基于信号特征的舰船轴频电场检测改进算法

李 越, 张伽伟, 程锦房

基于信号特征的舰船轴频电场检测改进算法

李 越, 张伽伟, 程锦房

(海军工程大学 兵器工程学院, 湖北 武汉, 430033)

为了能够在较低的信噪比下提高目标的检测概率, 降低检测的虚警率和漏警率, 文中依据实测舰船目标的水下轴频电场数据, 对不同舰船的轴频电场信号进行了深入分析。针对轴频电场信号及环境电场噪声信号在时域及频域特点的不同, 对原有的一种基于信号特征的舰船轴频电场信号检测算法从线谱识别和检测判据等方面进行了改进, 同时采用Welch法替换原有功率谱估计方法, 降低了运算量, 使算法更具实时性。通过对不同情况下仿真信号和不同舰船类型的实测信号的检测可知, 运用该算法可在较低信噪比下实现目标检测, 从而满足了提高检测概率、降低虚警率的需求。该算法适用于水雷等打击精度较高的水中兵器。

舰船; 轴频电场; 信号特征; 线谱检测

0 引言

传统的舰船目标声探测手段较为成熟, 但随着减振降噪和电力推进技术的不断发展, 再加上声线弯曲的影响等, 限制了对水中目标的声探测能力, 使得寻找一种新的舰船信号源越来越重要和迫切。舰船在海洋环境中引起的电场叫做舰船电场, 腐蚀电流和由外加电流阴极保护系统(im- pressed current cathodic protection system, ICCP)或被动阴极保护系统(passive cathodic protection system, PCP)产生的保护电流均会经海水从船壳流向螺旋桨, 然后通过各种轴承、密封和机械线路从螺旋桨返回到船壳(见图1)。此回路的电阻会随着螺旋桨轴承的旋转而发生周期性变化, 使流经海水的电流受到调制, 从而在舰船周围产生以螺旋桨转动频率为基频的时变电场信号, 该电场称为轴频电场[1-2]。舰船轴频电场是客观存在的, 不能彻底消除, 是很难被隐身的舰船特征信号。国外, 早在20世纪60~70年代就进行了船舶电场的理论和试验研究[3-6]。国内, 舰船电场近年来越来越受到重视, 相关研究也在进行中[7-9]。

图1 螺旋桨转动调制产生轴频电场示意图

在利用轴频电场信号对舰船进行检测的过程中, 常存在海洋环境电场信号的干扰。当干扰很小、信噪比很高时, 传统的基于时域特性的目标检测算法能够达到使用要求, 如以电场模量、斜率、斜率比等为特征[10]; 但当干扰较大、信噪比很低时, 上述算法虚警率过高, 无法有效检测到目标。胡鹏[11]、贾亦卓[12-13]等基于小波良好的时域局域化能力, 在小波域中利用小波包熵、小波空域相关、小波模极大值能量等特征进行信号去噪和检测, 但小波类算法存在基函数选择缺乏自适应性、降噪阈值设定不易和分解层数的确定经验性强的缺陷。程锐等[14]将经验模态分解算法与4阶累积量相结合, 应用于轴频电场的检测, 利用前者的信号自适应分解能力和后者的抑制高斯过程的性质, 取得了不错的效果, 但算法中的部分参数需要多次试验才能确定, 经验模态分解也存在模态混叠现象。目标检测的基本要求是在不虚警的情况下尽可能地提高检测概率。考虑到上述原则和前人存在的问题, 文中对原有的基于信号特征的舰船轴频电场实时检测算法在线谱识别和检测判据等方面进行了改进, 同时采用Welch法替换原有功率谱估计方法, 降低了运算量。拟通过设定合适的阈值, 适当放宽对疑似目标点的判决条件, 然后通过电场模量判据、线谱倍频判据及线谱稳定性判据对疑似目标点进一步判断, 既提高了检测概率又降低了虚警率, 实现了低信噪比下的目标检测。

