（信号与信息处理专业论文）水声目标迹特征的提取及其在目标分类识别中的应用.pdf

东南大学硕士研究生学位论文 摘要 水声目标的自动分类识别是水声工程中一个十分重要的课题，也是公认的 水声信号处理难题。目前的识别方法大多以单水听器接收的近程目标信号为前 提，主要通过对目标辐射噪声的声频分析和处理提取特征并进行识别，许多有 效的方法被提出。但由于噪声、干扰及阵处理的影响，以及舰船等目标辐射噪 声的复杂性等，使许多方法在对海上实际声纳接收信号的分类识别时难以取得 理想的效果。本论文则引入迹特征的概念，通过对声纳信号和信息的时序分 析，挖掘和提取与目标行为等有关的特征信息，扩展目标特征范围，以提高目 标分类识别的可靠性和泛化性。 论文分为三部分。第一部分为第一章，简要介绍了对被动声呐接收的目标 辐射噪声信号的一般变换处理方法。通过对信号的处理，提取出用于目标分类 识别的特征。第二部分由第二章到第五章组成，着重介绍了几种迹特征的提取 和应用。其中，第二章重点介绍了线谱迹特征。这种特征是基于原有线谱提 取，将线谱在时间上通过一定的方法累积得到的时频二维特征。第三章研究了 能量迹特征的应用。依据不同目标能量在时序上的不同变化，来对目标加以分 类识别。第四章对方位角迹特征加以介绍。方位角除了可以用来进行目标定 位，其时序上的变化也可以反映目标的运动特性。第五章讲述了迹特征融合的 方法，介绍了迹特征之间的关联性和互补性。最后一章为第三部分，介绍了特 征融合和综合判决方法。采用模糊判决方法对各种特征进行融合，并对声纳接 收的海上真实目标辐射噪声录音信号进行了试验验证，验证了本文方法的有效 性。 关键词：目标识别、特征提取、迹特征、线谱迹、能量迹、方位角迹、融合、 模糊决策 东南大学硕士研究生学位论文 a b s t r a c t u n d e r w a t e rt a r g e tc l a s s i f i c a t i o ni so n eo ft h ei m p o r t a n ta n dd i f f i c u l tp r o b l e m so f u n d e r w a t e ra c o u s t i c s i g n a lp r o c e s s i n g m a n ym e t h o d so fa u t o m a t i c t a r g e t s r e c o g n i t i o nu t i l i z et h ec h a r a c t e r se x t r a c t e db ya n a l y z i n ga n dp r o c e s s i n gi na u d i o f r e q u e n c yo ft a r g e t sn o i s ef r o ms i n g l es e n s o r m a n ye f f i c i e n ta l g o r i t h m so ft a r g e t c l a s s i f i c a t i o nh a v eb e e nr e s e a r c h e da n du s e d b u ti t sv e r yd i f f i c u l tt oa t t a c ht oi d e a l e f f e c to fr e c o g n i t i o nb e c a u s eo fm a n yr e a s o n s ，s u c ha s n o i s e ，d i s t u r b a n c e ，a r r a y p r o c e s s i n g ，t h ef u z z yo ft h en o i s eo ft a r g e t s ，a n ds oo n n i st h e s i sp r o p o s e dan e w c h a r a c t e ro ft i m es e q u e n c e ，n a m e da st r a c ec h a r a c t e r ，t ot a r g e tc l a s s i f i c a t i o n n e w s i g n a t u r ei n f o r m a t i o nc o r r e l a t e dw i t ht a r g e tb e h a v i o ri se x t r a c t e d t h er a n g eo ft a r g e t c h a r a c t e ri s e x p a n d e da n dt h er e l i a b i l i t ya n dg e n e r a l i t yo ft a r g e tr e c o g n i t i o na r e i n c r e a s e db ya n a l y s i so ft h et i m es e q u e n c eo fs o n a rs i g n a l t h et h e s i si sc o m p o s e do ft