CN108828566A - 基于拖曳线列阵的水下脉冲信号识别方法 - Google Patents

基于拖曳线列阵的水下脉冲信号识别方法 Download PDF

Info

Publication number
CN108828566A
CN108828566A CN201810584738.5A CN201810584738A CN108828566A CN 108828566 A CN108828566 A CN 108828566A CN 201810584738 A CN201810584738 A CN 201810584738A CN 108828566 A CN108828566 A CN 108828566A
Authority
CN
China
Prior art keywords
signal
frequency
orientation
feature
wave beam
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810584738.5A
Other languages
English (en)
Other versions
CN108828566B (zh
Inventor
钮彪
王巍
钱斌
毕坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SUZHOU SOUNDTECH OCEANIC INSTRUMENT CO Ltd
Original Assignee
SUZHOU SOUNDTECH OCEANIC INSTRUMENT CO Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SUZHOU SOUNDTECH OCEANIC INSTRUMENT CO Ltd filed Critical SUZHOU SOUNDTECH OCEANIC INSTRUMENT CO Ltd
Priority to CN201810584738.5A priority Critical patent/CN108828566B/zh
Publication of CN108828566A publication Critical patent/CN108828566A/zh
Application granted granted Critical
Publication of CN108828566B publication Critical patent/CN108828566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52001—Auxiliary means for detecting or identifying sonar signals or the like, e.g. sonar jamming signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/006—Theoretical aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明涉及基于拖曳线列阵的水下脉冲信号识别方法，包括对多个阵元接收到的声源辐射信号作时域波束形成处理，得到方位为的时域波束信号及对应的方位幅度曲线；遍历各方位时域波束信号，通过逐级多分辨率谱线特征提取，得到简易信噪比特征等的特征参数，初步判断该段信号的调制类型；根据单个波束内该段信号的调制类型和信号能量以及该波束之前的状态，判断该方位波束内是否存在有效脉冲信号，并进行波束状态更新或识别结果等待输出；进行目标方位检测，更新所有波束方位目标检测标记，如有识别结果等待输出，且目标检测标记大于零，则输出识别结果，并置该方位标记为零。当存在脉冲声源信号时，系统能够输出声源目标的方位等的具体参数。

Description

基于拖曳线列阵的水下脉冲信号识别方法
技术领域
本发明涉及信号处理技术领域，具体是涉及一种用于拖曳线列阵的水下脉冲信号识别的方法。通过该方法，可以识别出线性调频（LFM）脉冲信号和单频（CW）脉冲信号，能统计信号的时宽与周期特征并判断信号源的方位，解决了长线拖曳阵水下脉冲信号识别问题。