1 舰船轴频电场及环境电场特征分析

对目标信号进行检测的关键是在环境噪声中提取目标信号的特征, 而目标信号特征的提取则依赖于对大量舰船信号及环境噪声信号实测数据的分析比较。

在大量实测数据的基础上, 挑出3组既具有代表性又具有一般性的数据进行分析, 采样频率20 Hz, 如图2~图4所示。

图2 某货船轴频电场信号特征图

图中:E表示纵向轴频电场强度;表示估计出的功率谱。各图(a)为轴频电场信号, 各图(b)为其频谱图。从图中可以看出: 时域上轴频电场信号具有良好的区域性, 成包络对称分布, 其幅值量级足以被检测到, 而环境电场信号较为平稳, 短时间内不会存在较大波动; 频域上轴频电场信号表现为基频及其倍频的线谱, 而环境电场信号则为连续谱且大部分集中在低频。各图(c)为分段滑动进行功率谱估计时每段数据功率谱最大值对应的频率(最大能谱频率), 可明显看到信号段最大能谱频率较稳定, 且出现在基频或其倍频处, 而环境信号没有此规律。各图(d)为实船通过时特征频段内能量的变化。特征频段内能量的计算方法为, 对信号进行功率谱估计, 提取特征频段内谱值的最大值, 具体步骤为: 每次功率谱计算的点数为200个, 即10 s为一段, 每次向前推进2 s进行计算。可以看出, 当没有舰船轴频电场信号时, 测量到的数据为环境电场数据, 该特征频段内的功率谱最大值变化较为平稳, 谱值相对较小, 当有舰船轴频信号出现时, 该频段的功率谱最大值会显著升高。

图3 某客船轴频电场信号特征图

图4 某军舰轴频电场信号特征图

通过对大量的实测数据进行分析, 可知不同类型舰船的螺旋桨转速不同, 如表1所示[15]。根据各种类型舰船桨速范围确定对应的轴频范围为1~6 Hz, 因为需要用倍频信息进行倍频判断, 所以特征频段确定为1~12 Hz。

表1 不同类型舰船螺旋桨速度与轴频范围

2 舰船轴频电场信号检测算法

舰船轴频电场信号检测是一种基于能量检测的算法, 主要通过对某一特征频段内的电场轴频信号功率谱最大值的实时跟踪, 做出对目标舰船是否存在的初步判断。当没有舰船轴频电场信号时, 测量到的数据为环境电场数据, 该特征频段内的功率谱最大值变化较为平稳, 谱值相对较小, 当有舰船轴频信号出现时, 该频段的功率谱最大值会显著升高, 所以可通过设定阈值达到检测舰船的目的。为了提高检测率, 另设3个判据进一步判断。轴频电场信号频域表现为基频及其倍频线谱的形式, 且基频范围大致确定, 而且由于舰船正常航行时其螺旋桨的转速恒定, 所以基频及其倍频处的线谱位置较为稳定, 对于近场而言, 轴频电场还具有一定的幅值[16]。以上述条件为判断准则, 检测算法的实现步骤如图5所示。

检测算法中的连续谱与线谱的分离、检测阈值确定、疑似目标点确定、线谱倍频判断和线谱稳定性判断按照经典滑动检测算法即可[16]。功率谱估计采用Welch法, 详细推导过程见文献[17]。改进算法选取线谱识别后特征频段内的最大谱值为特征值, 改进了谱宽门限的设定, 同时增加电场模量判断对疑似目标点进行初筛, 减少了后续判断运算量, 有利于对信号进行实时检测。

2.1 线谱识别

对滤出连续谱的功率谱进行线谱识别, 通过分析比较文献[18]~[19][20]提出的3种谱线识别算法, 决定采用文献[18]的算法并同时做相应的改进。首先寻找局部极大值点, 即该点处的谱值高于其两边点的谱值。对于不是局部极大值的点, 其谱值置零。

图5 舰船轴频电场检测算法流程图

因为特征频段选取范围在1~12 Hz, 所以谱宽门限定为0.75Hz, 将谱宽大于谱宽门限的局部最大值点置零, 之后设置峰高门限, 剔除小于此门限的谱值。峰高门限的设置参照文献[18]。

2.2 电场模量判断

3 仿真验证

根据水平和垂直电偶极子源在3层分层介质中产生电场分量的建模算法, 生成电场仿真数据[22]。模拟航速10 kn, 水深30 m, 吃水5 m, 根据需求设置不同的正横距, 生成理想的轴频电场数据。舰船轴频电场信号采样率为20 Hz。

