基于自适应对消的鱼雷电磁引信目标模拟系统收发耦合干扰抑制

严争通，肖素娟，白志科，陈亚林

（1.中国船舶重工集团公司 第705研究所，陕西 西安，710075；2.水下信息与控制重点实验室，陕西 西安，710075）

基于自适应对消的鱼雷电磁引信目标模拟系统收发耦合干扰抑制

严争通1，2，肖素娟1，白志科1，陈亚林1

（1.中国船舶重工集团公司 第705研究所，陕西 西安，710075；2.水下信息与控制重点实验室，陕西 西安，710075）

基于收发同时工作体制下的收发耦合干扰抑制问题在目标模拟系统中的重要性，阐述了鱼雷电磁引信目标模拟系统的设计方案和工作方式，建立了在收发同时工作下的耦合模型，提出了利用自适应对消来实现目标信号和耦合干扰信号的实时分离，并对模型和算法进行了仿真计算，重点研究了自适应对消算法参数的选择对收发耦合干扰抑制有效性的影响。仿真结果表明，在参数选择合理情况下的自适应对消方法能有效地解决收发耦合干扰抑制问题，同时考虑自适应对消的实时性和稳定性，采用递推最小二乘算法比最小均方算法更合理。

鱼雷；电磁引信；目标模拟；收发耦合干扰；自适应对消

0　引言

利用鱼雷电磁引信目标模拟系统可在陆上和实航进行鱼雷电磁引信性能和指标的全面考核。此外，可将鱼雷电磁引信目标模拟系统用于自航式诱饵，以在近距离条件下干扰和诱爆来袭鱼雷。为保证目标模拟系统对来袭鱼雷电磁引信的动作可靠性，要求目标模拟系统的发射信号随着鱼雷电磁引信探测信号的实时变化而变化，因此鱼雷电磁引信目标模拟系统应选择收发同时的工作体制。

但是受结构限制，目标模拟系统的发射天线和接收天线距离较近，发射信号会在接收天线端产生耦合信号，该信号与接收的鱼雷电磁引信信号相叠加，进入接收机导致系统无法正常工作。因此消除自身发射信号的影响，从干扰和噪声中提取鱼雷电磁引信信号，做到实时发射和实时接收将是目标模拟系统正常工作的前提，也是影响目标模拟系统性能的关键因素。

目标模拟系统处理的是鱼雷电磁引信的探测信号，该信号频率低、指向性差以及多普勒频移小，收发耦合干扰抑制存在困难。针对收发耦合干扰抑制问题，建立了鱼雷电磁引信目标模拟系统在收发同时工作体制下的耦合模型，利用自适应对消来实现目标信号和耦合干扰信号的实时分离，通过仿真来验证收发分离的有效性。

1　目标模拟系统方案设计

目标模拟系统根据鱼雷电磁引信信号的特性和舰艇目标对信号的反射机理进行相似性和幅相变化等参数处理，并利用引信对目标的通过特性调制生成目标模拟回波信号，在来袭鱼雷引信作用距离内产生相应的诱导物理场，使鱼雷引信在诱导物理场的作用下产生动作响应［1］。

目标模拟系统由接收天线、发射天线、引信信号预处理机、数字信号处理机和回波发射机等构成，如图1所示。

首先利用电磁信号接收天线接收来袭鱼雷电磁引信辐射的电磁信号，经目标模拟系统预处理机对信号进行滤波、放大等处理后，进入数字信号处理机提取信号的频率、幅度和幅度变化率等参数，然后将信号参数和过靶参数加到目标回波信号模型，最后通过回波信号发射机辐射具有目标特征的回波信号，该信号被鱼雷电磁引信接收天线接收，由于该信号带有目标特征，鱼雷电磁引信会对其产生响应，从而完成对引信动作功能的检验。

根据目标模拟系统接收和发射的相对时间关系，目标模拟系统可分为收发分时和收发同时2种工作体制，如图2所示。

图2　目标模拟系统的工作体制Fig.2　Working pattern of target simulation system

收发分时工作体制中，首先在Tr时间段内对鱼雷电磁引信发射的信号进行检测和参数识别，然后在Tt时间段内发射相应目标回波信号，接收和发射分时工作，不存在收发耦合干扰抑制问题。

