水声目标识别技术的现状与发展

文/章业成

1 国内外水声目标识别特点及现状分析

随着科技的发展，水声目标身份识别在洋经济与军事活动中运用十分广泛。水声目标识别技术通常是利用各类型传感器收集目标信息并对其特征进行分析，通过比对已有信息库识别目标的类型。其工作原理主要是利用了声纳接收的被动目标辐射噪声、主动目标回波以及其他传感器信息提取目标特征并进行判断。水声目标主要包括声音、水流扰动和电磁辐射等特征信息。不同水声目标的特征信息不同，例如舰艇和海底暗礁无论空间形态还是运动状态都有很大差异，通过差异化比对识别目标种类。

水声目标识别技术在军事上的运用主要是从20世纪60年代开始，其中以美、英、法等国为代表的军事强国，对水声目标识别技术进行了深入研究。

水声目标识别在国内起步较晚，但随着海洋经济以及军事领域的发展，水声目标识别在国内的发展开始得到重视。多所高校及研究院均对水声目标物的甄别进行了大量探究，与此同时计算机技术、人工智能等新兴领域和前沿科技被吸收到水声目标的识别技术中，无论是识别灵敏性还是准确度都有了巨幅的提升。

2 水声目标识别的传统识别方法

传统的水声目标识别方法通常包括通过以下几种方式进行：

（1）通过噪声的不同特性进行识别。螺旋桨和机械噪声通常可以作为水声目标辐射噪声能量的重要来源之一。研究者根据对不同类舰船的辐射噪声特性差异进行分析，实现水声目标分类；

（2）通过水声目标的航行速度、加速度等运动状态及急剧变化等行为，预测出目标的后续行为及目的。此外，还可以通过对水声目标的行为、状态和类型进行分析，寻找出其内在关联，并通过模拟估计上述关联性特征预测目标的真实目的，从而实现目标分门别类；

（3）根据不同目标船舰的排水量特征，通过分析不同型号的舰船在运行时，噪声强度与航速和排水量之间的关系，进行目标分类。

（4）根据目标所装备的主动声纳特征的不同来进行区别，由于不同的目标所装备的声纳型号有所差异，并且不同型号声波发射装置所发射声波的频率、强度等声波参数均不一样。

因此，根据探测目标说配备的主动声纳特征，能够判断出声纳的具体型号，排除掉不同类别的目标特征，减小鉴别难度更便于综合其他手段进行进一步的识别。

3 水声目标识别的传统识别方法存在的局限性

水声目标存在多种传统识别方法，但是上述识别方法在具体运用中存在诸多问题，具体有以下几方面：

3.1 各目标在水中容易受到多种因素影响，且各目标的发声机理复杂，因此，在建模上存在一定困难

上文中提到，各目标在水中辐射噪声源头千奇百怪，噪声不仅由目标的主动装置产生，也与其运动轨迹，外形结构密切相关。甚至与驾驶员的驾驶习惯，辅助装备的噪音干扰，目标所处地形、水声环境有直接关系。而且声波在触及到目标物后反射、散射，返回到接收器是其中包含的信息及其复杂，既有距离、速度等空间运动信息，也有形态大小、外部材料等特征信息，每种信息中又分门别类出更多的态势结果，仅仅是对这些信息进行分析、提取、反应成为人能够理解的有用结果就需要进行大量的工作才行。因此，无论是完全基于纯的理论分析还是基于观测数据的统计分析，都需要完全掌握各种目标，各种信号的其产生原理和特征、准确给这些目标分类建立模型。其需要的人力物力的投入无论是时间上还是数量上的积累都是必不可少的。

3.2 水声目标识别技术在运用上容易受到外界环境的干扰

虽然可通过对不同目标的噪声特性进行识别目标，但是过高的噪声和外界强烈的干扰对于提取弱目标特征存在一定难度。在对弱目标的特征进行提取时，提取水环境要求要比强目标的环境要求高，弱目标精度声纳在实际工作中只有在目标的信号强度在0db以下是才能发挥作用。然而在实际场景中，包含有效信息的声波信号的信噪比常常在-10dB之下，此外，除了上述影响因素外，在对弱目标精度声纳进行分析时，水环境中存在的大量低价值数据同时也会干扰到被检测目标信息的提取。

