非平稳环境下主动声呐检测器研究

李壮，梁东峰



非平稳环境下主动声呐检测器研究

李壮，梁东峰

(中国舰船研究院，北京100192)

针对在水下存在多途、混响及噪声边缘等非平稳背景条件下主动声呐检测器的检测性能，给出了一种变异指数的恒虚警率(Variability Index Constant False Alarm Rate, VI-CFAR)检测器。VI-CFAR结合了单元平均恒虚警率、最大选择恒虚警率和最小选择恒虚警率的检测算法，它在均匀平稳环境和非平稳环境下都具有较强的自适应性。理论分析和仿真结果表明，该检测器在均匀平稳背景下的检测性能与单元平均恒虚警率检测器相似，在多途、混响等干扰背景条件下具有较强的抗干扰能力，在噪声边缘背景下有较好的虚警概率控制能力且运算量小，是一种稳健的检测器。

主动声呐检测器；恒虚警概率；非平稳环境；变指数恒虚警检测器

0 引言

主动声呐系统主要工作在海洋环境中。而海洋声信道不仅是随机缓慢时变、空变的多途信道，并且海水介质和边界有多重不均匀性，声呐遇到这些不均匀性而产生散射，所有同时达到接收点的散射声波叠加形成混响。这些背景噪声和一些非均匀性的混响及噪声边缘是主动声呐特有的干扰，使得回波信号的功率分布也会发生很大变化。如果希望保持接收信号虚警概率的稳定，就需要对接收信号的概率分布进行实时估计，并形成相应的自适应判决门限。因此CFAR检测技术的基本特征是在噪声参数未知或者时变的情况下，提供考虑参数变化因素在内的检测门限，使检测具有相对恒定虚警概率[1]。

声呐和声学定位系统对舰船目标的探测、定位和识别，对水中兵器的远程遥控和遥测，都要在海洋环境噪声中检测到达的信号[2]。在实际的声呐系统中，干扰背景往往是非平稳的。如主动声呐中，混响干扰背景强度是随距离(时间)衰减的，其非平稳性将给检测带来很大的困难。当干扰背景的概率分布形式已知(或是可估计的)，对参数进行估计然后处理可达到恒虚警的目的。文献[3,4]提出一种恒虚警检测器，利用归一化匹配滤波器作为检测器，虚警概率只和检测阈值有关。文献[5]使用恒虚警技术的声呐检测方法，比较了单元平均CFAR、最大选择CFAR、最小选择CFAR以及有序统计CFAR的性能。本文提出一种变化指数(Variability Index, VI)的恒虚警检测器VI-CFAR，通过假设检验得出可能的混响噪声背景，自适应选择相应的恒虚警算法。VI综合了CA、GO和SO的优点，有很好的鲁棒性，更加适应于水声信道环境[6]。

1 VI-CFAR检测器

在现代声呐信号处理中，为了提高声呐的性能，首先需要提高检测器输入端的信噪比和信干比。由于海洋噪声、多途干扰是时变、空变且非均匀分布的，所以需要采用各种恒虚警概率方法来保证声呐信号检测具有恒虚警特性。单元平均恒虚警率(CA-CFAR)是均匀环境中的一种最佳检测器，但它的性能在非均匀环境下会降低。最大选择CFAR(GO-CFAR)和最小选择CFAR(SO-CFAR)是为了解决CA-CFAR在混响边缘中存在的虚警率上升的问题。但它们都只能解决其中一个问题，并且还带来一定的附加检测损失[7]。

本节讨论一种变化指数恒虚警检测器(VI-CFAR)，它是基于CA-CFAR、SO-CFAR、GO-CFAR的一种综合检测方法，该算法通过计算参考单元的二阶统计量(即变化指数)以及前后滑窗均值之比，动态地调整噪声功率水平的估计方法。VI-CFAR的方框图如图1所示。

(1)

