（电力电子与电力传动专业论文）水下超声信号预处理及其虚拟仪器技术研究.pdf

西南交通大学硕士研究生学位论文第1 i 页 a bs t r a c t t h er e s e a r c ho fu n d e r w a t e ra c o u s t i cs i g n a lp r e p r o c e s s i n gt h e o r ya n dv i r t u a l i n s t r u m e n ti sv e r yi m p o r t a n td u r i n gu n d e r w a t e rc o u n t e r w o r ka n dt h ep e r f o r m a n c e t e s t i n go fu n d e r w a t e rs o n a rs y s t e m n o w a d a y s ，c o m p u t e rt e c h n o l o g yd e v e l o p s q u i c k l y ，t h ec o m p u t e rs i m u l a t i o ni sw i d e l yu s e di ne v e r ya s p e c to ft e c h n i c a lf i e l d ， a n dt h i st e c h n o l o g yp l a ya ni m p o r t a n tr o l ei nu n d e r w a t e ra c o u s t i ce n g i n e e r i n g t h i s p a p e ra i m sa tt h eu n d e r w a t e ra c o u s t i cs i g n a lp r e p r o c e s s i n gt h e o r ya n dt h ev i r t u a l i n s t r u m e n tf o ri t t h em a i nw o r k sc a nb es u m m a r i z e da sf o l l o w s ： 1 、b a s e do nt r a d i t i o n a ll m sa l g o r i t h m ，ai m p r o v e ds t e pc h a n g e dl m s a l g o r i t h mi sd i s c u s s e da n da n a l y z e d f i n a l l y , al m sa l g o r i t h ma n dp r o g r a mf l o w c h a r ti nu n d e r w a t e rp a s s i v es o n a rs i g n a l p r e p r o c e s s i n gi sp u tf o r w a r d ，a n dt h e c a p a b i l i t yi sp r o v e db yt h ec o m p u t e rs i m u l a t i o n 2 ，t h et h e o r yi nw a v e l e t si sd i s c u s s e da n da n a l y z e d ，a d v a n t a g e so ft h ew a v e l e t t r a n s f o r ma n dt h ew a v e l e tp a c k e tt r a n s f o r mi n s i g n a ld e n o i s i n gi sp r o v e db yt h e c o m p u t e rs i m u l a t i o n t h ec o m p u t e rs i m u l a t i o na l s op r o v e st h a tw a v e l e tt r a n s f o r m c a nb eu s e dt or e d u