基于干扰抑制方法和引导声源的水平阵被动目标测距

石万山，徐鹏，任岁玲



基于干扰抑制方法和引导声源的水平阵被动目标测距

石万山1，徐鹏2,3，任岁玲2,3

(1. 海军驻沈阳地区电子系统军事代表室，辽宁沈阳 110003；2. 中国科学院声学研究所声场声信息国家重点实验室，北京 100190；3. 中国科学院大学，北京 100049)

基于引导声源的被动测距由于其对环境参数较少的要求受到了广泛关注。而处于浅海复杂环境下的被动声呐中，目标信号的声场干涉结构可能被邻近方位上的强干扰的旁瓣掩盖或改变，影响最终的测距精度。首先利用基于特征分解的自适应干扰抑制方法对强干扰环境中的接收信号进行干扰抑制，获得更高信噪比和信干比的目标信号；然后采用自适应的最小方差无失真波束形成器方法进行水平阵波束形成，得到更精确的目标声源声场干涉结构；其次基于干涉条纹的波导不变量特点，利用引导声源与目标声源干涉条纹的关系进行目标声源被动测距。实验结果验证了该方法的有效性和应用的可行性。

干扰抑制；波导不变量；引导声源；被动测距

0 引言

弱目标信号的被动测距一直是声呐系统被动测距的热点和难点问题之一。常用的声源定位方法如匹配场处理[1](Matched-Field Processing, MFP)，利用声场环境信息计算拷贝场，通过测量场与拷贝场相关实现被动声源定位，但其定位精度依赖于声场环境信息的准确性。近年来，基于波导不变量理论的被动声源定位方法受到广泛关注。如基于MFP旁瓣结构的被动声源定位[2]，基于声强二维离散傅里叶变换的定位方法[3]等。此类方法有效定位的前提是波导不变量已知[4]。基于三阵元干涉结构匹配的几何定位方法不需要估计波导不变量[5,6]，但是阵元间隔要求较大。因此，声呐系统的定位方法希望利用较少的环境参数，尽量减小对声场计算模型的要求或对模型失配不敏感。Thode[7]提出了基于引导声源的垂直阵被动定位方法，不需要计算声场模型，根据预先已知的引导声源的位置，利用干涉结构的斜率估计未知目标声源的距离。

但实际应用中，垂直阵布放时的阵型与最终的接收阵型误差较大，且多信源干扰较强的情况下，由单个阵元接收数据获得的目标声源的声场干涉结构往往被强干扰或背景噪声所掩盖。水平接收阵列在精确已知目标方位的前提下，可以利用波束形成增强信噪比，使得阵列输出的声场干涉结构信噪比更高，Yang[8]已经证明波束形成后的声强干涉条纹与单个阵元的干涉条纹相同。但当干扰距离目标较近时，干扰在目标角度上较高的旁瓣依然会对弱目标的干涉结构产生影响，尤其当目标被完全掩盖时。因此，本文结合干扰抑制方法和引导声源测距理论，利用水平阵进行弱目标被动测距。首先利用有效的干扰抑制方法对强干扰环境中水平阵列接收的信号进行干扰抑制[9]，为后续处理提供具有较高信干比和信噪比的互谱密度矩阵，同时与最小方差无失真波束形成器(Minimum Variance Distortionless Response, MVDR)方法[10]相结合估计更为准确的目标方位；然后再利用MVDR方法对准目标方位进行水平阵波束形成，得到更精确的目标声源声场干涉结构；其次基于波导不变量理论，利用引导声源与目标声源干涉结构的关系进行目标声源被动测距。

1 理论分析

本节首先简单介绍基于特征分解的自适应干扰抑制(Eigenanalysis-based Adaptive Interference Suppression, EAAIS)方法[9]，其次给出基于引导声源的水平阵声源测距原理，然后与干扰抑制方法相结合，给出目标被动测距方法。

1.1 干扰抑制方法

由组采样数据估计得到的第帧接收数据的互谱密度矩阵为

理论上，当各个信源之间相互独立正交时，每个信源主导的特征向量之间不存在能量泄漏，EAAIS干扰抑制方法可以完全去除噪声和目标角度范围外的干扰，且不会损失目标信号的能量。但实际应用中，由于有限的阵列孔径和空间采样数据、以及受信噪比和信干比等因素的影响，难以保证采样所得到目标和干扰信号之间完全独立，从而使得目标和干扰信号对每一个特征向量都有贡献。保留由目标主导的特征向量的同时，也保留了部分干扰。因此，在实际应用中难以得到最佳的干扰抑制效果，但我们可以通过选择合适的目标角度范围来得到更接近理论性能极限的次最佳效果。EAAIS干扰抑制方法详细的讨论参考文献[9]。

