CN105823492A - 一种洋流干扰中微弱目标信号提取方法 - Google Patents

Abstract

本发明提出一种洋流干扰中微弱目标信号提取方法，是按照下述方式实现的：获取海洋磁场变化信息f_0i；对f_0i进行多尺度分解得到信号f_1i；对f_1i采取随机共振方法；对非线性随机共振系统利用四阶龙格‑库塔方法进行高精度数值化求解；找到最优的随机共振参数；求得最佳的共振输出数据序列f_2i；对f_2i进行多尺度分解；在目标信号所在的主要频带区间选取不同的阈值，重构出经过阈值处理的信号f_3i；对f_3i进行特征提取；把提取的特征参数，与水下目标运动的数据库进行匹配比对。本发明能从复杂海洋背景电磁干扰中甄别出异常的目标扰动磁场特征，从而间接探测、发现和识别过境的水下动目标，有效提高水下探测、预警能力。

Description

一种洋流干扰中微弱目标信号提取方法

技术领域

本发明属于水下动目标探测技术领域，具体涉及一种利用随机共振与小波分析技术实现对水下动目标信号的提取与识别。

背景技术

水下动目标的探测和定位不论在民用还是在军事领域，一直都是备受关注的问题。在不同环境下针对不同的水下动目标，各种探测方法各有其优势和不足。例如，目前最基本的方法是声纳探测，但是它的虚警率高，且在探测海洋中的目标时受到很大限制。光学探测技术容易受到恶劣环境气象条件的影响。磁场异常探测技术受到环境影响较小,可以弥补其他探测技术留下的探测盲区,但磁异信号探测距离有限。

近年来，随着减振降噪技术和消磁、消电技术被大量运用，使得水下动目标本身的声、磁、电信号更难捕捉，寻找一种新的信号源和信号提取识别方法变得十分重要和迫切。海水是一种弱导电介质，水下动目标在航行过程中会对海水造成湍流扰动，这种扰动与地球磁力线切割会产生很微弱电磁场变化。通常，目标运动引起的微弱电磁场变化与海洋本身的电磁场变化叠加在一起，难以分离，被当成干扰和噪声信号。从复杂海洋电磁干扰中提取出微弱目标信号十分困难，受到数据提取处理分析能力的限制，很长时间只是停留在理论阶段，需不断探索研究新机制、新方法。

通常的信号检测方法都认为噪声是有害的，一般将噪声进行抑制，采用各种方式抑制或滤除噪声，然后把有用信号提取出来；新兴的随机共振方法，通过系统非线性，利用噪声增强微弱信号，把噪声变害为宝，实现部分噪声能量向特征信号能量转移，使得在削弱噪声的同时，又强化了待测信号，从而实现微弱信号的有效检测。小波分析方法是一种新型的信号分析工具，它将时域和频域有效结合起来，具有多分辨率、方向选择性和自动聚焦等特点，在信号检测、特征提取等领域有广泛应用。

本发明巧妙利用随机共振与小波分析方法各自的优点，建立了基于随机共振机制及小波分析方法相结合的目标洋流干扰磁信号提取与识别方法，在强干扰噪声中微弱信号检测方面现出独特的优势和巨大魅力，开拓了一种水下目标检测与识别的新思路和新方法。

发明内容

本发明的目的是针对现有技术的不足，提出一种洋流干扰中微弱目标信号提取方法，能够准确的需找海洋中的信号源，提取相应的信号信息。

本发明的洋流干扰中微弱目标信号提取方法，是按照下述方式实现的：

步骤1，通过置于水底的磁场收集天线获取海洋磁场变化信息，采集海浪波动、洋流流动、地球磁场变化和动目标经过产生的磁场扰动信息，采集到的数据表示为f_0i，其中i＝1…N，N为数据点个数，采样频率为f_s Hz；

步骤2，采用小波分析技术对步骤1采集到的数据进行多尺度分解，去除采集仪器本身高频噪声及环境工频干扰噪声之后得到信号f_1i；

步骤3，对步骤2得到的信号f_1i采取随机共振方法，利用随机共振系统的非线性特性，将海洋背景电磁噪声的部分能量转化为水下动目标扰动信号的能量，削弱噪声的同时，强化待测信号，提高动目标信号的信噪比和检出率；