h r e ep a r t s a st h ef i r s t p a r t ，t h ef i r s tc h a p t e r i n t r o d u c e st h ew a yt oa n a l y z ep a s s i v es o n a rs i g n a lt ot h ep o i n t t h es e c o n dp a r ti s c o m p o s e do fc h a p t e r2t oc h a p t e r5 i nt h i sp a r t ，t h em e t h o do fe x t r a c t i n ga n du s i n g t h et r a c ec h a r a c t e r si si n t r o d u c e d t h et r a c eo fl i n es p e c t r ai sd i s c u s s e di nt h es e c o n d c h a p t e r t i m e - f r e q u e n c yc h a r a c t e r sf r o ml i n es p e c t r aa lec a l c u l a t e da n de x t r a c t e db y s o m ew a y t h et h i r dc h a p t e rd e s c r i b e st h et r a c eo fe n e r g y a c c o r d i n gt ot h ed i f f e r e n t c h a n g eo fe n e r g yi nt i m es e q u e n c e ，t a r g e t sc a nb ec l a s s i f i e d t h ef o r t hc h a p t e r i n t r o d u c e sh o wt ou s et r a c ec h a r a c t e ro fa z i m u t ht or e f l e c tt h es p e c i a l t yo f t a r g e t s m o v i n g t h el a s tc h a p t e ro ft h i sp a r ti n t r o d u c e st h er e l a t i o n s h i pa m o n gt h e s et r a c e c h a r a c t e r sa n dt h em e t h o do fc h a r a c t e rf u s i o n i nt h es i x t hc h a p t e r ：t h el a s tp a r to ft h i s t h e s i s ，ap a s s i v es o n a rt a r g e tr e c o g n i t i o ns y s t e mi sd e v e l o p e d a n dt h ee f f i c i e n c yo f m e t h o do ft a r g e tr e c o g n i t i o nu s i n gt h e s et r a c ec h a r a c t e r si sp r o v e d k e y w o r d s ：t a r g e tr e c o g n i t i o n ，e x t r a c t i o no fc h a r a c t e r ，t r a c ec h a r a c t e r ，t r a c eo f l i n es p e c t r a ，t r a c eo fe n e r g y ，t r a c eo fa z i m u t h ，c h a r a c t e r f u s i o n ，f u z z yj u d g m e n t 2 学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 签名： 埤 关于学位论文使用授权的说明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位 论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人 电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论 文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包 括刊登) 授权东南大学研究生院办理。 签名：导师签名：二主生坠日期：三竺：三 东南大学硕士研究生学位论文 1 j - 刖舌 水声目标分类识别是水声工程中一个十分重要的问题，无论对军事还是对 国民经济均有重要的意义。在海战中，能否对声呐目标实现正确的检测和分 类，对于海军舰艇的性能和生命力都是至关重要的。