基于能量-方位特征的聲自導魚雷掃頻干擾器識別方法

王 丹, 楊向鋒, 趙 偉, 肖 霖

基于能量-方位特征的聲自導魚雷掃頻干擾器識別方法

王 丹, 楊向鋒, 趙 偉, 肖 霖

(1. 中國船舶集團有限公司 第705研究所, 陜西 西安, 710077; 2. 水下信息與控制國防重點實驗室, 陜西西安, 710077)

掃頻干擾器是對抗水下聲自導魚雷目標檢測的重要干擾器材之一。為了提高聲自導魚雷對掃頻干擾器的識別能力, 文中分析了掃頻干擾器對水下目標檢測的干擾機理, 根據目標識別時聲自導魚雷接收到的掃頻信號能量與方位特征參數, 提出了一種基于能量與方位特征聯合識別掃頻干擾器的方法, 通過對魚雷接收到的信號進行數字化處理, 提取接收信號的能量與方位特征, 并對2個特征參數值進行加權數據融合, 利用融合結果進行目標識別。該方法采用主動檢測方式, 并綜合2個特征參數進行識別判斷, 改善了采用單特征參數進行識別可能造成誤判的不足, 增加了識別的可靠性。仿真驗證了文中方法的有效性。

魚雷; 掃頻干擾器; 能量特征; 方位特征; 數據融合

0 引言

掃頻干擾器是一種常見的裝備于艦艇、潛艇上, 用于對抗聲自導魚雷探測、跟蹤和攻擊的水聲對抗器材, 其工作過程為: 艦艇或潛艇發現來襲魚雷, 并在來襲魚雷航路上布放掃頻干擾器, 通過發射高頻寬帶強功率掃頻噪聲, 對聲自導魚雷探測進行干擾, 降低其接收端的信噪比, 影響其探測性能, 以提高艦艇潛艇的生存能力。掃頻干擾器噪聲譜級遠大于魚雷探測目標的輻射噪聲譜級和目標回波的譜級, 頻帶能覆蓋已知的魚雷探測系統工作頻帶。在一個相對較短的時間內, 干擾信號表現為窄帶信號或單頻信號, 造成魚雷探測虛警。在一個相對較長的時間內, 干擾信號表現為寬帶信號, 目標回波和輻射噪聲被掃頻信號淹沒, 造成目標丟失。魚雷能否有效地識別掃頻干擾信號并在干擾源干擾的條件下正確探測目標, 是檢驗其探測系統的重要指標。

目前水下對抗干擾器的方法為, 首先采用主動方式檢測目標, 采用門限自適應技術使門限隨著背景干擾強度變化而調整, 干擾信號抬高主動檢測門限, 抑制了干擾器對主動檢測帶來的虛警, 目標被干擾器遮蓋, 此時開啟被動方式檢測, 使用方差統計技術實現對干擾器的檢測, 確認干擾信號, 識別出干擾器[1]。這種檢測方法采用主被動檢測結合方式, 以被動方式檢測方差信息作為判別標準, 在近距離難以區分目標輻射噪聲信號和掃頻干擾器信號, 可能造成誤判。文中采用主動檢測方式識別掃頻信號, 綜合能量與方位2個特征參數聯合判斷, 從而在主動聲自導方式下有效識別掃頻干擾器。

1 聲自導魚雷掃頻干擾器識別

1.1 掃頻干擾器模型

掃頻干擾信號是一種按照頻率步進產生的動態干擾信號, 帶寬較寬, 能覆蓋聲吶工作頻率, 干擾信號能量可以集中在每個掃頻頻點[2], 干擾效率高。文中以線性掃頻信號為研究對象, 該信號是在一個掃頻周期內, 掃頻頻率隨時間線性變化的信號, 其時域表達式為[3]

掃頻信號的時間-頻率變化關系如圖1所示, 其中,f表示信號的最高頻率。

圖1 線性掃頻干擾信號時間-頻率關系

1.2 接收信號預處理

魚雷進行水下目標探測識別時, 通過其接收信號中包含的關鍵信息來達到辨識效果[4], 不同的目標類別, 用于識別其類型的關鍵特征參數有所差別。掃頻干擾信號的能量值在全頻帶都較高, 背景噪聲信號能量值則比掃頻干擾信號低, 有目標時, 回波信號的能量值僅在目標頻段出現峰值, 所以能量分布可以作為識別掃頻干擾信號的特征信息。另外, 掃頻干擾信號的方位值為掃頻干擾器位置信息, 全頻帶具有一致性, 背景噪聲信號的方位值隨機, 有目標時, 目標回波信號的方位值僅在目標頻段附近穩定收斂, 所以方位分布可以作為識別掃頻干擾信號的另一個特征信息。文中在分析基陣接收信號的能量信息與方位信息的基礎上, 進一步提取更加有效的特征信息, 實現掃頻干擾器識別。

在提取關鍵特征參數之前, 首先完成對所接收信號的預處理, 聲吶系統對檢測周期內的時域波束進行數字采樣, 然后按時間將數字序列分為若干幀, 通過傅里葉變換, 將時域幀信號轉換到頻域, 在頻域上獲取各幀各頻點處的能量信息, 并通過分裂波束互譜法完成方位信息的提取[5-6], 過程如下。

