淺談船舶輻射噪聲功率譜的線譜檢測(cè)技術(shù)

淺談船舶輻射噪聲功率譜的線譜檢測(cè)技術(shù)

1被動(dòng)納群線譜檢測(cè)被動(dòng)噪聲是指通過(guò)在目標(biāo)軌跡上發(fā)出的輻射噪聲來(lái)檢測(cè)和確定目標(biāo)類型的噪聲。眾所周知,船舶的輻射噪聲的功率譜是由連續(xù)分布的寬帶噪聲譜和在若干個(gè)離散頻率上的窄帶線譜分量構(gòu)成的。在被動(dòng)聲納信號(hào)處理中,線譜檢測(cè)和提取具有舉足輕重的地位。首先,線譜特有的集中而穩(wěn)定的能量可以提高檢測(cè)性能。線譜主要是由于艦艇、魚(yú)雷等目標(biāo)的機(jī)械部件的往復(fù)、旋轉(zhuǎn)運(yùn)動(dòng),螺旋槳的周期性擊水以及葉片共振產(chǎn)生的。因?yàn)楫a(chǎn)生線譜的聲源的功率和慣性都相當(dāng)大,工作條件也比較穩(wěn)定,所以線譜有較高的強(qiáng)度和穩(wěn)定度,利用窄帶檢測(cè)系統(tǒng)可顯著提高被動(dòng)聲納的作用距離。其次,線譜可用來(lái)估計(jì)目標(biāo)的運(yùn)動(dòng)參數(shù)。例如,通過(guò)精確測(cè)定線譜的多普勒頻移并實(shí)行跟蹤,可以估計(jì)目標(biāo)的運(yùn)動(dòng)參數(shù)。線譜還是最重要的目標(biāo)識(shí)別依據(jù)。譜特征直接與產(chǎn)生它們的現(xiàn)象是有關(guān)的,通過(guò)對(duì)譜進(jìn)行細(xì)致的分析,可以得到聲源的許多信息,對(duì)線譜進(jìn)行高質(zhì)量的譜估計(jì),將為目標(biāo)識(shí)別提供重要依據(jù)。對(duì)被動(dòng)聲納而言,提高線譜的檢測(cè)能力和提取質(zhì)量,對(duì)于提高目標(biāo)檢測(cè)、跟蹤距離和分類識(shí)別正確率都具有重要的意義,線譜檢測(cè)和提取多年來(lái)一直是國(guó)內(nèi)外研究的重點(diǎn)。在目前的被動(dòng)聲納中,線譜檢測(cè)通常是根據(jù)計(jì)算的周期圖的譜值進(jìn)行檢測(cè)的。線譜檢測(cè)方法分為兩大類:利用單個(gè)時(shí)刻的譜值的實(shí)時(shí)檢測(cè)法和利用多個(gè)時(shí)刻的數(shù)據(jù)推遲決策方法。2積分時(shí)間和線譜檢測(cè)門限線譜檢測(cè)最經(jīng)典的方法是直接將在某個(gè)方向上接收的信號(hào)經(jīng)濾波、解析變換等處理后計(jì)算周期圖,然后把輸出同設(shè)定門限進(jìn)行比較,判斷是否存在窄帶信號(hào)。直接利用單次輸出檢測(cè)線譜,在高信噪比時(shí),可以同時(shí)保證高檢測(cè)概率和較低的虛警概率。但隨著信噪比的降低,越來(lái)越容易把隨機(jī)起伏的噪聲誤判為信號(hào)。為了降低虛警概率,有兩種措施:一是增加積分時(shí)間。這種措施在信號(hào)為平穩(wěn)信號(hào)時(shí),效果較好。然而,對(duì)于非平穩(wěn)信號(hào),在平均時(shí)間內(nèi)信號(hào)已不滿足信號(hào)平穩(wěn)的假設(shè)。如果分析時(shí)間間隔內(nèi)信號(hào)線譜頻率發(fā)生漂移,采用長(zhǎng)的積分時(shí)間會(huì)導(dǎo)致譜峰展寬,強(qiáng)度和分辨率下降;如果漂移較大,則會(huì)導(dǎo)致無(wú)法檢測(cè)出線譜的存在。二是提高線譜檢測(cè)門限。