尤其是当今声呐的作用距 离越来越远，在作用距离范围内目标很多，因而及时确定感兴趣的目标，有利 于把握信息优势，掌握克敌先机。所以，水声目标分类识别一直受到军事部门 和海洋工程部门的关注。 ， 声呐的目标分类识别主要是对水面舰船、水下潜艇、鱼雷及其他水下物体 进行分类识别。困难在于目标的多样性和复杂性，使目标特性很难描述和分类 识别。各种不同的舰艇，不同的型号，不同的工况以及在不同的海洋条件下所 显示出来的特性都不一样。所以，目标分类识别是一个国际公认的技术难题。 水声目标分类识别最初是依靠声呐员用耳朵收听水听器接收的水中目标辐 射噪声来完成。但由于人耳和人本身的局限性，如疲劳、训练的熟练程度等， 难以完成长时间的、复杂的任务，对有的低频信号，声呐员则无法觉察。因 此，随着军事现代化，水下目标分类识别就需要实现自动识别或机助识别。 声呐从体制上分为被动声呐和主动声呐，在目标分类识别中也分成被动声 呐识别和主动声呐识别两类。一般以被动声呐识别为主。被动声呐识别通过对 接收的水声目标辐射噪声进行分析处理，如傅立叶变换、调制解调、小波变换 等方法，从变换后的信号中提取特征，实现目标的分类识别。然而，这些处理 方法往往都是通过对截取一段时间内目标信号的特征进行分析，在信号稳定且 干扰或噪声较小的情况下可以有较好的效果。而在实际应用中，随着声呐作用 距离的提高，声呐跟踪波束输出的目标信号质量很难得到保证，本舰、多目标 干扰及噪声等影响了目标特征的提取，进而影响了声呐目标的正确识别。 利用长时间的信息累积无疑可提高信息的稳定度，故在许多被动声呐中都 设计了l o f a r 谱图显示或分析【2 6 】【2 7 】。但大多仍作为一种显示信息，自动的 l o f a r 谱图目标特征提取方法较少。有一些时频特征提取方法则因方法复杂且 特征维数较高、表征不够明显等缺陷而较难实际应用2 1 】【2 2 】【2 3 】【3 2 】。 为了将长时间累积信息应用于目标的自动分类识别，本文提出“迹特征 这一概念，并将谱的迹扩展到能量迹、方位迹等方面。它是一种时序特征，利 用了目标的过程累积信息，由此改进了先前的特征提取方法，提取的特征可信 度得到提高，同时也挖掘了一些新的目标类型特征，并综合运用不同的时序特 征，使目标识别性能有进一步的提高。 从辐射噪声功率谱中可以提取出目标线谱。以往的线谱特征都是即时提 取，虽然实时性较好，可是缺乏稳定性和可靠性。这里的线谱迹特征是一种时 东南大学硕士研究生学位论文 频二维特征，通过对频谱在时间上的叠加累积，可以减少噪声对目标信号的干 扰，得到稳定、可靠的目标线谱。此外，线谱迹特征还可以反映线谱随时间在 频率上的漂移情况，反映一定的目标运动信息。 目标辐射噪声的能量变化也是反映目标运动特性的一种重要特征。一方 面，由于目标本身特性的不同，使得目标本身辐射噪声声源级不同。另外，目 标运动特性的不同，其能量变化规律也不同。依据这些特征，可以对目标进行 分类识别。 目标的方位信息也是目标的一个重要特征。以往，方位信息只用来定位。 然而，方位变化也反映了一定的目标运动信息。利用从方位的变化轨迹提取出 的目标运动信息，为目标的分类识别提供一定的依据。 单独依靠某个特征，是难以达到分类识别目的的。由于受到噪声和本舰干 扰的影响，并不是每一个特征都能稳定提出，而提取出的特征也会因为受到强 干扰的影响使其可靠性降低。为了提高识别的准确性和可靠性，就需要对提取 出的目标特征进行特征融合和综合判决。文中，提出了利用分层次判决和多级 模糊评判的方法对提取出的特征进行综合判决。分层次判决是利用某些目标的 特有特征进行识别，一旦提取出某些目标的特有特征，就可以对目标进行判 决。而多级模糊评判的方法，是在未提取出特有特征时，对于那些非特有特征 进行综合判决，这样可以避免每次在得到和未能得到全部特征时需要采用不同 的判决体系，依据各种判决结果可信度的大小对目标进行分析，进而做出判 决。 通过仿真和对实测数据的实验，证明了迹特征的有效性和实用性，为目标 分类识别提供了新的方法和思路。 2 东南大学硕士研究生学位论文， 第一章水声目标信号分析 反映目标某种本质的独特物理特性称为特征。在胃标分类识别中，特征常 以参量形式表示，称为特征参量。在目标分类识别中，特征参量主要依据能否 正确地区分各类目标为根据，因此特征提取与被分类识别的对象有很大关系。 由于进行识别时对目标信号一般要采集许多样本测量值，而这些数据不一定都 反映目标的本质，如果简单地把采集的输入样本都直接与模板( 即训练样本) 进行匹配决策，既不经济也不可能，因此选取一些最能反映类间不同特性的参 数进行处理更为有效。不管采用何种方法分类，特征提取都是必要的。特征提 取既是目标分类识别的前提，也是提高识别质量的关键，不恰当的特征选取不 仅会使决策复杂化，甚至会导致无法决策。 1 1 被动声呐目标信号的特性乜1 如前所述，水声目标的辐射噪声是众多噪声源的综合结果，这些噪声源主 要有推进器、转动和往复式机械、各种泵和水流等。它们相应地产生机械噪 声、螺旋桨噪声和水动力噪声。 机械噪声是指舰船上各种机械的振动通过船体向水中辐射而形成的噪声。 