基于Hilbert-Huang变换的水下爆炸声信号分析

孙钟阜1, 盛振新2, 刘荣忠2, 郭 锐2



基于Hilbert-Huang变换的水下爆炸声信号分析

孙钟阜, 盛振新, 刘荣忠, 郭 锐

(1. 中国人民解放军驻上海地区水声导航系统军事代表室, 上海, 201108; 2. 南京理工大学机械工程学院, 江苏南京, 210094)

为了研究水下爆炸声信号的特征, 进行了水下爆炸试验, 并基于Hilbert-Huang变换(HHT)法对试验数据进行处理, 得到了水下爆炸声信号的Hilbert谱。根据Hilbert谱对水下爆炸声信号进行分析, 并对能量局部极值点的形成机理进行了探讨。结果表明, Hilbert谱能够清晰地表示出水下爆炸声信号的频率分布规律和能量的时频特性, 局部极值点的形成是由于声线轨迹和海底相互作用的结果。

水下爆炸声信号; Hilbert-Huang变换; 射线理论

0 引言

早在上世纪60年代, 对水下爆炸的研究就开始了, Cole对水下爆炸的爆轰过程进行了理论推导, 对冲击波和气泡脉动的规律进行了系统研究。同时, Weston基于Fourier变换研究了水下爆炸声信号的特性, 并分析了爆炸深度对冲击波和气泡脉动的影响。随后, 水下爆炸作为声源被广泛应用, 例如海底参数反演和水声对抗等。在此过程中, 海底散射强度和海水吸收系数的频率特性也被广泛研究, 海水的吸收系数随着信号频率的增大而增大, 由于海底沉积层的组成不同, 海底散射强度随频率的变化规律则比较复杂。吴成等人利用小波变换和功率谱估计方法对水下爆炸声信号进行了特征提取, 得到水下爆炸声信号能量的频率分布规律。

水下爆炸是一种非线性非平稳的过程, 传统的分析方法在处理此类信号时具有很大的局限性。Huang N E提出了称为Hilbert-Huang变换(Hilbert-Huang transform, HHT)的信号处理方法, 包括经验模态分解(empirical mode decomposition, EMD)和Hilbert变换。由于EMD是自适应的, 其分解快速有效, 同时EMD又是基于信号的局部化特性, 从而可用于非线性非平稳信号的分析。与Fourier变换和小波分析相比, HHT消除了Fourier变换为反映非线性非平稳过程而引入的多余无物理意义的简谐波, 并且在分辨率上消除了小波分析的模糊和不清晰, 具有更准确的谱结构。

本文进行了水下爆炸试验, 记录了水下爆炸声信号, 首次采用HHT方法对水下爆炸声信号进行特征提取, 并对试验过程中发现的一些现象进行了分析。

1 试验简介

试验在一个内陆湖进行, 时间为春季, 声速剖面如图1所示。风速为3~4 m/s, 湖海面状况低于Beaufort 3。图2给出了试验布置图。

图中, 水听器放置在船Ⅰ下离湖面40 m的距离, 水听器工作频率范围为1Hz~50 kHz, 灵敏度为-202±3 dB/1 mPa。爆炸声源为20g聚奥-9装药, 放置在船Ⅱ下面, 深度为40 m。2艘船由GPS定位, 距离为850 m。湖底基本上是平的, 覆盖有淤泥和砂石, 平均深度为140 m。

2 基于HHT的水下爆炸声信号分析

图3为试验所得水下爆炸声信号的一部分, 显示可看出其非线性非平稳的特点。通过预处理, 将信号转变为采样率为2 kHz, 然后通过EMD方法得到各阶内蕴模态函数分量(intrinsic mode function, IMF), 见图4。再将各阶IMF分量进行Hilbert变换, 把振幅显示在时间-频率平面上, 可以得到水下爆炸声信号的Hilbert谱, 见图5。

2.1 频率分布

图5显示了水下爆炸声信号的频率和能量在时间轴上的分布情况。水下爆炸声信号的频率分布范围很广, 在低频部分其频率分布较为密集, 在高频部分, 其频率分布较为稀疏, 这是由爆炸信号的非平稳性决定的。EMD分解是一个从高频到低频的分解过程, 越靠前的模态其频率越高。由于水下爆炸声信号的非线性和非平稳性, 各模态的频率不是一个常量, 而是围绕一个中心频率波动的, 频率越高, 波动幅度越大。如果增加采样频率, 则信号的最大频率越高, 经过EMD分解后, 高频部分的频率波动越大, 频率分布越稀疏。

2.2 局部极值点

图5中, 信号能量随着时间有减小的趋势, 这可由水下爆炸声信号的声压曲线解释。仔细观察图5可以发现, 在1.0 s, 2.4 s和3.0 s处出现了局部极值点。分析可知, 试验所在的湖底基本上是平的, 所以不是湖底地形引起的。

