水声目标辐射噪声谐波特征提取算法

梁 巍，刘福晓，杨日杰

(1. 海军航空工程学院 电子信息工程系，山东 烟台 264001；2. 中国人民解放军92635部队，山东 青岛 266000)

水声目标辐射噪声谐波特征提取算法

梁 巍1,2，刘福晓2，杨日杰1

(1. 海军航空工程学院 电子信息工程系，山东 烟台 264001；2. 中国人民解放军92635部队，山东 青岛 266000)

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息，能否有效提取目标谐波特征关系到目标识别的效果。论文基于目标辐射噪声的一般数理模型，利用最大似然估计和卡尔曼滤波理论，提出一种水下目标辐射噪声谐波特征的提取与分析算法，估计得到了谐波的瞬时基频；然后利用卡尔曼滤波器跟踪瞬时基频的时变特性，实现对基频的精确跟踪和估计；并提取各阶谐波的振幅，得到目标的谐波特征；最后结合仿真信号与实测数据进行对比，验证了谐波特征提取算法估计基频和提取谐波信息的可行性。

水声目标；辐射噪声；谐波；特征提取

0 引 言

在海洋环境中，由于传播信道中海洋介质随机散射及信道的多途、频散等水声环境效应，使得水中目标辐射噪声信号波形发生畸变，从而改变接收端信号的频谱特征。为研究水中目标辐射噪声通过水下声信道传播后噪声特征的变化规律，需要分析表征目标辐射噪声典型特征参数的变化。描述目标辐射噪声的特征参数包括目标辐射噪声的基频、谐波振幅及各阶谐波的信噪比[1]。水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息，能否有效提取目标谐波特征关系到目标类型识别的效果。

为此，本文提出了一种水声目标辐射噪声谐波特征提取算法，结合仿真信号与实测数据进行对比，验证了该算法的可行性。

1 水声目标辐射噪声信号模型

目标辐射噪声由宽带噪声与多个正弦信号组成，可表示为[2]：

其中，H为谐波阶数，Ah和φh为第h阶谐波分量的振幅和相位，γ为基频，与目标的引擎转速等参数有关，因此可将r（t）表示为，其中θ表示待估计参数集合，包括γ及Ah，

2 水声目标辐射噪声谐波特征提取方法

水下目标谐波特征提取算法的总体思路。主要分为 3 个步骤：

步骤 1 计算信号频谱与梳状滤波器的频率响应间的互相关，完成对基频的估计；

步骤 2 利用卡尔曼滤波器跟踪基频量测随时间的变化，得到基频的最优估计；

步骤 3 利用基频的最优估计，提取相应谐波的振幅信息。

2.1 基频估计方法

由式（3）可知，目标辐射噪声的频谱可表示为一组在tk时刻基频为γk的sinc函数的加权和，利用该模型构建梳状滤波器的频率响应为：

2.2 基频最优估计

2.2.1 基于卡尔曼滤波理论的基频跟踪

其中Kt是k时刻的卡尔曼滤波增益，R是量测噪声协方差矩阵，H为量测矩阵。在下一时刻，将当前时刻的状态估计值反馈到预测方程中，并且重复式（8）和（9）的预测更新过程，最终得到所有时刻的均值和误差协方差的滤波估计，形成频率跟踪航迹。

2.2.2 基频跟踪算法

借鉴近似的匀速运动模型，基频频率变化跟踪，即

实际上，过程噪声或量测噪声的大小蕴含了利用该模型进行状态估计时的可信度。

2.2.3 基频跟踪逻辑

2.3 谐波特征提取

3 仿真结果与分析

按照式（1）模拟生成被动声呐的接收信号，谐波数为5，宽带噪声的功率为5。假设所有谐波振幅相等均为1，且信号时长有限，而噪声与信号时长相等。信号采样频率为8 kHz，采样点数为65 536，信号基频在[5，65] Hz间服从均匀分布。仿真参数见表1。

表 1 仿真参数Tab. 1 Simulation parameters

4 结 语

谐波特征是目标的“声音指纹”。每个目标自身辐射噪声对应的“声音指纹”都是由其引擎转速、汽缸数、齿轮齿数比、叶片数量等参数决定。本文提出了一种基于最大似然估计和卡尔曼滤波理论的目标辐射噪声谐波特征的提取与分析算法，经验证该算法的稳健性较好，且提取的谐波信息包含了反映目标自身本质特性的信息，可进一步用于不同类型的水下目标识别。

[1]李启虎. 数字式声呐设计原理[M]. 合肥: 安徽教育出版社,2003: 141–142.

[2]ARVESON P T, VENDITTIS D J. Radiated noise characteristics of a modern cargo ship[J]. Acoust. Soc. Am,2000, 107: 118–129.

[3]胡广书. 现代信号处理教程[M]. 第1版. 北京: 清华大学出版社, 2004: 52–58.

[4]孙即祥. 现代模式识别[M]. 长沙: 国防科技大学出版社, 2008:73–75.

[5]KIM S, HOLMSTROM L, MCNAMES J. Multiharmonic tracking using marginalized particle filters[C]//in Proceedings of the 30th Annual International Conference of the IEEE, 2008,August 20–25, 29–33.

[6]何友, 王国宏, 陆大金, 等. 多传感器信息融合及应用[M]. 第2版. 北京: 电子工业出版社, 2007: 13–20.

[7]LAWRENCE M W. Ray theory modeling applied to lowfrequency acoustic interaction with horizontally stratified ocean bottoms[J]. Acoustic. Soc. Am. 1985, 78(2): 125–133.

Harmonic feature extraction algorithm for radiated noise of underwater acoustic target

LIANG Wei1,2, LIU Fu-xiao2, YANG Ri-jie1
(1. Department of Electronic Information Engineering, Naval Aeronautics and Astronautics University, Yantai 264001, China;2. No. 92635 Unit of PLA, Qingdao 266000, China)

The harmonic components for radiated noise of underwater-target contain information reflecting nature of target itself, and extracting effectively target harmonic is related to result of target recognition. By combining likelihood estimation method and Kalman filtering tracking approach, a new feature extraction algorithm was developed to extract the harmonic feature from the underwater noise radiated. The likelihood estimation method gives an estimation of the instant fundamental frequency, while Kalman filter is adopted to capture the time varying structure. The fundamental frequency tracks are then used to extract the amplitudes of harmonics and obtain harmonic feature of target. Based on the comparison of simulated signal and the measured data, feasibility is verified of harmonic feature extraction algorithm estimating undamental frequency and extracting harmonic information.

underwater acoustic target；radiated noise；harmonic；feature extraction

TP391

A

1672 – 7649(2017)09 – 0133 – 05

10.3404/j.issn.1672 – 7649.2017.09.026

2016 – 10 – 16；

2016 – 11 – 14

国家自然科学基金资助项目(61271444)

梁巍(1984 – )，男，硕士研究生，助理工程师，研究方向为水声工程。