水中高速小目標被動檢測模型及其應用

胡 橋, 郝保安, 易 紅, 楊云川

?

水中高速小目標被動檢測模型及其應用

胡 橋1,2, 郝保安1,2, 易 紅2, 楊云川1,2

(1. 水下信息與控制重點實驗室, 陜西 西安, 710075; 2. 中國船舶重工集團公司第705研究所, 陜西 西安, 710075)

針對水中高速小目標難以準確檢測的問題, 結合3D超波束形成(3D-HBF)方法具有靈活控制窄波束和低旁瓣的特性, 以及模糊支持向量數據描述(FSVDD)檢測器具有優良的目標檢測性能這兩者的優勢, 構建了水中高速小目標被動檢測模型和具體實施方法。在該方法中, 高速小目標的輻射噪聲信號經過3D-HBF后, 將獲得的波束響應輸出向量輸入到FSVDD檢測器中, 從而實現目標的自動檢測和測向。將該方法應用于水下高速小目標檢測的實航試驗中, 結果表明, 同基于常規波束形成的檢測器相比, 其具有更好的檢測性能、目標檢測準確率和較高的方位估計精度。

水中高速小目標; 被動檢測; 超波束形成; 支持向量數據描述

0 引言

新型魚雷正向著高航速、遠航程、大深度、低噪聲、精確打擊、高效毀傷和智能化等方面快速發展, 并已成為大型水面艦艇、潛艇的最大威脅之一。同時, 魚雷的反對抗能力也進一步提高, 即使魚雷被軟殺傷防御系統成功誘騙后, 它的強續航力使它仍然具有再次搜索目標、攻擊目標的能力。而且隨著電子技術的飛速發展和信號處理能力的不斷加強, 現有魚雷可以在系統的硬件和軟件方面加以升級, 從而大大提高現代魚雷的反對抗能力, 尤其是對抗軟殺傷防御系統的能力[1]。

目前, 國內現有的魚雷防御系統都是軟殺傷, 既不能有效地對抗各種智能化魚雷, 也不能避開高速魚雷的再次攻擊。為了保護本艦和潛艇, 提高它們對魚雷攻擊的防御能力, 研制硬殺傷魚雷防御系統勢在必行。硬殺傷防御系統是指在魚雷被誘騙成功時或者還沒有識別出防御系統之前, 本方必須快速、準確地探測到高速的來襲魚雷, 并對其加以攔截和毀傷, 以達到一勞永逸的目的。因此, 在硬殺傷防御系統中準確探測和識別出魚雷等高速小目標變得極為重要, 否者將傷及本艦或潛艇。一方面由于魚雷的目標強度小, 給硬殺傷防御系統的主動探測帶來了困難; 另一方面, 為了加強硬殺傷防御系統隱蔽攻擊性能、降低對方預警時間、實現攻擊的突然性, 對高速來襲魚雷進行被動探測是一條有效的途徑。因此開展水中高速小目標被動探測理論研究具有重要軍事價值和現實意義。

超波束形成(Hyper beamforming)是陣列信號處理領域內能同時進行波束銳化和旁瓣抑制的新技術[1-3], 它的基本思想是, 通過形成指向同一方向的分裂波束對, 獲得和波束與差分波后進行相減, 同時進行超指數計算。該算法在實現過程中能夠保持已有聲學基陣系統不變, 在不增加額外硬件的條件下, 通過探測系統的軟件升級以達到減小束寬、抑制旁瓣和柵瓣, 同時提高定向精度的目的。

模糊支持向量數據描述法(fuzzy support vec- tor data description, FSVDD)僅僅依靠海洋環境背景下的噪聲數據樣本, 就可以建立起單值目標檢測器, 從而對水聲目標進行智能檢測[4]。它不僅可以將目標與背景噪聲明顯地區分出來, 而且隨著目標輻射噪聲信號信噪比的變化, 能夠快速將目標強度的發展趨勢清晰顯示出來[5-7]。

根據上述討論, 將超波束形成技術和模糊支持向量數據描述算法相結合, 提出了適用于水中高速小目標被動檢測的理論模型。并結合對水下高速小目標檢測的工程實例分析, 驗證了該模型的有效性。

1 3D超波束形成的基本原理

1.1 分裂波束形成技術

圖1 線列陣的分裂波束形成示意圖

1.2 基于分裂波束的超波束技術原理

從式(1)可以得到左右2個半波束的和波束y與差波束y分別為

為不失一般性, 以10陣元的等間隔線列陣為例, 設入射角=0°, 左右各5個陣元形成的半波束和差波束的指向性如圖2(a)所示。可以看出, 當預成波束方向偏離目標方位時, 差波束響應幅值增大, 半波束響應幅值減小。