图6为根据试验布置和声速剖面绘制的声线轨迹图。

图中, 为便于分辨, 上行声线用实线表示, 下行声线用虚线表示。掠射角为-0.62°的声线为直达冲击波, 掠射角为12.9°的声线为最先到达的海底散射信号。

各声线轨迹相对直达信号的计算时延、数据时延和相对误差列于表1, 计算时延和数据时延间的相对误差很小, 表明局部极值点是由于声线轨迹和海底相互作用的结果。

表1 各声线轨迹相对直达信号的时延和相对误差

3 结束语

本文通过水下爆炸试验, 记录了水下爆炸声信号, 并首次采用HHT方法对水下爆炸声信号进行特征提取。

研究过程主要是: 先将信号进行EMD分解得到各阶IMF分量, 然后将各阶分量进行Hilbert变换, 把振幅显示在时间-频率平面上, 从而得到水下爆炸声信号的Hilbert谱。从Hilbert谱发现水下爆炸声信号的频率分布规律, 在低频部分, 其频率分布较为密集; 在高频部分, 其频率分布较为稀疏, 这是由爆炸信号的非平稳性决定的。在Hilbert谱中, 存在几个局部极值点, 根据射线理论对其进行分析, 分析得到的时延和数据得到的时延之间的相对误差小于7%。研究表明, 局部极值点是声线轨迹和海底相互作用的结果。

[1] Cole R H. 水下爆炸[M]. 罗耀杰, 等. 译. 北京: 国防工业出版社, 1960.

[2] 尤里克.工程水声原理[M]. 洪申, 译. 北京: 国防工业出版社, 1972.

[3] Urick R J. Backscattering of Explosive Sound from the Deep-Sea Bed[J]. The Journal of the Acoustical Society of America, 1962, 34(11): 1721-1724.

[4] Marsh H W. Underwater Sound Propagation in the Arctic Ocean[J]. The Journal of the Acoustical Society of America, 1962, 35(4): 552-563.

[5] 尚德江, 张仁和. 新型宽带爆炸声源及海底参数反演[J]. 声学技术, 2003, 22(z2): 158-160.Shang De-jiang, Zhang Ren-he. Geoacoustic Inversion by Using the New Kind of Broadband Bomb Signals[J]. Tech- nical Acoustics, 2003, 22(z2): 158-160.

[6] Peter G Cable, Thomas W Yudichak, Yevgenity Dorfman, et al. On Shallow-Water Bottom Reverberation Frequency Dependence[J]. IEEE Journal of Oceanic Engineering, 2006, 31(1): 145-155.

[7] 赵梅, 胡长青. 由爆炸声源及传播损失反演海底声学参数[J]. 声学技术, 2009, 28(2): 104-108.Zhao Mei, Hu Chang-qing. Sea-bed Acoustic Parameters Inversion by Explosive Sources and Transmission Loss[J]. Technical Acoustics, 2009, 28(2): 104-108.

[8] 吴成, 廖莎莎, 李华新, 等. 基于Matlab方法水下爆炸声信号的特征提取及其分析[J]. 北京理工大学学报, 2008, 28(10): 851-855.Wu Cheng, Liao Sha-sha, Li Hua-xin, et al. Extraction and Analysis of the Features of Underwater Explosion Signal Based on the Malab Method[J]. Transactions of Beijing Institute of Technology, 2008, 28(10): 851-855.

[9] 石春香, 罗奇峰. 时程信号的Hilbert-Huang变换与小波分析[J]. 地震学报, 2003, 25(4): 398-405. Shi Chun-xiang, Luo Qi-fen. Hilbert-Huang Transform and Wavelet Analysis of Time History Signal[J]. Acta Seis- mologica Sinica, 2003, 25(4): 398-405.

[10] Huang N E, Shen Z, Long S R, et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-stationary Time Series Analysis[J]. Proceeding of the Royal Society A, 1998, 454(1971): 899-995.

[11] Huang N E, Shen Z, Long S R, et al. A New View of Non- linear Water Waves: the Hilbert Spectrum[C]//Annual Review of Fluid Mechanics, 1999, 31: 417-457.

[12] 黄大吉, 赵进平, 苏纪兰. 希尔伯特-黄变换的端点延拓[J]. 海洋学报, 2003, 25(1): 1-11.

Huang Da-ji, Zhao Jin-ping, SU Ji-lan. Practical Implementation of the Hilbert-Huang Transform Algorithm[J]. Acta Ocea- nologica Sinica, 2003, 25(1): 1-11.

(责任编辑: 杨力军)

Analysis of Underwater Explosion Signals via Hilbert-Huang Transform

SUN Zhong-fu, SHENG Zhen-xin, LIU Rong-zhong, GUO Rui

(1. Military Representative Office of Underwater Acoustic Navigation System in Shanghai Area, The people′s Liberation Army of China; Shanghai 201108, China; 2. School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)

A test was conducted to study the characteristics of underwater explosion acoustic signals. The test data are processed in this paper with the Hilbert-Huang transform(HHT) method to obtain the Hilbert spectrum. According to the Hilbert spectrum, the underwater explosion acoustic signals are analyzed, and the formation mechanism of local energy extreme point is discussed. The results indicate that the Hilbert spectrum can show the frequency distribution and the time-frequency characteristic of energy of the underwater explosion acoustic signals. Local energy extreme point is formed due to interaction of acoustic ray trajectories and sea bottom.

underwater explosion acoustic signal; Hilbert-Huang transform; ray theory

TJ630.34; O427.2; TN911.72

A

1673-1948(2013)03-0189-04

2013-01-29;

2013-05-03.

江苏省普通高校研究生科研创新计划资助项目(CXZZ11_0270).

孙钟阜(1965-), 男, 高级工程师, 主要研究方向为水声对抗.