基于线谱特征的水中航行物检测方法

基于线谱特征的水中航行物检测方法

线谱的频率稳定性和时频分析技术利用船舶辐射噪声特性提高声门下的性能是前人的一个重要努力方向。利用谱特性中的线谱是很吸引人的,单从检测性能讲,由于线谱强度可以高出连续谱许多,有的可高出20dB以上,利用这些线谱可以使声呐作用距离明显增加。要利用线谱就要求对线谱的特性有深入的了解。线谱的非平稳性是线谱特性的一个重要方面。线谱声源产生的幅度和频率的不稳定,海洋信道的起伏和多普勒现象等是线谱非平稳性的原因。线谱的频率不稳定使“用增加积分时间来获得线谱增益”的方法受到限制。本文调查了许多水中目标线谱频率稳定性的情况,可以看到有些目标线谱频率很稳定,有利用长积分时间的价值,有的却不能。有的线谱非平稳性中含有目标的速度和距离信息,给提取目标信息创造条件。文献1研究了舰船噪声线谱和环境噪声起伏模型,文献2分析了出现频率大于50%的线谱的频率和幅度稳定性,文献3—文献11对线谱进行多方面的研究。时频分析技术近年来发展迅速,它把一个随时间变化的信号,用二维时频平面上分布来表示。时谱分析的技术有短时傅氏变换、子波变换、Chirplet变换等,这些方法的基函数为线性函数。文献12,13提出了Dopplerlet(多普勒小波)变换并用于噪声背景下恢复原始信号获得成功。本文利用Dopplerlet变换,分析水中移动目标的辐射噪声信号。由于Dopplerlet能与噪声中由多普勒产生的线谱非平稳性相匹配,这就有可能从中估计到水中目标的航行速度和距离。1正常通过线谱来估计距离图1(a)和(b)分别示出m401水中航行物辐射噪声的时变谱图像和线谱图。图1(a)示出的时变谱图像用灰度表示谱强度(dB),x轴表示时间,y轴表示频率。在线谱图中的平均时间很长,只有很稳定的线谱才能跳出来。而频率变化的线谱可以在时变谱图像中看到。线谱频率的变化反映了航行物航行状态的变化,在图1(a)中0到50s左右的时间段,线谱的剧烈变化反映了在这段时间内航行状况剧烈变化,在50到110s的时间段有稳定的航行,线谱也较稳定。110s以后又改变航行状态。所以线谱频率也随着剧烈变化。另外请注意在85s左右钟形的干涉图像。图2(a)和(b)分别示出m1201水中航行物的辐射噪声的时变谱图像和线谱图。从线谱图上可看到第一根线谱稳定而尖锐,第二根线谱图较粗。在时变图图像上可看到第二根线谱有幅度调制,在110s左右可看到有线谱的谐波组和一组钟形密集的干涉条纹图像。图3(a)和(b)分别示出ls291c水中航行物辐射噪声的时变谱图像和线谱图。从图中可以看到该航行物低频端的线谱稳定,另外在190s左右可看到有钟形的干涉图像,波纹密集区则为航行物的正横位置,与接收点位置距离最近。图4(a)和(b)分别示出m301水中航行物辐射噪声的时变谱图像和线谱图。从线谱图上可看到有几根稳定线谱。另外从时变谱图上可以看到非平稳的线谱组,特别是在60s附近。在60s附近也有明显的干涉条纹,条纹密集处为航线物航行的正横点。以上给出的4个图例中,已发现有二组特征蕴藏目标的距离信息。(1)干涉条纹的“粗线谱”,它由辐射噪声与水声信道相互作用产生,可以利用它估计到目标距离。(2)线谱组,可以用本文提出的方法,估计出目标距离信息。以下讨论用Dopplerlet多普勒匹配投影法估计目标距离的方法,模拟实验和利用海上实际数据的距离和速度估计。2样本变换和匹配算法2.1声源接收点的速度测量“小波”的概念可理解为用一段窗函数对谐波进行调制产生。用墨西哥草帽函数对谐波进行调制得到墨西哥草帽小波。Chirplet是用一小段窗函数对线性调频信号进行调制得到。Dopplerletk的定义可以这样理解,设声源以速度v做直线运动,接收点距此运动直线的垂直距离为l,声源为单频线谱声源,频率为f0,介质中传输速度为c。