收发同时工作体制中，首先在Tr-Tt时间段内对鱼雷电磁引信发射的信号进行检测和参数识别，在发射目标回波信号的同时，对鱼雷发射的电磁信号进行实时检测，根据发射信号的变化实时调整目标回波的参数，接收和发射同时工作，存在收发耦合干扰抑制问题。

收发分时工作体制虽然不存在收发耦合干扰抑制问题，但是鱼雷电磁引信探测信号的参数（包括频率和波形等）在运动过程中可能不断变化，目标模拟系统无法对鱼雷电磁引信信号进行实时跟踪，降低了对电磁引信信号的截获概率，最终降低了对来袭鱼雷的诱爆概率。

因此，鱼雷电磁引信目标模拟系统应选择收发同时的工作体制，该体制对于对抗调频或者跳频体制的电磁引信也有好处［2］。

2　收发信号的耦合模型与解决方案

对目标模拟系统在收发同时工作的状态下的干扰和噪声进行分析，建立收发信号的耦合模型，经分析干扰和噪声主要有以下几类：

1）直接耦合干扰，该干扰信号与收发天线配置有关，与发射信号同频同相，且幅度大于目标回波接收信号。理论上垂直配置时的耦合信号为0，但由于装配和加工等因素的影响，会有一定的失衡电压；平行配置时的耦合信号最大，需要采取对消措施；

2）进入接收天线的电磁干扰，该噪声经过滤波后可消除；

3）电路噪声，该噪声会影响检测的稳定性。

根据以上的分析可知，可以将接收线圈的信号写成如下形式

式中：Ui1（n）是接收线圈的信号；ST（n）是鱼雷电磁引信辐射信号，即需要分离的目标信号；S1（n）是从发射机进入接收机的耦合干扰信号；n1（n）是噪声信号。

用自适应抵消的方式来消除S1（n），需要一个参考通道，参考通道接收到的信号

式中：S2（n）是发射线圈的发射信号；n2（n）是与接收线圈相当的噪声信号。

解决收发耦合干扰抑制的问题，需从3个方面来考虑：收发天线端对消（信号源头隔离）；采用屏蔽和滤波（阻断信号的传播）；选择合适的信号形式和自适应对消技术（信号处理方法）［3］。

经上述分析，对消耦合信号的处理流程如图3所示，其中包括天线自动对消、接收机自适应对消和带通滤波等信号处理环节。

对消耦合信号的处理流程分以下几步：

1）通过天线端的自动对消来减弱耦合信号；

2）从天线出来的信号将进入接收机，接收信号与参考信号均经过带通滤波器，滤掉n1（n）中大部分属于噪声范畴的干扰信号，使宽带噪声变为窄带噪声；

图3　对消耦合干扰的处理流程图Fig.3　Flow chart of coupling interference cancellation process

3）经过带通滤波后的信号进行自适应对消，对消Ui1（n）中的直耦信号S1（n），凸显出目标信号ST（n），自适应对消的性能直接决定能否有效提取目标信号；

4）对经过自适应对消后的信号经带通滤波后得鱼雷发射的引信信号，对该信号进行检测和参数估计，为目标模拟回波的生成打下基础。

文中主要针对接收机端的自适应对消算法，从信号处理层面分析和研究耦合干扰抑制问题。

3　自适应对消

3.1自适应对消原理

自适应对消系统需要1个主通道和1个参考通道，要求对消主通道中的干扰信号，对其中的有用信号则不能产生畸变和影响［4］。自适应滤波器是其核心部分，其特性是当输入过程的统计特性未知或变化时，能够调整自己的参数，以满足某种准则的要求，该特性符合目标模拟系统对于电磁引信信号实时跟踪的要求，目标模拟系统的自适应对消系统如图4所示。图中，ST（n）是有用的目标信号，S1（n）是耦合干扰，S2（n）是与S1（n）相关的干扰，经过自适应滤波后得到S1（n）的最佳估计，误差e（n）即是对ST（n）的最佳估计。

图4　自适应对消系统Fig.4　Adaptive cancellation system

基于收发信号耦合模型，目标模拟系统中的自适应对消框图如图5所示［5］。

图5　目标模拟系统中的自适应对消框图Fig.5　Adaptive cancellation block diagram of target simulation system