但提高線譜檢測(cè)門限,則會(huì)漏掉低幅值線譜,檢測(cè)概率隨之降低。為了利用線譜的形狀特點(diǎn),并能夠自動(dòng)提取出譜峰位置和線譜寬度等信息,陶篤純和吳國(guó)清利用譜峰形狀特點(diǎn),分別給出了一套線譜識(shí)別邏輯。線譜形狀的利用,剔除了一部分幅值超過(guò)門限,但形狀不具備線譜特點(diǎn)的噪聲點(diǎn),可在一定程度上降低虛警概率。但由于單個(gè)時(shí)刻的信息有限,僅利用單個(gè)時(shí)刻的譜估計(jì)值直接檢測(cè)線譜,在低信噪比下不能同時(shí)得到高的檢測(cè)概率和低虛警概率。3線譜跟蹤及檢測(cè)為了提高在低信噪比下線譜檢測(cè)、跟蹤和提取能力,必須利用多行的數(shù)據(jù),推遲決策,即進(jìn)行LOFAR處理。被動(dòng)聲納通常是將在某個(gè)方向上接收的信號(hào)進(jìn)行時(shí)頻分析,并將分析的結(jié)果顯示給觀察者。若用x軸表示信號(hào)的頻率,y軸表示時(shí)間,亮度表示幅度。這種表示時(shí)頻平面的M×N二維圖象就是LOFAR圖。窄帶信號(hào)經(jīng)過(guò)譜分析和累加平均后的譜表現(xiàn)為線譜。線譜除了在譜的形狀,如幅值高、滿足一定的斜率和寬度要求外,在時(shí)間會(huì)持續(xù)一段時(shí)間。在LOFAR圖上,由線譜點(diǎn)組成的點(diǎn)形成了一條清晰的亮線,即譜線。這樣,本來(lái)是一維的頻率檢測(cè)和跟蹤問(wèn)題,在LOFAR圖上就變成了譜線檢測(cè)和提取問(wèn)題。在LOFAR圖上檢測(cè)和提取譜線,往往將兩種或多種方法進(jìn)行組合,其目的是能夠利用每一個(gè)方法的優(yōu)勢(shì),使整個(gè)算法能夠獲得較好的處理性能。根據(jù)處理方法的不同,大體可以分為四類:第一類是采用經(jīng)典的圖像處理方法。Chen-shanWang利用Hough變換來(lái)檢測(cè)LOFAR圖中的譜線。為了進(jìn)一步提高算法性能,VanceA.Brahoshky把圖論、Hough變換和啟發(fā)式搜索結(jié)合起來(lái)檢測(cè)譜線。這些方法優(yōu)點(diǎn)是在譜線為直線時(shí)在低信噪比下有很強(qiáng)的提取能力,但當(dāng)譜線為曲線時(shí)效果差;對(duì)于寬的譜線還會(huì)出現(xiàn)一根譜線重建成多根譜線的情況。Abel等人提出的方法是利用一個(gè)統(tǒng)計(jì)似然比檢測(cè)出包含窄帶能量的區(qū)域,然后用圖像膨脹和腐蝕算法剔除大部分隨機(jī)噪聲點(diǎn),提取出譜線軌跡。在信噪比較低時(shí),利用這種方法能夠剔除許多噪聲點(diǎn)。然而,這種方法的不足是不但計(jì)算量大,而且對(duì)于LOFAR圖上出現(xiàn)的較粗的手指狀干擾當(dāng)做譜線來(lái)檢測(cè)。Martina等人把邊緣檢測(cè)方法和線譜跟蹤過(guò)程結(jié)合起來(lái)解決LOFAR圖中的譜線檢測(cè)和提取問(wèn)題。這種方法有一定的抑制噪聲的能力?？稍撐墨I(xiàn)中給出的算法中對(duì)圖像的平滑是試探著確定的,并且為了去除高頻噪聲,選擇了高平滑。這意味著如果兩根譜線靠得很近,會(huì)被合并到一起。另外,該算法并非全自動(dòng)的,門限參數(shù)的選擇還要手工來(lái)完成。因?yàn)橛媒?jīng)典的邊緣檢測(cè)算子處理低信噪比下的淹沒(méi)在噪聲中的譜線時(shí),將會(huì)產(chǎn)生許多虛假和破碎的邊緣,使用這種方法難于取得理想的效果。