（水声工程专业论文）沉底球冠形头部圆柱壳体回波识别方法研究.pdf

a b s t r a c t t h eb o t t o m e dt a r g e ti sv e r yd i f f i c u l tt ob er e c o g n j z e do rd e t e c t e d ，j u s t b e c a u s ei t se c h os i g n a lh a sas m a l ls i g n a l - n o i s er a t i o ( s n r ) a n da c o m p l i c a t e d s t r u c t u r e w h i c ha r ec a u s e db yt l i er e v e r b e r a t i o na n da d d - e c h o e sp r o d u c e db yt h e b o t t o m t op r o v et h es n r s t f tt i m e - f r e q u e n c yf i l t e ra n dw i g n e r - v i l l ea c r o s s c o m p o n e n tf i l t e r a l ei n t r o d u c e di n t h i st h e w s ，b o t ho ft h e ma r cb a s e do nt h e c h a r a c t e r i s t i c so fl i n e rf r e q u e n c ym o d u l a t e d ( l f m ) s i g n a la n dr e v e r b e r a t i o n f r o mt h i sp o i n t , ac h a r a c t e r i s t i c se x t r a c t i o nm e t h o di sg i v e n ，a n dm a k e sa r e c o g n i t i o ns y s t e mf o rt h ee c h os i g n a lo fb o r o m e dc o l u m ns h e l lt a r g e tw i t hah a l f s p h e r el l e a dw i t ht h ef u z z yf u s i o nc l a s s i f i e r ( f f c ) t o g e t h e r o nt h et i m e f r e q u e n c yd o m a i n , t h ed i s t r i b u t i o no fl f ms i g n a li sas i n g l e s t r a i g h tb i a s ，a n dt h ed i s t r i b u t i o no fr e v e r b e r a t i o ni sab a n da l o n gw i t ht h et i m e a x i s t h es t f tt i m e - 矗e q u e n c yf i l t e ri sb a s e do nt h i sc h a r a c t e r i s t i c s al f m s i g n a l a d d e dw i t hi t s 疳e q u e n c y - s h i f l e dc o p y , w i l lp r o d u c e daa c r o s sc o m p o n e n ti nt h e r e s u l to fi t sq u a d r a t i ct i m e 一仔e q u e n c yd i s t r i b u t i o n ，w h i c hh a sab i g g e rs n r ，t h e w i g n e r - v i l l ea c r o s sc o m p o n e n tf i l t e ri sb a s e do nt h i s ar e c o g n i t i o ns y s t e mi s r e a l i z e dw i t hf f ca n dt h e s ec h a r a c t e r i s t i c se x t r a c t i o nt e c h n i q u e s t ot e s tt h em e t h o d si nt h i st h e s i s ，a l le x p e r i e n c eh a sb e e nm a d eb e t w e e nt h e n o v e m b e rt ot h ed e c e m b e ro f 2 0 0 6 k e yw o r d s ：b o t t o m e dt a r g e t ；p a a e mr e c o g n i t i o n ；s h o r t - t i m ef o u