根據差波束在信號入射方向的優良特性, 結合和波束(傳統波束)可構造超波束

和波束與超波束指向性如圖2(b)所示。從式(3)和圖2中可以看出, 當預成波束方向和信號入射方向相同時, 左右2個子陣的波束響應幅值相同; 當入射方向和預成方向偏離較大時, 和波束響應幅值減小, 差波束響應幅值增大, 從而使得超波束的輸出得到銳化。

定義廣義的超波束形成公式為

式中:為超指數;和分別為形成和波束的左右2個半波束的權重系數(限定+=2), 通過調整權重系數可以改變左右2個半波束的均衡性。

圖2 10元等間隔線列陣的波束指向性

Fig. 2 Directional patterns in the 10-element linear array with equal distance

圖3 束寬特性與超指數的關系圖

表1 束寬、主/旁瓣比與超指數的關系

從表3和圖1中可以看出, 隨著超指數的減小, 超波束束寬和旁瓣都將逐步下降。此外, 通過選擇合適的超指數還能滿足設定的束寬要求。

1.3 3D超波束形成原理

上面討論的都是基于線列陣的情況, 實際水聲探測工程中應用較多的都是平面陣。下面將超波束形成從線列陣擴展成基于平面陣的3D超波束形成。通常可以將平面陣非常左、右和上、下4個部分。根據式(4), 左、右兩部分形成的超波束Hyp_LR和上、下兩部分形成的超波束Hyp_UD分別為

由基陣乘積定理可知,Hyp_LR和Hyp_UD構成的平面陣形成的3D超波束為

對于由2個垂直的10元線列陣構成的平面陣, 常規波束形成和超波束形成的3D波束如圖4所示。

圖4 常規波束形成與3D超波束形成的性能比較

從圖4中可以看出, 相比3D常規波束的輸出響應, 3D超波束的主瓣寬度得到了極大的降低, 同時旁瓣也得到了有效的抑制。因此, 基于平面陣的被動探測系統中采用3D超波束形成方法, 一方面可以提高系統的檢測性能, 另一方面可以降低虛警概率, 并提升目標方位的估計性能。

2 模糊支持向量數據描述

2.1 支持向量數據描述

如圖5所示, 支持向量數據描述(support vector data description , SVDD)的基本思想是把要描述的對象(背景噪聲樣本)作為一個整體, 建立一個封閉而緊湊的區域W(半徑為的超球體), 使被描述的對象全部或盡可能多的包容在W內, 而非該類對象(目標樣本)不包含或盡可能少的包含在W內。

圖5 支持向量數據描述示意圖

2.2 模糊支持向量數據描述

為了描述水聲信號數據樣本的重要程度或所屬類別的不確定性, 即模糊性, 為數據樣本引入模糊隸屬度系數s, 0≤s≤1。s越大, 說明越重要, 在檢測中所占的權重就越大;s也可以反映樣本屬于水聲目標樣本的隸屬程度,s越大, 說明屬于水聲目標樣本的程度越大。利用模糊系數s, 可將標準的SVDD擴展為FSVDD。下面研究FSVDD的基本原理和算法。

對比式(10)和式(8)可以看出, 當s=0時, 兩式的表達式相同, 即SVDD是FSVDD的一種特殊形式。

3 水中高速小目標被動檢測模型

圖6 水中高速小目標被動檢測模型

4 應用實例分析

在某次實航試驗中, 用裝置了平面接收基陣的水下運動載體對來襲的水下高速小目標進行檢測, 從而對本文提出的高速小目標被動檢測模型進行驗證。

在該試驗中, 對于水聲環境的背景噪聲, 常規波束形成和3D超波束形成的響應輸出如圖7(a)所示, 它們對目標輻射噪聲的響應輸出如圖7(b)所示。可以看出, 對于背景噪聲和目標輻射噪聲, 3D超波束形成的響應輸出能量均小于常規波束形成的響應輸出能量, 這說明在同一基陣硬件條件下, 由于3D超波束能得到更窄的主瓣和更低的旁瓣, 從而可對空間噪聲進行有效地抑制, 獲得較少的噪聲能量。3D超波束形成在目標輻射噪聲時的響應輸出能量比背景噪聲時的高4.8 dB, 而常規波束形成的響應輸出能量基本上沒有變化, 這說明3D超波束對目標出現的情況更為敏感。

圖7 水中背景和高速小目標輻射噪聲的波束響應輸出

圖8 水中高速小目標被動檢測結果

對于編號為6~10的5個目標輻射噪聲數據樣本, 基于常規波束和基于3D超波束的被動檢測模型都能將目標檢測出來。此外還可以看出, 一方面, 基于3D超波束的檢測模型對應的檢測系數都大于基于常規波束的檢測系數, 目標與背景噪聲的可分性更強; 另一方面, 基于3D超波束的檢測模型還可以將目標的強度變化情況清晰地顯示出來, 與探測系統和高速小目標的距離逐漸接近的實際情況相符。

