一種適用于水下距離徙動目標的穩健自適應檢測算法

宋 瓊, 閆 晟, 郝程鵬, 侯朝煥

一種適用于水下距離徙動目標的穩健自適應檢測算法

宋 瓊1,2, 閆 晟1, 郝程鵬1, 侯朝煥1

(1.中國科學院 聲學研究所, 北京, 100190; 2.中國科學院大學 電子電氣與通信工程學院, 北京, 100049)

在水下目標自適應檢測中, 目標的高速運動會引起距離徙動(RCM)現象, 從而導致檢測性能下降。同時, 由于水下環境的復雜性, 還面臨著輔助數據嚴重不足的問題。為解決以上問題, 文中提出一種新的自適應檢測算法, 首先基于模型階數選擇方法, 將聲吶回波信號表示為多個時域序列形式, 隨后利用對稱線陣協方差矩陣的斜對稱結構對RCM目標的多元假設檢驗模型進行改進, 進一步提出基于斜對稱廣義信息準則自適應匹配濾波(PG-AMF) 檢測算法。仿真結果顯示, PG-AMF算法降低了對輔助數據的依賴, 能夠較為準確地估計出RCM目標回波的分布情況, 進而取得良好的目標檢測性能。

水下目標; 距離徙動; 自適應檢測; 多元假設檢驗; 聲吶

0 引言

水下目標檢測技術[1]作為水聲信號處理技術的一個重要領域, 是后續對目標進行跟蹤、識別的基礎。其主要任務是對聲吶接收數據進行處理, 判斷目標的有無, 并對一些目標參數進行估計。根據聲吶工作方式不同可分為主動和被動檢測技術, 其中主動檢測技術通過主動聲吶向特定方向發射聲波并對回波信號進行處理來檢測目標有無, 具有設計靈活、準確高效的優點[2]。

根據對接收數據處理方式的不同, 主動檢測手段可分為2類[3]: 一類是在時頻域或空域對接收信號濾波后進行能量檢測, 如從空域角度處理的波束形成器[4], 從時頻域角度處理的匹配濾波器[5]等; 另一類是從統計信號處理角度提出的自適應目標檢測技術[7], 首先對檢測問題中的接收數據進行分類, 構建目標與背景干擾模型, 隨后依據不同的檢驗準則設計檢驗統計量。該技術采用與待檢測單元(cell under test, CUT)相鄰的輔助數據來估計背景干擾的功率水平, 通過算法設計來保證恒虛警率(constant false alarm rate, CFAR), 從而實現目標檢測的自動化[8]。準確的背景干擾功率水平估計依賴于充足的輔助數據, 根據RMB準則[9], 為保證估計性能損失不超過3 dB, 輔助數據量應為系統維度的2倍以上, 但這一條件在實際應用中往往難以保證。為解決該問題, 許多基于先驗知識的改進算法被提出, 所利用的先驗知識包括干擾的功率譜對稱特性[10]、干擾協方差矩陣的斜對稱結構[11]以及干擾秩信息[12]等, 它們有效降低了對輔助數據的依賴性。

對于水下高速運動目標, 能量檢測方法將面臨時頻域的失配問題, 需要對發射波形重新設計[13]來減小失配影響, 或對多普勒頻移進行估計[14]后再進行匹配濾波等后續工作, 這些方法在取得一定效果的同時也提高了目標檢測的復雜度。對于自適應目標檢測算法, 目標的高速運動將引起距離徙動算法(range migration algorithm, RCM)現象, 即接收數據中目標回波長度及位置發生變化, 不再處于所劃分的同一距離單元內, 導致CUT內的目標能量減少, 檢測性能隨之下降[15-16]。

在雷達信號處理領域, 對RCM現象的處理主要包括基于Hough變換[17-18]和Keystone變換[19-20]的相關算法。其中Hough變換主要思想是通過多維空間數據處理實現對CUT之外的信號能量加以利用, Keystone變換則試圖通過數據坐標系的尺度變換來實現對距離徙動的補償以減少能量損失。這些方法在聲吶圖像處理中也得到了一定的應用[21], 但是它們通常需要有充分的目標運動先驗信息, 在實際應用中很可能難以獲得。針對這一問題, Addabbo等[22]考慮了RCM現象對CUT內信號成分的影響, 把目標檢測模型構建為多元假設檢驗形式, 結合模型階數選擇(mo- del order selection, MOS)方法[23]提出自適應檢測算法。其優點是無需考慮目標運動的先驗信息, 在提高目標檢測概率的同時, 可估計出目標回波的位置分布情況, 從而給后續的目標定位、跟蹤等任務提供了先驗信息。