1.2 基于引导声源的被动测距

考虑实际接收数据模型(式(1))在次样本累积下，第个阵元的声强为

假设所有声源之间互不相干。式(13)的三项分别表示目标信号、干扰以及噪声对干涉声场结构的贡献。当干扰或噪声能量大于目标信号能量时，目标信号的干涉声场结构会受到明显影响。经MVDR波束形成后，阵列输出的声强为

暂且忽略背景噪声，对单位强度的点声源，根据简正波模型所表示的单个阵元的接收声压和声强，距离-频率平面上声强的干涉条纹如图1所示。

图1 声强在距离-频率平面上的干涉条纹

图2 基于引导声源时间段距离-频率干涉结构的被动测距

当引导声源确定后，被动测距的精度主要依赖于目标声源干涉声场条纹和引导声源的距离。实际应用中，引导声源的位置一般是已知的，或者可以预先估计得到，因此，基于引导声源的定位关键问题是获得较为清晰准确的目标信号的干涉声场条纹参数。

1.3 干扰抑制方法在水平阵被动测距中的应用

经EAAIS方法干扰抑制后式(14)声强的时间-频率干涉结构更新为

2 实验研究

通过一次海试数据的处理和分析来验证本文声源被动测距方法的有效性。2005年6月，中国科学院声学研究所声场声信息国家重点实验室在某海域进行了一次海底水平阵声学测量实验，配合实验的目标为一艘小型水面船。实验海区水深约30 m，水中声速剖面如图3所示，在深度3~9 m之间存在一个声速跃变层，属于典型的夏季浅海水文条件。海底水平接收阵及其各个阵元的位置分布如图4所示，阵元数43个，阵元间距约1.5 m。采样频率为4000 Hz；接收处声速为1493.0 m/s，360°全方位搜索的角度间隔为1°。

图3 实验期间的水中声速垂直剖面

图4 水下接收阵位置分布

图5所示为干扰抑制前后MVDR方法的空间方位谱。处理过程中，使用频率为200~300 Hz，共104个频点；单次FFT的时间长度为1 s，互谱密度矩阵的数据样本长度为6 s。图5(a)中箭头所示为合作目标，其它方位的信源对合作目标来说属于干扰。可以看到，随着目标远离接收阵引起强度的减弱，以及强干扰的出现，目标信号的真实方位轨迹被强干扰所掩盖。由于接收阵接近于直线阵，如图4所示，从而在50°和250°左右出现镜像声源。EAAIS方法干扰抑制后的EAAIS-MVDR的结果如图5(b)所示，可以看到，干扰被有效地抑制掉了，背景和旁瓣较低，且目标方位的估计值与GPS测量值符合得较好。

考虑到频率越低、干涉声场结构越简单，且避开合作目标明显的线谱频段，选择频段158~208 Hz、时间段10~35 min左右的干涉声场结构进行处理。干扰抑制前后利用MVDR方法波束形成获得的目标信号干涉声场结构如图6所示。MVDR方法和EAAIS-MVDR方法所用的目标方位角由图5(b)的EAAIS-MVDR方法获得。可以看到，干扰抑制后，目标峰值与背景之间的差异更大，即具有更高的信噪比。由于有限采样和信噪比较低等非理想因素影响，EAAIS方法在干扰抑制的同时也引起了目标信号能量的微弱损失。但基于引导声源的被动测距，其精度主要依赖于干涉声场条纹的清晰度和准确度，在确保目标信号检测的前提下，干涉峰值的大小对其影响较小。从后续图7干扰抑制后更为准确的测距结果也可以看出来，干扰抑制后的条纹准确度更高一些。

图5 干扰抑制前后MVDR空间方位谱。红色箭头指示合作目标，红色虚线表示GPS测量得到的目标方位。

图7所示为利用干扰抑制前后的干涉声场结构和引导声源进行目标被动测距的结果。可以看到，干扰抑制后，利用EAAIS-MVDR方法的干涉声场条纹，距离估计结果与GPS测量值符合更好，测距误差更小。干扰抑制前的平均测距误差约为6.27%，干扰抑制后的平均测距误差约为4.29%。结果表明，EAAIS方法提高了干涉声场条纹估计的准确度，从而提高了利用干涉声场结构进行引导声源被动测距的精度。