进入接收天线的信号包含有用信号ST（n）和干扰信号S1（n），S1（n）是目标模拟系统发射机输出的信号经延迟和衰减后进入接收机的。参考通道的作用在于检测发射机发射的干扰信号S2（n），由于传输路径不同，参考通道检测到的干扰S2（n）与主通道接收S1（n）的干扰是不相同的，但它们均来自同一干扰源，所以两者是相关的。将检测到的干扰信号S2（n）通过自适应滤波器进行加权调整，使加权后的参考信号S2（n）在某一最佳准则下接近主通道的干扰信号S1（n），然后经过求和器使2个通道的信号相减，将主通道干扰信号S1（n）对消掉，剩余信号e（n）即为来袭鱼雷电磁引信发射的信号ST（n），对其进行后续的信号处理后，产生相应的目标模拟回波。

3.2自适应对消算法

自适应对消要求对消算法有较快的收敛速度和收敛精度。对消系统中的关键部分是自适应滤波器，算法是自适应滤波的灵魂。根据不同的准则，有不同的自适应算法。常用的自适应算法有最小均方（least mean square，LMS）算法、递推最小二乘（recursive least squares，RLS）算法等。

LMS算法采用最小均方误差准则，计算量小并且易于实现，广泛应用于自适应控制、雷达、系统辨识及信号处理等领域［6］。步长的选择对于LMS算法的性能影响很大，有时甚至不收敛，在保证算法收敛的前提下，选用较大的步长可以提高收敛速度，增强自适应干扰对消系统的实际应用价值，但是步长过大会引起失调噪声增大，从而降低对消系统的性能。因此，固定步长的LMS算法在收敛速度与收敛精度方面相互矛盾，需要在收敛速度和稳态失调之间折衷考虑，这是LMS算法存在的主要问题之一。

RLS算法是维纳滤波器的一种时间递归算法，关键是用二乘方的时间平均最小化准则取代最小均方准则，并按时间进行迭代计算。具体来说，是对初始时刻到当前时刻所有误差的平方进行平均并使其最小化，再按照这一准则确定滤波器的权系数。其主要优点是收敛速度快，在快速信道均衡、实时系统辨识和时间序列分析中得到广泛应用［7］。

4　自适应对消仿真

为了验证自适应对消算法的性能和可行性，对不同的算法进行仿真，仿真条件设置如下。

1）目标信号：设置来袭鱼雷电磁引信发射信号工作频率f0=1 000 Hz，初相位φ=0°，鱼雷航速VT=50 kn，鱼雷与目标模拟系统的垂直距离h=6 m，交汇角θk=90°。当鱼雷以一定速度与目标模拟系统相遇时，目标信号的包络可以近似为“钟形脉冲”［8］

其中：A是发射信号的幅度；taxis是钟形脉冲的对称轴；α与鱼雷航速和交汇角度等有关。

2）耦合干扰信号：频率与目标信号频率一致，幅度是目标信号的1～100倍，初相位φ1=0，则耦合信号

设置采样率2 500 Hz，根据以上仿真条件得到如图6所示的结果。其中Ui1（n）为目标模拟系统接收线圈的接收信号，包含目标信号和直接耦合干扰信号，可以看到目标信号被淹没在干扰中；ST（n）为来袭鱼雷电磁引信发射的探测信号，即需要被分离出来的目标信号，其幅度是耦合干扰的1/100；n表示采样点数。

图6　自适应滤波器的输入信号和期望分离的目标信号Fig.6　Input signal and expected separative signal of an adaptive filter

4.1LMS算法仿真

1）步长是影响LMS算法性能的关键因素，首先对LMS算法在不同步长条件下进行仿真。

设置滤波器阶数M=20，步长分别为5×10-6，3×10-6，5×10-7和5×10-9，得到权向量收敛曲线和信号分离结果如图7所示。图中：en（n）代表对图6中ST（n）信号分离的结果；ω表示权向量；m表示迭代次数。