3.1 相同源强度在不同噪声条件下的检测性能

设置正横距为30 m, 生成理想的轴频电场数据。为了检验不同信噪比下对目标信号检测的能力, 对理想信号加上不同的白噪声信号, 生成仿真数据, 对其进行检测。

图6~图8是不同信噪比下的仿真结果, 图中, 疑似目标点为“○”, 最终确认目标点为“△”。

根据仿真结果可知, 随着环境噪声的增大, 信噪比逐渐变低。在较高信噪比时, 出现的疑似目标点大部分为最终确认目标点; 随着信噪比变小, 轴频电场信号被环境电场信号掩盖, 疑似点数量增多, 出现了较多环境电场引起的误动, 通过后来3个判据, 成功地检测到了目标。但信噪比降低时, 相应的检测距离也在变小(见表2), 此时虽然牺牲了检测距离, 同时也降低了虚警率。

图6 信噪比为22 dB时仿真信号检测结果

图7 SNR为10 dB时仿真信号检测结果

图8 SNR为–2 dB时仿真信号检测结果

表2 不同信噪比对应的检测距离

3.2 相同噪声条件在不同正横距离下的检测性能

设置不同的正横距离, 生成理想的轴频电场数据, 对理想数据加上相同的白噪声, 得到仿真信号并对其进行验证。图9~图12是在不同信噪比下的仿真结果。

图9 正横距为30 m时仿真信号检测结果

图10 正横距为60 m时仿真信号检测结果

图11 正横距为90 m时仿真信号检测结果

根据仿真结果可知, 随着正横距增大, 舰船轴频电场信号迅速衰减, 最终被环境噪声信号所掩盖。此时疑似目标点数量增多, 出现了较多环境电场引起的误动。但通过3个判据最终确定了目标点。虽然牺牲了检测距离, 但降低了虚警率, 如表3所示。对于水雷等水中兵器来说, 降低虚警率比扩大检测距离更为重要。

图12 正横距为120 m时仿真信号检测结果

表3 不同正横距对应的信噪比及检测距离

4 算例及分析

目标信号采用实测信号, 所用数据为2012年7月16日在烟台附近海域取得的数据。目标舰船信息见表4。试验水深约为30 m, 海底为泥沙质, 水温17.6℃, 微风, 海况2级。舰船轴频电场信号采样频率为20 Hz。携带的电场传感器由小艇布放, 并通过水密电缆与艇上控制模块相连, 电极间的电极距为2 m, 测量体布放于水深10 m处, 正横距由测距仪测得。

表4 目标舰船信息

检测算法参数设定与仿真时相同, 检测结果如图13~16所示。由图中可知, 通过改进算法的检测, 在目标信号刚出现时便检测到疑似目标点, 但为了降低虚警率又进行了之后的3个判断。无需太高的检测阈值, 既排除了误动又提高了检测效率, 但牺牲了检测距离。

图13 轮渡1号轴频电场信号实时检测结果

图14 货船轴频电场信号实时检测结果

图15 客船轴频电场信号实时检测结果

图16 轮渡3号轴频电场信号实时检测结果

5 结束语

文中依据实测舰船目标的水下轴频电场数据, 对不同舰船的轴频电场信号进行了深入分析。针对轴频电场信号及环境电场噪声信号特点的不同, 对原有的基于信号特征的舰船轴频电场信号实时检测算法进行了改进。与文献[16]所用算法相比, 改进算法采用经典功率谱估计方法, 运算速度较快; 选用特征频段内最大谱值为特征量, 与选取平均谱值作为特征量相比改进算法更具有实时性; 改进了谱宽门限的设定, 使线谱识别更准确; 增加电场模量判断对疑似目标点进行初筛, 减少后续判断运算量, 有利于对信号进行实时检测; 对不同情况下的仿真信号和不同舰船类型的实测信号进行了检测, 在较低信噪比下实现了目标检测。但改进算法在降低虚警率的同时也牺牲了检测距离, 更适合用于水雷等打击精度较高的水中兵器。目前采用的检测信号为单轴信号, 下一步将通过三轴信号同时检测来进一步降低虚警率, 并保留检测距离。

[1] 姜润翔, 史建伟, 龚沈光, 船舶极低频电场信号特性分析[J]. 海军工程大学学报, 2014, 26(1): 5-8, 75.Jiang Run-xiang, Shi Jian-wei, Gong Shen-guang. Analysis of Signal Characteristics of Ship’s Extremely Low Frequency Electrical Field[J]. Journal of Naval University of Engineering, 2014, 26(1): 5-8, 75.