760所呂俊軍等人對(duì)線譜檢測(cè)和跟蹤問(wèn)題進(jìn)行了深入的研究,利用數(shù)字圖像處理技術(shù)和多目標(biāo)跟蹤的概念,設(shè)計(jì)了非平穩(wěn)線譜的動(dòng)態(tài)檢測(cè)和跟蹤算法。該方法首先對(duì)譜圖進(jìn)行曲線檢測(cè)與跟蹤,得到粗略的線譜曲線,然后對(duì)檢測(cè)的線譜曲線進(jìn)行細(xì)化處理,得到平滑的線譜曲線。根據(jù)跟蹤計(jì)算所得線譜曲線,對(duì)線譜進(jìn)行積分,提取出關(guān)于線譜的分布、強(qiáng)度、變化等特征信息。該算法減弱了不平穩(wěn)性對(duì)簡(jiǎn)單積分的影響,如譜峰降低,譜寬展寬等,并能給出線譜條數(shù)、強(qiáng)度、分布以及根據(jù)檢測(cè)跟蹤曲線求出線譜變化率,提供了較多的用于識(shí)別的特征參數(shù),并且對(duì)之積分后的值平均后可以進(jìn)行第二次門限檢測(cè),可以剔除其中的一部分噪聲。但該算法不足之處是計(jì)算量較大,對(duì)譜圖采用先曲線檢測(cè)再細(xì)化的處理流程,同樣會(huì)把一些在海上出現(xiàn)的粗的干擾信號(hào)誤判為譜線。第二類采用了經(jīng)典的目標(biāo)檢測(cè)和跟蹤理論。I.N.Maksym,A.J.Bonner(1983年)等人利用貝葉斯概率理論給出了在LOFAR圖中進(jìn)行譜線檢測(cè)和跟蹤的序貫似然比跟蹤器。該算法是把譜線軌跡檢測(cè)看作是一個(gè)二元假設(shè)檢測(cè)問(wèn)題。H1表示在給定的頻率點(diǎn)上存在;H0表示譜線不存在。這些假設(shè)的后驗(yàn)概率利用下一次輸出的數(shù)據(jù)進(jìn)行更新。由于更新一個(gè)后驗(yàn)概率等價(jià)于更新一個(gè)累積似然比。一組數(shù)據(jù)點(diǎn)結(jié)合起來(lái)是否表示存在一根譜線由下面的原則確定:把累積似然比Cl同低門限Tl和高門限Tu比較,若Cl<Tl,則決定譜線不存在,若Cl>Tu,則表示譜線存在;若Cl在二者之間,則推遲決策,結(jié)合更多的頻率點(diǎn)。對(duì)于沒(méi)有和老的軌跡組合到一起的數(shù)據(jù)點(diǎn),若似然比高于低門限Tl,則開(kāi)始新軌跡點(diǎn)。利用這種方法提取譜線,LOFAR圖中噪聲背景下的譜線得到增強(qiáng),但這種方法只能確定各點(diǎn)是否是譜線點(diǎn),處理后的圖像并不能給出信號(hào)的任何相對(duì)或時(shí)變的幅度信息。為了給出信號(hào)的幅度信息,Stephen.A.S.Jones,G.J.Heald(1991年)等人把二元假設(shè)檢驗(yàn)推廣到多元假設(shè)檢驗(yàn)問(wèn)題。這種改進(jìn),能夠保留信號(hào)的相對(duì)幅度信息,保留了每一根軌跡的時(shí)變幅度,剔除了大部分背景噪聲。但從分析結(jié)果看,這種方法在前20次輸出中有大量虛假譜線存在。另外,該方法只適用于增強(qiáng)頻率不變的譜線。Y.H.Yang利用松弛算法檢測(cè)LOFAR圖中的線譜。該方法在信噪比高時(shí)可在LOFAR圖中檢測(cè)譜線。但在低信噪比下,效果較差,在每一次疊代時(shí)噪聲去除非常慢。ClaudeJaufferet和DamienBouchet把概率數(shù)據(jù)關(guān)聯(lián)建模和Viterbi算法進(jìn)行結(jié)合來(lái)檢測(cè)和提取線譜。