水面水下目标识别技术的现状与挑战

方尔正 黄志浩 桂晨阳 / 文

水面水下目标识别技术目前在军事和民用上都发挥着越来越大的作用。在军事上，舰船目标的有效识别对我国维护海洋领土权益，保障海上航行安全至关重要，同时在现代海洋作战中，精准制导武器、水面无人艇等作战手段都对水面水下目标识别技术有着较高的要求。在民用方面，精准的目标识别在水下数据收集、水下管道铺设及水下机器人等领域都发挥着至关重要的作用。

舰艇的目标识别

舰船和潜艇等在航行的过程中会产生较大的辐射噪声，这种噪声会以声波的形式向四周传播。由于在海水这一介质中声波有着较好的抗衰减特性，声波在水下可以较远距离地传播，这就为舰船噪声提取和目标分类识别等操作提供了可能。

美国海军早在20 世纪60 年代便已利用对舰船噪声信号的提取，开发出了一种潜用声呐目标识别系统，在80 年代便已经将这套系统投入军事使用。同样，日本也利用这一方法发明了SK-8 海岸预警系统，印度开发的RECTSENSOR 系统也是从舰船噪声信号中提取目标的特征，通过赋予不同的识别因子来实现目标识别操作。辐射噪声信号的提取作为水面水下目标识别技术的关键点，也早已成为我国科研机构的研究重点，我国一些机构陆续开展了对辐射信号特征提取方法的研究并已见成效。

小波技术的发展也为辐射噪声的特征提取提供了更多的可能性。小波，顾名思义就是小的波形，所谓“小”是指它的衰减性，而“波”指的是它的波动性，小波变换更注重于时空频率的局部化分析。在复杂的海洋环境背景下的舰船目标识别，提取小波信号分析可以有效地降低背景干扰噪声，进而将小波信号与其他信号融合提高水下目标识别精度。比如将舰船噪声信号、磁场信号及水压场信号等相融合实现舰船目标的识别，有效地提高了目标识别的精度。

虽然利用舰船噪声进行目标识别已经有了较多的研究成果，但不可否认的是，目前我们对低噪声的水面水下舰船目标在复杂海洋情况下的识别依旧十分困难。同时虽然小波分析有效地提高了识别精度，但是小波信号与噪声信号的融合需要时间，这就使得算法有着较大的延时性。

目前各国的舰船都在向着“隐身”的方向发展，其所辐射的舰船噪声越来越小，这就对噪声特征提取算法的要求越来越高。更为有效的噪声提取方法与更多物理信息的结合以及更广适用性、更强时效性的水面水下目标识别技术是目前研究的重点。

除利用水声方法进行舰船目标识别外，雷达也是一种较为常用的识别技术。雷达这种典型的电子设备能够进行长时间远距离的目标识别，其优势是覆盖面积大，探测距离远，且激光雷达信号受天气影响小，抗干扰能力强。基于雷达回波信号的目标识别技术是目前雷达系统的技术核心。但是舰船的发展不仅是针对水声进行“声隐形”，也给雷达系统带来了巨大的挑战。当舰船目标增多时会导致辐射源的数目增多、密度增大，致使雷达回波信号严重交叠，造成信号调制复杂。同时舰船的超高速移动也会导致目标回波的剧烈震动，影响传统雷达的目标识别的可靠性与有效性。复杂的海洋环境也会对雷达信号的回波产生影响，目标的信噪比也会大幅度影响雷达的目标识别精度。同利用水声技术进行目标识别面临许多挑战一样，雷达目标识别技术的发展也有着很漫长的一段路要走。

静止物体的目标识别

与舰船目标识别不同的是，水面水下大部分自然物体都不会自发地辐射噪声，因此所使用的目标识别技术有所不同。在舰船目标识别的过程中更多的是利用声呐被动地接收目标的辐射噪声，进而对目标的特征进行分析。静止物体虽然不会自发地产生水声信号，但是我们依旧可以利用声波在海水介质中的抗衰减特性，自发地制造目标的“辐射噪声”，再对这一信号进行特征分析，进而实现水面水下的目标识别。

虽然目前各国舰船都在向“隐形”化发展，但是这一隐形毕竟只是声隐形而非船身的隐形，我们是否可以将其视作“静止”物体来进行目标识别呢？答案是肯定的，但是通过主动辐射信号进行目标识别会丧失自身的隐蔽性。同时敌人也可以通过捕捉我们主动发射的声信号而对我们进行分析，目前根据目标所装备的主动声呐特征进行目标识别也是水面水下目标识别技术的一部分，结合对方发射的主动声信号进行特征分析更能减少目标的鉴别难度。