从图7中可以明显地看出，在不同步长下，信号分离的变化，步长是影响LMS算法性能的关键因素，当步长为5×10-6时，权向量收敛很快，但是分离的信号波形已经失真，分离效果很差。随着步长的减小，分离的信号波形越来越接近理想波形，当步长为5×10-7时，信号被完全无失真地分离出来，权向量的收敛也较好。随着步长的进一步减小，信号分离效果又会变差，这是因为收敛速度太慢导致稳态误差增大。

2）为研究在不同的耦合信号强度下LMS算法的信号分离结果，选取耦合信号与目标信号强度之比为1，5，10，50和100进行仿真，得到LMS算法在不同耦合信号强度的收敛结果见表1。

由表1可看出，为了保证LMS算法的收敛性，当耦合干扰信号强度增大时，迭代步长应该减小，否则结果可能不收敛。当选取的步长合理时，即使在100倍的耦合信号强度下也能将信号有效地分离出来。

图7　最小均方（LMS）算法在不同步长下的信号分离结果Fig.7　Signal separation results of least mean square（LMS）algorithm with different steps

表1　LMS算法在不同耦合干扰信号强度下的收敛步长Table 1　Convergence steps of LMS algorithm for different coupling interference signal strengths

4.2RLS算法仿真

1）影响RLS算法的关键因素是滤波器阶数，对不同滤波器阶数下的RLS算法进行仿真。设置RLS算法的遗忘因子λ=0.99，调整参数δ=0.001，滤波器阶数M分别为2，5，10和20，得到的权向量收敛曲线和信号分离如图8所示。

由图8的结果可以看出，当滤波器阶数M=2时，权向量收敛结果很好，信号被完全无失真地分离出来。随着阶数的增加，分离效果变差，分离的信号波形已经完全失真。所以，滤波器阶数是影响RLS算法性能的关键因素。

2）选取耦合信号与目标信号强度之比为1，5，20，50和100进行仿真，结果发现RLS算法在滤波器阶数等于2时，权向量收敛结果都很好，信号都可以被无失真地分离出来。

从理论上来说，RLS算法没有剩余误差，并且RLS算法的收敛性和相关矩阵的特征值无关，从仿真结果来看，RLS算法对消后的剩余误差相比LMS算法要小很多。

4.3算法分析对比

通过以上仿真结果可以看出，采用自适应对消技术，能实现收发信号的有效分离，利用相关对消原理，对干扰信号具有识别能力，即使在频谱重叠的情况下，也能消除进入接收通道的干扰信号，并保存有用信号，其中LMS算法和RLS算法应用都很广泛。

图8　递推最小二乘（RLS）算法在不同滤波器阶数下的分离结果Fig.8　Signal separation results of recursive least squares（RLS）algorithm with different filter orders

图9从收敛速度和稳态误差进行对比，所得在相同仿真条件下LMS和RLS算法的学习曲线。

图9　LMS算法和RLS算法的学习曲线比较Fig.9　Contrast of learning curves between LMS andRLS algorithms

从理论上讲，LMS算法每次迭代需要M+1次乘法和M次加法，迭代的运算次数为O（M）。RLS算法每次迭代需要3M2+3M+1次乘法和2M2+2M次加法，迭代的运算次数为O（M2），RLS算法的运算量比LMS算法要多一个数量级。RLS算法虽然收敛速度慢，但是收敛后的稳态误差比LMS算法小。因此RLS算法的收敛性能优于LMS算法。同时考虑自适应对消的实时性和稳定性问题，如果使用高速DSP器件来实现RLS算法，如ADI公司的TS201S，算法的收敛时间完全可以满足系统要求［10］，应主要考虑稳态误差，因此采用RLS算法比LMS算法更合理。

5　结束语

鱼雷电磁引信目标模拟系统可用于鱼雷电磁引信性能指标考核和反鱼雷电磁诱饵。文中阐述了鱼雷电磁引信目标模拟系统的设计方案和工作体制，建立了鱼雷电磁引信目标模拟系统在收发同时工作体制下的耦合模型，提出利用自适应对消来实现有用信号和干扰信号的实时分离，并对不同算法的对消性能进行了仿真计算。理论分析及仿真结果表明，自适应对消方法能有效解决目标模拟系统中的收发耦合干扰抑制问题，RLS算法的对消性能要优于LMS算法，该结果为鱼雷电磁引信目标模拟系统的研制提供技术支持，也可作为同类应用的参考，具有一定理论和工程应用价值。

［1］纵瑞方.水中近炸引信干扰机设计［D］.西安：西北工业大学，2009.