背景技术
拖曳阵是拖曳式线列阵声纳的简称，这种声纳在距舰船尾部一定距离上拖曳一个声接收系统，通过接收并处理航行目标自身辐射的噪声或者通过接收目标反射回来的主动信号的回波，检测目标的有无并估计目标有关参数。水下脉冲信号识别是指利用拖曳阵接收到的水声信号，识别并输出水下脉冲声目标的方位、调制类型、中心频率、带宽、脉冲宽度、脉冲周期等相关参数。
水声信道具有强多途、窄带宽、长时延等多种特性，这为水声脉冲信号特征提取、调制类型识别和与信号相关的时间特征提取增加了难度。
经文献检索发现，有以下文献对脉冲信号检测问题进行了研究：
声学技术2015，34（2）：376-378页，《被动声呐脉冲检测时延估计方法研究》，作者：薛夫连、梅继丹、孙大军、朱英慧、马超，（以下简称文献1）；
哈尔滨工程大学硕士学位论文2006，《声呐脉冲侦察与被动测距研究》，作者：徐建清，（以下简称文献2）；
通信学报2004, 25（1）：140-149页，《卫星通信常用调制方式的自动识别》，作者范海波、杨志俊、曹志刚，（以下简称文献3）；
上述文献1～2提出了一种被动声纳脉冲检测精细时延的估计方法，其仿真的场景是共形三元阵，精细时延的测量主要是为了目标的定位，通过综合寻找时域波形包络前沿和相位估计这两种方法实现精细时延的测量。该方法要求信噪比较高，文献中的仿真试验设置的信号信噪比都在20dB以上，这在真实海洋环境中是无法满足的。为实现在较低信噪比的情形下仍然能够有较高的脉冲脉宽和周期参数的估计准确率，本发明选择在频域内提取相关特征。
文献3提出了一种通过分析谱特征来进行通信信号调制方式识别的方法，针对信号的功率谱以及平方谱中的频谱形状和谱峰数的特征，提取相关参数作为判别用的特征，其方法在较低信噪比的情形下仍然具有很好的识别准确率。但是，不同于无线信道，水声信道传输条件更为恶劣，往往不能稳定获取水声信号的功率谱和平方谱等特征参数；同时，海洋背景噪声具有非高斯、非平稳的特性，多途多径导致的梳状滤波器效应，都对信号在频域特征提取造成了非常大的影响。本文提出的方法针对水声信号传输的特点，考虑了信号多途传输导致的频谱剧烈起伏，通过在不同频率分辨率下同时对信号进行分析，能够有效提取水声信号的频谱特征。
发明内容
鉴于上述现有技术的不足，本发明提出了一种基于拖曳线列阵的水下脉冲信号识别方法，通过逐级分辨率频域峰团个数特征提取的方法，减轻了低信噪比与多径对信号识别的影响，并提高了运算效率。通过在方位幅度域内目标检测结合方位波束域内信号识别的结果降低系统输出虚警率。以下拖曳线列阵简称为拖曳阵，该拖曳阵具有多个阵元，阵元都是由灵敏度较高的水听器构成，且简单起见阵元为等间隔排布。
本发明提出的基于拖曳线列阵的水下脉冲信号识别方法的特征在于：所述方法包括如下步骤：
步骤1：对拖曳阵多个阵元接收到的声源辐射信号作时域波束形成处理，得到方位为 的时域波束信号，其中表示采样点数，为从0°～180°遍历的方位角，，同时通过计算得到对应的方位幅度曲线；
步骤2：遍历前述步骤1得到的各方位θ的时域波束信号，通过逐级多分辨率谱线特征提取，得到包括简易信噪比特征、峰团个数特征、分段信号能量在内的特征参数，综合这些特征参数初步判断该段信号的调制类型；
步骤3：根据前述步骤2得到的单个波束内该段信号的调制类型和信号的能量以及之前记录的该波束之前的状态，判断该方位波束内是否存在有效脉冲信号，同时进行波束状态更新或者识别结果等待输出；
步骤4：利用步骤1得到方位幅度曲线，进行目标方位检测，更新所有波束方位目标检测标记，如果步骤3中有识别结果等待输出，且该波束方位的目标检测标记大于零，则输出识别结果，并置该方位标记为零，否则回到步骤1。
上述本发明提供的基于拖曳线列阵的水下脉冲信号识别方法进一步的特征在于：
采用时间延迟进行上述步骤1所述的时域波束形成处理，得到波束形成器的输出为：
（3）
公式（3）中，Si表示第i个阵元接收到的信号，为第i个阵元接收信号的加权系数，表示声源目标的辐射信号到达第i个阵元相对到达第1个阵元参考点的时延值，θ为从0°～180°遍历的方位角，i为遍历1～K之间的整数，K为正整数，表示拖曳线列阵阵元总个数。
上述步骤1所述通过计算得到对应的方位幅度曲线，是指利用公式（3）中得到的方位为的时域波束信号，输出对应方位的平均功率