设声源信号为:则接收点的信号为:其中A(t)为强度变化,t0为声源运动到达接收点垂直与运动直线交叉点的时刻(把t0时刻假设为时间轴中心),f为接收点接收到的频率,f可表示为:当t<t0时,f>f0,当t>t0时,f<f0。把强度A(t-t0)变化忽略,定义Dopplerlet为:其中f由式(3)表示,g(t-t0)为加权窗,若取归一化高斯窗(详见文献14),则高斯Dopplerlet为:式中参数意义为:时间中心t0频率中心f0,时宽△t,接收点与声源运动方向的垂直距离l,声源运动速度v,以及媒质中的声速c。2.2dopper礼宾变换用Dopplerlet作基函数,定义任一平方可积信号s(t)∈L3(R)的连续Dopplerlet变换为:上式中,“<,>表示内积。2.3基于约束的迭代分解匹配投影算法利用Dopplerlet基函数系{dγ}γ∈Γ(其中Γ表示指标集)中的某些元素对应的基函数与信号成分存在强相干,做迭代分解。在每次迭代过程中选择一个与残余信号最相关的基函数dγ,用m个Dropplerlet基函数的加权组合来充分逼近信号。算法详细原理参看文献12,13,15,16。3正横穿过接收点时产生的不确定现象上面已经介绍了水中目标线谱的非平稳性的时频形态,第1节给出的4个图例都是水中目标正横穿过接收点时产生的情况。本文重点是从水中目标横穿过接收点的海上实验数据中提取到当时目标的距离和速度。为了验证此方法的可行性,探索较好的算法及了解算法的性能,首先用模拟实验对此方法进行研究。3.1时宽t的长度对归一化投影值的影响这里依据匹配投影值最大为准则,去寻找与最强的非平稳线谱相匹配的小波基。这个基函数是从一个包含这些基函数的冗余的基函数集中挑选出来的。寻找最佳基函数的问题是一个全局优化问题,需要寻找5个最佳参数,时间中心t0,频率中心f0,时宽△t,接收点与声源运动方向的垂直距离l,声源运动速度v(介质速度c假设为常数)。若通过全面的五维搜索找到最佳投影基,计算量太大,也没有必要。这里按照一定的搜索策略,进行一系列的二维或三维搜索来逼近这个最佳基。本文处理的对象是水声信号,假设声速c为常数1500m/s。本文采用以下搜索步骤:(1)粗略估计信号的最强线谱的频率中心f0,选择初始时宽为△t。①用l/v比值rlv来作为时宽△t的一个相对比例值是合适的,可以证明当△T/rlv=±2时(△T为偏离正横时刻的时间值),±△T时刻的瞬时频率与中心频率之差为最大多普勒频移△f的0.9倍(△f=(v/c)f0)。例,设l=50m,v=25m/s,则rlv=2s,△T=±2rlv=±4s,则正横时刻前后4秒时的瞬时频率与中心频率之差为±0.9△f。所以若取△t=8s,则截取的信号段(设Dpperlet的时间中心与正横时间对准)正好覆盖了多普勒频变最剧烈的一段(-0.9△f～0.9△f)。②时宽△t的长度对归一化投影值的影响为见图5。这是一个计算机模拟实验的结果,信噪比为40dB,搜索结果使中心频率f0,正横距离l,速度v都达到精确值,图中y轴为归一化投影值,x轴表示滑动窗的时间中心点。目标在15s处达到正横位置,所以这些图中最大值都出现在15s。图5(a)为时宽△t取1s的情况,图5(b)为时宽△t取3s的情况,图5(c)为时宽△t取8s的情况。可以看到,当取长时间,波束尖锐,8s情况的旁瓣比3s情况的旁瓣要抬高许多。③产生一高斯窗,在信号的起始点截取一段长度为△t的信号s(t1),其中t10为△t/2,计算与信号s(t1)的乘积的Fourier变换,找出频谱上的峰值点频率f01,该频率就对应于信号s(t1)的最强的线谱中心频率。(2)在f0vl三维空间寻找最大投影值在以上估计的基础上,在线谱频率f01,速度v,和距离l构成的三维空间进行三维搜索,以投影值最大(即内积最大)为准则,搜索与信号S(t1)最匹配的Dopplerlet,得到相应的最大投影值,速度和距离。