步骤4，对步骤3中的非线性随机共振系统，利用四阶龙格-库塔方法进行高精度数值化求解，求解步骤如下：

$x_{n+1}=x_n+\frac{h}{6}(K_1+K_2+K_3+K_4)---\left(1.4\right)$

$K_1={\mathrm{ax}}_n={\mathrm{bx}}_n^3+p_n---\left(1.5\right)$

$K_2=a(x_n+\frac{{\mathrm{hK}}_1}{2})-b{(x_n+\frac{{\mathrm{hK}}_1}{2})}^2+p_n---\left(1.6\right)$

$K_3=a(x_n+\frac{{\mathrm{hK}}_2}{2})-b{(x_n+\frac{{\mathrm{hK}}_2}{2})}^2+p_{n+1}---\left(1.7\right)$

$K_4=a(x_n+\frac{{\mathrm{hK}}_3}{2})-b{(x_n+\frac{{\mathrm{hK}}_3}{2})}^3+p_{n+1}---\left(1.8\right)$

式(1.4)-(1.8)中x_n和p_n分别表示共振输出x(t)和输入信号的第n个采样值，p_n＝f_1n，h＝1/f_s为时间步长，即数据采样频率f_s的倒数；a，b为随机共振系统的系统结构参数；a，b的取值范围与检测信号中的噪声类型以及信号强度等相关，通常取值范围可选择[0-1.0]。

步骤5，利用步骤4的方法，通过调节随机共振系统的系统结构参数a，b，找到最优的随机共振参数a_*和b_*；基于最优共振参数a_*和b_*，利用步骤4的方法，求得最佳的共振输出数据序列，记为f_2i；

步骤6，采用小波分析多尺度分解方法对步骤5随机共振处理之后的数据f_2i进行多尺度分解，依次把f_2i中的各种频率成分从高向低逐步分离为不同的频带系数f_j—>f_j-1—>f_j-2—>…—>f₁；

步骤7，在目标信号所在的主要频带区间[f_a—f_b]选取不同的阈值，对小于阈值的系数置零，对大于阈值的系数进行非线性处理，而后利用小波重构方法重构出经过阈值处理的信号，重构后的数据记为f_3i；

步骤8，对步骤7得到的数据f_3i进行特征提取，得到信号波动周期、信号衰减长度、信号峰值信息；

步骤9，把步骤8提取的特征参数，与水下目标运动的数据库进行匹配比对，从而识别出最相似的目标类型，实现对目标的分类和特征识别；

步骤10，在数据处理终端对探测到的目标进行预警提示，告知目标的位置、深度、大小、类型参数。

步骤3采取的随机共振系统是由郎之万方程描述：

$\stackrel{\·}{x}=-U^{\′}\left(x\right)+s\left(t\right)+\mathrm{\γ}\left(t\right)---\left(1.1\right)$

$U\left(x\right)=-\frac{a}{2}{x}^2+\frac{b}{4}{x}^4---\left(1.2\right)$

把式(1.2)带入式(1.1)，得到

$\stackrel{\·}{x}=ax-{\mathrm{bx}}^3+s\left(t\right)+\mathrm{\γ}\left(t\right)---\left(1.3\right)$

式(1.3)中x为系统输出，s(t)为目标扰动引起的周期驱动信号，γ(t)为噪声信号，a，b为随机共振系统的系统结构参数。

步骤2中去除采集仪器本身高频噪声及环境工频干扰噪声的方式是将高于50Hz的信号分量设为零，剩余信号分量之和记为f_1i。

本发明通过置于水底的磁场信号收集天线对海洋的磁场变化进行长时间不间断监测，采用随机共振与小波分析相结合的信号提取技术，能从复杂海洋背景电磁干扰中甄别出异常的目标扰动磁场特征，从而间接探测、发现和识别通过的水下动目标。本发明可用于近海海岸防御、港口防御及海岛防御等，有效提高水下探测、预警能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程图。

