卷积神经网络主动目标方位估计

王珍珠 赵 猛 任群言 肖 旭 马 力

(1 中国科学院声学研究所 北京 100190)

(2 中国科学院大学 北京 100049)

0 引言

目标定位是当前环境感知、目标监测等海洋应用领域的关注热点，对我国声呐设备部署有重大意义[1]。传统的定位方法主要是基于匹配场处理(Matched field processing,MFP)，主要是使用与测量场高度相似的拷贝场来定位声源的深度、距离和方位，1976 年，Bucker[2]就将线性MFP 应用到声源定位中；1988 年，Baggeroer[3]在分层海洋环境中利用高分辨率波束形成方法对MFP 进行改进，但当估计相关目标信号时，方位估计性能会下降。MFP克服了传统的平面波波束形成技术在信道多途条件下的不足，能够获得接近理想的阵处理增益。然而，这种技术需要长线阵列以高分辨率估计目标波达角，且环境参数通常是变化的，难以获得真实环境的完整知识，这可能会导致不正确或不准确的定位结果。传统的阵列信号处理技术难以应付复杂海洋环境下面对的问题。

近些年来，为了从声学数据中提取信息，深度学习以多种方式在目标定位中得到了广泛的应用。深度学习具有强大的特征提取能力和高效处理复杂、高纬度、独特的非线性映射等特性，可以大大增强声呐信号处理性能，根据所提供的用于学习的样本数据和标签，利用深度学习的“深层”特征提取优势，可以获得蕴含目标特征的高阶特征量，实现复杂海洋环境下的水下目标定位。1991年，Steinberg 等[4]就利用单层神经网络实现了均匀介质中声源定位。2017 年，Niu 等[5−6]将前馈神经网络(Feed forward neural networks,FNN)、支持向量机(Support vector machine,SVM)和随机森林(Random forest,RF)应用到了声源测距上，估计性能都优于传统的匹配场方法。2018 年，Wang 等[7]用基于广义回归神经网络(Generalized regression neural network,GRNN)实现了较为精确的声源定位；卷积神经网络(Convolutional neural networks,CNN)可以高效处理复杂、高纬度矩阵，目前也被应用于多种场景下。2018 年，Huang 等[8]利用CNNFNN 网络模型在浅海环境下实现了声源定位，在海洋环境波动的情况下也具有较好的稳健性。2019年，Elbir[9]设计了一种CNN与多重信号分类(Multiple signal classification,MUSIC)算法结合的信号方位估计框架估计信号方位。2020 年，Yao 等[10]提出了一种基于递归神经网络的目标波达方位角(Direction of arrival,DOA)估计模型，该模型借助于Toeplitz 矩阵重构，可以对未知信号源的信号进行DOA 估计。2020 年，Zhu 等[11]提出在不同条件下训练5 个CNN，每个CNN 从空间协方差矩阵的实部和虚部学习方向图像。计算每个CNN 的预测结果作为平均值，以获得最终的DOA 估计结果。2021年，Liu等[12]根据阵列元素的数量设计了多个CNN，并使用包含实数和虚数的协方差矩阵进行训练。经过大量的数据学习，该方法能够有效地识别水声信号的方向。2021 年，曹怀刚[13]提出了一种利用单矢量传感器进行DOA 估计的深度学习模型，利用CNN 实现了多目标分辨；2021 年，姚琦海等[14]得到在已知海洋环境参数的条件下，GRNN、CNN 和MFP 三种方法对宽带声源的估计性能均优于窄带。本文在以往研究的启发下，尝试将CNN引入到主动目标方位估计中。

本文研究了基于CNN 分类模型的DOA 估计，将阵列接收信号的常规波束形成(Conventional beamforming,CBF)功率作为神经网络的输入，进行训练和测试。第1 节讨论了本文所用CNN 网络模型结构和输入数据的预处理；第2 节给出仿真参数设置，评估了不同信噪比(Signal noise ratio,SNR)下的鲁棒性；并评估了神经网络的加入与CBF、最大信噪比准则(Max signal-to-noise-ratio,MSNR)、最小方差无失真响应(Minimum variance distortionless response,MVDR)波束形成方法的性能差异；第3节为结论。