獲取各幀各頻點處的能量值

各幀各頻點處的相位

1.3 特征參數提取

1.3.1 能量特征參數提取

獲得的能量最大值集合

能量最大值對應的幀號集合

1.3.2 方位特征參數提取

各幀各頻點處的方位值

獲得的能量最大值序列對應的方位集合為

按下式計算方位特征值

1.4 數據融合

對同一目標噪聲信號, 能量特征為最顯著的特征參數, 單個能量特征能部分識別出干擾與目標信號, 但是對于信噪比很高的干擾信號, 使用單個能量特征會造成誤判。方位特征是在能量值判斷基礎上提取的特征, 對于目標信號和干擾信號具有明顯的特征表現, 將能量特征與方位特征通過數據融合來完成目標識別, 能夠增加對目標判別的可信度, 方法如下。

由于各個特征的量綱和參數表達不同, 為了消除不同單位在數據融合過程中所造成的影響, 需要對特征進行歸一化處理, 各個特征的歸一化表達式為

2 仿真結果與分析

聲自導魚雷采取主動聲自導方式進行水下探測目標時, 接收到的信號包括噪聲、混響以及目標回波。

噪聲主要為背景噪聲和自噪聲, 由于背景噪聲遠大于自噪聲,不單獨仿真自噪聲, 接收到的背景噪聲基本上是穩態的, 使用高斯白噪聲仿真。混響伴隨聲吶發射信號產生, 由水下存在的大量散射體對入射聲信號產生的散射波在接收點疊加形成[8]。目前模擬混響的理論模型有基于點散射的模型、單元散射理論和統計模型[9-10]。文中從工程及實用角度出發, 采用高斯白噪聲通過窄帶濾波器, 再乘以混響包絡曲線來實現混響的仿真。混響包絡曲線來自某一實測海域的混響包絡曲線。聲自導魚雷接收到的目標回波以單頻發射信號加多普勒頻移仿真。

能量檢測仿真中, 不同情況下的能量最大值分布圖如圖2～圖4所示。

圖2 無干擾器無目標時能量最大值分布圖

圖3 有目標時能量最大值分布圖

圖4 有掃頻干擾器時能量最大值分布圖

從圖中可以看出, 在沒有目標和掃頻干擾器的情況下, 能量最大值在門限以下; 有目標時, 在目標頻點處能量最大值高于門限; 掃頻干擾器存在后的能量最大值在全頻帶整體較高。

方位檢測仿真中, 不同情況下的方位檢測圖如圖5～7所示。從圖中可以看出, 在沒有目標和掃頻干擾器的情況下, 方位值在全頻帶分布隨機; 有目標時, 在目標頻點處方位值具有一致性; 掃頻干擾器存在后方位值在全頻帶穩定收斂。

圖5 無干擾器無目標時方位圖

圖7 有掃頻干擾器時方位圖

表1 無干擾器無目標時模糊融合結果數據

表2 有目標時模糊融合結果數據

表3 有掃頻干擾器時模糊融合結果數據

3 結束語

掃頻干擾器作為一種干擾魚雷探測目標的干擾源, 其干擾穩定有效, 具有較高的干擾效能。基于聲自導魚雷接收到的掃頻干擾信號具有全頻帶內能量值較高, 以及方位值穩定收斂的典型特征, 文中提出一種基于能量-方位特征聯合識別掃頻干擾器的方法, 通過將聲自導魚雷接收到的信號經過數字信號處理, 提取能量特征和方位特征, 并對其進行數據融合, 以融合指標識別掃頻干擾器, 這種方式通過主動檢測完成, 彌補了通過單個特征值進行識別導致的誤判問題, 增加了識別的可信度。通過以魚雷接收的理論信號為基礎進行仿真, 驗證了該方法的有效性。后續在實際工程應用中還需結合聲信道特性做進一步的算法優化。

1. 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. 2021, 29(5): 533-540.

2. 冷繼華, 李永勝, 呂林夏, 等. 基于生成對抗網絡的水下樣本生成方法. 2021, 29(1): 74-79.

3. 張倩, 張友梅, 李曉磊,等. 基于自監督表征學習的海面目標檢測方法. 2020, 28(6): 597-603.

4. 楊向鋒, 熊淑貞, 石磊. 聲自導魚雷目標跟蹤誤差仿真與分析. 2020, 28(5): 520-525.

5. 羅海力, 徐達, 陳模江, 等. Pareto Ⅱ型分布混響中距離擴展目標CFAR檢測. 2020, 28(1): 18-23.

6. 張舒皓, 馬曉川, 楊力, 等. 基于多片高性能DSP的主動聲吶低速運動小目標探測系統. 2019, 27(6): 636-643.

7. 范威, 朱代柱, 張德澤, 等. 混合高斯模型和Radon變換用于聲吶圖像背景抑制. 2018, 26(5): 492-497.

