基于自適應波束形成的水下微弱目標檢測技術*

張國光

(昆明船舶設備研究試驗中心 昆明 650051)

基于自適應波束形成的水下微弱目標檢測技術*

張國光

(昆明船舶設備研究試驗中心 昆明 650051)

對水下微弱信號輻射目標的檢測是實現水聲探測和對潛攻擊的關鍵技術。針對當前的匹配濾波檢測方法檢測性能不好的問題,提出一種基于自適應波束形成的水下微弱目標檢測算法。構建水下微弱目標的反射回波模型,采用二階自適應格型IIR陷波器進行信號抗干擾濾波處理,采用自適應波束形成算法進行水下微弱目標回波信號的時頻聚焦,實現對目標信號的準確檢測,最后進行仿真測試,結果表明,采用該方法進行水下微弱目標檢測的精度較高,抗干擾性能較好,準確檢測概率高于傳統方法。

自適應波束形成; 水下微弱目標; 信號檢測; 濾波

1 引言

隨著智能武器和國防科技技術的發展,智能制武器系統設計成為發現和攻擊高速隱蔽運動目標的關鍵。在自適應智能制導武器系統設計中,需要對運動的水下目標進行有效檢測,研究微弱目標的有效檢測技術同時也是微電子處理和智能信號處理的基礎性工作,信號檢測技術是整個制導系統設計的重中之重。研究水下微弱目標檢測技術,在水聲探測、水中兵器的制導設計以及聲吶目標檢測等領域具有重要意義[1～3]。

對目標檢測主要是對目標的輻射信號進行被動檢測或者通過輻射主動脈沖信號,檢測目標回波信號,進行目標的主動檢測,兩種方法分別為主動自導和被動自導模型,近年來,對目標信號的檢測技術主要有小波分析方法、時頻分析方法等[4～5],小波分析方法成為現代信號處理研究的熱點,結合連續小波變換的窄帶系統和窄帶信號處理方法,構建運動目標寬帶模型,采用雙曲調頻小波檢測進行目標信號主動檢測和輻射信號的被動檢測,成為水下航行器的制導系統設計的關鍵技術,通過對目標檢測可以提高系統對水下高速運動的微弱輻射信號目標的攻擊和識別性能,但是傳統方法在受到較大的干擾或者無線電靜默屏蔽時,對目標的檢測精度受到限制[7]。針對上述問題,本文提出一種基于自適應波束形成的水下微弱目標檢測算法,構建水下微弱目標的反射回波模型,采用二階自適應格型IIR陷波器進行信號抗干擾濾波處理,采用自適應波束形成算法進行水下微弱目標回波信號的時頻聚焦,實現對目標信號的準確檢測,最后進行仿真測試得出有效性結論。

2 水下微弱目標回波信號模型構建 及濾波預處理

2.1 水下微弱目標回波信號模型

為了實現對水下微弱目標回波信號的準確檢測,首先需要構建水下微弱目標回波信號采樣和信號傳輸結構模型。結合時間序列分析方法,進行水下微弱目標回波信號的統計分析,水下微弱目標回波信號是一組非線性時間序列,可以采用非線性時間序列分析方法進行特征分析和檢測,在時頻空間上,目標回波信號具有時頻對偶關系[8～12],水下目標回波模型在連續時頻空間上參數對偶關系如圖1所示。

圖1 水下目標回波模型空間參數對偶關系

根據上述對偶關系模型,構建水下目標回波信號結構模型為

x(t)=Re{an(t)e-j2πfcτn(t)sl(t-τn(t))e-j2πfct}

(1)

其中,水下目標的目標回波信號傳輸的時間尺度脈沖響應可描述為

(2)

式中,an(t)是第n條數據傳輸信號上進行運動中的目標回波檢測的輻射信號,若對目標檢測中發射的主動脈沖信號為f(t),目標反射回波g(t),采用雙曲調頻的信道調制模型,得到目標回波傳輸的信道模型為

(3)

其中,ai和τi分別是水下目標中目標回波信號傳播損失和傳遞時延,由此得到水下目標中目標回波信號傳輸模型的特征分布函數為

(4)

通過目標回波信號回波特征的相空間重構,可得目標回波信號異常特征的頻譜特征為

(5)

Wy(t,v)=Wx(kt,v/k)

(6)

其中,k表示采樣頻率,v表示水下目標的帶寬,Wx為時間窗口函數,對目標回波模型采用雙曲調頻小波分析方法進行特征提取,得到回波時延τ為信號采樣時間t的函數為

(7)