[2] 林春生, 龚沈光. 舰船物理场[M]. 北京: 兵器工业出版社, 2007.

[3] Bostick F X, Smith H W, Boehl J E. The Detection of ULF-ELF Emissions from Moving Ships, ADA037830 [R]. New York: Sate Academic Educational Institutions, 1977: 13-24.

[4] Bruxelle J. Electromagnetic Field Properties in Sea Water- localisation of a Dipolar Target[C]//Proceedings of UDT. Helsinki: Nexus Media Limited, 1993: 105-109.

[5] Hoitham P, Jeffrey I, Brooking B, et al．Electromagnetic Signature Modeling and Reduction[C]//Proceedings of UDT. London, UK: Nexus Media Limited, 1999: 97-100.

[6] Dymarkowski K, Uczciwek J. The Extremely Low Frequency Electro-magnetic Signature of the Electric Field of the Ship[C]//Proceedings of UDT. Hamburg, Germany: UDT, 2001: 1-6.

[7] 冯士民, 张伽伟, 王娇. 一种船舶轴频电场传播特性分析方法[J]. 通信技术, 2018(12): 2848-2852.Feng Shi-min, Zhang Jia-wei, Wang Jiao. Method of Analy- sis on Propagation Characteristic of Shaft-rate Electric Fie- ld[J]. Communications Technology, 2018(12): 2848-2852.

[8] 李松, 石敏, 杜鑫. 舰船轴频电场数据的采集与处理研究[J]. 舰船科学技术, 2015, 37(12): 100-103. Li Song, Shi Min, Du Xin. Data Acquisition and Processing for the Shaft-rate Electric Field of a Ship[J]. Ship Science And Technology, 2015, 37(12): 100-103.

[9] 张学峰, 李涛. 浅海中利用舰船轴频电场定位技术研究[J]. 河北省科学院学报, 2015, 32(2): 26-34. Zhang Xue-feng, Li Tao. Research on Positioning Technology of the Ship Shaft-rate Electric Field in Shallow Sea[J]. Journal of the Hebei Academy of Sciences, 2015, 32(2): 26-34.

[10] 程锦房, 龚沈光. 电场引信的动作判据分析[J]. 海军工程大学学报, 2003, 15(4): 27-30.Cheng Jin-fang, Gong Shen-guang. Analysis of Firing Criteria of Electric Field Fuse[J]. Journal of Naval University of Engineering, 2003, 15(4): 27-30.

[11] 胡鹏, 龚沈光, 胡英娣. 基于小波包熵的船舶轴频电场信号检测[J]. 华中科技大学学报(自然科学版), 2011, 39(11): 15-18. Hu Peng, Gong Shen-guang, Hu Ying-di. Detection of Ship Shaft-rate Electric Field Signals Using Wavelet Packet Entropy[J]. Journal of Huazhong University of Science and Te- chnology(Nature Science Edition), 2011, 39(11): 15-18.

[12] 贾亦卓, 姜润翔, 龚沈光. 基于小波空域相关的船舶轴频电场检测方法[J]. 上海交通大学学报, 2013, 47(7): 1027-1031.Jia Yi-zhuo, Jiang Run-xiang, Gong Shen-guang. Detection of Ship Shaft-rate Electric Field Signal Using Spati- ally Selective Noise Filtration[J]. Journal of Shanghai Jiao Tong University, 2013, 47(7): 1027-1031.

[13] 贾亦卓, 姜润翔, 龚沈光. 基于小波模极大值能量的船舶轴频电场检测[J]. 电子学报, 2014, 42(3): 592-596. Jia Yi-zhuo, Jiang Run-xiang, Gong Shen-guang. Detecti- on of Ship Shaft-rate Electric Field Signal Based on Wav- elet Modulus Maximum Power[J]. Acta Electronica Sinica, 2014, 42(3): 592-596.