c en o r m a ln o i s ea n ds y m m e t r yd i s t r i b u t i o nn o i s e ，a n di m p r o v e d e t e c t a b i l i t yi nt h eu n d e r w a t e rp a s s i v es o n a rs i g n a lp r e p r o c e s s i n gf i e l d s 3 、t h ed i s a d v a n t a g e so ft r a d i t i o n a ld a t a b a s et e c h n o l o g yd u r i n gt h eu n d e r w a t e r a c o u s t i cs i g n a lp r e p r o c e s s i n gi sd i s c u s s e da n da n a l y z e d f o rm o s td a t a b a s e sc a nj u s t b es i m p l yu s e dt ow r i t e ；f i n da n dg e ts t a t i s t i c so fu n d e r w a t e ra c o u s t i cd a t a ，w e i n t r o d u c et h et h e o r yo fd a t am i n i n g ，a n a l y z et h ed i f f i c u l t i e so fd a t am i n i n gd u r i n g u n d e r w a t e ra c o u s t i cs i g n a lp r e p r o c e s s i n g ，a n dp r o v i d ead a t am i n i n gs c h e m eo f u n d e r w a t e ra c o u s t i cs i g n a lp r e p r o c e s s i n gw h i c hb a s e do nn e u r a ln e t w o r k 4 ，t h eu n d e r w a t e ra c o u s t i cs i g n a l p r e p r o c e s s i n gs y s t e m i sa n a l y z e d ，a n da v i r t u a li n s t r u m e n tp l a t f o r mu s e dt od e a lw i t ht h eu n d e r w a t e ra c o u s t i c s i g n a l p r e p r o c e s s i n gi sd e s i g n e d ，t h e t e s tr e s u l t sm e e tt h er e q u i r e m e n t s k e yw o r d s ：u n d e r w a t e ra c o u s t i cs i g n a l ；a d a p t i v ef i l t e r i n g ；w a v e l e t st r a n s f o r m ； d a t am i n i n g ；v i r t u a li n s t r u m e n t 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在年解密后适用本授权书； 2 不保密西使用本授权书。 ( 请在以上方框内打“4 ”) 学位论文作者签名：奄锐 指导老师 日期：2 的矿f ，2 - 日期：沙吁 西南交通大学学位论文创新性声明 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所 得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在 文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下： 1 改进了一种自适应l m s 算法。