可以确定前后的均值是否相同。而VI-CFAR的检测门限是根据VI和MR假设检验的结果确定的；确定方法如表1所示。表中，背景乘积常数或中的表示参考单元数目。当两个滑窗都用上时，采用，当只利用前滑窗或后滑窗时，采用。

表1 自适应门限生成方法

2 性能仿真分析

2.1 均匀平稳环境

均匀平稳环境是指声呐处在平均能量水声信道环境下，且噪声为高斯白噪声，不存在多途、混响等干扰。假设和已经确定，噪声为瑞利包络均匀噪声，即前滑窗和后滑窗都是非易变的，并且具有相同的均值，这相对于表1中的第一种情况。此时VI-CFAR的检测性能近似于CA-CFAR，具有较少的检测性能损失。

图2为VI-CFAR序列检测实例。仿真噪声数据为背景功率为20 dB的瑞利包络噪声序列，设存在一功率为35 dB的目标在第30个距离单元。在预定虚警概率时，其固定检测门限为30 dB，在图中用虚线表示。设其参考滑窗长度=36，图中用粗实线表示恒虚警检测的门限，图中用虚线表示最优检测固定门限。图中第80个距离单元时，存在一个尖刺噪声，其样本功率超过固定门限。若采用固定检测则会造成“虚警”，选用恒虚警检测器则可避免这种情况。

采用Monte-Carlo仿真方法来分析VI-CFAR检测器性能。仿真次数10000次，设定所有恒虚警检测器的仿真参数相同，仿真参数设定为门限=4.76，=1.806，虚警概率，窗长度。

图3为均匀环境下的检测性能曲线，从图中可以看出，所有的CFAR检测器性能相近似，与最优检测器相比都存在一定的检测性能损失，并且VI-CFAR与CA-CFAR和GO-CFAR相比性能损失要多，但要优于OS-CFAR。

2.2 多途干扰环境下

主动声呐所处的水声信道环境中，水声信道可以表示为缓慢时变的相干多途信道，主要为多途、混响等干扰[8]，此时噪声样本不满足瑞利分布条件。由于水声信道的多途作用，在噪声序列中同时存在目标和多途干扰，且当目标位于检测单元，而多途等干扰信号落在参考滑窗内时，会出现多途对目标的遮蔽效应[9]。假设位于参考滑窗内的多途干扰目标功率远大于周围噪声功率，则会增加背景功率估计和CFAR检测门限，增加了目标漏检的可能性。

图4是CA-CFAR在多途干扰背景下的检测实例，虚线表示固定检测门限，粗实线表示CA-CFAR检测门限。图中噪声背景功率为20 dB，预定虚警概率。参考滑窗长度=36，在第30个和第33个距离单元内分别存在功率为34 dB和35 dB的目标信号1和多途干扰2。当目标1位于检测单元时，多途干扰2也正好位于参考滑窗内，其较高的功率提升了整体背景功率的估计，造成目标1 “漏检”。

采用VI-CFAR检测器实例如图5所示，当有目标存在于前滑窗或后滑窗时，相应的变化指数VI会标明它是一个非均匀的噪声背景。当这种情况只出现在一个滑窗内时，则用另一个滑窗的数据作为CA-CFAR算法的背景估计。这就是表1中的第3和第4种情况。

如果所选滑窗的噪声是均匀的，会存在轻微的检测概率损失，这是因为只采用了个距离单元作为背景估计，而没有用所有的个距离单元。当两个滑窗都是非均匀时，则选择较小的滑窗均值作为背景的估计，相当于SO-CFAR方法，这就是表1中的第5种情况。此时VI-CFAR选择前半窗估计背景杂波功率，避免了多途干扰2对目标1的遮蔽效应，实现了对目标1的正确检测。