[14] 程锐, 姜润翔, 龚沈光. 基于EMD和4阶累积量的船舶轴频电场线谱提取[J]. 舰船科学技术, 2016, 38(1): 94-98.Cheng Rui, Jiang Run-xiang, Gong Shen-guang. Extract- ion of Line Spectrum of the Ship Shaft-rate Electric Field Based on EMD and Fourth-order Cumulant[J]. Ship Scie- nce and Technology, 2016, 38(1): 94-98.

[15] 张仁兴, 余又红, 张振海. 舰船联合动力装置[R]. 武汉:海军工程大学, 2002.

[16] 李松, 石敏, 栾经德, 等. 舰船轴频电场信号特征提取与检测方法[J]. 兵工学报, 2015, 36(S2): 220-224. Li Song, Shi Min, Luan Jing-de, et al. The Feature Extr- action and Detection for Shaft-rate Electric Field of a Ship[J]. Acta Armamentarii, 2015, 36(S2): 220-224.

[17] 胡广书. 数字信号处理——理论、算法与实现[M]. 北京:清华大学出版社, 2012.

[18] 李松, 张春华, 栾经德. 舰船轴频电场基频线谱的模糊评判方法研究[J]. 兵工学报, 2009, 30(12): 1738-1742. Li Song, Zhang Chun-hua, Luan Jing-de. Detection of Line Spectrum of Fundamental Frequency on Shaft-rate Electric Field of a Ship[J]. Acta Armamentarii, 2009, 30 (12): 1738-1742.

[19] 程锐, 陈聪, 姜润翔. 结合EMD和功率谱熵的船舶轴频电场线谱提取[J]. 舰船科学技术, 2017, 39(17): 159-163.Cheng Rui, Chen Cong, Jang Run-xiang. Line Spectrum Extraction of Ship Shaft-rate Electric Field Combining EMD and Power Spectra a Entropy[J]. Ship Science and Technology, 2017, 39(17): 159-163.

[20] 何芳, 王向军, 王晓蓓. 舰船轴频电场线谱提取方法及仿真研究[J]. 计算机仿真, 2015, 32(9): 5-9.He Fang, Wang Xiang-jun, Wang Xiao-bei. Simulation of Ship Shaft-rate Electric Field Line-spectrum Extraction Method[J]. Computer Simulation, 2015, 32(9): 5-9.

[21] 龚沈光, 林春生, 程锦房. 水雷引信系统设计原理[M].武汉: 海军工程大学, 2008.

[22] Llanwyn J D, Burke C P. The DC Field Components of Horizontal and Vertical Electric Dipole Sources Immersed in Three-layered Stratified Media[J]. Annales Geophysicae, 1997, 15(4): 503-510.

Improved Detection Algorithm of Ship’s Shaft-Frequency Electric Field Based on Signal Features

LI Yue, ZHANG Jia-wei, CHENG Jin-fang

(College of Weaponry Engineering, Naval University of Engineering, Wuhan 430033, China)

To improve the detection probability of a target and reduce the rates of false alarm and missed alarm at lower signal-to-noise ratio(SNR), the shaft-frequency electric field signals of different ships are analyzed based on the measured underwater shaft-frequency electric field data. According to the features of the shaft-frequency electric field signal and the environmental electric field noise signal in time domain and frequency domain, the current detection algorithm of ship’s shaft-frequency electric field based on signal features is improved in terms of line spectrum identification and detection criteria. And the Welch method is employed to replace the original power spectrum estimation method. Thus, the improved algorithm needs less amount of calculation and is more real-time. Analysis on the simulated signals under different conditions and the measured signals of different types of ships shows that the improved algorithm realizes target detection at lower SNR, and satisfies the need to increase the probability of detection and reduce the false alarm rate. This algorithm is more suitable for water weapons with high precision, such as mine.

ships; shaft-frequency electric field; signal feature; line spectrum detection

TJ6; TP274.5; TN911.6

A

2096-3920(2019)04-0398-08

10.11993/j.issn.2096-3920.2019.04.006

李越, 张伽伟, 程锦房. 基于信号特征的舰船轴频电场检测改进算法[J]. 水下无人系统学报, 2019, 27(4): 398-405.

2019-01-20;

2019-03-06.

国家自然科学基金项目资助(51509252).

李 越(1995-), 男, 在读硕士, 主要研究方向为军用目标特性及信息感知技术.

(责任编辑:杨力军)