該算法在低信噪比下有很強(qiáng)的線譜檢測(cè)能力,但不能給出信號(hào)的起止時(shí)間,對(duì)存在多根譜線的情況尚需進(jìn)一步研究。D.V.Cappel等人提出了基于隱含馬爾可夫模型的譜線跟蹤器。提出這種方法的目的是為了克服利用最鄰近鄰值(Nearestneighbour)和概率數(shù)據(jù)關(guān)聯(lián)算法在低信噪比和頻率、幅度變化時(shí)的局限性。由于利用了多行的數(shù)據(jù)和推遲了決策過(guò)程,并同時(shí)考慮幾種譜線變化模型,該算法在低信噪比下的線檢測(cè)和提取能力是很強(qiáng)的,能給出信號(hào)的起止時(shí)間;但該算法的計(jì)算量很大。第三類將線譜檢測(cè)和提取問(wèn)題轉(zhuǎn)化為尋優(yōu)問(wèn)題。J.D.Martino和J.P.Haton(1993年)等人研究了LOFAR圖中譜線幅值和頻率變化連續(xù)的特點(diǎn),定義了一個(gè)代價(jià)函數(shù),求使代價(jià)函數(shù)最小的最佳路徑,若一最佳路徑通過(guò)某點(diǎn)一次,則對(duì)應(yīng)計(jì)數(shù)器增加一次。由于代價(jià)函數(shù)充分考慮了譜線特點(diǎn),此最佳路徑在屬于譜線的機(jī)率很大。利用這種方法處理后的圖像表示最佳路徑經(jīng)過(guò)的次數(shù)。處理后LOFAR圖中的噪聲點(diǎn)得到一定的去除。路徑長(zhǎng)度N較大(文獻(xiàn)中為150),對(duì)噪聲剔除效果較好。但在N較小(N=15)時(shí),處理效果是比較差的,產(chǎn)生了許多“多余軌跡”,不但不能直接用于目標(biāo)識(shí)別,而且丟失了幅度信息。另外這種方法還存在計(jì)算量較大的缺點(diǎn)。美國(guó)AD報(bào)告“SimulatedAnnealinginSonarTrackDetection”中把譜線提取問(wèn)題轉(zhuǎn)化為最優(yōu)化問(wèn)題,并用模擬退火算法進(jìn)行尋優(yōu)。盡管該方法避免了譜線斷裂問(wèn)題,并在低信噪比情況下有很強(qiáng)的譜線提取能力,但卻存在極大的局限性。首先該算法是一個(gè)局部調(diào)諧算法,需事先知道譜線的大體位置;另外該算法由于在實(shí)現(xiàn)過(guò)程中為了防止斷線,采用了模板匹配的辦法,使該方法適用于譜線頻率變化不大的情況,若相鄰時(shí)刻譜線點(diǎn)的頻率變化大于一個(gè)頻率點(diǎn)的情況,該算法不使用。為了克服美國(guó)AD報(bào)告中算法的局限性,陳敬軍從譜線和噪聲在LOFAR圖中的差異出發(fā),定義了一個(gè)新的代價(jià)函數(shù),給出了在整個(gè)LOFAR圖中檢測(cè)和提取譜線的全局優(yōu)化算法。同經(jīng)典邊緣檢測(cè)算法相比,該算法較好地解決了譜線中間出現(xiàn)斷點(diǎn)、隨機(jī)噪聲點(diǎn)干擾等線譜檢測(cè)中的難題,并且提高了低信噪比下的線譜檢測(cè)和提取能力。但該算法的缺點(diǎn)是譜線初始狀態(tài)對(duì)算法性能影響較大,在已知譜線大體位置、根數(shù)的情況下有較好的處理效果。但在上述參數(shù)未知的情況下,在線譜可能出現(xiàn)的位置設(shè)置一組初始譜線,并進(jìn)行退火尋優(yōu),最后根據(jù)最終的代價(jià)函數(shù)來(lái)判斷是屬于譜線還是噪聲。這樣做的最終結(jié)果雖然檢測(cè)性能有了改進(jìn),但計(jì)算量比較大,對(duì)于實(shí)際海上的復(fù)雜情況,各種參數(shù)的選擇比較困難。