r i e r t r a n s f o r m ；w i g n e r - v i l l ed i s t r i b u t i o n ；f u z z yf u s i o nc l a s s i f i e r 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的引用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体己 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 作者( 签字) ：凌盆 日期：加7 年乡月，6 日 哈尔滨工程大学硕士学位论文 第1 章绪论 1 1 研究背景 二十一世纪是海洋的世纪，随着人类科学和技术的发展，对于海洋的认 识、开发也进入了一个新的纪元。由于人类自身和经济的发展，全球性的人 口、资源和环境之间的矛盾变得越来越尖锐，与此同时，随着有争议岛屿周 围油气资源的发现和开采，随着有关国家海域划界的逐渐展开，海上斗争的 热点将继续增加和激化。最近几年来发生的军事事件引起了世界范围的对典 型海战的重新思考。战后几次局部战争的海战重点都在沿海战场，在沿海战 场中，水雷作战具有举足轻重的作用。水雷造价较低，使用方便，布易扫难， 效费比高，适宜大量生产和大量布放。在这种情况下，各国海军都纷纷关注 如何保证在沿海岸线敌人设置的水雷区域中进行作战和通行的安全。由此可 见，水下目标的识别在国民经济和军事上都具有重要意义。 水下目标识别技术在5 0 年代末就受到了学术界和应用部门的高度重视， 但由于该领域的特殊性和复杂性以及在相当长的时期内相关技术的落后，致 使该领域的研究进展一直比较缓慢。近几十年来伴随这各种新兴信息处理理 论、微处理器技术的发展，极大刺激了水下目标识别技术的发展，也使得对 该领域的理论探索和实验室仿真技术日趋成熟，目前正在向工程化应用方向 迈进。 在水下目标的探测与识别领域，到目前为止最有效的手段仍然是声纳”1 。 当目标为声学上的无源体或安静体时，回波方式是唯一有效的工作方式。按 主动声纳的作用距离，可分为近距离、中距离和远距离。在几十米到几百米 的中，近距离上，图象声纳是水下目标探测和识别的主要工具，但图象声纳 要求空间分辨率高，需要采用高工作频率，因此作用距离有限。对于沉底目 标，在几十到几百米的距离上，基于声阴影法的声纳是目标探测和识别的主 要工具，由于识别的激励是目标的几何图像，所以它要求保证一定的空间分 辨率，工作频率不能太低，一般在1 0 5 k h z 5 2 5 k h z ，因此声阴影法局限于 2 0 0 米左右的量级。大深度，远距离，特别是沉底或掩埋状态下的目标探测 和识别，是当今研究的热点和重大难点，由于海底混响的干扰和掩埋层对声 哈尔滨工程大学硕十学位论文 波的强烈吸收，使得该工作变得极其困难，目前国内外这个领域的工作尚处 于实验室研究阶段，距实际应用还有相当距离。 在远距离上，由于工作频率的降低，大多数目标只能作为点对象，成象 条件己不成立，此时，利用调制在目标回波中的目标特征信息进行识别可能 是唯一途径。在水下目标的探测和识别中，回波特征是最基本的物理参数 之一。目标回波是目标在入射声波激励下产生的一种物理过程，目标回波是 散射波的一部分，是入射波与目标相互作用后才产生的，有关目标本身的某 些特征信息会被调制在回波上，回波中或多或少地带有目标的特征信息。利 用回波工作方式，分析回波中携带的目标特征信息，成为水下目标回波识别 研究的一个可行方法。 1 2 研究现状 水下目标回波识别是个十分复杂的模式识别问题。模式识别通常分为统 计模式识别和句法模式识别两大类。 在句法模式识别中，每个模式可以由一个多等级的树状结构表示，一个 模式由几个简单的子模式组成，子模式又可分为更简单的子模式或模式基元。 句法识别通常利用模式文法或随机文法进行模式分析和识别，适用于分量的 结构和相互关系起重要作用的场合。 水下目标回波识别一般采用统计模式识别的方法。在统计识别中，模式 通常是一组反映样本类别的特征，根据模式将输入划分到某个类别中。识别 系统的性能本质上由所用模式特征决定。水下目标回波的统计模式识别可由 特征提取和分类决策两个步骤实现。 1 2 1 水下目标特征提取研究现状 要准确提取水下目标回波特征，就需要对水下目标回波特征有足够的认 识。对水下目标回波特征的分析，是识别工作的基础和前提。有关水下目标 特征的研究，国外从五十年代就已经开始。一些研究人员( 主要在美国和法 国等) 逐步开始了对水下弹性目标声散射问题的研究，水下目标声散射特征 的研究目的在于通过探求目标声散射的机理与特性，进一步确定判识其形状 尺度和材质的方法。从研究的途径来看可基本归结为目标声散射正问题和逆 哈尔滨r i = 程大学硕十学位论文 问题两大类。研究的目标已从无限长柱体( 壳) 、球体( 壳) 等简单形状发展 到现在的椭球体( 壳) 、半球帽柱体( 壳) 、有限长柱体( 壳) 以及包吸声的 上述各目标模型等等。 从目标回波特征的发展看，新型材料和降噪技术在水下目标中的应用造 成水下目标回波特征的显著性降低，很可能使原先有效的特征表示变为无效， 因此水下目标回波特征的刻画是一项长期，无止境的工作，且极具挑战性。 