机械噪声的产生可概括为以下五种：不平衡的旋转部件，如不圆的轴或电机电 枢；重复的不连续性，如齿轮、电枢槽、涡轮机叶片：往复部件，如往复内燃 机气缸中的爆炸：泵、管道、阀门中流体的空化和湍流，凝汽器排气；在轴承 和轴颈上的机械摩擦。其中前三种声源产生线谱，噪声中主要成分是在振动的 基频及谐波上的单频分量；后两种产生连续谱噪声，当激起结构部件共振时， 还叠加有线谱。所以，船的机械噪声可以看作是强线谱和弱连续谱的叠加，而 这些强线谱就是上述的一种或多种重复性振动产生的过程。 螺旋桨噪声是由旋转着的螺旋桨所辐射的噪声，包括螺旋桨空化噪声和桨 叶振动所产生的噪声，螺旋桨噪声中蕴含了螺旋桨的转速和叶片数等信息，是 调制噪声的主要来源。螺旋桨噪声同机械噪声有不同的声源和频谱。机械噪声 产生在船的内部，由各种传导和传播过程通过船壳到达海水；而螺旋桨噪声产 生在船体外部，是螺旋桨转动及船在水中航行引起的。 水动力噪声是由不规则起伏的海流流过运动船只表面而形成，是水流动力 作用于舰船的结果。不规则的和起伏的水流流过运动船只时产生水动力噪声。 不规则的流引起的压力起伏，辐射出去，形成声波，更重要的，可以激励船体 某些部分发生振动。有湍流附面层产生的噪声往往成为流噪声。由船的各种结 构激励起和再辐射的声波是水动力噪声的重要声源。 不同情况下，各种目标的辐射噪声的构成不一样。一般情况下，水声目标 3 东南大学硕士研究生学位论文 的水动力噪声往往被机械噪声和螺旋桨噪声所掩盖，但在特殊情况下，如当结 构部件或空腔被激励成强烈线谱噪声的谐振源时，水动力噪声有可能成为主要 噪声源。此外，低航速时，机械噪声通常是辐射噪声的主要声源，高航速时， 螺旋桨空化噪声是辐射噪声高频段的主要声源，而机械噪声则是低频段的主要 声源。s 类目标在作战时，为了隐蔽自己，总是以较低的航速航行，由空化噪 声引起的连续谱较弱，而由机械噪声引起的线谱则较为明显；f 类目标在航行 时，空化噪声在辐射噪声中占主要地位，具有强连续谱，而线谱不明显或被淹 没：对于t 类目标，热动力类具有较强的低频成分，电动力类则具有较强的超 声频成分( 几十千赫) ，对转桨航行的水下高速目标若前后桨叶相同，则在高 频段有着丰富的线谱。这些功率谱中的特征常作为识别三类水声目标的依据。 1 2 信号分析与特征提取咖n 妇 从广义上来讲，特征提取是在给定约束条件下通过某种变换( 或称映射) 实现由维数据空间向m 维特征空间的转换。这种变换可以是线性的，也可以 是非线性的。 有些文献将特征提取分为“原始特征”、“特征提取”和“特征选择”三 个过程，将在数据采集过程中形成的样本测量值称为原始特征，将通过变换取 得的特征称为特征提取，而把从特征集中筛选出的一部分最有利于分类的特征 称为特征选择。实际上这些过程很难分开，所以这里统称为特征提取。 特征提取应满足三个要求：一是提取的特征数量要少，包含较小的冗余 度；二是要具有足够的信息，能最好地区分各个类别，或者说能在低维空间里 最大限度的将目标分开；三是对于常遇到的变化和畸变是不敏感的，即具有良 好的不变性。 为了有效地分类，必须建立必要的准则，就是要求经过变换后的同类特征 样本之间的距离越小越好，而不同类别特征样本之间的距离越大越好。若对一 些特征再进行变换使其更好地聚集在一起，这样的过程称为“聚类”。聚类的 准则与以上的准则相同。根据这些准则定义了类内散射矩阵、类间散射矩阵和 混迭散射矩阵，通过这些矩阵的计算可以确定特征提取的好坏。 线性特征提取方法有功率谱、l o f a r 谱、d e m o n 谱、小波变换等方法。 主要用到功率谱和d e m o n 谱。 功率谱估计是获取随机信号二阶统计特征的基本手段。通过时域到频域的 变换可使时域上的复杂波形转换成频域上比较简单的各频率分量的分布，功率 谱中的各频段线谱特征及宽带谱形特征等仍然是水声目标分类的主要根据之 一。功率谱估计一般以f f t 为基础，运算速度快，实现简单。 4 东南大学硕士研究生学位论文 图1 1 目标归一化后的功率谱 通过对原始谱进行滤波、归一化、曲线拟合等处理，可以分离功率谱中含 有的线谱和连续谱成份，再经过f i r 滤波器整形，根据一定的准则提取得到目 标功率谱中含有的线谱，如图1 1 所示，横坐标是频率( h z ) ，纵坐标是归一化 后的频谱幅值。通过对线谱数量和线谱位置等参数的判决，达到目标分类的效 果。此外，还可以从功率谱中得到诸如功率、能量等信息。这些都可以为作为 目标特征，为目标识别提供依据。 水声信号目标识别是针对被动声纳接收的目标辐射噪声进行识别。目标辐 射噪声是多种噪声源综合作用的结果，这些噪声源有些产生线谱，有些产生连 续谱，因此水声信号的谱特征是连续谱上叠加了线谱。从另一个角度来看，这 些噪声源中，一部分是调制信号，如螺旋桨空化调制，柴油机活塞调制，螺旋 桨摩擦调制等，利用包络解调法可以从噪声信号中提取出诸如轴频等特征参数 的信息。将解调获得的谱称为d e m o n 谱( d e t e c t i o no fe n v e l o p em o d u l a t i o no n n o i s e ) ，即噪声调制包络检测谱。 d e m o n 谱分析又分为宽频带分析和分频段分析两种。 