采用Monte-Carlo仿真方法来分析VI-CFAR的检测性能。仿真次数10000次，仿真参数为门限=4.76，=1.806，虚警概率，窗长度。

图6为存在一个多途干扰目标时检测器的性能比较曲线。由图中可以看出，在参考单元中存在一个干扰目标时，CA-CFAR和GO-CFAR性能明显变差，而VI-CFAR、OS-CFAR和SO-CFAR性能几乎不受影响。

2.3 噪声边缘环境

在实际主动声呐检测过程中，声呐所处环境的噪声功率也会发生变化。CFAR检测器参考滑窗内会包含噪声边缘情况。图7中的噪声序列包含两个噪声区域，即低功率噪声和高功率噪声。噪声边缘位于第100个距离单元处，在噪声边缘处，背景噪声功率从20 dB攀升至30 dB。这种过渡在实际检测过程中比较具有典型性，如从码头到开阔水域。

图7中的虚线表示该噪声序列的固定检测门限，高低功率噪声区域各对应一种门限。在第30个距离单元存在目标，其功率为35 dB，在虚警概率时，参考滑窗长度=36，对噪声序列进行CA-CFAR检测，CA-CFAR检测门限在图7中用粗实线表示。

噪声边缘会导致其边缘附近高功率噪声区域的检测发生虚警，也可能会遮蔽噪声边缘附近低功率噪声区域的目标。位于高功率噪声区域的第102个距离单元为纯噪声样本(不存在目标)，但因其靠近噪声边缘，导致参考滑窗内存在较多低功率噪声样本，从而降低了背景功率估计和检测门限，造成虚警；第30个距离单元远离噪声边缘，没有其它功率的杂波样本影响背景噪声功率估计，因此能够实现目标正常检测。

图8是CA-CFAR在噪声边缘位置处漏报实例。设功率为35 dB的目标在第98个距离单元内，当目标位于检测单元时，滑窗内大部分噪声样本都来自于高功率杂波区域，抬高了背景功率的估计和CFAR检测门限，造成目标漏检。上述原理可以表述为一种实用反侦查技术的基础，例如潜艇、鱼雷等在发射干扰信号，或者在干扰比较大的海域工作，从而使声呐武器系统很难侦查到它们的存在[10]。

图9为在噪声边缘环境下VI-CFAR检测实例。当采用VI-CFAR检测器时，噪声边缘位置和被检测单元在弱或强混响背景区域无法先验已知。当噪声最初进入滑窗A的参考单元时，有一个或多个单元包含较高功率水平的噪声，这种情况与存在一个干扰目标的情况非常类似，从而可以采用滑窗B作为背景的估计。当噪声占据整个滑窗A时，包含噪声的滑窗和只有噪声的滑窗相似，也是均匀的，但是两个滑窗的均值不同。为了不产生过多的虚警，选择较大的均值作为背景估计。这是表1中的第2种情况。当噪声继续向前进入到滑窗B时，滑窗B就变成非均匀背景。而滑窗A包含均匀的噪声。对于这种情况，选择滑窗A估计背景噪声，相当于表1中的第3或第4种情况。最后，当两个滑窗都充满噪声时，这时选用表1中的第1种算法。

采用Monte-Carlo仿真方法来分析分布式VI-CFAR的检测性能。仿真次数10000次，仿真参数为门限取=4.76，=1.806，虚警概率，窗长度。图10为在噪声边缘环境下不同检测器的性能比较曲线。它给出了CA-CFAR、OS-CFAR、GO-CFAR、SO-CFAR及VI-CFAR在噪声边缘环境下的虚警概率。取载噪比(Carrier to Noise Ratio, CNR，本文中与信噪比相同)时检测器在噪声边缘的性能如图所示，横坐标表示包含噪声的最后一个单元数，纵坐标表示虚警概率取对数，由图中可以看出，在噪声边缘环境中，VI-CFAR检测器的虚警尖峰均较小，即具有较优的虚警概率控制能力。