上式中表示求数学平均。从0°～180°遍历θ计算对应方位的平均功率，就得到了方位幅度曲线。
上述步骤2进一步的特征在于：遍历前述步骤1得到的各方位θ的时域波束信号，首先进行100Hz频率分辨率的频谱分析与特征提取；然后根据简易信噪比特征η决定是否继续进行5Hz频率分辨率的频谱分析还是直接输出初步识别结果，即简易信噪比特征η>0.7则直接输出初步识别结果，η≦0.7则继续进行5Hz频率分辨率的频谱分析与特征提取；然后在5Hz频率分辨率下根据频段内峰团个数特征以及峰团内频点数决定是否继续进行200Hz频率分辨率分析还是直接输出初步识别结果，即分析频段内峰团个数特征且峰团内频点个数≤2，则判断调制方式为单频脉冲信号（CW信号），，直接输出识别结果，若或者峰团内频点个数>2继续进行200Hz频率分辨率频谱分析；在200Hz频率分辨率频谱分析中，本发明提取短时中心频率梯度特征，根据该特征决定输出判断是线性调频信号还是不可识别信号，即短时中心频率梯度特征0.9，则认为当前时间段内信号为线性调频信号，否则就判断为不可识别信号。综合以上分析，初步判断该段信号的调制类型Smodel。
其中，提取简易信噪比特征按照如下方式进行：
第一步统计归一化100Hz频率分辨率频域幅值向量中过门限频点个数占总频点的比例，这里表示当前分析的方位，为频点位置指示值，门限取0.5，表示总频点数，
（4）
其中。
第二步判断中幅值最大点是否位于分析频段首尾两端，如果满足或者，则，其中，此时认为分析频段设置不合适，无法准确提取信号频谱特征。
进一步的，提取粗频率分辨率下峰团个数特征，首先门限设置为。按从低频到高频的顺序遍历，统计连续过门限的频点集合个数，在这里称之为峰团个数特征。
进一步的，提取信号中心频率和带宽特征，其中带宽这里指的是信号处理领域通常认为的3dB带宽，通过搜索中幅度大于0.5的最低频点与最高频点，得到带宽，中心频率通过幅度加权的方法获取，
（5）
其中。
根据以上完整步骤流程，可以实现对水下声源脉冲信号的识别，当存在脉冲声源信号时，即信号被识别为单频脉冲（CW）信号或者线性调频（LFM）信号时，系统能够输出声源目标的方位、调制方式、脉宽、周期、中心频率、带宽的具体参数。
附图说明
图1 是本发明等间隔线列阵接收信号示意图；
图2 是本发明中步骤2流程图；
图3是本发明频谱分析处理示意图；
图4是本发明粗频率分辨率下峰团个数特征统计示意图；
图5 是本发明5Hz频率分辨率下峰团个数特征统计示意图；
图6 是本发明中步骤3流程示意图；
图7是仿真信号时域图；
图8是仿真数据方位幅度曲线图；
图9是100Hz频率分辨率频域谱线图；
图10是5Hz频率分辨率频域谱线图；
图11是5Hz频率分辨率下谱峰附近局部放大图；
图12是噪声信号段的频域谱线图。
具体实施方式
为使公众进一步了解本发明所采用之技术、手段及其有益效果，特举实施例并配合附图对本发明提供的基于拖曳线列阵的水下脉冲信号识别方法进行详细说明如下，相信当可由之得以深入而具体的了解。
本实施例基于拖曳线列阵的水下脉冲信号识别方法包括如下步骤：
步骤1：对拖曳阵多个阵元接收到的声源辐射信号作时域波束形成处理，得到方位为的时域波束信号，其中表示采样点数，为从0°～180°遍历的方位角，，同时通过计算得到对应的方位幅度曲线；
步骤2：遍历前述步骤1得到的各方位角的时域波束信号，通过逐级多分辨率谱线特征提取，得到包括简易信噪比特征、峰团个数特征、分段信号能量在内的特征参数，综合这些特征参数初步判断该段信号的调制类型；
步骤3：根据前述步骤2得到的单个波束内该段信号的调制类型和信号的能量以及之前记录的该波束之前的状态，判断该方位波束内是否存在有效脉冲信号，同时进行波束状态更新或者识别结果等待输出；
步骤4：利用步骤1得到方位幅度曲线，进行目标方位检测，更新所有波束方位目标检测标记，如果步骤3中有识别结果等待输出，且该波束方位的目标检测标记大于零，则输出识别结果，并置该方位标记为零，否则回到步骤1。
以下分别详细描述上述步骤1至步骤4的具体实施方法：
步骤1详述
如图1所示，有一等间隔线列阵，其有个各向同性的传感器组成，阵元之间的间距为d，声源入射方向为，由于信号到达不同的阵元会有延时，设定第1个阵元接收到的信号为参考的时刻，其接收到的声源辐射的信号表示为，那么第个阵元的输出信号就是：