对于高速运动目标，运动轨迹变化较快( 即秒变化较大) ，因此产生的多 普勒频移明显。另外，由于高速运动目标自身转速不稳等其它因素的作用，也 使其信号频率产生较大漂移，而通过多幅宽带d e m o n 解调谱叠加获得的平均 解调谱上可以得到反映。由于低速运动目标的运动速度一般较慢，运动方向变 化较小，转速也较稳定，因此多普勒频移较小。图1 2 中将高速运动及低速运 动目标的宽带d e m o n 解调谱进行了比较。 从图1 2 可以很明显看出，高速运动目标的宽带d e m o n 谱和低速运动目 标的宽带d e m o n 谱有明显的区别。 此外，不同情况下目标辐射噪声的构成各不相同，在不同频段上就会有不 同的反映。通过对分频段d e m o n 解调谱的分析，可以提取出这些特征信息。 各频段理想的d e m o n 谱如图1 3 所示。从图中可看出，d e m o n 谱中叶 频线谱明显高于轴频线谱，叶频及其各次谐波幅度依次降低，叶片数也十分醒 目。实际的解调谱中很难有这么好的效果，由前面的分析可以知道，有些频段 以轴频调制为主，有些则以叶频调制为主。因此在有些频带的解调谱中往往只 能提取出轴频处的线谱，有些只能提取出叶频线谱，而且往往存在着杂乱线谱 5 东南大学硕士研究生学位论文 干扰。这种情况下，我们不能对各频段谱单独提取特征，因为找轴频需要结合 叶频线谱和轴、叶频谐频线谱的位置信息，单独提取时会因为线谱太少而导致 特征提取错误。 目标的轴频、叶片数等解调制特征信息可作为区分不同目标的特征参数。 ( a ) 高速运动目标宽带d e m o n 解调谱 ( b ) 低速运动目标宽带d e m o n 解调谱 图1 2 高、低速运动目标的宽带d e m o n 解调谱比较 摧o 5 0 。li。iill 02 04 06 08 01 0 01 2 0 频率( h 刁 图1 3 理想的d e m o n 谱 6 东南大学硕士研究生学位论文 第二章线谱迹特征 一所谓线谱迹特征，是相对于单次提取的线谱而言的。它是通过特定的方法 对单次提取出的线谱在时间上进行累积，在此基础上提取出的一种时频二维特 征。相较于单次提取的线谱，线谱迹特征具有降低噪声干扰性强、时间关联性 强、蕴含目标动态信息等优越性，不足在于牺牲了特征提取的实时性。 一般而言，线谱迹特征包含有稳定线谱数、线谱的位置变化信息、线谱与 连续谱的能量信息等。 2 1 目标线谱数的判定n 6 2 印口朝 不同的目标，由于其动力系统、船体结构以及本身特性的不同，使得各自 的辐射噪声在线谱和连续谱结构上也就不同。经过大量统计观察，发现许多不 同水声目标信号的功率谱中，线谱数量与线谱出现的位置有一定的区别。结合 前面的分析，一般来说，t 类目标功率谱中的线谱较多，且多分布在中高频； 而s 类目标和f 类目标功率谱的线谱较少，且一般出现在中低频。另外，由于 s 类目标自身的特性，其线谱数比f 类目标的线谱数相对较少。 图2 1t 类目标功率谱线谱图 o 0 0 图2 2s 类目标功率谱线谱图 图2 1 和图2 2 分别给出了t 类目标和s 类目标的功率谱线谱图。从中可以 明显的看出区别。 由于受到环境噪声的干扰，单次提取出来的线谱很不稳定，这表现在两个 方面：一是真实线谱被噪声掩盖，从而无法从功率谱上提取出来，这样就产生 了漏判；一是出现强噪声线谱，它被误判为目标的线谱，导致了虚判。如图2 3 7 东南大学硕士研究生学位论文 所示，虽然是同一目标，可是连续两次提取出的线谱数差异很大。这些因素使 得前后几次判决的线谱数目易变动，稳定性和可靠性都不高。 图2 3 同一目标连续两次提取出的线谱 采用统计的方法从线谱迹特征中提取线谱数，就可以部分消除随机噪声的 干扰，得到可靠和稳定的线谱数。 2 1 1 贝叶斯判决准则陆m 阳 一般而言，线谱的提取是一个二元假设检验问题：即在某一频率上是有线 谱( h 。) 还是无线谱( 日。) 。两个假设h 。和日，总是要发生的，有 尸( 日o ) + p ( h 1 ) = 1 ( 2 一1 ) 在这两种假设中，赋予每一种可能的判决一个代价，一种判决的后果和另一种 判决的后果是不相同的。设4 ，f - 0 ，1 ，其中，d o 表示判决日。，d 。表示判决 日。定义c 。，f ，j = o ，l 表示假设日；为真时，判决d ，的代价。贝叶斯准则的目 标，使平均代价即e c 】最小，有时也称风险最小。在实际中，总是假定错误判 决的代价比正确判决的代价大，即 j c o l c h 、(2-2) 【c l o c o o 。 依据贝叶斯公式，可以得到 e c 】= p ( h o ) c l o + p ( 日1 )，、 + i 【尸( 日。) ( c 0 。一c l 。) p ( z1 日1 ) 卜p ( h o ) ( c l o 一) p ( zih 。) 】) 出 、。 其中，尸( 日。) c i o + 尸( 日。) q ，是常数，积分项中唯一的变量是区域z o 。由式( 2 2 ) 知，式( 2 3 ) 中的尸( 日。) ( c o 。一c 。) p ( z1 日。) 和p ( h 。) ( q o c 矗) p ( z1 日1 ) 两项是正 的。