当前应用比较广泛的水下目标回波特征表示理论有亮点模型、极点模型、共 振散射理论。 亮点模型：亮点的概念最初用来描述凸光滑表面的反射波主要取决于第 一个菲涅尔区这一事实。在水下目标回波识别中，绝大多数情况下，入射声 波都是小振幅波，回波的形成服从线性声学规律，且与初始时间无关。基于 此，汤渭霖教授提出了用传递函数描述水下目标的声回波的亮点模型，它的 普遍形式由幅度因子、时延和相位跳变三个参量描述。一个完整的目标模型 就简化为给定这三个参量组”。文献 3 】指出，上述模型只适合于刚性目标， 并在此基础上，提出具有复杂表面特征的凸光滑表面、棱角和边缘的几何亮 点可以用四个参数来描述。除了描述刚性目标的三个参数外，引入了特征反 射系数。 极点模型：声纳发射的脉冲从有限尺寸目标的回波可表示为一些阻尼正 弦振荡的叠加，而在数学上，时域上的阻尼振荡与复频率平面上的极点相对 应。这些极点可分为两组，对应出现在该平面上两个完全不同的区域，一组 对应目标形状，另一组对应目标材料特征。极点位置只取决于目标形状和弹 性特征，与入射信号波形和方位无关，因此极点特征参数有较好的稳定性“。 共振散射理论模型：数学上可严格的把散射场分解成一个刚性背景项加 上一系列共振项。水下弹性体目标的共振散射可完全的由复频率平面上的共 振极点位置所决定。极点的实部决定了散射振幅中的共振频率，虚部表示了 相应模态的再辐射效率和共振宽度。对于一般水下金属e l 标，共振谱对应形 态函数曲线的谷，而对于软物质则对应形态函数的峰“。可见，谐振区的共 振谱可作为目标识别的特征。 上述模型都需要采用严密的数学表达式，这对简单几何形状的弹性物体 是可行的，且依靠有效的数值解法可得精确或近似的解析解。但实际应用中， 哈尔滨工程大学硕十学位论文 目标几何形状往往十分复杂，在数学表达和求解时，就会陷入困境。于是， 人们又试图直接从回波的时间序列寻找解决的途径。常用的方法是进行目标 信号的波形结构和谱分析。通过研究人和海豚的听觉发现，对回波信号用时 域处理比频域处理的效果更好些。文献【6 】中使用了亮点特征、突变特征、时 频特征、非高斯特征和转音特征作为分类器的输入，下面分作简要介绍。 突变特征：已有研究表明，回波的突变性质和目标的类别有关，例如具 有大面积光滑表面的目标，其产生的回波边缘较为陡峭，而具有随机起伏粗 糙不平的表面或随机分布的目标，会使回波边缘较为模糊”1 。回波的突变时 刻称为奇异点，奇异点的位置及其大小统称为奇异性，可以使用l i p s e h i t z 指 数描述。就水下目标分类而言，真目标通常突变较少而陡峭，假目标通常 突变较多而模糊。文献 9 】使用离散二进小波变换检测回波信号的边缘跳变。 文献【6 】中用类似的方法检测信号的边缘跳变和峰值跳变。 时频特征：不同目标的空变频率特性有一定的差异，通常真目标变化幅 度大且不重复，假目标变化幅度小并常常带有某种重复性，混响的变化则和 背景接近。空变频率特性表现在目标回波上就是信号的时频变化或时频分布， 即所谓的时频特性。文献 6 】中用短时f o u r i e r 和w i g n e r 分布变换来“突出” 了目标回波和背景回波的时频特性。文献 1 0 1 提出一种基于匹配追踪算法的 自适应时频分析方法。 非高斯特征：非高斯特性反映了目标的非线性性质，通常真目标强一些， 假目标弱一些。非高斯特性可以用高阶统计量描述。文献 6 】选用了双谱估计 变换来“突出”回波的非高斯特性。 听觉特征：这是声纳兵判断真假目标的重要手段之一。文献【6 】中使用了 g h i t z a ( g h i t z a sa u d i t o r ym o d e l ，g a m ) 听觉模型变换描述声纳回波的转音 特性。g a m 是对人耳听觉系统的模拟，可以有效实现语音识别。文献 1 1 1 提 出了一种基于听觉模型的水中辐射噪声的特征提取方法，该模型从三个层次 上模仿了人耳的处理机理：临界带分析，等响强度预加重和强度响度变换， 用a r 模型、离散余弦变换进行特征参数表示。隐马尔可夫模型是一种基于 时序积累概率的动态信息处理方法，在语音识别中得到了广泛应用，近年来， 出现了许多应用隐马尔可夫模型识别水下目标的例子，如文献 1 2 】、【1 3 】。 文献【7 】、【8 】和文献 1 4 1 讨论了利用亮点模型为基础的声纳回声信号建模 哈尔滨工程大学硕士学位论文 方法。文献【1 5 】、 16 】、【1 7 “1 8 】和 1 9 j 都是采用亮点模型来刻画目标特征。 文献 1 7 】提出了一种基于小波变换的水雷特征提取方法，使用d a u b e e h i e s 正 交基对信号做小波变换，取尺度3 和4 下的细节信号进行f f t 变换，再把每 个尺度下的结果按频域划分为1 7 段，提取每一段的能量，归一化后作为特征 向量输入分类器。文献【1 8 】对典型角度下的目标回波作了魏格纳维纳分布分 析，并用相关处理的办法来检测目标信号在整个回波中的位雹和各类亮点的 数目以及它们之间的相对位置。