混響背景下艦船輻射回波信號優化檢測算法

王學軍

（廣州華立學院， 廣州 511325）

0 引 言

隨著現代信號與信息處理技術的發展，采用優化的信號處理方法和傳感陣列信息處理方法實現對艦船輻射回波信號處理，提高對水下和水面艦船的目標檢測和識別能力，在艦船輻射回波信號檢測中，受到海水背景干擾和涌流干擾，導致對艦船輻射回波信號檢測的分辨率不高，輸出信噪比不高［1］，從而對目標信號的檢測和定位能力不好，需要研究混響背景艦船輻射回波信號優化檢測算法，結合信號檢測和參數估計算法，實現對目標的優化識別和檢測。 相關算法在雷達、聲納、通信及電子監測等領域也有很好的應用價值。

對海水強混響背景艦船輻射回波信號檢測是建立在水聲陣列信號檢測識別基礎上，結合信號特征高分辨參數識別，通過信號濾波和抗干擾設計，實現對脈沖信號檢測［2-3］，文獻［4］中提出基于WVD 和STFT 特征分解的脈沖信號檢測算法，取指數型核函數的Choi-Williams 分布，采用高斯濾波實現對主動水聲脈沖信號檢測，但該方法進行艦船輻射回波信號檢測的模糊度較大，抗干擾能力不好。 文獻［5］中提出高階譜和高階統計量特征提取的水聲脈沖信號檢測算法，通過嚴格平穩隨機信號分析實現信號特征提取和檢測，但該方法的計算開銷較大，色噪聲濾波能力不好。 針對上述問題，本文提出基于多分量經驗模態分解的混響背景艦船輻射回波信號優化檢測算法。 首先采用多分辨的陣列傳感器實現對艦船輻射回波信號采集，然后采用多分量的經驗模態分解算法提取水聲脈沖信號的譜特征量，根據譜特征量的聚焦特性實現對信號的準確定位檢測。 最后進行實驗測試，展示了本文方法在提高艦船輻射回波信號抗干擾和準確檢測能力方面的優越性能。

1 艦船輻射回波信號模型及均衡調度

1．1 艦船輻射回波信號模型

為了實現混響背景艦船輻射回波信號優化檢測，需要首先構建艦船輻射回波信號的多陣列傳感信號采集模型，對采集的艦船輻射回波信號進行信號增強和融合濾波，采用自適應線譜增強器來抑制背景干擾噪聲分量［6］。 分析艦船輻射回波信號的頻譜分布特性，陣列信號采集的帶寬記為ν（t，θ），即:

式中，“*”表示復共軛算子；xi（t） 為信號的離散特征量；xi*（t） 為頻譜分量。 采用空時自適應處理處理的方法，建立在色噪聲背景下濾波檢測的基陣為:

式中，“H”表示單位圓的角度位置；x（t） 和ω（θ）分別為艦船輻射回波信號的零點在單位圓上的相位和統計特征值［7］，在陣面軸向方向，得到艦船輻射回波信號的模糊函數w（t），可以表示為:

計算要恢復的正弦信號頻率，根據在單位圓上該正弦信號的幅頻響應，得到時延尺度為τ0（θ）＝，考慮距離模糊的影響，得到艦船輻射回波信號的時頻項，陷波器幅頻響應｜H（jω）｜2的-3 dB衰減帶寬，水聲脈沖信號的非平穩時間序列模型為:

其中，ui（n） 為噪聲干擾項，Θik（n） 為水聲脈沖信號的時延參數。 根據陷波深度和陷波帶寬，得到艦船輻射回波信號的非平穩時間序列輸出為:

其中，si（t） 為信號的時域分量，nM（t） 為干擾分量。 通過上述對水聲脈沖信號模型構建，對采集的信號采用格型匹配濾波器進行噪聲濾波和干擾抑制處理［8］。

1．2 水聲脈沖信號濾波干擾抑制

當背景噪聲為有色噪聲時，采用匹配濾波檢測器進行艦船輻射回波信號的參數識別，在二維平面（m，n） 上進行艦船輻射回波信號的多徑干擾抑制，建立艦船輻射回波信號的多徑分量檢測模型，通過線性預測的方法得到艦船輻射回波信號的模糊采樣特征分布集［9］，設｛x（n）｝為零均值的k階平穩隨機過程，得到艦船輻射回波信號的奇異值分布為:

當ωk滿足n個艦船輻射回波信號的輸出穩態特征分布集，該過程的k階矩和k階累積量分別是k -1 個獨立變元的函數，把s（t） →s（t）、s（t） →S（f） 代入水聲脈沖信號統計特征集中，得到陣列基矩陣為:

將信號的干擾分量看成有界的、獨立同分布的高斯或非高斯隨機過程，考慮陣元脈沖域的時間間隔n∈［n1，n2］， 得到艦船輻射回波信號的奇異特征分解模型為:

其中，p為信號濾波的階數。 信號的個數L假設為已知參數，將L個陷波器級聯，得到艦船輻射回波信號干擾抑制的步長為:

根據上述分析，建立艦船輻射回波信號的強干擾濾波模型［10-12］，得到濾波過程描述為:

（1）將信號s（n）和噪聲v（n）分開，作為信號提取的基本單元，選擇艦船輻射回波信號濾波的初始權矢量Wk。

（2）令正弦信號成份的濾波權重系數為Wk＝

（3） 采 用 自 適 應 迭 代， 得 到Wk ＝ Wk-

（4）為了使系統保持穩定，ρ在選取時必須稍小于1，得到艦船輻射回波信號的旁瓣輸參數Wk＝Wk／‖Wk‖；計算得到:（n ＋1）:n ＋1 時刻抽頭權向量估計。

（5）更新艦船輻射回波信號的均衡調度閾值，w（n）＝w（n -1）＋k（n），在輸入信號x（n） 中減去輸出v（n），輸出信號濾波結果。

2 信號檢測算法優化

2．1 信號特征提取

根據上述處理，對采集的信號采用格型匹配濾波器進行噪聲濾波和干擾抑制處理，通過多徑干擾抑制提高信號的純度［13］，建立艦船輻射回波信號特征提取模型，得到高階統計特征量記為:

式中，an表示信號的三階混合累積量，k為信號的階數。 根據自相關函數和對角四階混合累積量切片，得到信道參數分布集為x（k -1），…，x（k -M），使用時間平均計算脈沖信號的向量量化參數:

其中，bv為自相關函數，xv為對角四階混合累積量切片。 通過自相關函數和對角四階混合累積量切片的估計，得到:

在此基礎上，以y（k）y*（k） 為最小化的約束函數，用“*”表示復共軛，采用多分量的經驗模態分解算法提取水聲脈沖信號的譜特征量，多分量的經驗模態分解模型如圖1 所示。 根據圖1 的多分量的經驗模態分解模型結構，實現對信號的特征參數估計和特征量提取。

圖1 多分量的經驗模態分解模型Fig． 1 Multi－component empirical mode decomposition model

2．2 信號檢測輸出

采用多分量的經驗模態分解算法提取水聲脈沖信號的譜特征量，根據譜特征量的聚焦特性實現對信號的準確定位檢測［14］，要在計算中用信號的自相關函數r（τ） 代替四階混合累積量切片c（τ），即實現艦船輻射回波信號增強，得到接收到的艦船輻射回波信號的副本模型為:

其中，g（e） 是關聯函數，q是檢測閾值。 通過相關峰值檢測的方法，建立艦船輻射回波信號傳輸系統等間隔信息采樣模型，得到艦船輻射回波傳輸增益為:

其中，p（q） 是檢測統計特征量，g（e） 是譜密度。 通過自相關特征分析在色噪聲中進行信號處理，建立特征聚類模型，基于采樣平衡點穩態增強，得到擴展序列｛Xv，v＝1，2…，V｝，當最小，得到艦船輻射回波信號檢測判決函數為:

式（17）中，x′（t） 和s′（t） 分別為:

其中，w（t） 是檢測概率密度函數；T是采樣間隔；E是信號能量。 采用多分量的經驗模態分解算法提取水聲脈沖信號的譜特征量，根據譜特征量的聚焦特性實現對信號的準確定位檢測。

3 仿真測試

在Matlab 仿真工具中進行艦船輻射回波信號檢測的仿真實驗，仿真實驗中，假設輸入的含噪信號x（n） 中只含有一個正弦分量，設定艦船輻射回波信號的采樣時間間隔為2.4 ms，信號采樣的時間長度為1 024，艦船輻射回波信號的干擾信噪比初始值設定-20 dB，對艦船輻射回波信號的方位陣元數為20，脈沖重復頻率為15 MHz，干擾信噪比為-12 dB，工作波長為1.3 m，對艦船輻射回波信號特征采樣的頻率為12～24 KHz，對艦船輻射回波信號調線的頻譜寬度為18 dB，艦船輻射回波信號采集的傳感器分布相位分布為10°、30°，給出各個傳感器陣列采集信號的相關參數見表1。

表1 水聲陣列信號采集參數設定Tab． 1 Parameter setting of underwater acoustic array signal acquisition

根據上述參數設定，得到艦船輻射回波信號采集結果如圖2 所示。

圖2 原始信號采樣Fig． 2 Original signal sampling

以圖2 的信號為研究對象，采用本文方法進行艦船輻射回波信號的濾波處理，通過時頻分析和特征提取，得到信號檢測輸出如圖3 所示。

圖3 信號檢測輸出Fig． 3 Signal detection output

分析圖3 得知，本文方法進行信號濾波檢測，有效抑制了信號的干擾分量，增強了信號檢測水平，通過MISIC 算法能實現對目標的準確定位和參數估計。 測試不同方法的檢測性能，得到的仿真對比結果如圖4 所示。 圖4 是隨著信噪比變化的信號檢測ROC圖。 分析得知，本文方法對艦船輻射回波信號檢測的準確概率高于傳統方法，平均檢測概率提升19.2%，虛警概率降低11.2%。

圖4 檢測性能曲線對比Fig． 4 Comparison of detection performance curves

4 結束語

本文研究混響背景艦船輻射回波信號優化檢測算法，結合信號檢測和參數估計算法，實現對目標的優化識別和檢測。 本文提出基于多分量經驗模態分解的混響背景艦船輻射回波信號優化檢測算法。 構建艦船輻射回波信號的多陣列傳感信號采集模型，采用自適應線譜增強器來抑制背景干擾噪聲。 采用多分量的經驗模態分解算法提取水聲脈沖信號的譜特征量，根據譜特征量的聚焦特性實現對信號的準確定位檢測。 分析得知，本文方法對艦船目標脈沖信號的檢測性能較好，檢測準確概率較高，提高了輸出信噪比和時頻聚焦性能。