在满足系统性能指标ie ( n ) | p 的前提下，维持 迭代步长“( ，z ) 不变，从而减小了原有算法的运算量，更适于水声信号预处理。 2 设计了基于神经网络的水声数据挖掘方案。首先运用数据挖掘预处理理论对 水声数据进行了规范化，接着使用最大距离小波能量法对水下目标进行分类， 然后通过神经网络提取规则，最后进行规则评估。 3 设计了一种适用于水声信号预处理的虚拟仪器平台，该平台实现了对8 通道 水声信号的显示、存储及预处理。 西南交通大学硕士研究生学位论文第l 页 第1 章绪论 在海洋活动中，水声信号处理是一项关键的技术，它广泛应用于深海打捞、 海洋石油开发、海底勘探、水下目标识别、水声对抗等方面。水声信号处理作 为一门独立的学科始于5 0 年代初，水声信号在水中传播时，由于所受影响因素 很多，接收信号往往比较微弱，一般是非平稳的，且有较大的失真。同时由于 水声信号的动态范围一般很大( 8 0 d b ) ，海洋环境噪声中，深海一般为高斯噪声， 浅海噪声则非高斯型较强，而目标舰船的辐射噪声由于存在很多线谱分量，使 它们具有很强的非高斯性。同时，海洋背景环境噪声有空间指向性和相干性， 使得对信号的处理更加困难【l 】。常规水声信号检测技术有：时域技术和频域技 术。 水声目标信号检测技术是衡量水声设备性能的主要指标之一，也是水声对 抗的基础。就军用水声设备而言，其主要探测目标为水面舰艇和潜艇，利用的 信息主要为舰艇和潜艇辐射噪声。只有可靠准确地检测出目标舰艇，才能完成 定向、定位、参数估计、目标识别、跟踪和态势估计等后续工作。声信号在水 中传播时，由于传播衰减、畸变、海洋混响、多径传输、生物噪声等海洋环境 干扰以及接收系统内部自噪声的影响，接收信号往往比较微弱，又有较大的起 伏和失真，信号和背景噪声的统计特性也会发生变化。实际接收信号往往是非 平稳和非线性的，原本性能很好的检测器，此时的检测效果也许不尽人意，甚 至检测性能会严重下降。另外由于新材料、新消声静音技术的大量应用，现代 水面舰艇和潜艇的辐射噪声大大降低，因而水声设备接收到的信号就更加复杂， 这就要求检测器有更强的适应性，更大的动态范围，以保持一定的检测性能， 即检测的鲁棒性( r o b u s t n e s s ) ；同时由于舰艇的远距离攻击能力大幅度提高，对 于水声对抗，要求能够提供足够的预警时间【2 】，因而研究水声信号去噪相关技 术具有重大的应用意义。 1 1 课题研究的背景 近年来，随着科学技术的高速发展，人类对覆盖地球总面积7 0 的海洋的 认识逐渐深化，海洋因其经济上的巨大潜力和战略上的重要地位越来越被人们 所重视。美国加州海洋研究中心的罗伯逊博士说：“海洋的开发对人类带来的利 西南交通大学硕士研究生学位论文第2 页 益要比那些耗资庞大的太空计划实惠得多”。1 9 9 8 年曾被定为“国际海洋年 ， 有人说，2 1 世纪是海洋的世幺己【3 1 。众所周知，电磁波是空气中传播信息最重要 的载体，例如，通信、广播、电视、雷达等都是利用电磁波。但是在水下，它 几乎没有用武之地。这是因为海水是一种导电介质，向海洋空间辐射的电磁波 会被海水介质本身所屏蔽，它的绝大部分能量很快地以涡流形式损耗掉了，因 而电磁波在海水中的传播受到严重限制。至于光波，本质上属于更高频率的电 磁波，被海水吸收损失的能量更为严重，因此，它们在海水中都不能有效地传 递信息。实验证实，在人们所熟知的各种辐射信号中，以声波在海水中的传播 性能为最佳。正因为如此，人们利用声波在水下可以相对容易地传播，针对其 在不同介质中传播的性质不同，研制出了多种水下测量仪器、侦察工具和武器 装备，即各种“声纳”设备。声纳技术不仅在水下军事通信、导航和反潜作战 中享有非常重要的地位，而且在和平时期已经成为人类认识、开发和利用海洋 的重要手段，而水声信号的预处理又是其中重要的一环。 