文献【1 5 】提出了分离几何亮点和弹性亮点的 特征提取方法一频域离散小波变换，先对目标回波做h i l b e r t 变换得到解析 信号，然后做f f t ，再取模得到幅频信号，对幅频信号再做离散小波变换， 得到了尺度4 的近似信号，它主要包含了目标的弹性特征。文献 1 6 】采用了 提取目标弹性亮点特征的频域离散小波变换和提取目标几何亮点特征的常数 q 滤波子带能量法、能宽比分析法和波形结构法作为目标回波特征的提取方 法。文献 t 9 1 与文献【1 6 】的工作基本相同。 此外，还有大量文献讨论了小波分析在水下目标分类的应用问题，如文 献【2 0 】- 【2 8 】。文献【1 0 】提出了一种小波变换的快速算法。针对回波频谱中的线 谱，文献【2 9 】讨论了倒谱在水下目标分类中的应用。 文献【6 】采用把投影变换和特征提取分开的方式，先对信号按五种特征线 索分别使用不同方法投影变换到特征空间，再针对映射后的向量的不同维数 采用一维或二维的特征提取方法，为系统的扩展提供了方便。 1 2 2 分类算法研究现状 由于基础理论的限制，早期的分类算法未能考虑算法的智能化问题。经 典统计模式分类算法主要利用特征的统计分布，以来于对已有大量范本的统 计分析和基于距离度量的模式匹配，优点是分类速度快，但得到的匹配摸版 是固定的，难以适应场景的变化。 7 0 年代末，基于模型( m b ，m o d e l b a s e d ) 的分类算法克服了统计分类 的不足，可将样本空间模型化，能明确表达样本空暗 有意义的子空问，通过 调用目标、背景、环境等模型实现模式的最佳匹配”。由于各种模型的建立 难度很大，目前m b 算法主要限于实验室研究。 与此同时，人工智能和专家系统技术的发展，带动了基于知识( k b ， 哈尔滨工程大学硕十学位论文 k n o w l e d g e b a s e d ) 分类算法的研究1 。但在知识的验证和获取，大知识库的 组织和管理方面，还存有许多难以解决的困难。 基于模糊集合理论的分类技术具有处理不确定性知识和模糊特征变量 ( 语言变量) 的能力，其模糊隶属度判决法使分类决策更具柔性，但决定系 统性能的模糊隶属函数的选择往往带有主观性。 8 0 年代初，人工神经网络( 心j n ) 理论研究的重新崛起，为自适应分类 算法的研究带来了希望，并成为当今模式识别领域最有力的理论工具之一。 文献 3 2 】提到了支持向量机，由于支持向量机( s v m ) 在模式识别和回 归分析中有着独特优势与现有的诸如神经网络、遗传算法等智能学习机比， s v m 有着坚实的理论基础和教强的推广能力，因此在处理非线性问题和高维 数据问题上显示出优良的性能，近来成为研究热点。 应该看到任何一种理论和方法都有其优劣，它们往往是互补的；基于单 一方法构造的识别系统往往会因环境的多边和系统的局部故障影响目标识别 的可靠性。因此导致融合分类算法的出现，并使之成为该领域的研究热点1 。 文献【3 3 】还指出，为了提高水下耳标的正确识别率，研究人员主要应从以下 三方面展开深入的研究：寻求有效的特征提取方法，开展神经网络与模糊推 理的交叉应用技术研究，综合利用神经网络方法和传统人工智能方法构造专 家系统。 自适应共振理论神经网络模型( a d a p t i v er e s o n a n c et h e o r y ，a r t ) 是由 美国b o s t o n 大学的s g r o s s b e r g 和g a ，c a r p e n t e r 提出的，其核心内容是稳定 性和可塑性的平衡及注意力的集中。a r t 与模糊理论的结合产生了著名的模 糊最小最大神经网络( f m m n n ) 。文献 3 4 1 介绍了将f m m n n 应用于水声目 标聚类的实验。文献【3 5 】提出了f m m n n 的改进模型，称为多分辨率组合的 模糊最小最大神经网络分类器( m r c c ) ，克服了原模型的两个缺点：即新模 型训练结果依赖于训练样本出现的次序、超盒扩张受一个固定的最大尺度限 制。文献【6 】中提到了a r t 与模糊理论结合的另一个产物，模糊自适应分类 器，它的匹配测度采用欧式距离。在模糊自适应分类器的基础上，文献 6 】作 者把匹配测度改为标准差异，并引入子类中样本分布服从高斯分布的假设， 设计了能够过滤冗余特征的新模型，称为a r t f ( a r tf o rf e a t u r ef u s i o n ) 。 在a r t f 的基础上，参考融合分类器实现特点，借鉴f m h 心i n 的实现思想， 6 哈尔滨j ：样人学硕十学位论文 文献【6 】作者又设计了模糊融合分类器( f f c ) ，文献1 1 6 、 1 9 都使用了f f c 作为分类器。 文献 3 6 】提出了一种将遗传算法与b p 算法相结合的新网络训练方法。文 献【3 7 】设计了一种模糊记忆模型，称为f r m ，在此基础上与多层前馈网络相 融合，形成了一种组合递归型网络一综合决策网络( c o m p o u n dd e c i d i n g n e t w o r k ，c d n ) 。文献【3 8 】介绍了一种隐层结构自适应实现方法。文献【3 9 】 提出了隐马尔可夫模型、r b f 和a r t 2 相混合的网络结构。