針對水下RCM目標檢測問題, 文中首先參考水下空時模型[24], 將主動聲吶單脈沖體制的目標回波表示為多個時域采樣的形式, 建立針對水下RCM目標的多元假設檢驗模型, 隨后結合干擾協方差矩陣的斜對稱結構這一先驗知識對模型進行改進, 然后利用MOS方法對該模型進行求解, 估計目標回波的分布情況, 提高對目標回波能量的積累效果, 最后提出了利用斜對稱結構的穩健檢測算法。仿真結果顯示, 文中提出的斜對稱廣義信息準則自適應匹配濾波(persymmetric generalized information criterion adaptive matched filter, PG-AMF)算法相比不進行目標回波分布估計的廣義匹配濾波(generalized AMF, GAMF)算法[25]具有3 dB以上的檢測性能提升, 并在輔助樣本數量不足的情況下表現出穩健的檢測性能。

1 系統模型

由于聲吶采用聲波作為發射信號, 相較于雷達系統, 聲波傳播速度較慢, 接收時延較長, 無法滿足多脈沖相干累積的條件。因此聲吶通常采用單脈沖工作方式[1], 即在一個檢測周期內發射一個脈沖信號。對于一個單脈沖聲吶系統, 為準確得到RCM目標的回波分布, 參考水下空時模型的處理方式[24], 對接收數據進行連續采樣, 并分為若干距離單元, 如圖1所示。將采樣得到的數據分為兩部分: 一部分是CUT數據, 又稱主數據, 其中包含背景干擾, 由噪聲和混響組成, 并可能包含目標回波; 另一部分是輔助單元數據, 其中僅包含背景干擾, 并與CUT中的背景干擾獨立同分布。

圖1 接收數據采樣示意圖

設發射脈沖信號為

式中: 為包含信號幅度的系數; 為時域頻率, 為多普勒頻率, 為多普勒系數; 為信號壓縮系數; 為空域頻率, 為目標方位角。

在水下空時模型中, 理想化地認為距離單元長度選取適當, CUT僅存在有目標回波和無目標回波2種情況。但RCM現象發生時, 目標的高速運動會導致回波長度及位置發生變化, CUT內的采樣點可能出現的情況如圖3所示, 其中藍色色塊代表包含目標回波的采樣點。即RCM目標的回波不再總處于同一距離單元內, CUT內信噪比將會下降, 進而導致檢測性能的下降。為解決該問題, 對接收信號建立多元假設檢驗模型[22], 如式(3)所示。

式中: 為主數據; 為CUT中的背景干擾, 服從零均值多元復高斯分布, 干擾協方差矩陣表示為; 為輔助數據; 為輔助單元中的背景干擾, 且與獨立同分布, 記為; 表示第個采樣點的幅度; 為包含目標回波的采樣點序號, 定義集合為采樣點的序號集, 則應滿足, 且; 為CUT內采樣點總數; 表示輔助數據個數, 為保證干擾協方差矩陣的非奇異性, 需滿足。

利用輔助數據對干擾協方差矩陣進行估計, 估計值

而對于具有斜對稱結構的干擾協方差矩陣, 可以進一步利用輔助數據中的信息, 得到更準確的估計值表達式

2 檢測算法設計

MOS方法是一種整數型參數[23]的估計方法, 這些整數型參數(如自回歸滑動模型的階數、陣列信號處理中的信源數等)決定了不同的模型維度。MOS方法引入數據擬合中常用的赤池信息量準則(akagami information criterion, AIC),廣義信息準則(generalized information criterion, GIC)[22]等, 將參數估計問題轉化為模型的選擇問題, 并給出了統一的表達式如式(10)所示, 其中第1項為似然函數項, 考慮了模型與數據的似然程度, 第2項為罰函數項, 考慮了模型的復雜度, 根據不同的準則可以推導出不同的罰函數項。