考虑到水声信号的非平稳性，同时传统基于f o u r i e r 分析的信号去噪方法的 不足：信号在低信噪比的情况下，经过滤波器的平滑作用，不仅信号的信噪比 得不到较大的改善，而且在去除噪声的同时，信号高频部分的信息也丢失了， 更糟糕的是，能反应信号特征的奇异点也可能被滤掉。可见，传统的基于f o u r i e r 分析的信号去噪方法不适用于来处理非平稳信号，需要引入综合的分析方法处 理水声信号。 随着经济的飞速增长和人类的进步，传统的水声信号处理理论已远远不能 满足海洋利用发展的需求，与此同时，计算机技术日渐成熟，其技术上、经济 上的优势必将取代水声信号预处理的传统仪表技术。因此，研究新的水声信号 处理理论，同时开发多用途的水声信号预处理虚拟仪器平台，使其更适应工业 和国防的需要己势在必行。 1 2 课题相关技术的现状与发展 1 自适应滤波技术 自适应滤波器属于现代滤波器，它是2 0 世纪4 0 年代发展起来的，在自适 应信号处理领域中发挥着重要的作用。自适应滤波器是相对固定滤波器而言的， 自适应滤波器滤波的频率是自动适应输入信号而变化的，在没有任何关于信号 和噪声的先验知识的条件下，自适应滤波器利用前一时刻已获得的滤波器的参 西南交通大学硕士研究生学位论文第3 页 数来自动调节现在时刻的滤波器的参数，以适应信号和噪声未知或随机变化的 统计特性，从而实现最优滤波器。即根据不同的信号环境实现自身参数的调整。 而实际情况中，信号和噪声的统计特性常常未知或无法获知，因此自适应滤波 器的应用空间非常广泛。如系统辨识、噪声对消、自适应均衡、线性预测、自 适应天线阵列等很多领域。 2 小波理论 从水下信号处理技术的发展过程来看，具有完整的数学理论基础的分析工 具在其发展过程中起到了至关重要的作用。随着信号处理技术的发展和深入， 对信号处理理论和分析工具又提出了更高的要求。特别是对突发信号和非平稳 信号的处理已成为水下信号处理中的关键课题。小波变换既保持了傅立叶方法 的优点，又具有短时傅立叶变换的良好局域特性，己成为应用数学和信号处理 等领域的研究热点。它在水下信号处理中的应用研究也成为近年来倍受关注的 课题。 3 数据挖掘 科学研究和工程中数据库的日益广泛应用和频繁使用，使得人们长期以来 积累了浩瀚的数据，并拥有了大量的数据资源，但是面对如此海量的数据，传 统的数据技术所能做的基本上是一些存取和标记工作，从而形成了数据丰富而 知识贫乏的局面。人们当然不会仅仅满足对这些数据的简单查询。从信息处理 的角度，人们更希望计算机帮助我们分析数据、理解数据，帮助我们基于丰富 的数据做出决策，做人力所不能及的事情。于是，数据挖掘【4 】( 从大量数据中 用非常规的方法发现有用的知识) 就成了一种自然的需求。正是这种需求引起 了人们的广泛关注，导致了数据挖掘研究的蓬勃开展。数据挖掘和知识发现 ( k d d ) 正是在这样的应用需求背景下产生并迅速发展起来的，并且成为当前一 个重要的发展领域。 4 虚拟仪器 虚拟仪器是在以通用计算机为核心的硬件平台上，具有虚拟面板，测试功 能的由软件实现的一种计算机仪器系统，是计算机技术与仪器技术相结合的产 物，其基础是计算机系统，核心是软件技术。虚拟仪器大大突破了传统仪器在 数据采集、处理、显示、存储等方面的限制，是一个测试和自动化系统的高性 能、低成本运载平台【5 】。它来源于人们对自动测试技术不断提升的需求。早在 2 0 世纪5 0 年代，美国军方为解决军用电子设备维护中遇到的问题开展了s e t e 西南交通大学硕士研究生学位论文第4 页 计划。到了2 0 世纪6 0 年代，电子计算机开始用于测试领域，当时由于标准化、 通用化的仪器产品还未出现，研究的重点放在了设备间的硬件接口设计上。后 来，随着一些接1 2 1 标准的出现，如g p i b 总线系统和c a m a c 总线系统，人们 己不用花太多精力在接口的设计上了。2 0 世纪8 0 年代中期以来，随着通用计算 机信息处理能力的大大提高，以计算机作为硬件支撑来实现传统仪器的功能成 为现实。 1 3 本文的主要研究工作 第一章首先对水声信号预处理相关理论的现状与发展情况作了介绍，其中 包括自适应滤波与小波分析理论，以及近年来出现的适用于水声信号数据仓库 处理的数据挖掘技术，然后介绍了虚拟仪器的发展状况，最后介绍了本文的主 要研究工作。 