图2(a)真实海洋环境中磁场收集天线的检测数据f_0i。

图2(b)为去除仪器噪声及工频干扰后的信号数据f_1i。

图3(a)为采用第一组随机共振系数的信号数据f_2i。

图3(b)为采用第二组随机共振系数的信号数据f_2i。

图3(c)为采用第三组随机共振系数的信号数据f_2i。

图3(d)为采用第四组随机共振系数的信号数据f_2i。

图4为经过多尺度的小波重构法之后得到的信号数据f_3i。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明针对水下动目标探测防御的需求，可以巧妙利用海洋本身的电磁干扰噪声，实现噪声与目标信号的随机共振，把噪声能量用来增强信号幅度，从洋流干扰中挖掘出有用的目标信号，用于鉴别目标的存在，确定目标特征参数等，从而实现磁隐身、弱磁甚至无磁水下目标的间接探测。本发明可以有效拓展我国水下侦测预警手段能力，提升我国水下监测水平。

如图1所示，本发明的洋流干扰中微弱目标信号提取方法，是按照下述方式实现的：

步骤1，通过置于水底的磁场收集天线长时间、不间断地获取海洋磁场变化信息，采集海浪波动、洋流流动、地球磁场变化和可能的动目标经过产生的磁场扰动信息，采集到的数据表示为f_0i，其中i＝1…N，N为数据点个数，采样频率为f_s Hz；

步骤2，采用小波分析技术对步骤1采集到的数据进行多尺度分解，将高于50Hz的信号分量设为零，剩余信号分量之和记为f_1i(i＝1…N)；f_1i(i＝1…N)即为去除采集仪器本身高频噪声及环境工频干扰噪声之后的信号；如图2(b)所示；

步骤3，对步骤2得到的信号f_1i采取随机共振方法，利用随机共振系统的非线性特性，将海洋背景电磁噪声的部分能量转化为水下动目标扰动信号的能量，削弱噪声的同时，强化待测信号，提高动目标信号的信噪比和检出率；

随机共振系统可以采用多种方程描述，如按照下述方式采用郎之万(Langevin)方程描述：

$\stackrel{\·}{x}=-U^{\′}\left(x\right)+s\left(t\right)+\mathrm{\γ}\left(t\right)---\left(1.1\right)$

$U\left(x\right)=-\frac{a}{2}{x}^2+\frac{b}{4}{x}^4---\left(1.2\right)$

把式(1.2)带入式(1.1)，得到

$\stackrel{\·}{x}=ax-{\mathrm{bx}}^3+s\left(t\right)+\mathrm{\γ}\left(t\right)---\left(1.3\right)$

式(1.3)中x为系统输出，s(t)为目标扰动引起的周期驱动信号，γ(t)为噪声信号，a，b为随机共振系统的系统结构参数。

步骤4，对步骤3中的非线性随机共振系统，利用四阶龙格-库塔(Runge-Kutta)方法进行高精度数值化求解，求解步骤如下：

$x_{n+1}=x_n+\frac{h}{6}(K_1+K_2+K_3+K_4)---\left(1.4\right)$

$K_1={\mathrm{ax}}_n-{\mathrm{bx}}_n^3+p_n---\left(1.5\right)$

$K_2=a(x_n+\frac{{\mathrm{hK}}_1}{2})-b{(x_n+\frac{{\mathrm{hK}}_1}{2})}^3+p_n---\left(1.6\right)$

$K_3=a(x_n+\frac{{\mathrm{hK}}_2}{2})-b{(x_n+\frac{{\mathrm{hK}}_2}{2})}^3+p_{n+1}---\left(1.7\right)$

$K_4=a(x_n+\frac{{\mathrm{hK}}_3}{2})-b{(x_n+\frac{{\mathrm{hK}}_3}{2})}^3+p_{n+1}---\left(1.8\right)$

式(1.4)-(1.8)中x_n和p_n分别表示共振输出x(t)和输入信号的第n个采样值，p_n＝f_1n，h＝1/f_s为时间步长，即数据采样频率f_s的倒数；a，b为随机共振系统的系统结构参数；