文献【4 0 】提出将 径向基函数网络和多层感知器网络复合构成复合基网络。文献 4 1 】提出了两 种改进的动态神经元模型：c i i r d n u ( c o n s t r i c t e di n f i n i t ei m p u l s er e s p o n s e d y n a m i cn e u r a lu n i t ) 和f i r d n u ( f i n i t ei m p u l s er e s p o n s ed y n a m i cn e u r a l u n i t ) ，并给出了基于改进型动态神经元的神经网络结构，还推导了其b p 算 法。文献1 4 2 】介绍了g a b o r 原子网络的结构。文献【4 3 】和文献【4 4 】介绍了模糊 理论与k o h o n e n 神经网络的结合产物f k c n ( 模糊k o h o n e n 神经网络) 。文 献【4 5 】介绍了一种新的自组织聚类网络d i g n e t ，这种网络的核心是吸引井 结构，它和有着广泛应用的s o f m 网络比，更适用于噪声教大的数据。文献 【4 6 】介绍了一种用于多目标分类的基于d s p 的多神经网络集成算法，并结合 算法设计了一个基于多d s p 并行结构的多目标分类硬件系统。文献【4 7 】介绍 了一种基于人工神经网络的声目标识别系统。文献 4 8 1 介绍了基于五种类间 距离的系统聚类算法，并进行了仿真实验。 1 3 研究方案 本文的研究对象是沉底球冠形头部圆柱壳体目标回波。研究内容是选择 适当的沉底球冠形头部圆柱壳体目标回波特征提取方法，并设计相应的分类 器。研究目的是最终实现对沉底球冠形头部圆柱壳体目标回波的识别。 文献 4 9 】根据亮点理论模型，对自由场中球冠形头部圆柱壳体目标回波 结构，从时域和频域两方面作了仔细的分析，并提出了采用线性调频信号拷 贝相关方法分离目标回波成分的思想。文献【5 0 】、【5 1 1 根据亮点理论模型，对 海底界面引起的目标回波变异作了分析，并给出了一系列结论。文献【6 】在参 考了融合分类器实现特点后，借鉴f m m n n 的实现思想，在a r t f 的基础上 又设计了模糊融合分类器( f f c ) 。上述文献的工作是本文工作展开的前提和 哈尔滨- t 程大学硕士学位论文 基础。 基于目前的技术条件，本文采用以统计识别为基础，从目标回波信号提 取亮点特征进行识别的策略，基于文献 4 9 】采用线性调频信号拷贝相关方法 分离目标回波成分的思想，提出了两种沉底球冠形头部圆柱壳体目标回波识 别的新技术s t f t 滤波和w i g n e r - v i l l e 交叉项滤波，并在文献【6 】提出的模 糊融合分类器( f f c ) 的基础上设计了个目标回波识别系统，其系统框图 表示如图1 1 。 待 识 尉 信 号 f 预处理卜叫时域特征提取i 、l 叫频域特征提取 识 别 结 果 图i 1 沉底球冠形头部圆柱壳体回波识别系统框图 由于发射线性调频信号作拷贝相关是本文中切目标识别活动的基础， 因此系统要求发射信号是线性调频信号。整个识别系统包括预处理时域特征 提取和频域特征提取以及它们相应分类器共四个部分。其中预处理部分所作 工作针对不同的应用场景而改变，针对本文所用的水槽实验数据，进行了带 通滤波和降低采样率的工作。对目标回波进行预处理后，再遁过拷贝相关、 s t f t 滤波和w i g n e r - v i l l e 交叉项滤波等技术提取目标回波的时域、频域特征， 作为分类器的输入，进行目标识别并给出结果。 1 4 本文内容 本文内容可分为五部分。首先介绍了本论文的研究背景及相关领域研究 现状，并提出了本文的研究方案。然后介绍了本文的理论基础沉底状态 下的声目标亮点模型以及海底混晌特性。随后在拷贝相关的基础上，提出了 s 邗t 滤波和w i g n e r - v i l l e 交叉项滤波提取沉底目标回波特征的方法。接着对 本文采用的分类器r f f c 模型作了全面介绍。最后，结合水槽实验数据， 对本文设计的识别系统进行了测试，并对测试结果作了简要分析。 哈尔滨工程大学硕士学位论文 第2 章沉底球冠形头部圆柱壳体目标回波特征 目标回波是目标在入射声波激励下产生的一种物理过程，因此回波中带 有了目标的某些特征信息，这些信息是主动声纳实现目标探测和识别的基础。 声纳处理机通过对回波信号进行处理提取这些特征量，从而进行分类识别。 目标探测和识别的前提是对目标及其特性有一个良好的认识和理解。一 个实用的目标模型是主动声纳迫切需要的，它将有利于对目标回波特性的深 入细致的了解，以便声纳处理机能够通过对回波的分析处理提取特征量并进 行分类识别，具有实际应用价值。 目标的亮点结构是目前研究较多的水下目标特征之一，本文采用亮点模 型作为目标识别的理论出发点。相对于自由场的目标，底界面的引入会造成 目标回波的变异，并引入底界面混响。 2 1 亮点模型理论 目标回波是目标在入射波激励下产生的一种物理过程，它既与目标的固 有振动有关，又与入射声波特性有关。在绝大多数情况下，作为激励源的入 射声波是小振幅波，回波的形成服从线性声学规律，且与初始时间无关。