式中,c為介質中的水下目標的運動速度。通過上述分析,進行了水下微弱目標回波信號模型構建,以此為信號源進行信號濾波和特征檢測。

2.2 信號抗干擾濾波預處理

在上述進行了水下微弱目標回波信號模型構建的基礎上,進行信號檢測。由于信號采集中受到雜波和混響的干擾,導致采集的回波信號具有大量的噪聲和混響,需要進行抗干擾處理,設計二階自適應格型IIR陷波器進行抗干擾濾波,二階自適應格型IIR陷波器的結構如圖2所示。

圖2 二階自適應格型IIR陷波器結構框圖

圖2中,兩種陷波器的傳輸函數[18]：

(8)

(9)

θ1(k+1)=θ1(k)-μRe[y(k)φ*(k)]

(10)

其中,μ是水下微弱目標回波檢測的離散時間線性系統收斂控制參數,稱為步長；φ(k)是輸出期望響應信號y(k)的陷波頻率,被稱為沖擊響應信號,當r→1時陷波器的帶寬減小。通過上述分析,得到本文設計的水下微弱目標回波信號濾波的陷波器的傳輸函數為

(11)

其中

(12)

輸入的水下微弱目標回波信號u(k)經過自適應IIR處理,使得輸出信號與期望相應之間的誤差最小,令d(k)為陷波器幅頻響應的輸出誤差為

(13)

上式兩邊取數學期望,實現對水下微弱目標回波信號的抗干擾濾波處理,使得均方誤差函數的梯度最小,可見輸出誤差為零,從而實現有效的抗干擾濾波,有利于提高檢測精度。

3 自適應波束形成及目標檢測技術改進

在上述進行了目標回波信號模型構建及濾波預處理的基礎上,進行水下目標檢測改進設計。本文提出一種基于自適應波束形成的水下微弱目標檢測算法,通過調整反射增益,得到水下微弱目標回波信號標量時間序列定義為

ΦH(t) =A(t)exp[jθ(t)]

(14)

上式中,上角標H表示雙曲(Hyperbolic),其與目標的傳輸特性有關,設計自適應波束形成器：

(15)

其中,a0為初始水下微弱目標回波信號的采樣幅值,xn-i為具有相同的均值、方差的目標回波信號標量時間序列,bj為回波輻射回波的振蕩幅值。

對水下微弱目標回波信號進行自適應波束加權,得到輸出信號的寬帶結構模型為

(16)

(17)

式中,γ為目標回波信號時頻特征的峰度,h(j)表示與之相對應的對角切片算子,采用小波尺度分解,在不同的小波尺度上進行波束聚焦。由于小波尺度具有時間上的相關性,記小波頻率中心為f0,小波頻寬為Xθ(t),得到通過自適應波束形成進行信號盲源分離過程描述為

x(t)=ej2πvx(t)t

(18)

vx(t)=v0+2βt

(19)

Yp(u)=Xp(u)+δ(v-(v0+βt))

(20)

在時頻空間上,信號的指向性特征為

(21)

通過上述處理,設計自適應波束形成檢測器,檢測判決式設計為

(22)

采用自適應波束形成算法進行水下微弱目標回波信號的時頻聚焦,則水下微弱目標回波信號的相位估計結果為

(23)

通過上述分析,實現了對水下微弱目標的有效回波檢測,檢測過程實現框圖如圖3所示。

圖3 目標檢測實現框圖

4 仿真實驗與結果分析

為了測試本文算法在實現水下微弱目標檢測中的應用性能,進行仿真實驗,采用Matlab 7數學仿真語言進行算法設計與實現,水下微弱目標回波數據樣本測試集采集于某大型水聲試驗場。水下微弱目標回波樣本數據的采集過程中,離散采樣率為fs=10*f0Hz=10KHz,樣本長度為1024,回波信號樣本數為998,回波信號的帶寬B=1000Hz。二階格型陷波器的權重系數μ0=0.001,θ2=0.45π,信號幅值取為A1=A2=A3=1,信號頻率取為0.3π,帶寬參數ρ=0.96,噪聲的譜峰位置選在0.5π處,陷波器初始值選為θ1=-0.3π,即300Hz。目標回波信號訓練集為頻帶4kHz～10kHz、時寬2.4ms的線性調頻信號,根據上述仿真環境和參數設定,進行目標檢測仿真,首先進行原始的目標回波采樣,并進行濾波處理,得到結果如圖4所示。