从贝叶斯准则，可以得到判决规则如下 丝! 丝! 骘竺( 些鸥q 二刍! ( 2 4 ) p ( z i 风)尸( i ) ( c 0 1 一c 1 1 ) 丝盥2n o p ( h o ) ( c , 。_ c o o ) +(2-5) p ( z1 日o )p ( h 1 ) ( c o l c 1 1 ) 上舯帆z ) _ 黜称为似舭，称7 7 = 器舞等加阮 8 东南大学硕士研究生学位论文 假设在功率谱上某一频率的幅值为 q ? 疗 ( 2 - 6 ) h o ：z = 刀 假设噪声在时域a z 艮p , n ( 0 ，仃2 ) 的高斯分布，因此在频域上刀就是一个服从 r ( 居，! 手仃2 ) 的瑞利分别，g i i s 是线谱的幅值。由此可以得到 ( 2 - 7 ) h la | 1 s z l n r + i 2 y 。，。， 厶 ( 2 8 )-， “no s z 了i n r + 互2 y 即判决规则就是将得到的功率谱与门限比较，如果差值大于门限，则判决为 h 。；否则，判决为h 。 2 1 2 序贯检测们 前面提到的方法是单次线谱提取的判决依据。由上式可以看到，判决的正 确率受到信噪比的影响，可靠性和稳定性都不强。为了改善其不足，可以采用 序贯检测的方法。 所谓序贯检测，是指先用得到的观测值进行判决，再利用以后加入的新的 观测值来减少判决损失，来满足所要求的性能指标。 在修正的聂曼一皮尔逊准则下，序贯检测是在给定的性能指标虚警概 率斥和漏警概率的条件下，从观测到的第一个数据开始，进行似然比检 验，与两个门限r 。和r h 相比较，门限值可由下式得到： 斥= 尸( d l1 日o ) = i p 【人( z ) ih 。 d a 叫o ( 2 9 ) = p ( d 。1 日) = l 二p 人( z ) ih ，】d a 求解出来的值即为门限值。若似然比大于或等于确，判决为h 。：若小于或等于 7 7 0 ，判决为h o ；如果似然比处于刁。和r 。之间，则认为信息不够充分，不能做 出正确的判决，需要再增加一个观测数据，按同样的规则作判决，此过程持续 到能够做出正确的判决为止。 由于每次的观测是统计独立且同分布的，所以可以作如下假设：对某频率 功率谱的线谱值m 次观测值为z ，= 1 , 2 ，n ，建立在个观测值的似然比为 邮沪黜= 尊黜= 黜f i t = 1 黜 9 东南大学硕士研究生学位论文 也- 3 以写成 a ( z ) = a ( z | ) 人( z - 1 ) 假设b = 口，= ，推导两个门限r l 。和编的不等式。 由于发现概率昂依赖于在观测空间的积分，即 易= p ( d li h - ) = 王。p ( z ih ，) d z s = e 人( 乙) p ( z 1 i - l o ) d z 判决日l 意味着a ( z ) r l ，因此有 乃= 1 一= 卜7 7 l 上p ( z ， h o 膨= 最= 口 则门限r h 为 7 7 ，：坐 类似的可以得到门限7 7 。为 = 告 取对数， 三( z ) = i n a ( z ) ，得 l ( z ，) = ( z j 1 ) + t ( z ) 对应的门限是i n r o 和l n r l 。 下面计算在每个假设下做出判决需要的平均观测数值。假定到第个样本 时检验结束，这时的对数似然比为 t ( z _ ) l n r l ，判为日1 l ( z ) l n r o ，判为凰 如果在假设矾为真的条件下，l ( z | ) l n r 。，则为虚警概率口，即 p l ( z ) l n r lh o 】_ 口 ( 2 1 7 ) l ( z ) l n r o ，则为正确不发现概率，即 p l ( z ) l n r olh o 】= 1 一a ( 2 1 8 ) 类似的，如果在假设日，为真的条件下，l ( z ) i n7 o ，则为漏警概率， 即 p l ( z ) l n r olh i 】= ( 2 1 9 ) l ( z ) l n r l ，则为发现概率，即 p l ( z ，) l n r l1 日l 】= 1 一 ( 2 2 0 ) 对数似然比t ( z ) 是一个随机变量。在假设。为真的条件下，t ( z ) 的均值为 e l ( z ，) ih o 】= 尸( d lj 风) l n r i + 尸( 或l t o ) i n r o = a i n r h + ( 1 - a ) i n r o ( 2 2 1 ) 1 0 动 d 动 - 1 1 1 1 l 协 东南大学硕士研究生学位论文 在假设日。为真的条件下，t ( z ) 的均值为 e l ( z ) lh l 】= p ( d lq ) l n ，7 i + 尸( d o1 日1 ) l n r o = ( 1 - f 1 ) i n r l l + f l i n t o ( 2 - 2 2 ) 因为在每一个假设下，观测值都是独立同分布的，则 l ( z j ) = i n 兀h ( z ) = 三( z ) = n l ( z ) ( 2 2 3 ) 即 e l ( z ) ih 。】