[1] 易紅, 郝保安, 肖霖. 聲自導魚雷對抗寬帶噪聲干擾器技術研究[J]. 魚雷技術, 2004, 12(1): 23-25.

Yi Hong, Hao Bao-an, Xiao Lin. The Development of Acoustic Homing Torpedo Technology to Counter the Broadband Noise Interference Unit[J]. Torpedo Technology, 2004, 12(1): 23-25.

[2] 周新, 姚富強, 牛英滔. 一種線性掃頻干擾信號的參數估計方法[J]. 通信技術, 2016, 49(12): 1582-1587.

Zhou Xin, Yao Fu-qiang, Niu Ying-tao. Parameter Estima- tion of Linear Chirp Signal[J]. Communications Techn- ology, 2016, 49(12): 1582-1587.

[3] 劉大利, 劉云濤, 蔡惠智. 水下連續波有源探測的回波檢測算法[J]. 聲學學報, 2014, 39(2): 163-169.

Liu Da-li, Liu Yun-tao, Cai Hui-zhi. An Echo Detection Algorithm for Underwater Continuous Wave Active Detection[J]. Acta Acustica, 2014, 39(2): 163-169.

[4] 焦義民, 康春玉, 曾祥旭. 艦船輻射噪聲非線性頻譜特征提取與應用[J]. 艦船科學技術, 2016, 38(12): 65-68.

Jiao Yi-min, Kang Chun-yu, Zeng Xiang-xu. Extraction and Application in Nonlinear Spectrum Feature of Ship Radiated Noise[J]. Ship Science and Technology, 2016, 38(12): 65-68.

[5] 夏慶生. 基于互譜法的水下目標定位及區域控制技術[J]. 魚雷技術, 2016, 24(1): 33-36.

Xia Qing-sheng. Underwater Target Localization and District Control Based on Cross-Spectrum Method[J]. Torp- edo Technology, 2016, 24(1): 33-36.

[6] 朱峰, 朱元林, 劉松海. 一種基于互譜法的魚雷末彈道定位方法[J]. 水下無人系統學報, 2019, 27(1): 93-96.

Zhu Feng, Zhu Yuan-lin, Liu Song-hai. A Location Method of Torpedo Terminal Trajectory Based on Cross Spect- rum Method[J]. Journal of Unmanned Undersea Systems, 2019, 27(1): 93-96.

[7] 錢韜. 線陣分裂波束處理技術在水聲探測中的應用[J]. 聲學技術, 2015, 34(6): 551-555.

Qian Tao. Application of Split-beam Processing of Line Array in Underwater Acoustic Detection[J]. Technical Ac- oustics, 2015, 34(6): 551-555.

[8] 劉伯勝, 雷家煜. 水聲學原理[M]. 哈爾濱: 哈爾濱工程大學出版社, 2009.

[9] 奧里雪夫斯基 B B. 海洋混響的統計特性[M]. 北京: 科學出版社, 1977．

[10] 郭燕子, 李國良, 張福生. 一種工程化的海洋混響仿真模型研究[J]. 艦船電子工程, 2018, 38(10): 123-125

Guo Yan-zi, Li Guo-liang, Zhang Fu-sheng. Research on an Engineering Simulation Model of Ocean Reverberation[J]. Ship Electronic Engineering, 2018, 38(10): 123-125.

Identification of Sweep Jammer Based on Energy-azimuth Feature for Acoustic Homing Torpedo

WANG DanYANG Xiang-fengZHAO WeiXIAO Lin

(1The 705 Research Institute, China State Shipbuilding Industry Corporation Limited, Xi’an 710077, China; 2. Science and Technology on Underwater Information and Control Laboratory, Xi’an 710077, China)

A sweep jammer is one of the main jammers that countermeasures underwater acoustic homing torpedoes during target identification. To improve the identification ability of the sweep jammer for acoustic homing torpedoes, the jamming mechanism of the sweep jammer in target detection is analyzed according to the particular sweep signal in its energy and azimuth feature parameters, which are

by the torpedo. Based on the analysis, a method combining the energy and azimuth features to identify the sweep jammer is proposed, and the energy and azimuth features are extracted through the digital processing of signals received by the torpedo, and jammer identification is performed based on the result of weighted fusion with these two feature parameters. This is an active detection method that overcomes the disadvantage of using a single parameter to identify and increases the reliability of jammer identification with the combined judgment of these two feature parameters. The effectiveness of this method is verified by establishing a model to simulate real signals received by an acoustic homing torpedo.

torpedo; sweep jammer;energy feature; azimuth feature; data fusion

TJ630.34; TB566; TN911.7

A

2096-3920(2021)06-0769-06

10.11993/j.issn.2096-3920.2021.06.018

王丹, 楊向鋒, 趙偉, 等. 基于能量-方位特征的聲自導魚雷掃頻干擾器識別方法[J]. 水下無人系統學報, 2021, 29 (6): 769-774.

2020-11-26;

2021-03-06.

王 丹(1989-), 碩士, 高工, 主要研究方向為水下聲像處理.

(責任編輯: 楊力軍)