則式(3)轉化為

通過簡單的數學推導可知式(15)與式(9)等價, 實現了對斜對稱結構這一先驗知識的利用。

文中的PG-AMF算法實現步驟如圖4所示。

圖4 算法步驟圖

3 仿真結果與分析

RMSE計算公式為

圖5 PG-AMF的隨RNR變化曲線

圖6 PG-AMF的隨變化曲線

圖7 K=20時各檢測算法表現

圖8 K=16時各檢測算法表現

圖9 K=12時各檢測算法表現

圖10 K=8時各檢測算法表現

4 結束語

針對水下目標高速運動引起的RCM現象,以及輔助數據量不足導致的檢測性能下降問題, 文中利用干擾協方差矩陣的斜對稱結構對RCM目標的多元假設檢驗模型進行改進, 提出一種新的水下目標自適應檢測算法。仿真結果表明, 所提出的PG-AMF算法能夠有效檢測RCM目標, 比傳統的GAMF算法有明顯的性能提升, 與未考慮斜對稱結構的GIC算法相比, 在輔助數據不足的場景下也具有更好的穩健性。

需要指出的是, 由于文中算法需要對多元假設的所有情況進行計算, 計算量比傳統的自適應檢測算法大, 因此在保證檢測性能的同時降低計算量將是下一步的研究重點。

[1] 朱埜.主動聲納檢測信息原理[M].北京: 科學出版社, 2014.

[2] 楊崇林, 姚藍.水下高速小目標探測中的信號波形設計研究[J].聲學學報, 2001(5): 389-394.

Yang Chong-lin, Yao Lan.Study on the Signal Waveform Design to Detect an Underwater High-speed Small Target[J].Acta Acustica, 2001(5): 389-394.

[3] 郝程鵬, 施博, 閆晟, 等.主動聲納混響抑制與目標檢測技術[J].科技導報, 2017, 35(20): 102-108.

Hao Cheng-peng, Shi Bo, Yan Sheng, et al.Reverberation Suppression And Target Detection for Active Sonar[J].Science & Technology Review, 2017, 35(20): 102-108.

[4] L?nmo T I B, Austeng A, Hansen R E.Improving Swath Sonar Water Column Imagery and Bathymetry with Adaptive Beamforming[J].IEEE Journal of Oceanic Engin- eering, 2020, 45(4): 1552-1563.

[5] 陳鵬, 侯朝煥, 馬曉川, 等.基于匹配濾波和離散分數階傅里葉變換的水下動目標LFM回波聯合檢測[J].電子與信息學報, 2007(10): 2305-2308.

Chen Peng, Hou Chao-huan, Ma Xiao-chuan, et al.The Joint Detection to Underwater Moving Target’s LFM Echo Based on Matched Filter and Discrete Fractional Fourier Transform[J].Journal of Electronics& Information Techn- ology, 2007(10): 2305-2308.

[6] 王靜, 黃建國.水下小孔徑陣列自適應匹配濾波檢測方法[J].電子與信息學報, 2011, 33(6): 1385-1389.

Wang Jing, Huang Jian-guo.Adaptive Matched Filter Detection Method on Underwater Small Aperture Array[J].Journal of Electronics& Information Technology, 2011, 33(6): 1385-1389.

[7] Farrell M D, Mersereau R M.On the Impact of Covariance Contamination for Adaptive Detection in Hyperspectral Imaging[J].IEEE Signal Processing Letters, 2005, 12(9): 649-652.

[8] 沈福民.自適應信號處理[M].西安: 西安電子科技大學出版社, 2001.

[9] Reed I S, Mallett J D, Brennan L E.Rapid Convergence Rate in Adaptive Arrays[J].IEEE Transactions on Aerospace and Electronic Systems, 1974, AES-10(6): 853-863.

[10] Hao C, Orlando D, Foglia G, et al.Knowledge-Based Adaptive Detection: Joint Exploitation of Clutter and Sys- tem Symmetry Properties[J].IEEE Signal Processing Letters, 2016, 23(10): 1489-1493.

[11] Hao C, Gazor S, Foglia G, et al.Persymmetric Adaptive Detection and Range Estimation of a Small Target[J].IEEE Transactions on Aerospace and Electronic Systems, 2015, 51(4): 2590-2604.

[12] Wang Y L, Liu W J, Xie W C, et al.Reduced-rank Space-time Adaptive Detection for Airborne Radar[J].Science China Information Sciences, 2014,57(8): 106- 116.

[13] Hague D A, Buck J R.The Generalized Sinusoidal Frequency-Modulated Waveform for Active Sonar[J].IEEE Journal of Oceanic Engineering, 2017, 42(1): 109-123.

[14] Changcun S, Zhiliang R, Yaobo L, et al.An Algorithm for Estimating Doppler Frequency of Underwater High-speed Moving Target[C]//2010 IEEE International Conference on Intelligent Computing and Intelligent Systems,Xiamen, China: IEEE, 2010: 14-17.

[15] Brennan L E, Reed L S.Theory of Adaptive Radar[J].IEEE Transactions on Aerospace and Electronic Systems, 1973, AES-9(2): 237-252.