（1）
式子中，表示第个阵元接收到的加性噪声，是零均值、空间不相关的随机噪声。
（2）
上式表示声源目标的辐射信号到达第个阵元相对到达第1个阵元参考点的时延值，c表示声波在水中的传播速度。
若各阵元接收到的信号表示为，，…，，则波束形成器的输出为：
（3）
公式（3）中，Si表示第i个阵元接收到的信号，为不同阵元接收信号的加权系数，用它可以控制指向性图的旁瓣。表示声源目标的辐射信号到达第i个阵元相对到达第1个阵元参考点的时延值，θ为从0°～180°遍历的方位角，i为遍历1～K之间的整数，K为正整数，表示拖曳线列阵阵元总个数。公式（3）描述了用时间延迟进行波束形成的过程。
上述步骤1所述通过计算得到对应的方位幅度曲线，是指利用公式（3）中得到的方位为的时域波束信号，输出对应方位的平均功率
上式中表示求数学平均。从0°～180°遍历θ计算对应方位的平均功率，就得到了方位幅度曲线。
步骤2详述
步骤2的详细描述如图2所示：遍历前述步骤1得到的各方位的时域波束信号，首先进行100Hz频率分辨率的频谱分析与特征提取；然后根据简易信噪比特征决定是否继续进行5Hz频率分辨率的频谱分析还是直接输出初步识别结果，即简易信噪比特征0.7则直接输出初步识别结果，0.7则继续进行5Hz频率分辨率的频谱分析与特征提取；如果进行5Hz频率分辨率的频谱分析，并且可以识别信号为单频脉冲信号（以下简称为CW信号）则直接输出初步识别结果，即在5Hz频率分辨率下分析频段内峰团个数特征且峰团内频点个数≤2，则判断调制方式为单频脉冲信号（CW信号），，直接输出识别结果，若或者峰团内频点个数>2则继续进行200Hz频率分辨率频谱分析，判断该信号是否是线性调频信号。在200Hz频率分辨率频谱分析中，本发明提取短时中心频率梯度特征，根据该特征决定输出判断是线性调频信号还是不可识别信号，即短时中心频率梯度特征0.9，则认为当前时间段内信号为线性调频信号，否则就判断为不可识别信号。综合以上分析，初步判断该段信号的调制类型；
其中：
100Hz频率分辨率分析
选取当前识别周期内连续时长为200ms的波束形成后方位的时域波束信号：，，，，表示采样频率，单位Hz。
将上述时域波束信号按照每段时长10ms分段得到，，。由于整段信号的长度为200ms，所以共可分20段。
对第段时域波束信号进行加窗傅里叶变换，取模值得到，其中表示频域空间中的频点位置，为正整数，，是个集合，包含一段连续的需要分析的频段从起始频率至结束频率。由于时长为10ms，所以对其进行傅里叶变换的频率分辨率为100Hz，对应的频点位置为，对应的频点位置为。这样集合可以表示为，其包括个频点，。
对模值向量中所有频点平方求均值得到第段信号的能量表示。遍历所有子段信号，得到段信号能量表示向量，如图3所示，水平方向一行表示一段10ms数据在分析频段内傅里叶变换的结果，从每一个横行可以计算得到对应段的信号能量。
对各段模值向量中对应频点累加，并且用最大值进行归一化得到其中，。如图3所示，垂直方向一列表示不同信号段在同一频点的频域幅值向量，从每一列可以计算得到。
针对提取信号简易信噪比特征和粗频率（100Hz）分辨率下的峰团个数特征，以及信号的中心频率和带宽。
为计算信号简易信噪比特征，首先统计中过门限的频点个数占总频点数的比例，并结合判断中幅度最大值点的位置是否位于整个需分析频段的首末端来确定信号简易信噪比特征，依据该特征可以避免系统分析大量噪声段信号或者信噪比过低的信号，合理地降低了系统的运算量。提取简易信噪比特征按照如下方式进行：
第一步计算过门限的频点占总频点的比例，由于已经归一化，这里门限取0.5，
（4）
其中。
第二步判断中幅值最大点是否位于分析频段首尾两端，如果满足或者，则，其中，此时认为分析频段设置不合适，无法准确提取信号频谱特征。
提取粗频率分辨率下峰团个数特征。首先门限设置为。按从低频到高频的顺序遍历，统计连续过门限的频点集合个数，在这里称之为峰团个数特征。如图4中所示，从坐标横轴可以看出当前分析频段是8KHz～14KHz，从坐标纵轴可以看出频域幅度曲线已经最大值归一化，门限位置用虚线标出，在这频域幅度曲线中存在一个连续的过门限集合已经用斜线标出，对当前这段信号而言，粗频率分辨率下峰团个数就为1。