第二章研究了自适应滤波理论，然后结合水声特点，针对传统l m s 算法的 不足改进了一种l m s 算法，最后给出了l m s 算法用于被动声纳测距的算法、 流程和仿真。 第三章介绍了小波去噪理论，研究了基于阈值的小波去噪方法以及适用于 水声信号特点的小波包去噪方法，仿真验证了小波相关去噪理论相对于传统去 噪理论的优势，最后研究并仿真了基于小波的被动声纳去噪。 第四章介绍了数据挖掘及其在水声信号预处理中的应用。研究了水声信号 处理用到的数据挖掘方法，给出了基于神经网络的水声数据挖掘方案。 第五章设计了水声信号预处理虚拟仪器平台，对此系统进行了仿真与试验， 然后分析了仿真及试验结果。最后对全文进行了总结。 西南交通大学硕士研究生学位论文第5 页 第2 章自适应滤波技术在水声信号预处理中的应用 本章将从自适应滤波器的概念和基本结构出发，介绍一种重要的，也是应 用最广泛的自适应算法一最小均方( l e a s tm e a ns q u a r e ，l m s ) 算法，通过分析传 统l m s 算法的性能，结合水声信号特点改进了一种算法。最后将自适应算法用 于被动声纳测距。 2 1 自适应滤波技术 从连续的( 或离散的) 输入数据中滤除噪声和干扰以提取有用信息的过程 称为滤波。相应的装置称为滤波器【6 j 。当滤波器的输出为输入的线性函数时， 该滤波器称为线性滤波器，否则就称为非线性滤波器。根据滤波器的参数是否 随时间变化，又可将滤波器分为时变和非时变滤波器两种。 滤波器是电子设备的最基本的部件，人们对其已经进行了广泛的研究。滤 波器研究的一个基本课题就是：如何设计和制造最佳或最优的滤波器。所谓最 佳滤波器是指能够根据某一最佳准则进行滤波的滤波器。2 0 世纪4 0 年代，维纳 奠定了关于最佳滤波器研究的基础。假定线性滤波器的输入为有用信号和噪声 之和，两者均为广义平稳过程且已知它们的二阶统计特性，维纳根据最小均方 误差准则( 滤波器的输出信号和需要信号之差的均方值最小) ，求得了最佳线 性滤波器的参数。这种滤波器称为维纳滤波器。它获得了极其广泛的应用。在 维纳研究的基础上，人们还研究了根据最大输出信嗓比准则、统计检测准则以 及其他最优准则求得的最佳线性滤波器。已经发现，在一定条件下，这些最佳 滤波器与维纳滤波器是等价的。因而，讨论线性滤波器时，一般均以维纳滤波 器作为参考。 要实现维纳滤波，就要求：输入过程是广义平稳的；输入过程的统计 特性是己知洲川。根据其它最佳准则的滤波器亦有同样的要求。然而，由于输 入过程取决于外界信号、干扰环境，这种环境的统计特性常常是未知的、变化 的，因而不能满足上述两个要求。这就促使人们研究自适应滤波器。 自适应滤波器是这样的滤波器，它在输入过程的统计特性未知时，或是输 入过程的统计特性变化时，能够调整自己的参数，以满足某种最佳准则的要求。 当输入过程的统计特征未知时，自适应滤波器调整自己参数的过程称为“学习 过程”。而当输入过程的统计特征变化时，自适应滤波器调整自己参数的过程 西南交通大学硕士研究生学位论文第6 页 称为“跟踪过程 p j 。 自适应算法主要根据滤波器输入的统计特性进行处理。它可能还与滤波器 输出和其他数据有关。根据自适应算法是否与滤波器输出有关，可将其分成开 环算法和闭环算法两类。开环算法的控制输出仅取决于滤波器的输入和某些其 他数据，但不取决于滤波器的输出，如图2 1a ) 所示。闭环算法的控制输出则是 滤波器输入、滤波器输出以及某些其他的函数，如图2 1b ) 所示。 闭环算法利用了输出反馈，它不但能在滤波器输入变化时保持最佳的输出， 而且还能在某种程度上补偿滤波器元件参数的变化和误差以及运算误差。它的 缺点是存在稳定性问题以及收敛速度不高。开环算法的优点是调整速度快，一 般不存在稳定性问题。但通常它要求的计算量大且不能补偿元件参数误差及运 算误差。因此，多数采用闭环算法。然而，在一些要求高速调整的系统中，如 雷达系统，开环算法亦很受重视。 2 1 1 自适应滤波器的构成 自适应滤波器的组成 9 1 如图2 1 所示。它可分为可编程滤波器( 滤波部分) 及自适应算法( 控制部分) 。