因 1 比6 l 江程应用的罱度可以撇开回波的产生机理将目标看作是一个线性时 不变系统，回波就是目标对入射声波的响应。基于此，汤渭霖教授提出了用 传递函数描述目标回波特性的亮点模型。 亮点模型的普遍形式由幅度因子、时延和相位跳变三个参量描述。一个 完整的目标模型简化为给定这三个参量组。亮点的概念最初用来描述凸光滑 表面的反射波主要取决于第一个菲涅尔区这一事实。在高频情况下，任何一 个复杂目标的回波都是由若干个子波叠加而成的，每个子波可以看作是从某 个散射点发出的波，这个散射点就是亮点。一个亮点可以是一个真实的点， 也可以是一个等效的点”1 。 对于水中目标，根据亮点形成机理，可以分为几何亮点和弹性亮点。 几何类亮点：由目标几何形状决定的回波成为几何反射波，即几何类亮 点。它是目标回波中最基本的组成部分。几何类亮点主要包括棱角波和光滑 哈尔滨工程大学硕七学位论文 表面的镜反射波。当发射点和接收点处于同一位置时，镜反射波只在端面、 正横等角度范围出现，而棱角波在所有角度都存在。本文只讨论收发合置情 况。 弹性类亮点：当入射声波与目标的本征频率相吻合时，目标将产生共振 向周围介质辐射声波，称之为弹性再辐射回波或弹性类亮点。由于目标的共 振散射频率取决与目标的性质，即与目标的材料关系密切。并且高阶兰姆波 的波速及其存在数目与壳厚有关，不同性质的目标有不同的共振散射频率， 因此弹性类亮点是水下目标的一个重要特征。 按照线性叠加原理，一个复杂目标的亮点模型传递函数可表示为如下形 式： 日( ，功= 4 ( f ，) e “。e “ ( 2 一1 ) # l 式中：亮点总数目 m 第聊个亮点 尹一目标所在位置向量，m m 一角频率，r a d s 以一第m 个亮点的幅度因子，p a f 。- 第m 个亮点的时延，s 纯一第研个亮点的相位跳变，r a d 综上所述，对一个目标回波特征的刻画通过亮点理论模型简化为提供一 组不同方位上的厶，咖= 1 ，2 ，朋的值。 2 2 自由场中的球冠形头部圆柱壳体回波 球冠形头部圆柱壳体目标是指具有如图2 1 所示形状的目标。定义入射 角口为入射声线与目标圆柱轴线的夹角，平端面正对换能器时为0 。，正横时 为9 0 。，球冠头端正对换能器时为1 8 0 。对水雷模型转动范围0 。一1 8 0 。 图中数字标识目标几何亮点。 哈尔滨+ f ：程人学硕十学付论文 图2 1 球冠形头部圆柱壳体目标形状示意图 球冠形头部圆柱壳体目标回波包括镜反射波、棱角波和反向弹性再辐射 回波( 它们可能是径向、轴向和螺旋环绕再辐射回波) 。 先讨论自由场中的球冠形头部圆柱壳体且标回波的几何亮点。研究证明， 有两种情况的回波在实际中可以忽略：一种是棱角或突点处于声影区中，另 一种是突点位于光滑曲面上。回波中的几何反射波或几何亮点可以用几何声 学和物理声学理论很好地预测。 文献【4 9 】给出了声波水平入射到目标( 波阵面与目标方位角旋转轴平行) 时，各几何亮点回波相对于且标旋转中心的程差和角度对应关系图，如图2 2 。 旁攮承串 射鳟备棱揖相薄镯糕掰麓饕串也燧麓 图2 2 声波水平入射时各几何亮点回波相对旋转中心的程差示意图 各亮点回波随口变化情况为：a = 0 。，亮点3 、4 、5 可以忽略，亮点1 、 2 合并成平端面的镜反射波；0 。 口 9 0 。，亮点4 ，5 可以忽略，亮点1 、2 、 3 产生的回波依次返回；口= 9 0 。，亮点2 、4 、5 可以忽略，亮点1 ，3 合二 名誉v埘棚零要霉警_盛- 哈尔滨工程大学硕十学位论文 为一并入柱面镜反射波，回波以柱面镜反射波为主；9 0 。 盯 1 8 0 。，亮点2 、 4 可以忽略，亮点5 、3 、1 产生的回波依次返回；口= 1 8 0 。，亮点1 、2 可以 忽略，回波以亮点5 产生的球面镜反射波为主，亮点3 、4 合并成一个稍晚到 达的回波。 声波斜入射时，情况与水平入射相似，不同之处在于口= 0 。和a = 1 8 0 。 时，无镜反射波出现，分别与0 瑾 9 0 。和9 0 1 ，有结论： 删“尝铲 可以证明，这时相应的混响包络的相关时间为： f k a c o 陀一1 7 ) 式中： 七 一- 与调频律和包络形式有关的常数 特别有当a c o t 5 时，混响包络的相关区间或混响信号相关函数的包络的区 间为： f 石肘 或 f 1 脚村( 2 - 1 8 ) 混响信号的包络服从瑞利分布，相位服从均匀分布。混响瞬时值的自相 关函数与信号自相关函数很接近；混响包络的时间相关半径与发射信号的带 哈尔滨工程大学硕士学位论文 宽成反比。 文献 5 4 】对海洋混响的统计特性进行了详细的分析，并对混响的频谱得 出了以下结论：当满足时频宽度的乘积远大于1 的条件时，即脚t l ， 发射宽带信号的混响频谱实际上与发射脉冲的宽度无关，而是与发射信号具 有相同的频谱覆盖范围。 综上所述，混响作为在沉底状态下目标回波信号的主要干扰，其瞬时值 具有与信号自相关函数很接近的自相关函数，并且其频谱拥有相同的频率覆 盖范围。 2 5 本章小结 本章首先介绍了亮点模型理论，进而介绍了基于亮点模型理论的自由场 中球冠形头部圆柱壳体回波特征，并给出了其几何亮点和弹性亮点随入射角 度的变化规律，接着讨论了底界面引起的目标回波特征变异，最后，介绍了 沉底状态下目标回波的主要干扰海底混响。 