= e n l ( z ) lh 1 】- e z ( z ) ih l 】研1 日l 】 ( 2 2 4 ) 则 剐悱黼 ( 2 - 2 5 ) 将式( 2 2 2 ) 代入式( 2 2 4 ) ，则在日为真的条件下，所需的平均观测次数为 e niq 】_ ( 1 - f 1 ) ；i ，n ，r h 、+ ，f l ，i nr o ( 2 2 6 ) “ e 陋( z ) 1 日。】 、1 类似的，在假设风为真的条件下，所需的平均观测次数为 e nh 。 ：e l ( z | v ) ih o ：a l n r f i + ( 1 - a ) i n r o ( 2 - 2 7 ) ” e l l ( z ) ih o e 陋( z ) 1 日。】 在许多情况下，一般确定一个观测样本数作为序贯似然比检验的上限， 当取样数达到，仍不能做出正确的判决时，就采用强制性判决最靠近那 一个门限就判决为那一种结果。 图2 4 某目标的线谱迹特祉 由于这种方法的计算量和存储容量都要求很大，且步数不定，因此发展了 一系列次优的序贯方法，其主要的假定是在第k 步作决策时只要考虑到l ( + v 东南大学硕士研究生学位论文 步，即决策一定停止在第k 步和第k + v 步之间。这就大大减少了计算工作量， 也使其更容易实现。 而本文中，则采用定步长的方法。通过综合考虑式( 2 - 2 6 ) 和式( 2 - 2 7 ) 所计 算出的平均步长，并结合实测数据仿真时的效果，对步长加以确定。 图2 4 所示为某目标定步长序贯法得到的线谱迹特征的瀑布图和直方图横 坐标为频率，纵坐标为序贯数。需要注意的是，这里的图是整个序贯过程，在 判决时，按照步长作窗口滑动，逐次判决。从图中可以看出，给定一定的门 限，可以判决出稳定的线谱数，并可以确定线谱的位置。 2 1 3 相关检测1 6 l l l 9 l 进一步考虑，虽然通过序贯检测，可以得到稳定线谱，可是在这些稳定线 谱中，依然存在着非目标线谱，如本舰的干扰和环境固定噪声等。这种线谱的 存在，影响了对于目标识别的可靠性和可信度。 然而，不同类型的稳定线谱，其能量在时间上的变化情况是不同的。本舰 干扰对于接收器而言，其距离相对不变，因此其能量在时间上相对稳定：而目 标由于相对接收器是运动的，即使相对速度稳定，不存在因为多普勒效应而引 起的线谱位置偏移，目标线谱的能量也是变化的；整体环境固定噪声的能量则 是随机分布的。于是，不同类型的线谱其能量变化规律是不同的。自然，不同 线谱类型之间能量的相关性也是不同的：相同类型线谱间能量的相关性高；不 同类型线谱间能量的相关性就低。 由于线谱迹特征可以记录一定时间内提取出的线谱的能量序列。所以，对 于提取出的线谱，根据其所在频率，查找出它的能量序列，分别求取其与其他 线谱能量序列间的相关性，再通过对所有线谱间能量相关系数的比较，就可以 将线谱划分为几类。 设x ，y 为两向量，则其相关系数为： r p x r = 1 三坠 ( 2 2 8 ) 0 c 默c h 其中，c 为协方差，公式为： c 耵= e ( x 一肌) ( 】，一m y ) j = 尺胛一m m y ( 2 2 9 ) r 和m 分别为相关矩和均值： r x r = e x y = ii 冽o ( x ，y ) 姗 ( 2 3 0 ) m x = 研x ，= i x f x ( x ) 出 ( 2 3 1 ) 如果x ，y 互相独立，则 尺胛= e x y = i l x y f x ( x ) a ( y ) c & a y = x ai 历( y ) 砂= 肌x m ， ( 2 3 2 ) 1 2 东南大学硕士研究生学位论文 x 的自相关为 r z = e 2 ) = p 2 厶( x ) 出= 少； ( 2 - 3 3 ) 对于本舰干扰，其线谱能量被视为是稳定的，因此可以假设其能量为： ( f ) = j + 玎( ，) ( 2 3 4 ) 其中s 为一常量，强) 为瑞利分布的扰动。由此，本舰干扰线谱能量也是呈 现瑞利分布。不同的本舰干扰线谱的s 和，z ( f ) 因为频率的不同而不同，但是仅是 系数的不同。 目标线谱的能量是一随距离变化的变量，可假设其能量为： 品( f ) = j ( f ) + ，z ( ，) ( 2 3 5 ) 其中j ( f ) 是随时间变化，按一定规律递增或者递减，刀( ，) 同样为瑞利分布的 扰动，两者之间是互相独立的。同样，不同目标线谱j ( f ) 和，z ( f ) 因为频率的不同 而不同，但是仅是比值的不同。 再来考虑整体环境噪声线谱的能量，可以假设为： s ，( f ) = n o ( f ) ( 2 - 3 6 ) 其中n o ( ，) 是一不同于刀( f ) 的瑞利分布，而且两者是相互独立的。此外，不 同的环境线谱之间的能量分布也是互相独立的。 从建立的数学模型来看，不同的环境噪声线谱间的能量互相关系数以及和 其他两类线谱间能量的互相关系数都是0 。 由于在这里，能量序列是离散、有限且假设具有遍历性的，所以能作有限 参量估计。下面对涉及到的运算公式加以介绍。 均值的求取公式为： ，1 朋= 专善乙2 去i = l 。