[16] Reed I S, Mallett J D, Brennan L E.Rapid Convergence Rate in Adaptive Arrays[J].IEEE Transactions on Aero- space and Electronic Systems,1974, AES-10(6): 853-863.

[17] Wu W, Wang G H, Sun J P.Polynomial Radon-Polynomial Fourier Transform for Near Space Hypersonic Maneuvering Target Detection[J].IEEE Transactions on Aerospace and Electronic Systems, 2018, 54(3): 1306-1322.

[18] Erdogan A Y, Gulum T O, Durakata L, et al.FMCW Signal Detection and Parameter Extraction by Cross Wigner–Hough Transform[J].IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(1): 334-344.

[19] Zhu D, Li Y, Zhu Z.A Keystone Transform Without Interpolation for SAR Ground Moving-Target Imaging[J].IEEE Geoscience and Remote Sensing Letters, 2007, 4(1): 18-22.

[20] Zeng C, Li D, Luo X, et al.Ground Maneuvering Targets Imaging for Synthetic Aperture Radar Based on Second-Order Keystone Transform and High-Order Motion Parameter Estimation[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(11): 4486-4501.

[21] 劉慧敏.基于多普勒敏感信號聲圖像序列的水下運動小目標探測方法[D].哈爾濱: 哈爾濱工程大學, 2019.

[22] Addabbo P, Orlando D, Ricci G.Adaptive Radar Detection of Dim Moving Targets in Presence of Range Migration[J].IEEE Signal Processing Letters, 2019, 26(10): 1461-1465.

[23] Stoica P, Selen Y.Model-order Selection: A Review of Information Criterion Rules[J].IEEE Signal Processing Magazine, 2004, 21(4): 36-47.

[24] 李娜, 郝程鵬, 施博, 等.水下修正空時自適應檢測的性能分析[J].水下無人系統學報, 2018, 26(2): 133-139.

Li Na, Hao Cheng-peng, Shi Bo, et al.Performance An- alysis of Underwater Modified Space-Time Adaptive Detection[J].Journal of Unmanned Undersea Systems, 2018, 26(2): 133-139.

[25] Conte E, Maio A D, Ricci G.GLRT-based Adaptive Detection Algorithms for Range-spread Targets[J].IEEE Transactions on Signal Processing, 2001, 49(7): 1336- 1348.

[26] Robey F C, Fuhrman D L, Kelly E J, et al.A CFAR Adaptive Matched Filter Detector[J].IEEE Transactions on Aerospace and Electronic Systems, 1992, 29(1): 208-216.

[27] Keh-Chiarng H, Chien-Chung Y.A Unitary Transforma- tion Method for Angle-of-arrival Estimation[J].IEEE Transactions on Signal Processing, 1991, 39(4): 975-977.

(責任編輯: 楊力軍)

Robust Adaptive Detection Algorithm of Underwater Targets under Range Cell Migration

SONG Qiong1,2, YAN Sheng1, HAO Cheng-peng1, HOU Chao-huan1

(1.The Institute of Acoustics of the Chinese Academy of Sciences, Beijing 100190, China; 2.School of Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China)

The performance of target adaptive detectors decreases owing to range cell migration(RCM), which is caused by a target moving at high speed.When the detection occurs underwater, this environment also results in a lack of auxiliary data.To solve this problem, this study presents a new adaptive detection algorithm.First, the sonar echo is modeled as multiple time-domain sequences based on the model order selection theory.Then, the multiple hypothesis testing model of the target under RCM is improved by using the persymmetric structure of the covariance matrix of the symmetric array.Finally, a new detection algorithm based on the persymmetric generalized information criterion adaptive matched filter(PM-AMF) is developed.Simulation results show that the PM-AMF detection algorithm reduces the dependence on auxiliary data and accurately estimates the position of the target echo under RCM, achieving a good performance on target detection.

underwater target; range cell migration; adaptive detection; multiple hypothesis testing; sonar

TJ630; TN911.7

A

2096-3920(2021)05-0533-08

10.11993/j.issn.2096-3920.2021.05.004

宋瓊, 閆晟, 郝程鵬, 等.一種適用于水下距離徙動目標的穩健自適應檢測算法[J].水下無人系統學報, 2021, 29 (5): 533-540.

2021-02-08;

2021-03-09.

國家自然科學基金項目資助(61971412).

宋 瓊(1997-), 女, 在讀碩士, 主要研究方向為水聲信號處理.