2 l 哈尔滨工程大学硕十学位论文 第3 章目标回波特征提取 线性调频信号( l f m ) 是现代声纳一种广泛使用的信号形式，用于信号 的检测与识别。作为一种常用的信号处理方法，线性调频信号最有意义的特 性在于其时间和频率上的对称性。这里我们以线性调频信号脉冲信号作为发 射信号，并与沉底目标的回波信号作互相关，从而分离目标回波成分。本章 内容都是针对发射信号为线性调频信号的情况而言。 3 1l f m 信号及其相关处理 相关处理是声纳技术中常用的信号处理手段，主要用于信号检测，引入 相关运算的目的是希望通过比较发射信号与接收信号的回波信号的相似性， 以实现有用信号的检测、识别与提取。目标回波中的几何亮点的数目、结构 以及相对位置是很重要的信息，经过相关处理，不仅可以将有效的目标回波 成分提取出来，而且目标回波中的各个亮点的相对位置也可以直观的确定下 来。 文献1 7 0 对l f m 信号及其相关处理进行了详尽的论述，现对其内容作简 单复述：根据定义，入射波x ( f ) 和目标回波y ( f ) 的互相关函数是： r 。，( f ) = ix ( t ) y ( t + z - ) d t( 3 1 ) 。 ， 设凡( 功是氏( f ) 的f o u r i e r 变换，由相关定理和亮点模型的传递函数式 ( 2 - 1 ) ，并假设在信号通带内亮点参数与频率无关，则： 1n f - 1 ( 国) ) = 爿。p 帆f 一 p p 胁k i x ( o ) 1 2 ) ( 3 - 2 ) 所= i 利用“延迟定理”，又知i 工( 叻f 。的f o u r i e r 反变换就是入射波的自相关函数 震。( t ) ，最终可得： 1 ， k ( f ) = - ；y 4 + e r a t + + r c ) ( 3 - 3 ) 7 目滢j 此式表明入射波和目标回波的互相关函数是入射波的自相关函数被各亮点幅 哈尔滨。r ：程人学硕十学何论文 度加权并延时后的结果，进一步分析可知：如果入射波的自相关函数r 。( t ) 足 够窄，那么互相关函数中各个亮点的贡献将可以分开：互相关函数中对应某 个亮点的峰值与该亮点的幅度因子爿。成比例，据此可以估计亮点参数。 上述分析表明，采用拷贝相关的方法可以利用复杂信号测量出目标的亮 点参数，并对目标进行识别。分析中的主要假设是亮点参数在信号通带内与 频率无关，当频带不是太宽时，这个假设近似成立。 文献 4 9 1 在对仿真信号进行处理和比较后，得出以下结论：白噪声较弱 的条件下，相关处理后，回波中幅度较大的几何亮点仍然能够很好的显示， 但如果噪声较强，则幅度较弱的几何回波将被淹没在其中，很难判断其出现 的时刻以及相对其它亮点回波的时延；含弹性亮点的模拟回波的相关处理结 果表明，调频信号与弹性波的单频信号的相关并不能把单频信号压缩成尖峰 形式，相关后的单频信号依旧是有一定脉宽的单频信号。噪声对含有弹性波 的回波影响较大，当信噪比较低时，相关处理后将不能很好的分辨出亮点的 结构。 综上所述：l f m 信号及其相关处理具有在信噪比不是太低的情况下，分 辨目标回波结构的能力，但是对弹性回波成分的压缩效果不是很好，并且在 信噪比非常低的情况下，有可能使部分回波结构被噪声湮没。 3 2l f m 信号及其短时傅立叶变换 短时傅立叶变换( s h o r t - t i m ef o u r i e rt r a n s f o r m ，s t f t ) 是最简单的线性 时频分析方法，它是在傅立叶变换的理论基础上，通过对信号在时域预加滑 动窗，再作傅立叶变换的方式，实现了信号的时频域联合分析。 给定信号x ( r ) ，其短时傅立叶变换的时域表示为： 墨( f ，国) = iz ( f ) j + ( f - t ) e - - 1 “o i d r ( 3 - 4 ) 式中：w ( f ) 一一窗函数 式( 3 - 4 ) 的频域表示形式为： s a f ，叻= e - i “去彳( u ) 矿+ p 一曲e d u ( 3 - 5 ) 哈尔滨- 丁程大学硕士学位论文 式中：x ( c o ) - z ( t ) 的频谱 u 一频移，m d s 短时傅立叶变换是一种线性时频表示，具有频移不变性和时移不变性等数学 性质。 令脚= z ，疗= 矿，z 是信号采样频率，则短时傅立叶变换时域表示 的离散形式为： s a n ，肌) = x ( k ) w ( k - n ) e 。2 “ t l o 如果用a f 和a 厂分别表示s t f t 变换的时间分辨率与频率分辨率，则它 们的乘积满足不等式： l 时宽一带宽积= a f 厂二( 3 7 ) 4 兀 式( 3 - - 7 ) 称为h e i s e n b e r g 不等式，或不确定性定理。由不确定原理可知，对 于短时傅立叶变换，其时间分辨力和频率分辨力是互相矛盾的，这意味着只 能牺牲时间分辨率以换取更高的频率分辨率，或者反过来用频率分辨率的降 低来换取时间分辨率的提高。 图3 1l f m 信号的短时傅立叶变换 图3 1 给出了一个时宽o 0 0 0 5 s ，频率范围3 3 0 k h z 4 6 5 k h z 的l f m 信号 的短时傅立叶变换。