(3)时间信号的截取向前滑动,重复(1)和(2)时间信号向前滑动一定的步长,得到信号s(t2),重复(1)和(2),得到相应的最大投影值,速度和距离。如此直到找出整个信号各步对应的时间段信号(s(t1),s(t2),…,s(tn))各自最大的投影值()以及相应的距离、速度和中心频率。(4)精确估计△t依据步骤(3),已得到的各段信号S(t1),S(t2),…,S(tn)的最大的投影值()与时间的关系曲线,从中取最大投影值来确定精确的搜索范围。利用对应的时间段S(tm)的时间中心tm0,中心频率fm0,以及在时间段tm搜索出来的速度和距离,根据投影值最大准则,对△t进行一维的搜索,搜索到最佳的△t作为△t的精确值。(5)精确估计f0,v,l在得到△t精确值和时间中心tm0两参数的基础上,对步骤(4)得到的中心频率fm0,速度和距离在各自较小的邻域内做进一步的三维细化搜索,实验中搜索中采用的步长:频率为0.1Hz,速度为1m/s,距离为2m。(6)更小的区域精确估计v和l在步骤(5)的基础上,对速度、距离在更小的区域进行估计精确搜索,这时采用更小的步长。本文模拟实验中搜索中采用的步长:速度为0.1m/s,距离为0.1m。3.2a算法与我国最大信噪比下的距离和速度估计为了检验该方法,声源假设为单频线谱信号,目标做直线运动,横穿过观测点。考虑到将要分析的海上实验数据中水下运动目标的实际运动情况,设目标离观测点最近距离为50m,目标速度25m/s。线谱信号中心频率300Hz,采样频率2000Hz。时间中心在10s处,加高斯噪声,使信噪比为-0.36dB,实施3.1节的搜索策略。速度v取值范围在1～30m/s,距离l在10～100m。时间段滑动采用的步长为100个采样点。时宽△t的初始值设为16000采样点(换算为模拟量为8s),经过步骤(1),(2),(3)可得到最大投影值与时间的关系曲线如图6所示,最大投影值位于10s处。根据该最大投影值进行步骤(4),可得到时宽△t的精确值为17600采样点(8.8s)。再经过步骤(5),(6)可以估计到目标距离和速度。距离估计均值为50.6m,均方根误差为0.9661m,速度估计均值为25.08m/s,均方根误差为0.1208m/s,蒙特卡罗环为10次。图7示出归一化投影值与目标距离和速度的关系图,图7(a)用的是三维图形,图7(b)用的是二维灰度图像。此三维图形和二维图像的最大峰值对应的距离和速度就是要估计的目标距离和速度。二种表示法各有优点,图7(a)可清楚看到最大峰值的高度,图7(b)可清楚看到误差的走势情况。为了进一步了解该方法在不同信噪比下的性能,在不同信噪比(11.22dB,4.16dB,-1.81dB,-8.24dB,-10.69dB,-18.21dB)下分别做50次随机白噪声模拟计算,得到各信噪比下的距离和速度的均值和均方根差误差。表1为在不同信噪比下的距离速度估计的均值和均方根差。从表1可以看出多普勒小波匹配法有较强的检测能力。速度估计精度要比距离估计精度高。3.3时宽t的搜索实验数据处理的运动目标的时变谱图与图4(a)所示的相似,也有一组线谱和干涉图型。实验分析是1kHz以下的频段,采样频率为2000Hz。考虑到水下运动目标的实际运动情况,速度v取值范围为1～30m/s,距离l取值范围为10～100m。时宽△t的粗略值定为14000采样点(换算为模拟量为7s),搜索步骤同上述的计算机模拟。图8为由步骤(1),(2),(3)所获得的海上实际数据归一化投影值与时间的关系图,在7.3s处投影值达到最大。步骤(4)搜索后的时宽△t的精确值为12000采样点。图9为搜索完的海上实际信号的归一化投影值与距离和速度的关系图,图9(a)用的是三维图形,图9(b)用的是二维灰度图像。估计的最近距离为35m,速度16m/s,与海上实验情况符合。实际资料处理采用的参数和搜索步