除声学方法外，自20 世纪80 年代以来，随着红外热成像技术的发展，红外目标探测技术也随之迅速发展，其有着工作隐蔽性好，不易受电磁干扰，具有全天候工作能力及能提供高分辨率图像数据等优点。目前常用的基于红外探测技术进行目标识别的方法主要有两大类，一是提取目标舰船的特征，再根据其特征进行目标识别；二是通过模板匹配的方法，通过匹配值进行目标的识别。但是以上两种常用的方法仅能在背景简单、目标特征鲜明的情况下发挥较大作用。当背景环境复杂且目标弱小的时候，这两种识别方法的正确率会显著降低。为此，基于红外图像的小目标识别技术成为最近的研究热点。利用局部对比度来实现小目标识别虽然有着简单有效、可增强目标抑制背景的优点，但在强杂波背景条件下极易产生虚警；对复杂红外图像中的小目标识别自适应算法及对背景适应力较强，计算复杂度较低，但是仍旧需要大量的训练集以保证识别结果的准确性。基于红外图像进行目标识别的方法虽然层出不穷，但是红外图像并不具备丰富的颜色信息，且易受温度影响，存在较强的噪声，这种目标识别的研究方向仍有很大的上升空间。

声矢量水听器技术

声矢量水听器技术是近二十年来水声界备受关注的研究热点之一，我国最早于1997 年接触矢量水听器相关技术，并于2000 年完成首次外场试验。作为水声物理量的测量设备，声矢量传感器可以在空间共点同步拾取一点出声压和质点振速的三个正交分量，利用振速分量可以在全空间对声源进行无模糊定向。在实际中，远程声场的有限尺度声源信号的声压和振速是相关的，而对于各项同性噪声场，声压和振速是不相关的，所以基于声强概念的声压和振速联合信号处理技术具有较强的抗各项同性噪声能力，适用于弱目标识别与检测。

矢量水听器技术在水面水下目标识别方面，可以获得更多的水下声学物理信息，这种水声传感器的紧凑型配置方式为解决水下小尺度平台湿端布置空间受限问题提供了很好的方案；同时，和相同阵型的声压阵相比，矢量水听器阵具有更好的识别检测能力，或者在相同技术指标要求下，设备体积更小、复杂性更低、适装性更高。因此在有限条件下，矢量水听器为水下目标识别提供更可靠的声学物理信息。

挑战与展望

水面水下目标识别相较于其他介质中的目标识别受更多的条件影响，噪声不仅由目标的主动装置产生，也与其运动轨迹及外形结构密切相关，甚至舰船驾驶员的驾驶习惯，辅助设备的噪声干扰，其所处水声环境的不同都会对舰船噪声特征分析产生巨大的影响。对于主动声呐而言，声波接触到目标后的反射过程中包含的信息更为复杂，其不仅有距离、速度等空间运动信息，还有形态和外部环境信息，仅仅是对这些信息进行提取分类便需要大量的工作才能实现。无论是基于理论进行分析，还是对实际数据进行处理都需要建立大量的数学模型，其需要的人力物力资源是必不可少的。

目标进行识别的方法是基于目标所辐射的噪声特征不同这一特点实现的，但是过高的环境噪声和外界强烈的干扰对于提取弱目标特征有着较大的影响。弱目标精度的声呐往往只有在目标辐射的噪声信号强度在0dB 以下才能发挥作用，但是在实际中，包含目标有效信息的声波信号信噪比往往在-10dB以下。除去以上干扰因素外，水中存在的大量低价值信息也会对我们进行弱目标信号的提取产生负面影响。

在水面水下目标方位估计方面，如何识别水面和水下目标也是一大难题。由于水面的广阔与水下深度的比例较大，加上海底海面反射等带来的影响，造成水深变化对垂直方向俯仰角的变化影响特别微弱，导致在水面水下探测方面目标垂直方向信息的采集成为空间方位估计的短板。因此，如何在垂直方向有限空间获得更多目标声信息，及高分辨信号处理方法是解决该问题的关键。

进行水声目标识别的前提是取得高质量、高精度、高识别性的样本，并对这些样本进行分析处理，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。由于各个目标行进速率的限制，水中的信号无法在短时间内进行传播，且其传播距离较小并隐藏在各种噪声之中，其提取难度较大，需要耗费大量的人力、物力和财力。同时一些重要的水声信号早已被列为国家机密而严禁公开，因此可用的水声信号样本十分有限。

目前，水声目标识别技术还不是十分成熟，依旧受到诸多因素的影响，在对水中各目标特性进行分析提取时的准确性有限。但现如今人工智能技术发展迅猛，其拥有快速、准确处理数据的优势。水声数据在进行处理分析操作时可适量引入人工智能。不过人工智能的使用依旧需要参考大量的水声数据信息，这便是现如今我们最难满足的要求。但是我们可以通过将人工智能与传统的频谱分析相结合，在自主学习方面探索水声研究的未来。