图3 2 给出了该l f m 信号加入频率范围3 3 0 k h z 一4 6 5 k h z 哈尔滨工程大学硕士学位论文 的高斯白噪声的短时傅立叶变换。 图3 2 加入白噪声的l f m 信号短时傅立叶变换 图3 3 加入白噪声的l f m 信号s t f t 滤波结果 由于该高斯白噪声与l f m 信号拥有相同的频率覆盖范围，所以对信号进 行简单的带通滤波不能削弱噪声的影响，但在时频域上，l f m 信号能量分布 集中在由时间和频率确定的一定区域内，所以在时频域上进行滤波，有削弱 噪声影响的可能，而理想的u ，m 信号的短时傅立叶变换本身就可以作为一个 理想的时频滤波器。本文采用理想的l f m 信号的短时傅立叶变换做为滤波 哈尔滨工程大学硕士学位论文 器，与有噪声的l f m 信号的短时傅立叶变换矩阵做乘法加权处理，从而实现 时频域的滤波，称此方法为s t f t 滤波，图3 3 给出了这一结果。 由图中可看出，这一方法可以在时频域上去掉大部分的噪声能量，但对 那些叠加进信号在时频域上能量分布位置的干扰，不起作用。 3 3l f m 信号及其w i g n e r - v i l l e 分布 短时傅立叶变换使用时间和频率的联合参数描述了信号的频谱随时间的 变化情况。同样的，可以使用时间和频率的联合参数描述信号的能量密度随 时间的变换情况。这种能量化的表示称作信号的时频分布。由于能量本身是 信号的二次型表示，为了与线性时频分布表示相区别，以下称这种信号能量 的时频域联合表示为二次型时频分布，二次型时频分布是信号的一种非线性 变换。 与线性时频分布表示服从“线性叠加原理”相类似，任何二次型时频表 示都满足“二次叠加原理”。下面简要介绍“二次叠加原理”： 令： 工( f ) = 五( f ) + x 2 ( ，)( 3 8 ) 则任何二次型时频分布服从下面的二次叠加定理 只( f ，c o ) = 巴( ，) + 只：o ，) + 气，。( r ，) + o ，c o ) ( 3 - 9 ) 式中只( ，c o ) = 只，( f ，动代表信号x c t ) 的“自时频分布”，简称“自项”，它是x ( f ) 的双线性函数；巴。p ，础) 和气。p ，c o ) 表示信号分量五( f ) 和而( f ) 的“互时频 分布”，简称“交叉项”，它是五( f ) 和恐p ) 的双线性函数。在大多数的实际应 用中，二次型时频信号分析的主要目的是抽取出信号分量，并且抑制交叉项。 本文要做的工作恰恰与之相反，而是要利用二次型时频分布的交叉项，作为 提取信号中目标回波特征的手段。这一方法的主导思想是：对发射信号的拷 贝信号作频率搬移，再把它加入到回波信号中，在确定的位置就会激发出交 叉项，通过提取该交叉项的特征，来对目标回波进行识别。因为整个过程类 似于滤波，所以称之为二次型时频分布交叉项滤波。 由于w i g n e r - v i l l e 分布( w v d ) 是最早问世的二次型时频分布，其它所 有二次型时频分布又都可以看成是w i g n e r - v i l l e 分布的加窗形式， w i g n e r - v i l l e 分布被视作所有二次型时频分布之母，所以本文选取 哈尔滨工程大学硕士学位论文 w i g n e r - v i l l e 分布实现二次型时频分布交叉项滤波。下面简要介绍 w i g n e r - v i l l e 分布。 信号x ( t ) 的相关函数为： 疋( f ) 2l 工o ) z ( f o a t( 3 l o ) 为了更好的分析非平稳信号，取式( 3 1 0 ) 对称形式，并对信号进行加窗处 理，即可得到信号的局部相关函数。当窗函数为时间冲激函数时，得到瞬时 相关函数为： t ( ，r ) = x ( f + 寺) 工o 一- ( 3 - 1 1 ) 瞬时相关函数表示信号x ( t ) 在时间上某一瞬时的相似性。对瞬时相关函数作 关于时延f 的傅立叶变换，得到信号x ( t ) 的w i g n e r - v i l l e 分布时域表示为： 吸o ，c o ) = x ( f + ( ，一“d f ( 3 - 1 2 ) 式中：f 一时间延迟，8 其频域表示为： 形( ，口) = 去z 佃+ 争r ( c o - 詈) e d 。( 3 - 1 3 ) 式中：( 动一工( ，) 的频谱 u 频移，r a d s w i g n e r - v i l l e 分布具有实值性、时移不变性、频移不变性和时间边缘特性等数 学性质。 l f m 信号的w i g n e r - v i l l e 分布由下式给出： 睨f m ( f ，叻= 2 兀1 4 r 艿( 一- 2 n k z ) ( 3 - 1 4 ) 式中：彳l f m 信号的幅度，v 鳓一l f m 信号的起始频率，r a d s k 一l f m 信号频率随时间变化的斜率，h m s l f m 信号的w i g n e r - v i l l e 分布沿一条时频域上的斜线分布。 令m = m z ，玎= 坑，z 是信号采样频率，则w i g n