基于SαS的水声信号噪声统计分布建模

2012-05-28王汗青苑秉成王平波

水下无人系统学报 2012年5期

关键词：混响自导海试

林伟, 王汗青, 苑秉成, 王平波

基于SαS的水声信号噪声统计分布建模

林伟, 王汗青, 苑秉成, 王平波

(海军工程大学兵器工程系, 湖北武汉, 430033)

0 引言

目前, 绝大多数自导鱼雷都以水声场作为控制场的自导系统, 即通过分析、处理接收到的水声信号完成对目标的探测和跟踪。传统的水声信号处理都是在背景噪声满足高斯分布假设的前提下, 采用基于2阶统计量的方法进行的[1]。然而, 在实际应用中, 由于海洋生物、人为噪声, 尤其是在主动自导条件下产生的混响噪声, 鱼雷自导系统接收到的水声信号背景噪声并不是高斯分布的, 主要体现在其概率密度分布具有厚拖尾现象。在这种非高斯噪声环境下, 若仍然采用高斯假设, 则会导致鱼雷自导系统性能退化。目前, 用于非高斯水声信号噪声描述的模型主要有瑞利分布、分布、混合高斯分布等[2-4]。

1 SαS稳定分布

式(1)满足如下条件

2 基于SαS分布模型水声试验数据验模

分别取水池、湖试及海试3种典型水声环境, 并默认为环境噪声比重依次增加, 混响噪声比重依次降低。

2.1 水池试验数据SαS分布模型验模

试验水槽长25 m, 宽2.5 m, 水底平整, 细沙底质, 厚度0.4 m, 水槽水深度及收发换能器高度可调。

图1 SαS分布模型对水池试验数据概率分布函数的拟合性能

Fig. 1 Fitting performance of probability distribution funtion(PDF) of symmetric α-stable(SaS) distribution model for tank trial data

2.2 湖试数据SαS分布模型验模

试验区选在水域开阔、安静, 底部多为泥土夹杂沙石砾, 属硬底质类的湖域。试验进行时, 天气晴好, 湖上有微风。

图2 SαS分布模型对湖试数据PDF的拟合性能

2.3 海试数据SαS分布模型验模

试验地点, 天气晴朗, 风速3~4级, 海况2级, 海深约76~84 m, 海底平坦, 声速153 2~153 8 m/s, 微正声速梯度。发射阵深度22 m, 接收阵深度20~23 m。

图3 SαS分布模型对海试数据PDF的拟合性能

图4 SαS分布模型对海试混响限制区数据PDF的拟合性能

3 算法验证及试验结果分析

图5 SαS分布模型对海试水下噪声限制区数据PDF的拟合性能

表1 水池数据的a估计值统计

表2 湖试数据的a估计值统计

表3 海试数据的a估计值统计

4 结束语

从分析结果可以看出, 本文提出的模型可以对混响信号的分布进行描述, 进而为水下探测系统水声信号噪声信号抑制提供了理论支撑。

[1] 王平波．主动声纳非高斯信号处理技术研究[D]．武汉: 海军工程大学, 2006．

[2] Shao M, Nikias C L. Signal Processing with Fractional Lower Order Moments: Stable Processes and Their Applications [J]. Proceedings of the IEEE, 1993, 81(7): 986-1010.

[3] 冯德军．海洋混响物理统计建模研究[D]．武汉: 海军工程大学, 2002．

[4] 杨福生．随机信号分析[M]．北京: 清华大学出版社, 1990．

[5] 邱天爽, 张旭秀, 李小兵, 等．统计信号处理: 非高斯信号处理及其应用[M]．北京: 电子工业出版社, 2004．

[6] Ma X Y, Nikias C L. Parameter Estimation and Blind Channel Identification in Impulsive Signal Environmens[J]. IEEE Transactions on Signal Processing, 1995, 43(12): 2884-2897.

Statistical Noise Distribution Modelling for Underwater Acoustic Signals Based on SαS

,,,

(Department of Weaponry Engineering, Naval University of Engineering, Wuhan 430033, China )