在不同方向的波束檢測值的相對變化量如圖9所示, 橫坐標為被動檢測波束方向, 縱坐標為基于常規波束和3D超波束的檢測值分別歸一化后的相對變化量。由圖可見, 基于3D超波束的檢測值變化量大于基于常規波束的變化量, 各不同方向被動檢測波束之間檢測值的差異相對也較明顯; 在0°附近, 基于3D超波束的波束檢測值最大, 這與試驗中探測系統的運動載體相對于水下高速小目標的實際位置一致。這也說明了基于超波束的高速小目標被動檢測模型具有較好的目標定向性能。

圖9 常規波束和3D超波束在不同方向的波束檢測值

5 結論

本文將3D超波束形成技術和基于模糊支持向量數據描述的單值目標檢測器進行有機結合, 構建了一種水中高速小目標被動檢測的理論模型, 并提出了具體的實施方法。將該方法應用于水下高速小目標檢測的實航試驗中, 得到以下結論。

1) 3D超波束形成技術在工程應用中能夠保持已有聲學基陣系統不變, 在不增加額外硬件的條件下, 通過常規探測系統的軟件升級以達到減小主瓣束寬和抑制旁瓣的目的, 而且計算量小, 簡單易行。

2) 水中高速小目標被動檢測的模型能夠有效地減少空間噪聲的輸入, 能夠有效地提高系統的檢測性能, 降低虛警概率, 并且提高探測系統對目標方位的估計性能。

[1] Schlieter H, Eigenbrod H. Method for the Formation of Radiated Beams in Direction Finder Systems[P]. United States Patent: US 6021096.

[2] Schlieter H. Passive Sonar Detection Improvement by HyperbeamTM Technique[C]//UDT, Europe 2006, Hamburg, Germany, 2006: 7A-2.

[3] Schlieter H. 3D-Hyperbeam Patent[P]. United States Patent: US 6178140B1.

[4] 胡橋. 水中目標新型被動檢測理論及方法研究[D]. 西安: 中國船舶重工集團公司第705研究所, 2008.

Hu Qiao. Research on New Passive Detecting Theories and Methods for Underwater Targets[D]. Xi′an: The 705 Research Institute, 2008.

[5] Hu Q, Hao B A, Lü L X, et al. Hybrid Intelligent Detection for Underwater Acoustic Target Using EMD, Feature Distance Evaluation Technique and FSVDD[C]// 2008 International Congress on Image and Signal Processing , IEEE, 2008, 5(4): 54-58.

[6] 胡橋, 郝保安, 呂林夏, 等. 一種新的水聲目標智能檢測模型[J]. 系統仿真學報, 2009, 21(8): 2369-2372.

Hu Qiao, Hao Bao-an, Lü Lin-xia, et al. New Intelligent Target-Dete- ction Model for Underwater Acoustic Signals[J]. Journal of System Simulation, 2009, 21(8): 2369- 2372.

[7] 胡橋, 何正嘉, 訾艷陽,等. 基于模糊支持矢量數據描述的早期故障智能監測診斷[J]. 機械工程學報, 2005, 41(12): 145-150.

Hu Qiao, He Zheng-jia, Zi Yan-yang, et al. Incipient Fault Intelligent Monitoring and Diagnosis Based on Fuzzy Support Vector Data Description[J]. Chinese Journal of Mechanical Engineering, 2005, 41(12): 145- 150.

Passive Detection Model for Underwater High-speed Small Targets with Application

HU Qiao1,2, HAO Bao-an1,2, YI Hong2, YANG Yun-chuan1,2

(1. Science and Technology on Underwater Information and Control Laboratory, Xi′an 710075, China; 2. The 705 Research Institute, China Shipbuilding Industry Corporation, Xi′an 710075, China)

For accurately detecting underwater high-speed small targets, a novel passive detection model is proposed based on the three-dimensional hyper beam forming (3D-HBF)method with flexible control of beam width and side lobe, and the fuzzy support vector data description (FSVDD) detector with excellent target detection capability. And its implementation method is also discussed. In the scheme, 3D-HBF is carried out to obtain the beam response vectors (BSV) from original underwater acoustic signals, and then the BSV are input to the FSVDD detector to detect and orient the underwater targets intelligently. The application of the proposed model to target detection of underwater high-speed small targets in sea trial demonstrates its better detection performance and higher detection success rate and localization accuracy, compared with the conventional beam forming based detection method.

underwater high-speed small target; passive detection; hyper beam forming; support vector data description(SVDD)

TJ630.34; TN911.7

A

1673-1948(2012)04-0261-06

2011-05-23;

2011-08-23.

陜西省科學技術研究發展計劃(2010KJXX-09).

胡 橋(1977-), 男, 博士后, 高工, 研究方向為現代信號處理、水聲目標檢測及智能識別、系統工程.

(責任編輯: 楊力軍)