总的来说，EAAIS方法可以为后续目标测距提供信噪比和信干比更高的目标信号，从而使得常规的基于引导声源的被动测距方法具有更广泛的应用范围，定位精度更高。

图6 干扰抑制前后MVDR的干涉声场结构。工作频率158~208Hz，频率间隔约为1Hz

图7 利用干扰抑制前后的干涉声场条纹被动测距的结果

3 结论

本文将一种特征分解的干扰抑制(EAAIS)方法应用于基于引导声源的被动目标测距中。首先利用EAAIS方法干扰抑制后具有更高信噪比和信干比的目标信号以及更准确的目标方位，结合自适应的MVDR波束形成方法，获得更清晰准确的目标信号干涉声场条纹；然后基于波导不变理论与干涉条纹特性，利用引导声源实现水平阵目标被动测距。理论与实验研究结果表明，干扰抑制之后，目标信号具有更高的信噪比和信干比，从而获得了更准确清晰的干涉条纹，提高了测距精度。因此，结合干扰抑制方法和引导声源的被动测距方法是有效的，在实际应用中具有可行性。为了进一步的实际应用，后续还将结合干扰抑制方法和引导声源被动测距方法进行深入的实验验证。

[1] Baggeroer A B, Kuperman W A, Mikhalevsky P N. An overview of matched field methods in ocean acoustics[J]. IEEE J. Ocean. Eng., 1993, 18(4): 401-424.

[2] Thode A M, Kuperman W A, D’Spain G L. Localization using Bartlett matched-field processor sidelobes[J]. J. Acoust. Soc. Am., 2000, 107(1): 278-286.

[3] Cockrell K L, Schmidt H. Robust passive range estimation using the waveguide invariant[J]. J. Acoust. Soc. Am., 2010, 127(5): 2780-2789.

[4] D’Spain G L, Kuperman W A. Application of waveguide invariants to analysis of spectrograms from shallow water environments that vary in range and azimuth[J]. J. Acoust. Soc. Am., 1999, 106(5): 2454-2468.

[5] Chun S Y, Kim S Y, Kim K M. Underwater wideband source localization using the interference pattern matching[C]// Proc. IEEE Oceans, 2007: 1-3.

[6] Kim S Y, Chun S Y, Kim K M. Underwater source localization using the interference pattern matching in range dependent environments[C]// Proc. IEEE Oceans, 2008: 1-3.

[7] Thode Aaron M. Source ranging with minimal environmental information using a virtual receiver and waveguide invariant theory[J]. J. Acoust. Soc. Am., 2000, 108(4): 1582-1594.

[8] YANG T C. Beam intensity striations and applications[J]. J. Acoust. Soc. Am., 2003, 113(3): 1342-1352.

[9] 任岁玲, 葛凤翔, 郭良浩. 基于特征分析的自适应干扰抑制[J]. 声学学报, 2013, 38(3): 272-280.

REN Suiling, GE Fengxiang, GUO Lianghao. Eigenanalysis-based adaptive inteference suppression[J]. Acta Acustica, 2013, 38(3): 272-280.

[10] Capon J. High-resolution frequency-wave number spectrum analysis[J]. Proc IEEE, 1969, 57(8): 1408-1418.

[11] 苏晓星. 浅海声场的水平纵向相关于波导不变性研究[D]. 中国科学院研究生院博士学位论文.

SU Xiaoxing. Longitudinal correlations and waveguide invariance of the acoustical field in shallow water[D]. Graduated University of Chinese Academy of Sciences, A thesis of Doctor.

Passive source ranging using a horizontal array based on an adaptive interference suppression method and a guide source

SHI Wan-shan1, XU Peng2,3, REN Sui-ling2,3

(1. Shenyang Military Representative Office of Electronic System of Navy, Shenyang 110003, Liaoning, China;2. State Key Laboratory of Acoustics, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China)

It is generally difficult to localize a weak source for a passive system in the presence of strong interferences. Passive source ranging using a guide source based on the intensity striation is widely concerned due to its little requirement of environmental information. Beam intensity striation has higher processing gain based on a horizontal array, but it still could be confused by the sidelobes of the stronger interferences. In this case, an eigenanalysis-based adaptive interference suppression (EAAIS) method is used to improve the signal-to-noise ratio (SNR) and signal-to-interference ratio (SIR) of the target signal. Then the preprocessed target signal is used to obtain the more accurate and clearer beam intensity striations for passive target source ranging based on a guide source. The experimental results demonstrate the effectiveness and feasibility of the proposed range estimation method.

interference suppression; waveguide invariant parameter; guide source; passive range estimation

O427.9

A

1000-3630(2014)-03-0193-06

10.3969/j.issn1000-3630.2014.03.002

2014-02-21;

2014-05-23

国家自然科学基金资助项目(11125420)。

石万山(1964－), 男, 辽宁沈阳人, 高级工程师, 研究方向为水声工程。

徐鹏, E-mail: xupeng112@mails.ucas.ac.cn