3.3 水下目标的种类多种多样，不同物体的声音特性表现各异

声波传播特性的干涉性，交叉影响，即使同类目标不同个体间也略有不同，不仅包括各类船只、潜艇，还包括鱼雷、无人航行器等等，单就目标的数量和类型来看，就已经形成了一个庞大的数字，这也对水下目标识别技术的运用带来了很大的困难。此外，因水中不同目标的存在，他们的声特性分布也存在交叉重叠的情况，因此，声纳目标识别在多类型目标同时运行的情况下很难对不同功能类型的目标进行区分。

3.4 通过水声目标识别技术收集到的数据代表性弱、质量不高且获取成本高昂

水声目标识别的前提是需要收集到高强度、高精度、高质量、高代表性的数据样本，但目前对水声目标识别的研究数据资源较少，无法从现有数据中得到有效的标注数。目前，在水声目标数据收集上存在以下问题：

（1）各目标的行进速率所限制，水中的声音无法在很短的时间内将信号进行传播，且其传播的范围一般较小，隐藏在各种噪声中，数据收集的难度较大，因此，想要获取高精度、高质量的数据样本，需要大规模的水声试验条件，这不仅需要成熟的识别技术，更需要投入巨额资金。

（2）一些重要的水下目标声信号往往被各国视为禁脔，其水声数据信息的测量、收集都受到严密的管制，这也是造成水下目标的数据极为有限的原因之一。

4 针对传统识别方法局限性的完善建议

4.1 加强对水中目标的基础研究，收集完善基础数据，提高水声识别的准确性

目前，水声目标识别技术还不是非常成熟，受到各种因素的影响，在对各目标水中特性进行分析提取数据时，准确性有限，有效性也很难得到保障。因此，建议在后续的研究过程中，重视水声目标特性的基础研究，通过收集各目标的不同特征，不断的丰富有效数据的存储，充分掌握并挖掘水中目标水声学特征。以现有的基础物理原理为根基，结合智能化的科研手段进行更广泛的研究和模拟，才有可能逐步提高目标识别的正确率。

4.2 不断挖掘已集到的目标特征与海洋环境信息中的深层次信息点，多角度认识目标特性，提高对各种环境的适应能力

近年来，世界各海洋国家都高度重视复杂的海底环境和各种噪声对声纳装备探测与识别性能的干扰，也都意识到装备对环境自主感知和适应的水平的战略意义，由此激发了环境自适应技术的概念的提出和研究。具备数据完整的数据库和对现场目标的适应能力，有望使声纳的性能渐入佳境，从根本上提高声纳探测与识别的环境适应性。

4.3 对于若目标信号的收集和提取能力提出更高要求，对干扰信号的屏蔽能力也应同步提高

通过声纳阵列获取水中目标信号是常用的方法，但是因水中获取数据时存在不同强度的干扰，阵列处理过程中若收到海洋环境中大量目标干扰等问题，都会影响设备后续对目标的特征提取以及识别，这时就需要通过设计抗干扰的目标特征提取方法，开展自适应的波束形成技术，时空频域的多目标干扰辨识，信号特征预畸变处理等研究，才能实现对目标特征提取信息的准确性及精细化要求，以保障目标信号声特征的有效获取。

4.4 通过分析不同水声目标信号的特点，采取人工智能水声目标识别技术研究

如今，人工智能逐渐发展成熟，人工智能因其具有快速、准确处理数据的优势，而水声数据因此在进行水声目标识别，处理文本、语音等数据时，可适当引入人工智能。但是这种通过网络训练自主学习样本内在规律的前提是需要大量、完备、有代表性的样本数据，而这正是水声数据难以满足的要求。直接的仿照处理不一定能获得视觉、语音和文本识别的理想效果，而且水声识别也往往不具备二次验证的机会。因此，可针对水声目标信号的特点，理性开展人工智能水声目标识别技术研究，在自主学习特征和传统频谱特征的关联性，自主学习特征的可读性和可解释性等方面进一步深入探索。