第四類模擬人工從LOFAR圖中提取譜線的智能線譜檢測(cè)和提取方法。由于人具有很強(qiáng)的模式識(shí)別和視覺(jué)積累能力,人在LOFAR圖中的線譜檢測(cè)和提取能力是非常強(qiáng)的。聲納兵通過(guò)觀察LOFAR圖,即使在極低的信噪比下,也能很容易地從LOFAR圖中提取出譜線來(lái)。研究表明,當(dāng)聲納兵利通過(guò)觀察LOFAR圖判斷是否存在窄帶信號(hào)時(shí),執(zhí)行了一個(gè)雙閾值檢測(cè)過(guò)程:第一次是設(shè)置一個(gè)門限,根據(jù)不同時(shí)刻、頻率的點(diǎn)的灰度值的大小初步判斷該點(diǎn)是否可能是譜線上的點(diǎn);然后利用線譜的形狀特點(diǎn)和時(shí)間上的連續(xù)性,并第二次取門限來(lái)完成檢測(cè)。聲納兵在此過(guò)程中自動(dòng)進(jìn)行了模式識(shí)別和視覺(jué)積累,并且兩次檢測(cè)之間并不是孤立的,而是存在著密切的聯(lián)系。例如,聲納兵對(duì)一些幅值雖高,但孤立的點(diǎn)會(huì)作為噪聲剔除掉;一些點(diǎn)雖然幅值較低,但相鄰各個(gè)時(shí)刻連續(xù)出現(xiàn),并且滿足窄帶信號(hào)存在時(shí)的特點(diǎn),就會(huì)把這些點(diǎn)保留下來(lái);一旦判斷有窄帶信號(hào)存在,即使因?yàn)樾盘?hào)或背景起伏、存在其它干擾等原因引起的在中間丟失的部分,也會(huì)認(rèn)為該時(shí)刻窄帶信號(hào)是存在的,自動(dòng)填補(bǔ)中間丟失的部分。為了能夠在低信噪比下檢測(cè)線譜時(shí)能夠同時(shí)得到高的檢測(cè)概率和低的虛警概率,陳敬軍模擬人工提取譜線的雙門限檢測(cè)過(guò)程提出了雙門限線譜檢測(cè)算法,該算法通過(guò)選擇低的檢測(cè)門限和利用線譜的形狀進(jìn)行線譜識(shí)別來(lái)完成第一次檢測(cè),保留每一行既超過(guò)門限又滿足線譜識(shí)別邏輯的點(diǎn);然后延遲一段時(shí)間后,利用該時(shí)刻前后各個(gè)時(shí)刻的線譜識(shí)別情況剔除噪聲、自動(dòng)生成中間丟失的線譜點(diǎn)。通過(guò)上述處理,使該方法在低信噪比下檢測(cè)線譜時(shí),能夠同時(shí)得到高的檢測(cè)概率和低的虛警概率。由于在實(shí)現(xiàn)過(guò)程中對(duì)線譜識(shí)別方法進(jìn)行了優(yōu)化,并注重在線譜檢測(cè)的每個(gè)環(huán)節(jié)上設(shè)法降低計(jì)算量,使算法的計(jì)算量較小,適合于實(shí)時(shí)處理。經(jīng)理論分析和利用海上錄制數(shù)據(jù)分析表明,此線譜檢測(cè)方法并不需事先知道調(diào)制信號(hào)的幅值、根數(shù)、位置、起止時(shí)間等信息;在用海上錄制的不同目標(biāo)數(shù)據(jù)驗(yàn)證時(shí),還體現(xiàn)出很好的寬容性。4線譜檢測(cè)技術(shù)分析近年來(lái),現(xiàn)代艦船的隱身性能得到了高度重視,隨著減振降噪技術(shù)在船舶的大量運(yùn)用,其輻射噪聲大幅度降低。對(duì)被動(dòng)聲納而言,要想能夠?qū)Π察o型目標(biāo)進(jìn)行正確檢測(cè)、跟蹤、定位和識(shí)別,必須保證在低信噪比時(shí)能夠?qū)€譜進(jìn)行正確檢測(cè)、跟蹤