［2］严争通，肖素娟，崔户山，等.基于跳频探测体制的鱼雷电磁引信技术［J］.鱼雷技术，2014，22（6）：425-429.

Yan Zheng-tong，Xiao Su-juan，Cui Hu-shan，et al.Electromagnetic Fuze Technology for Torpedo Based on Frequency Hopping Detecting System［J］.Torpedo Technology，2014，22（6）：425-429.

［3］王宝平.线性调频连续波雷达信号泄漏对消技术的研究［D］.成都：电子科技大学，2013.

［4］王海涛.自适应噪声对消在引信数字信号处理系统中的应用［J］.制导与引信，2009，30（1）：13-17.

Wang Hai-tao.Application of Adaptive Noise Cancellation in Fuze Digital Signal Processing System［J］.Guidance &Fuze，2009，30（1）：13-17.

［5］Chen G，Ren Z L，Li Y B，et al.A Method of Same Frequency Interference Suppression Based on QRD-LS Algorithm［C］//Shanghai：Intelligent Computing and Intelligent Systems，IEEE International Conference，2009，（3）：159-162.

［6］王永德，龙宪惠.自适应信号处理社［M］.北京：机械工业出版社，2008.

［7］邵亚勇，竺小松.RLS算法及其改进形式在信号分离中的应用分析［J］.电子测试，2012，1（1）：23-26.

Shao Ya-yong，Zhu Xiao-song.Application of RLS Algorithm and Its Signal Separation［J］.Electronic Test，2012，1（1）：23-26.

［8］施晓海，陈彬强，白志科，等.时频分析及曲线拟合在引信信号检波中的应用［J］.鱼雷技术，2013，21（6）：418- 421.

Shi Xiao-hai，Chen Bin-qiang，Bai Zhi-ke，et al.Applications of Time-frequency Analysis and Curve Fitting to Fuze Signal Detection［J］.Torpedo Technology，2013，21（6）：418-421.

［9］龚耀寰.自适应滤波［M］.北京：电子工业工业出版社，2002.

［10］陈光，任志良，张涛，等.基于自适应RLS算法的鱼雷电磁引信直接耦合干扰消除［J］.鱼雷技术，2010，18（3）：198-201.

Chen guang，Ren Zhi-liang，Zhang Tao，et al.Elimination of Direct Coupling Interference in Torpedo Electromagnetic Fuze Based on Adaptive RLS Algorithm［J］.Torpedo Technology，2010，18（3）：198-201.

（责任编辑：杨力军）

Receive-Transmit Coupling Interference Suppression for Torpedo Electromagnetic Fuze Target Simulation System Based on Adaptive Cancellation

YAN Zheng-tong1，2，XIAO Su-juan1，BAI Zhi-ke1，CHEN Ya-lin1

（1.The 705 Research Institute，China Shipbuilding Industry Corporation，Xi′an 710075，China；2.Science and Technology on Underwater Information and Control Laboratory，Xi′an 710075，China）

Considering the importance of receive-transmit coupling interference suppression problem in simultaneous transmit-receive operation for the target echo simulation system，a coupling model of torpedo electromagnetic fuze for target echo simulation system is established in the condition of simultaneous transmit-receive operation.An adaptive cancellation algorithm is proposed to achieve real-time separation of target signal and coupling interference.The model and algorithm are analyzed via simulation and calculation，laying emphasis on the influence of parameters selection for the adaptive cancellation algorithm on the performance of coupling interference suppression.Simulation results show that the coupling interference suppression could be solved by the proposed algorithm if the parameters are selected properly.With respect to real-time property and stability of adaptive cancellation，the recursive least squares algorithm behaves better than the least mean square algorithm.

torpedo；electromagnetic fuze；target simulation；receive-transmit coupling interference；adaptive cancellation

TJ631.2；TN973.4

A

1673-1948（2015）04-0269-07

2015-04-08；

2015-04-20.

严争通（1989-），男，在读硕士，主要研究方向为信号探测与信息处理.