基于光纤矢量水听器垂直阵列的目标探测识别算法研究*

2022-03-17徐红霞易朗宇高发仁杨廷新龚海霞

舰船电子工程 2022年12期

徐红霞易朗宇高发仁杨廷新龚海霞施剑

（中国电子科技集团公司第七研究所广州 510310）

1 引言

由于我国海域十分辽阔，且具有丰富的资源，保护我国海域不受侵扰并积极开发现有资源对国家稳定和经济发展意义重大［1～3］。随着对海洋开发力度的不断增大，安装在海底的设备也日益增加，但这些设备常常会在无关船只进行作业时被损坏。为了保障设备的安全运行，就需要在设备周边布置目标探测识别设备，以探测是否有过往的无关船只［4］。当探测到有可疑船只经过时，设备告警并实时识别船只的类型，以方便工作人员采取合适的应对措施。

由于光纤矢量水听器具有工作可靠、探测弱信号能力强和定向精度高等优点［5～6］，本文基于光纤矢量水听器垂直阵列研究了目标探测和目标识别算法，并通过试验对算法的方位估计性能和目标识别性能进行了验证。

2 目标探测识别算法研究

2.1 目标探测算法

考虑到舰船噪声的宽带性质，在进行目标探测时应选取宽带方位估计算法。矢量水听器的宽带方位估计算法主要有声能流平均法和直方图分析法。声能流平均法利用的是积分时间内的平均声能流方向来进行定向，其缺点是不能用于多目标定向［7］。直方图分析法利用的则是统计方法，通过统计工作频带内每个频率点估计出的声强流方向来获得最终的方位估计结果，具有多目标定向能力［8］。直方图分析法的流程如图1所示。

图1 直方图分析法示意图

图中 vx、vy、Ix(f)、Iy(f)和 p分别为 x，y方向上的振速信息、x，y方向上的声强流谱和标量声压。方位转换利用的是三角函数原理：

考虑宽带信源的方位为281°的情况，仿真时设置信噪比为5dB，仿真结果如图2所示。从图2中可以看出，直方图法估计出的方向为281°，结果非常准确。

图2 直方图法仿真结果

为了方便系统拓展，本文最终选择的是直方图分析法。为了提高接收信噪比，从而提升系统探测距离，系统采用的是垂直水听器阵列来接收信号，而直方图分析法为基于单矢量水听器的方位估计算法，所以在进行方位估计之前采用波束形成技术来将接收信号合成一路并提升系统增益。

2.2 目标识别算法

目标识别算法主要由特征抽取算法和判别算法这两部分组成。判别器的准确率受特征抽取结果的影响非常大，若抽取的特征不能有效地表征几类目标之间的区别，则分类的结果会非常差。

在水声目标识别算法中，较为常用的特征有线谱特征、包络谱特征和倒谱特征。线谱特征中最有代表性的就是LOFAR谱。LOFAR谱主要是利用信号在短时间内的平稳特征来提取噪声中稳定的低频成份［9］。包络谱特征中比较有代表性的是DEMON谱。DEMON谱提取的是噪声信号包络中蕴含的调制信息［10］。倒谱特征主要包括LPC倒谱和Mel倒谱［11］。因为Mel倒谱在建模时充分考虑了生物的听觉机理，具有可靠的理论依据，所以其综合性能较线谱特征、包络谱特征和LPC倒谱特征好［12］。

Mel频率与实际频率的转换公式为

Mel滤波器的响应为

其中 fc为第c个滤波器的中心频率，且有

Mel倒谱的抽取方法如图3所示。其中对数压缩的目的是模拟神经细胞的非线性效应，DCT变换的目的则是去除特征中的冗余信息。

图3 Mel倒谱特征抽取

如式所示的Mel滤波器组中各个滤波器的响应幅度相同，但考虑到船只辐射噪声中低频分量蕴含的信息更加丰富，本文对其进行了改进，按照负指数规律对低频部分加以更大的权重。由于所使用的光纤水听器在1000Hz以上有多个自激频率，不适合用于特征抽取，所以在进行特征抽取时仅考虑1000Hz以下的频率成分。改进前后的Mel滤波器的幅度响应如图4所示。

图4 改进前后的Mel滤波器幅度响应

按照图3的流程抽取出的只是静态特征，不能表征船只运动状态的变化。为了提高算法的识别率，本文采用的是舰船辐射噪声的13通道静态特征及其一、二阶差分，共计39维特征作为分类器的输入。

常用的分类器有神经网络、感知器和支持向量机等。支持向量机的原理如图5所示，其目的就是在样本空间中寻找一个与两类数据的距离同时达到最大的超平面将原始数据分开，也就是图中的P*。构造支持向量机的流程如图6所示。

图5 支持向量机原理

图6 支持向量机构造流程

由于支持向量机具有模型简单、训练所需样本量小的优点，本文选取支持向量机作为判别算法。

3 湖上试验

为了验证目标探测算法和目标识别算法的性能，在2021年12月23日于抚仙湖开展了定点测试试验和动态测试试验。试验进行时，所用的信号处理设备均布置在岸边，并通过光电复合线缆与阵列连接。为了利用定向交汇算法获得待测目标的精确位置，试验中共使用了两条阵列。两阵列的位置关系如图7所示，阵列1位于坐标原点处，阵列2位于阵列1正北方向1km处。

图7 阵列布置图

试验所用到的目标船有两种，分别为100t测量船和小型快艇。

3.1 定点测试试验

该试验主要通过吊放声源的方式进行（此时将声源作为探测目标，不进行目标识别），并依据阵列估计角度的均方根误差来验证系统的方位估计精度。

试验进行时，先后在湖上的距两阵列约3km处的三个点位布放声源，并发射频率为600Hz～900Hz的线性调频脉冲信号（脉冲宽度为0.1s，重复周期为1s），两个阵列估计角度的均方根误差如表1所示。

表1 阵列角度估计均方根误差

从表1中可以看出，阵列估计角度的均方根误差小于1.5°，阵列的角度估计精度较高。

3.2 动态测试试验

在试验进行时，先后指挥小型快艇和100t测量船从坐标点（1400，2500）附近处出发，以5节的速度向东北方向航行，利用船载定位系统实时记录船只位置并同时进行船只目标跟踪和识别，跟踪和识别的周期均为1s。船只跟踪结果如图8所示（只截取了中间60s的数据）。

图8 船只跟踪结果

从图8中可以看出，系统跟踪结果与船只的轨迹重合程度较高，证明系统的跟踪效果较好。除此之外，还可以发现系统对小型快艇的跟踪结果较100t测量船的更加离散，这可能是由小型快艇的辐射噪声更小导致的。

从截取的100s噪声数据中抽取可得两类目标的Mel特征和改进的Mel特征如图9所示。图9（a）和图9（b）分别为小型快艇和100t测量船的改进前Mel特征，图9（c）和图9（d）分别为小型快艇和100t测量船的改进后Mel特征，图9（e）和图9（f）分别为对两船的改进前后的Mel特征求平均值的结果。从图9（a）、图 9（b）、图9（e）中可以看出，两类船只的39维特征非常稳定，但区别不大，这表明抽取出的特征具有良好的一致性，但没有良好的可分性。从图 9（c）、图 9（d）、图9（f）中可以看出，两类船只的39维特征非常稳定，且前13维标准特征区别非常大，这表明抽取出的特征具有良好的一致性和可分性。