步骤5，利用步骤4的方法，通过调节随机共振系统的系统结构参数a，b，找到最优的随机共振参数a_*和b_*；基于最优共振参数a_*和b_*，利用步骤4的方法，求得最佳的共振输出数据序列，记为f_2i，其中a、b一般在0.01～1.0之间，在选择最优随机共振参数a_*和b_*的时候，可以选择将0.01～1.0之间的数字带入上述方程(1.3)内进行比较，得到a_*和b_*。步骤6，采用小波分析多尺度分解方法对步骤5随机共振处理之后的数据f_2i进行多尺度分解，依次把f_2i中的各种频率成分从高向低逐步分离为不同的频带系数f_j—>f_j-1—>f_j-2—>…—>f₁；j代表频带的个数

步骤7，在目标信号所在的主要频带区间[f_a—f_b]选取不同的阈值，f_a代表该频带的最小频率，f_b代表该频带的最大频率，对小于阈值的系数置零，对大于阈值的系数进行非线性处理，而后利用小波重构方法重构出经过阈值处理的信号，重构后的数据记为f_3i；

步骤8，对步骤7得到的数据f_3i进行特征提取，得到信号波动周期、信号衰减长度、信号峰值等信息；

步骤9，把步骤8提取的特征参数，与多种类型水下目标运动的数据库进行匹配比对，从而识别出最相似的目标类型，实现对目标的分类和特征识别；水下目标运动的数据库是现有的数据库，是经过多年计算和监测得到的参考数据库。

步骤10，在数据处理终端对探测到的目标进行预警提示，告知目标的位置、深度、大小、类型等参数。

通常，噪声被认为是“讨厌”的东西，认为它破坏系统的有序行为，是微弱信号检测的最大障碍。本发明采用了随机共振技术，解决了传统线性分析方法不能解决的微弱信号检测问题，能够检测出与噪声信号同频的信号；随机共振采用四阶的龙格-库塔方法数据求解，计算速度快，能够实时检测分析。基于随机共振数据的小波分析技术，可以实现对目标扰动信号的窄带检测。基于小波分析技术提取出的目标特征，与水下运动目标特征数据库对比，就可以得到水下动目标的特征参数识别。

本发明基于随机共振和小波分析技术，有效提取出淹没在海洋电磁干扰中的动目标信号，并与特征数据库进行匹配比对，能够实现水下运动目标的间接探测和预警；利用水下目标对海水的扰动产生的间接信号，可以间接探测到电磁场隐身的水下目标；利用目标引起的洋流扰动与海洋本身洋流的非线性作用特性，采用随机共振技术，巧妙利用系统非线性特性，将海洋背景电磁噪声能量向信号能量的转化，实现海洋背景电磁噪声的“变废为宝”。

实施例：如图2(a)所示，我们测试真实海洋环境中磁场收集天线检测到的数据，包含海洋扰动、地磁场变化、工频信号、仪器高频噪声和一个小型动目标经过产生的扰动，对应步骤(1)中的f_0i；图2(b)为去除仪器高频噪声及工频干扰后的信号，对应步骤(2)中的f_1i。

如图3(a)、3(b)、3(c)和3(d)所示，显示了步骤(5)中a_*和b_*的计算方法，如图3(a)取a＝0.01，b＝0.02，图3(b)取a＝0.02，b＝0.05、图3(c)取a＝0.01，b＝0.02，图3(d)取a＝0.02，b＝0.01，通过上述四组典型数据和图的比较，可以知道在这个动目标中，a＝0.02，b＝0.01为最优的结果，图3(d)中显示的结果对应步骤(5)中的f_2i。

之后再利用多尺度小波重构及阈值处理方法得到步骤(7)中的信号f_3i，如图4所示。将信号f_3i与数据库中的参考数据库进行匹配，得到通过目标的速度约为0.6米/秒，深度约7米，识别出的目标类型为小型慢速目标，与实验测得的结果相符合。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种洋流干扰中微弱目标信号提取方法，其特征在于是按照下述方式实现的：

步骤1，通过置于水底的磁场收集天线获取海洋磁场变化信息，采集海浪波动、洋流流动、地球磁场变化和动目标经过产生的磁场扰动信息，采集到的数据表示为f_0i，其中i＝1…N，N为数据点个数，采样频率为f_s Hz；

