性差的问题。因此，实现声学与非声学阵形估计法的有效结合，将是未来阵形估计技术发展的必然趋势。而在具体实现上，可以引入人工智能领域的深度学习等方法，在尽可能多地获取声学与非声数据的基础上，改进数据处理算法或者引入分布式计算等技术，实现对海量数据的实时分析，并提取出估计阵形所需的主要特征数据。

3 结 语

低频、大孔径拖线阵由于对潜艇具有良好的探测性能而越来越受到重视。海洋环境变化的复杂性以及本船机动等原因，使得拖线阵在水中的姿态愈来愈难以受控。加之潜艇较低的辐射噪声以及灵活机动的特点，都极大地增加了对艇探测的难度。因此，在被动探测中，只有实时、准确地获取拖线阵阵形位置信息，才能最大限度地减少主瓣宽度以及旁瓣高度，使得潜艇等微弱目标不至于淹没在背景噪声或旁瓣干扰中，从而增大潜艇探测的概率。未来，随着阵形估计算法的更新迭代以及计算机运算性能的提升，相信阵形估计的实时性和准确性问题将得到有效解决。