+ ( 2 - 3 7 ) 方差的推导公式： 铲2 击善( 矿彬( 2 - 3 8 ) 协方差公式为： 2 志善( 矿) ( y r - m y ) ( 2 - 3 9 ) 通过上面的式子可以计算出不同线谱间能量的相关性。再根据不同类型声 源信号的特性，区分出目标线谱和干扰线谱。在这里，主要是考虑到线谱能量 上的变化情况。由于本舰干扰相对于接收装置是固定的，环境噪声干扰则是杂 乱无章的，而目标是相对运动且具有一定规律增加或减小的，因此，可以根据 能量在时间上的变化规律，判断出是否是干扰线谱，从而辨别出目标线谱。 此外，再考虑中低频段的线谱。除了本舰干扰线谱比较稳定外( 就线谱的 1 3 东南大学硕士研究生学位论文 频率而言) ，s 类目标的线谱也是比较稳定的。相对而言，f 类目标和噪声的线 谱不确定性要强。因此，在做能量相关时，频率不稳定的线谱难以得到相关的 同类线谱( 由于线谱频率位置的漂移，导致在某位置上能量变化难以反映该线 谱的前后变化关系) ，所以这类线谱容易被当作不稳定线谱被滤除。而s 类目 标的线谱则可以得到比较好的表现。如图2 5 所示，分别为s 类目标和f 类目 标的稳定线谱( 上图) 和相关检测线谱( 下图) 比较。图中，横坐标为频率， 纵坐标为判决门限。从图中可以看出，在中低频段，s 类目标的线谱比f 类目 标的线谱稳定。这样，通过对线谱稳定性的比较，就为目标的分类判决提供了 一个依据。 ( a ) s 类目标( b ) f 类目标 图2 5 相关检测线谱图 通过相关检测的提取，提取出的线谱可靠性和稳定性更高，更能反映目标 自身的特征。 此外，线谱与连续谱的能量比也从一个侧面反映了目标线谱数的多少。由 于t 类目标具有比其他目标更为丰富的线谱，因此，相应的线谱能量也就更加 丰富，相较于其他目标而言，t 类目标的线谱与连续谱的能量比值较高。为了 避免噪声的低频干扰，可以采用中高频段上的能量比值，用来辅助线谱数的判 决。 2 2 水声目标多普勒频移效应 多普勒效应是由目标与接收器之间径向速度的存在引起的频率偏移。水声 运动目标的多普勒频移公式为： a f = = f o v , c ( 2 - 4 0 ) 其中c 为海中声速，约为1 5 0 0 米秒。1 ，为径向速度。设目标的运动速度为 1 ，运动方向与声纳、目标连线所成角度为乡，并且取远离目标方向为正，则 1 ，= 1 ，c o s o 。 1 4 东南大学硕士研究生学位论文 一般来讲，只要目标在运动，就会产生多普勒效应。不同的目标具有不同 的运动特征，因而具有不同的运动轨迹，在多普勒效应上就会有不同的表现。 即使在运动轨迹相同的情况下，由于运动特征的不同，也会具有不同的多普勒 效应。下面，通过对几种典型运动模型的研究，说明不同目标由于运动特征的 不同而产生不同的多普勒频偏效应，从而为分类识别提供依据。 2 2 1 匀速直线运动 匀速直线运动是一种常见的水中目标运动形式。事实上，一般水声目标在 其航行的大部分时间内都近似做着匀速直线运动。其他的运动形式可由匀速直 线运动演化而来。因此，分析该运动形式下不同目标的多普勒频移，不仅具有 本身的意义，而且是分析其他运动的前提和基础。 对于匀速直线运动的目标，如果运动方向与接收器在同一条直线上，即在 径向速度不变的情况下，具有稳定的多普勒频移，也即有稳定的线谱图。而当 目标运动方向与接收器不在同一条直线上时，随着时间的推移和目标的移动， 就会使得角度秒有所变化( 如图2 6 所示) ，从而使得径向速度发生变化，从而 影响到多普勒频移。对低速或航向角口变化较小的目标，其多普勒频移变化 小。而对于高速或航向角秒变化较大的目标，引起的多普勒频移变化相对较为 明显。即使对于同一目标，在速度相同的情况下，由于初始角度的不同，也会 引起不同的多普勒频移变化效应。 图2 6 匀速直线运动模型 如图2 6 所示，随着时间的推移，目标与接收器之间的夹角也在不断的变 化。其变化规律为： 却c c t g ( 气然擀， ( 2 - 4 1 ) 由于目标与接收器之间的垂直距离不变，只有水平距离在不断的变化，所以式 ( 2 - 4 1 ) 可以简化为： ) = 们吲等等 ( 2 _ 4 2 ) 由( 2 - 4 0 ) 式可知，此时的多普勒频移可表示为： 1 5 东南大学硕士研究生学位论文 。a f ( t ) ：兀v c o s ( e ( t ) )( 2 4 3 ) c 在此，我们做两个对比分析。 首先是同一目标以相同速度在不同初始角度下的多普勒频移效应，如图2 7 所示。图中显示的是在初始距离毛= 1 0 0 0 0 m ，初始角度分别为q = 3 0 0 ( 虚 线) 和幺= 6 0 0 ( 实线) 时在不同时刻因为径向速度变化而引起频率变化的情 形。图中的拐点是目标运动方向与接收器垂直时的情况。随着时间的推进，可 图2 7 相同速度不同初始角度的多普勒频移效应 从本质上来说，初始角度的不同对多普勒频移效应的影响并不显著。因为 在这里影响多普勒频移效应的是径向速度，而与距离远近或者目标运动方向与 接收机连线的夹角角度并没有实质的联系。从图中，我们也可以看出，小的初 始角度可以看作是大的初始角度在时间上的一种延迟。 其次是不同目标以不同速度在相同初始角度下的多普勒频移效应。这也是 我们比较关心的一种情形。因