提取信号中心频率和带宽特征。其中带宽这里指的是信号处理领域通常认为的3dB带宽，通过搜索中幅度大于0.5的最低频点与最高频点，得到带宽。中心频率通过幅度加权的方法获取，
（5）
其中。
频率分辨率分析
根据100Hz频率分辨率下得到的简易信噪比特征，判断是否需要提取5Hz频率分辨率下峰团个数特征和短时中心频率梯度特征，据此初步判断信号的调制方式。
第一步根据粗频率（100Hz）分辨率下的简易信噪比特征，判断是否需要在细频率（5Hz）分辨率下继续分析。如果，则认为噪声过强，无法判断是否有信号，系统可返回该信号的调制方式，表示无法识别该信号的调制方式，在图2的流程图中直接转到波束初步侦察结果框，否则就进行细频率（5Hz）分辨率下的特征提取。
第二步提取细频率（5Hz）分辨率峰团个数特征。对整段信号做加窗傅里叶变换，取模值得到，并用最大值的归一化，得到，其中，，是个集合，包含一段连续的需要分析的频段从起始频率至结束频率。由于时长为200ms，所以对其进行傅里叶变换的频率分辨率为5Hz，对应的频点位置为，对应的频点位置为。这样集合可以表示为，其包括’个频点，。因为频率分辨率的提高，此时的总频点数约为粗频率（100Hz）分辨率时频点数的20倍。
第三步按照粗频率分辨率中峰团个数相同的统计方式统计细频率分辨率下的峰团个数特征。由于水声环境中存在严重的多途效应，其对信号的影响等效于一个梳状滤波器，这会导致宽带信号频域幅度曲线的大幅度起伏，特别是在细频率分辨率下严重影响峰团个数特征的统计。
针对这一问题，在统计峰团个数时，允许团内部存在多段连续10个频点位置的幅度低于门限，并设置细频率分辨率下门限为常数0.5。如图5中所示，在细频率分辨率条件下频域幅度曲线起伏较大，图5中虚线为固定门限0.5，按频点从小到大遍历所有幅度，以第一个过门限的频点处为起始，统计连续过门限的集合个数，图5中斜线部分的幅值在门限附近剧烈震荡，其低于门限的频点个数都小于10，因此都会被认为处于同一段连续过门限频点的集合内，对当前这段信号而言，细频率（5Hz）分辨率下峰团个数就为1。这里记细频率（5Hz）分辨率下峰团个数特征为。
如果分析频段内峰团个数特征且峰团内频点个数≤2，则判断调制方式为单频脉冲信号（CW信号），，并转到图2中流程图的“波束初步侦察结果”输出。如果不满足以上条件则继续进行200Hz频率分辨率分析。
频率分辨率分析
通过统计短时中心频率梯度特征，实现对线性调频信号的识别。因为线性调频信号的中心频率是随着时间线性变化的，于是将信号在时域中分段，分别统计各子段有效信号的频域幅度最大值的频点位置，通过观察其随时间是否具有线性变化特征来判断当前信号是否是线性调频信号。具体实施方式描述如下：
将上述步骤1中的时域波束信号按照每段时长5ms分段得到，，。由于整段信号的长度为200ms，所以共可分40段。按这种方式做频域分析频率分辨率为200Hz。
对进行加窗傅里叶变换，将变换后的值求模得到，然后进行最大值归一化。得到，其中，，是个集合，包含一段连续的需要分析的频段从起始频率至结束频率。此处对应的频点位置为，此处对应的频点位置为。这样集合可以表示为，其包括个频点，。因为频率分辨率的降低，此时的总频点数约为粗频率分辨率时频点数的一半。
同时求取该段信号的能量。由粗频率（100Hz）分辨率下得到的段信号能量表示向量计算当前分辨率下需要用到的阈值
（6）
如果，则按照分段的时间先后顺序分别记录各段频谱中的最大值位置，表示取使达到值最大时的，将该值赋值给，得到向量之后，求取向量的梯度
（7）
并求取两个临时量和，表示梯度向量中大于等于零且小于2的元素个数占向量长度的比例，表示梯度向量中小于等于零且大于的元素个数占向量长度的比例，这两个临时量越大表示信号频率与时间呈现越强的线性关系：
（8）
（9）
其中，因此也就是计算了向量的长度，而计算了向量中小于等于零且大于的元素个数，计算了向量中大于等于零且小于2的元素个数。
短时中心频率梯度特征为。只要该特征值大于0.9，则认为当前时间段内信号为线性调频信号，否则就判断为不可识别信号。
步骤3详述
由于步骤2中，选取的当前识别周期为连续时长200ms，而实际待侦察的信号可能较长，导致跨越多个识别周期，为得到完整的信号参数信息，必须综合该波束方位内历史记录信息，包括以下变量：
（1）：方向上的幅度门限；
（2）：方位上一周期检测到有效信号的标记；