圖4 回波采樣及濾波的時域波形

從圖4可見,采用本文方法進行信號濾波,能有效抑制混響干擾,提高信號檢測精度。在此基礎上,進行目標檢測,采用自適應波束形成算法進行水下微弱目標回波信號的時頻聚焦,實現對目標信號的準確檢測,得到時頻聚焦的模值和譜如圖5所示。

圖5 信號檢測的模值及譜聚焦結果

從圖可見,采用本文方法進行水下微弱目標檢測,時頻譜具有較好的聚焦性能,能有效實現時頻譜的特征提取,輸出準確的目標信息。為了定量刻畫檢測性能,采用1000次蒙特卡洛實驗,得到本文方法和傳統的匹配濾波檢測方法進行目標檢測的ROC曲線如圖6所示。從圖可知,本文方法進行目標檢測的準確概率高于傳統方法。

圖6 檢測性能曲線對比

5 結語

為了提高目標檢測性能,本文提出一種基于自適應波束形成的水下微弱目標檢測算法,構建水下微弱目標的反射回波模型,采用二階自適應格型IIR陷波器進行信號抗干擾濾波處理,采用自適應波束形成算法進行水下微弱目標回波信號的時頻聚焦,實現對目標信號的準確檢測,最后進行仿真測試。結果表明,采用該方法進行水下微弱目標檢測的精度較高,抗干擾性能較好,準確檢測概率高于傳統方法,本文方法在目標檢測和水下武器的自導識別中具有較好的應用價值。

[1] 周勇,甘新年,胡光波,等.魚雷制導控制系統多通道控制加權算法設計[J].現代電子技術,2014,37(19):14-17.

[2] 趙威. 強海水混響背景下水中兵器攻擊目標檢測研究[J].智能計算機與應用,2016,6(2):51-54.

[3] 黃朝,許鑫,劉敦歌,等.基于多傳感器的微弱磁異常信號提取方法研究[J].電子測量技術,2015,38(10):91-95.

[4] 鄧異,梁燕,周勇.水聲換能器基陣信號采集系統優化設計[J].物聯網技術,2015,5(4):36-37,41.

[5] 羅澤峰,單廣超.基于網絡和虛擬多媒體技術的海戰平臺視景仿真實現[J].物聯網技術,2015,5(3):91-92,94.

[6] 趙威.基于魚雷自導的艦船尾流回波模型建立方法[J].艦船電子工程.2013,33(4):81-83.

[7] 葛立志.基于全彈道控制分析的水下航行器攻擊模型視景仿真[J].艦船電子工程,2015,35(3):137-141.

[8] 石鑫,周勇,甘新年,等.機載多源飛行數據資料的非線性檢驗[J].計算機與數字工程,2013,41(5):729-732.

[9] 閆源江,胡光波.關聯維估計在艦船輻射噪聲特征提取中的應用[J].科學技術與工程.2010,10(27)：6756-6759.

[10] 徐騫,梁紅,胡光波.基于二階統計量的近場源四維參數聯合估計[J].計算機工程與應用,2011,47(23): 137-140.

[11] 劉昊晨,梁紅.線性調頻信號參數估計和仿真研究[J].計算機仿真,2011,10(14): 157-159.

[12] 劉家亮,王海燕,姜喆,等.垂直線列陣結構對PTRM陣處理空間增益的影響[J].魚雷技術,2010,18(4):263-267.

Underwater Weak Target Detection Technology Based on Adaptive Beamforming

ZHANG Guoguang

(Kunming Shipborne Equipment Research and Test Center, Kunming 650051)

The detection of weak signal of underwater target radiation is the key technology of underwater acoustic detection and submarine attacks. Aiming at the bad perfomance of the current matched filter detection method, a weak target underwater detection algorithm is proposed based on adaptive beamforiming, the echo model of weak target under water is constructed, two order adaptive IIR notch filter for signal interference filter is designed, the adaptive beamforming algorithm is used for time-frequency focusing weak echo signal to achieve accurate detection of underwater target signal, finally the simulation results show that the high precision test is obtained, using the method of weak target detection under water, the anti jamming performance is good, accurate detection probability is higher than the traditional method.

adaptive beamforming, underwater weak target, signal detection, filter

TN911

2016年9月15日,

2016年10月20日

張國光,男,碩士,助理工程師,研究方向：水下信號處理。

TN911

10.3969/j.issn.1672-9730.2017.03.030