1 基于CNN的分类模型

1.1 CNN介绍

本文所用网络模型结构如图1 所示。设置了4层卷积层、3 层全连接层(含输出层)，4 层卷积层的核均为3×3，滤波器个数分别为2、4、8、8，其中两层核均为2×2 的池化层分别被加到了第一层卷积层后和第四层卷积层后，两层全连接层神经元个数分别为256 和512。引入“keep dropout”正则化策略加入到CNN 里，分别加到了第二层卷积层之后和第二层全连接层之后，第二层卷积层之后dropout的概率为0.2，第二层全连接层之后dropout 的概率为0.5。所有卷积层的激活函数都选用修正线性单元(ReLU)，输出层激活函数为多分类问题的Softmax 函数，损失函数选择交叉熵损失。优化方法选择Adam，相关参数根据计算机性能设置[15]如表1所示。

图1 CNN 分类网络模型Fig.1 CNN classification network model

1.2 数据预处理

从阵列信号处理角度看，线列阵接收到的数据包含目标方位信息，通过CBF，对阵元接收数据进行频域均匀加权处理，输出信息为波束响应数据，维度与频率点数和阵元接收数据维度有关，标签数据为对应角度信息，以此作为数据集输入网络。以上描述的数据预处理过程如图2所示。

图2 数据预处理流程Fig.2 Data preprocessing process

1.2.1 训练和测试数据预处理

设接收阵为单条均匀线列阵，阵元个数为N，阵元间隔为d,平均声速为c，导向向量为ω(f,θ)，

其中，阵元位置为p=[p1,p2,···,pN]，k为波数，k=2πf/c·ν(θ)，ν(θ)为信号传播方向的单位向量。设阵元接收信号时域模型为

其中，发射信号通过水声信道后为x(t)，随机生成的高斯白噪声序列为n(t)，B为添加的噪声强度，B=Px/10(RSN/10)，其中Px为信号功率，RSN=SNR为设定大小的SNR值。

CBF功率为

为了便于CNN 网络模型学习，这里对CBF 后功率进行归一化：

1.2.2 标签预处理

CNN 模型分类问题中，目标方位角为θk，k=1,2,···,K，每一个输入矩阵(f,θk)，对应标签向量tk=[tk1,tk2,···,tk180]，将水平方位角分为180个类别，cj=[(j−1)◦,j◦]，j=1,2,···,180。

2 数值仿真

2.1 发射信号仿真

主动发射信号为具有多普勒不变性质的双曲调频(Hyperbolic modulation frequency,HFM) 信号，信号形式为

其中，f0为时间中心频率(也是能量平均意义上的中心频率)，m为信号的调频斜率，T为发射信号长度。

本文发射信号s(t)带宽为1200∼1700 Hz，采样率为12 kHz，利用短时傅里叶变换(Short time Fourier transform,STFT)可以得到其时频特征(t,f)为

其中，h(τ−t)为窗函数，研究中选择Hamming 窗函数。

信号的时域波形及利用STFT 得到的时频分析图如图3(a)、图3(b)所示。

图3 HFM 信号仿真Fig.3 HFM signal simulation

2.2 训练数据仿真

训练集声场环境如图4 所示，声场干涉如图5所示。声源和目标深度都位于20 m，目标距离线列阵阵中心距离范围为3∼13 km，间隔为1 km，水深100 m，沉积层厚度为10 m，沉积层声速为1550∼1600 m/s，沉积层密度为1.6 g/cm3，沉积层衰减为0.3 dB/λ，基底层声速为1650 m/s，基底层密度为1.8 g/cm3，基底层衰减为0.3 dB/λ，声速剖面为1540∼1500 m/s 均匀负梯度，目标散射系数随机设定范围为0.3∼1，方位角范围为20◦∼170◦，间隔为1◦，利用声场仿真软件Kraken，接收阵参数为阵元数N=96，阵元间隔d=0.4 m。

图4 训练集声场环境模型Fig.4 The sound field environment model of training set

图5 声场干涉结构Fig.5 Acoustic field interference structure

验证集参数改为声源和目标深度都位于40 m，目标距离线列阵阵中心距离范围为14 km、15 km，沉积层厚度为15 m，沉积层声速为1650∼1700 m/s，沉积层密度为1.7 g/cm3，沉积层衰减为0.2 dB/λ，基底层声速为1800 m/s，基底层密度为1.9 g/cm3，基底层衰减为0.2 dB/λ，其余与训练集相同。