步骤2，采用小波分析技术对步骤1采集到的数据进行多尺度分解，去除采集仪器本身高频噪声及环境工频干扰噪声之后得到信号f_1i；

步骤3，对步骤2得到的信号f_1i采取随机共振方法，利用随机共振系统的非线性特性，将海洋背景电磁噪声的部分能量转化为水下动目标扰动信号的能量，削弱噪声的同时，强化待测信号，提高动目标信号的信噪比和检出率；

步骤4，对步骤3中的非线性随机共振系统，利用四阶龙格-库塔方法进行高精度数值化求解，求解步骤如下：

$x_{n+1}=x_n+\frac{h}{6}(K_1+K_2+K_3+K_4)---\left(1.4\right)$

$K_1={\mathrm{ax}}_n-{\mathrm{bx}}_n^3+p_n---\left(1.5\right)$

$K_2=a\left(x_n+\frac{{\mathrm{hK}}_1}{2}\right)-b{\left(x_n+\frac{{\mathrm{hK}}_1}{2}\right)}^3+p_n---\left(1.6\right)$

$K_3=a\left(x_n+\frac{{\mathrm{hK}}_2}{2}\right)-b{\left(x_n+\frac{{\mathrm{hK}}_2}{2}\right)}^3+p_{n+1}---\left(1.7\right)$

$K_4=a\left(x_n+\frac{{\mathrm{hK}}_3}{2}\right)-b{\left(x_n+\frac{{\mathrm{hK}}_3}{2}\right)}^3+p_{n+1}---\left(1.8\right)$

式(1.4)-(1.8)中x_n和p_n分别表示共振输出x(t)和输入信号的第n个采样值，p_n＝f_1n，h＝1/f_s为时间步长，即数据采样频率f_s的倒数；a，b为随机共振系统的系统结构参数；a，b的取值范围与检测信号中的噪声类型以及信号强度相关，取值范围大于0小于等于1；

步骤5，利用步骤4的方法，通过调节随机共振系统的系统结构参数a，b，找到最优的随机共振参数a_*和b_*；基于最优共振参数a_*和b_*，利用步骤4的方法，求得最佳的共振输出数据序列，记为f_2i；

步骤6，采用小波分析多尺度分解方法对步骤5随机共振处理之后的数据f_2i进行多尺度分解，依次把f_2i中的各种频率成分从高向低逐步分离为不同的频带系数f_j—>f_j-1—>f_j-2—>…—>f₁；

步骤7，在目标信号所在的主要频带区间[f_a—f_b]选取不同的阈值，对小于阈值的系数置零，对大于阈值的系数进行非线性处理，而后利用小波重构方法重构出经过阈值处理的信号，重构后的数据记为f_3i；

步骤8，对步骤7得到的数据f_3i进行特征提取，得到信号波动周期、信号衰减长度、信号峰值信息；

步骤9，把步骤8提取的特征参数，与水下目标运动的数据库进行匹配比对，从而识别出最相似的目标类型，实现对目标的分类和特征识别；

步骤10，在数据处理终端对探测到的目标进行预警提示，告知目标的位置、深度、大小、类型参数。

2.根据权利要求1所述的洋流干扰中微弱目标信号提取方法，其特征在于：步骤3采取的随机共振系统是由郎之万方程描述：

$\stackrel{\·}{x}=-U^{\′}\left(x\right)+s\left(t\right)+\mathrm{\γ}\left(t\right)---\left(1.1\right)$

$U\left(x\right)=-\frac{a}{2}{x}^2+\frac{b}{4}{x}^4---\left(1.2\right)$

把式(1.2)带入式(1.1)，得到

$\stackrel{\·}{x}=ax-{\mathrm{bx}}^3+s\left(t\right)+\mathrm{\γ}\left(t\right)---\left(1.3\right)$

式(1.3)中x为系统输出，s(t)为目标扰动引起的周期驱动信号，γ(t)为噪声信号，a，b为随机共振系统的系统结构参数。

3.根据权利要求1所述的洋流干扰中微弱目标信号提取方法，其特征在于：步骤2中去除采集仪器本身高频噪声及环境工频干扰噪声的方式是将高于50Hz的信号分量设为零，剩余信号分量之和记为f_1i。