可编程滤波器即参数可变的滤波器，自适应算法 对其参数进行控制以实现最佳工作状态。 输 其 数 出 输 其 数 出 a ) 开环算法b ) 闭环算法 图2 - 1 自适应滤波器的组成 如图2 2 画出了最常见的延时线自适应滤波器结构 旧，输入信号x 依次经 过l - 1 个延时单元，在n 时刻得到的输出就构成了一个信号矢量， x ( 力) = 【z ( ，z ) ，x ( n 一1 ) 9 o , 9 x ( n 一三+ 1 ) r ，其中t 表示矩阵转置。每个延时( 包括零 延时) 位置都由一个加权抽头，这些权系数得到的信号构成一个权矢量， w ( n ) = 【w o ( n ) ，w l ( 以) ，魄一。( n ) 】，。权矢量可以根据某种自适应算法进行调节，以 使得延时信号的加权和( 即滤波器输出) y ( 刀) 逼近一个已知的期待信号d ( ，z ) 。 自适应滤波器的参数将随着输入信号的变化而变化，因而是非线性和时变 西南交通大学硕士研究生学位论文第7 页 的。组成自适应滤波器的可编程滤波器，当其参数固定时，可能是线性的或非 线性的。时域线性可编程滤波器有f i r ( 有限脉冲响应) 横向滤波器、i i r ( 无 限脉冲响应) 横向滤波器以及格形滤波器等。 图2 2 中用虚线框住的部分又常被称为线性组合器。这是一种全零点滤波 器，它始终是稳定的，且能实现线性的相移特性。因此，它在自适应滤波中得 到了最广泛的应用。它的缺点是：为了实现具有陡峭边沿的通带特性需要相当 高的阶数。 图2 2 延时线自适应滤波器结构 图2 3 时域i i r 横向滤波器图2 - 4 时域全零点格式滤波器 时域i i r 横向滤波器的框图如图2 3 所示。这种滤波器即有零点又有极点， 或者只有极点。它可以用不高的阶数实现具有陡峭边沿的通带特性。其主要缺 点是稳定性不好和相位特性难以控制。这些缺点限制了它在自适应滤波领域中 的应用，但是由于它较易实现具有陡峭边沿的带通特性，在实现多途径效应的 自适应均衡等方面有很大潜力，因此引起人们的极大兴趣。 格形滤波器亦可分为全零点式、全极点式及零极点式。图2 4 是时域全零 点格形滤波器的框图。其主要优点是具有相对独立的组件结构，每一组件的参 西南交通大学硕士研究生学位论文第8 页 数可独立调节，对舍入误差不敏感，各阶反向预测误差相互正交【1 1 1 。由于这些 特点，格形滤波器在自适应滤波器中得到了广泛的应用。 2 1 2 自适应滤波器的算法 要使自适应滤波器自动调整自身参数，得到有效的输出，则它必须满足某 种最佳准则要求。不同的准则，可以产生不同的自适应算法，目前主要有两种 基本的算法：最小均方误差( l m s ) 算法和递推最小- - 乘( r l s ) 算法【i2 。其中，由 w i d o w 和h o f f 提出的最小均方误差( l m s ) 算法，具有计算量小、易于实现等优 点而在实践中被广泛采用，本章主要对它进行研究。l m s 算法的基本思想：调 整滤波器自身参数，使滤波器的输出信号与期望输出信号之间的均方误差最小。 这样系统输出为有用信号的最佳估计。 1 传统的l m s 算法 基于最速下降法的最小均方误差( l m s ) 算法的迭代公式如下： e ( 露) = d ( n ) 一x ( 强) 。矿( 靠) ( 2 - 1 ) 形( ，l + 1 ) = 形( 刀) + 2 i t e ( ，z ) x ( 甩)( 2 2 ) x ( n ) = b ( 甩) ，x ( n 1 ) x ( n l + 1 ) 】7 1 表示时刻n 的输入信号矢量。 形( ，z ) r = w ( ，2 ) 。w ( 胛) ”w ( 栉) 表示时刻n 的自适应滤波器的权系数。 式中：l 为滤波器的阶数；d ( n ) 为期望输出值；e ( n ) 为误差；为步长因子，它 是控制稳定性和收敛速度的参量。 由上述公式可以看出，传统的l m s 算法结构简单、计算量小且稳定性好， 因此被广泛地应用于自适应控制、声纳、系统辨识及信号处理等领域。但是这 种固定步长的l m s 自适应算法在收敛速率、跟踪速率及权失调噪声之间的要求