2.3 训练网络及性能评估

CNN 网络训练过程如图6 所示。根据2.2 节中参数设置，训练集样本数为1661，验证集样本数为302。在进行波束形成时，频率间隔取10 Hz，扫描方位角间隔为1◦，则每次输入到CNN 网络的样本(f,θk)维度为51×181。利用CNN 网络进行DOA估计时，输出层输出一个1×180的向量，将输出向量进行预处理得到关于每个测试样本角度的向量vk，则估计的方位角为θek。网络输出结果利用均方根误差(Root mean squared error,RMSE)来评价。

图6 CNN 训练过程Fig.6 CNN training process

其中，K为样本数，目标真实方位角经取整处理后为θrok。

其中，目标真实方位角为θrk。

2.4 CNN 分类模型性能评价

2.4.1 测试参数设置

设拖曳船和目标航行时间为1200 s，间隔20 s采样，测试集样本数为61。主动目标工作结构如图7所示，其余声场环境参数设定与训练集一致。计算出拖曳船和目标之间距离r和方位角θ随时间变化如图8(a)、图8(b)所示。

图7 主动目标工作结构Fig.7 The working structure of Active sonar

图8 随时间变化的实际距离及方位角Fig.8 Actual distance and azimuth over time

其中，xship为拖曳船水平方向上x坐标，t为航行时间，yship为拖曳船水平方向上y坐标。

其中，xtarget为目标水平方向上x坐标，t为航行时间，ytarget为目标水平方向上y坐标。

2.4.2 不同SNR下的性能评价

为了研究不同SNR 下本文目标方位估计方法的鲁棒性，将SNR范围设定在−20∼10 dB范围之间，间隔为5 dB，在测试集阵列接收信号中加入不同SNR 的高斯白噪声。对不同SNR 下阵列接收信号进行CBF，利用本文搭建的CNN 模型对数据集进行训练，利用2.3 节中RMSE 计算公式得出输出预测角度的RMSE 如表2 所示。随着SNR 的降低，模型估计角度的RMSE 会增加，在SNR ≥−5 dB，CNN方法可以以较高精度估计到目标方位角。

表2 不同SNR 下RMSETable 2 RMSE under different SNR

在−5 dB 下，将本文所用基于CNN 方位估计方法(CBF+CNN)和CBF、MSNR、MVDR 波束形成方法性能进行比较，得出方位估计准确率(允许误差为5◦)，利用2.3 节中RMSE 计算公式得出的RMSE 如表3 所示，CBF+CNN 方法估计结果更加可靠，误差相对较小。4 种方法估计方位结果与真实方位角比较如图9 所示，CBF 在一部分时刻估计的方位角与真实的方位角存在较大的偏差，相比高分辨率波束形成方法，CBF+CNN方法估计精度更高更稳健。图10 为目标角度真实值为108.6669◦(t=400 s 时刻)时4 种方法估计结果，本文选用方法估计结果估计误差相对较小。

表3 4 种方法方位估计性能比较Table 3 Comparison of the four methods of bearing estimation performance

图9 CBF+CNN、MVDR、CBF、MSNR 方位估计比较Fig.9 Comparison of the position estimation results of CBF+CNN,MVDR,CBF,and MSNR methods with the real position

图10 t=400 s 时方位估计结果比较Fig.10 Comparison of bearing estimation results at t=400 s

3 结论

本文提出了一种基于CNN 模型的主动目标方位估计方法，将接收阵列信号CBF 后的结果输入网络，经过仿真实验证实该方法在不同SNR 下具有较高的鲁棒性，可以有效估计目标波达方向。在实际海洋环境下进行仿真，该方法与MVDR、CBF、MSNR 波束形成方法的比对结果证实，其具有更高的估计精度。但本文提出的方法只是相比传统方法有较好的性能，通过模拟仿真对模型进行了验证，但实测的水声数据难以获取，模型依赖于训练数据，当训练环境与测试环境差别较大时，仍然存在环境模型失配的问题。