3 结论

总体来说，VI-CFAR检测器综合了CA-CFAR、GO-CFAR、SO-CFAR的优点。在均匀环境中具有较低的CFAR损失，对于存在混响、多途和噪声边缘的非均匀背景，具有一定的鲁棒性。另外，VI-CFAR的复杂性要低于OS-CFAR，并且在噪声边缘中具有更优的虚警概率控制能力，其虚警率特性也要优于其他自适应检测器，如AOS(adaptive order statistic)-CFAR检测器和SE(selection and estimation)-CFAR检测器。因此其更加适应于水声信道环境。

[1] Barnard T J, Fyzodeen. Statistical Normalization of spherically Invariant Non-Gaussian Clutter[J]. IEEE Journal of Oceanic Engineering. 2004, 29(2): 303-309.

[2] 李启虎. 水声学研究进展[J]. 声学学报, 2001, 26(4): 295-301.

LI Qihu. Advances of research work in underwater acoustics[J]. Acta Acoustic, 2001, 26(4): 295-301.

[3] Steven Kay, John Salisbury. Improved Active sonar detection using autoregressive prewhiteners[J]. J. Acoust. Soc. Am., 1990, 4: 1603-1611.

[4] Carmillet V, Amblard P-O, Jourdain G. Detection of Phase-or Frequency -Modulated signals in Reverberation Noise[J]. J. Acoust. Soc. Am., 1999, 105(6): 3375-3389

[5] Kalyan B, Balasuriva A. Sonar based automatic target detection scheme for underwater environments using CFAR techniques: a comparative study[C]// UT 04.2004 International Symposium on, 2004: 33-37.

[6] Amit Kumar Verma. Variability Index Constant False Alarm Rate (VI-CFAR) for Sonar Target Detection[J]. IEEE-International Conference on Signal processing, CNMIT, Anna University Chennai India, Jan 4-6, 2008. pp'38-141.

[7] 何友, 关键, 彭应宁. 雷达自动检测与恒虚警处理[M]. 北京: 清华大学出版社, 1999: 32-38.

HE You, GUAN Jian, PENG Yingning, Automatic radar detection and constant false alarm processing[M]. Tsinghua University press 1999: 32-38.

[8] 惠俊英. 水下声信道[M]. 北京: 国防工业出版社, 2007.

HUI Junying. The underwater acoustic channel[M]. Beijing: National Defence Industry Press, 2007.

[9] Smith M E, Varshney P K. Intelligent CFAR processor based on data variability[J]. IEEE Trans. On AES, 1992, 28(4): 505-519.

[10] Kimankim, Chunyong Lee, Daehee Youn. Adaptive Processing Technique for Enhanced CFAR Detecting Performance in Active Sonar Systems. IEEE Trans, 2000, 36(2): 693-699.

Research on active sonar detecter in non-stationary environment

LI Zhuang, LIANG Dong-feng

(China Ship Research and Development Academy, Beijing 100192, China)

The sonar background environment is not stationary at all times but is often filled with nonstationarity like multi-path and reverberation edges. The VI-CFAR is a combination of the cell-averaging CFAR(CA-CFAR), smallest-of CFAR(SO-CFAR) and the greatest-of CFAR(GO-CFAR), and it has high performance both in stationary environment and in non-stationary environment. Theoretical analysis and simulation results show that the performance of the proposed detector is typically identical with VI CFAR under the homogeneous and stationary background and well capable of anti-multi-path under the background of multi-path, has better capability of CFAR control under the background of clutter edge and less computation, being a sort of robust detector.

active sonar detector; Constant False-Alarm Rate(CFAR); non-stationary environment; Variability IndexCFAR(VI-CFAR)

TB566

A

1000-3630(2015)-01-0001-05

10.16300/j.cnki.1000-3630.2015.01.001

2014-04-04;

2014-08-18

李壮(1983－), 男, 黑龙江绥化人, 博士, 研究方向为水声工程。

李壮, E-mail: hljstrong@163.com