（3）：调制方式统计向量，此向量共3个元素，表示整个有效信号识别过程中分别被识别为CW（第1个元素）、LFM（第2个元素）或者无法识别（第3个元素）的次数；
（4）：有效信号检测到的连续次数，一次代表时长200ms；
（5）：噪声信号检测到的次数，一次代表时长200ms；
（6）：信号第一次被识别到时的中心频率；
（7）：信号最后一次被识别到时的中心频率；
（8）：相邻两次有效信号识别期间中心频率变化的最大值；
（9）：相邻两次有效信号识别期间中心频率变化的最小值；
（10）：首次识别到有效信号的第一个识别周期内的有效长度（一个识别周期200ms，被分为20段，对应段的能量大于波束门限就被认为是有效信号）；
（11）：可识别信号最后一个识别周期内可被认为噪声信号的长度（一个识别周期200ms，被分为20段，对应段的能量小于波束门限就被认为是噪声信号）；
（12）：上一个识别周期内识别到有效信号的有效段数，也就是向量中过门限的元素个数；
（13）：目标中心频率；
（14）：目标带宽；
（15）：目标信号脉冲时宽；
（16）：噪声时宽；
（17）：信号调制类型；
（18）：信号周期；
（19）：目标信号相关识别信息待输出标记；
（20）：方位幅度曲线图内峰值标记向量；
（21）：目标信号允许输出标记向量。
结合波束内该段信号的调制类型和该波束方位的幅度门限，以及该波束之前的状态，判断此波束内是否存在有效脉冲信号（步骤3）。具体步骤详述如下：
首先计算该波束方位的幅度门限，系统中门限为自适应设置，设置方法如下，因各方位处理方法相同，所以以下在不引起歧义的前提下省去波束方向的标示：
对本次识别周期内得到的信号能量表示向量进行排序得到向量，去掉中最大的2个值，同时去掉最小的2个值，求取剩余元素的均值作为波束门限临时变量：
（10）
波束幅度门限的自适应更新需要综合考虑三个方面：系统的启动状态；当前识别周期中得到的波束幅度门限临时值；的当前值。具体更新方式如下所述:
（1）如果并且系统刚启动（总识别周期小于10次），则；
（2）如果并且系统已经度过启动阶段，则；
（3）如果，则。
然后根据之前该波束内的历史信息，这里的历史信息是指保存在步骤3详述中描述的与波束方位相关的21个变量内的信息，包含了该波束方位内有没有可识别的信号（即标记是否为1），如果有可检测信号的话，信号被检测到的次数（即的值）和之前噪声被检测到的次数（即的值）等信息，以及由步骤1和步骤2得到的当前信号分析的初步识别结果和当前门限决定具体决策走向，如图6所示，分3种情形：
情形1：之前无可识别信号，即，表示该方位之前没有可识别信号，当前识别出或者，则对本次识别周期内得到的信号能量表示向量进行分析，向量中各元素中能超过门限的个数记为。如果，则该波束内噪声时间段加1，否则
（1）记录该波束内首次识别到有效信号的第一个识别周期内的有效时间长度，设置，说明识别到新的可识别信号；
（2）结束噪声时长统计，得到噪声时间长度为。同时将清零；
（3）对应波束的调制方式统计向量各元素清零，根据的值，给对应元素加1，即如果，就在向量的第1个元素的值加1；
（4）初始化初始中心频率位置与最后中心频率位置，，，初始化最大中心频率间隔，=10000；
（5）加1；
（6）初始化以及。
情形2：前一识别周期内有可识别信号Flag＝1且向量Y中的最 大值元素大于该波束门限Tamp，此外还必须满足Smodel≠3，满足前 述条件则认为本次识别周期又识别到一次有效信号，进行如下步 骤以更新信号相关信息：
(1)记录当前有效片段数Nsigpiece，即向量Y中能超过波束门限 Tamp的元素个数；
(2)更新变量Tnoiseini＝(20-Nsigpiece)×0.01；
(3)通过当前识别周期得到的中心频率fc与上一识别周期获 得的中心频率flast之间的差的绝对值，求取临时变量fdelta。如果临 时变量fdelta>fdeltaMax，则用fdelta更新fdeltaMax。如果临时变量fdelta＜ fdeltaMin，则用fdelta更新fdeltaMin，更新flast＝fc；
(4)根据Smodel的值，给对应Saccu元素加1；
(5)Nsig加1；
(6)更新fctgt＝0.875×fctgt+0.125×fc以及Btgt＝0.875×Btgt+0.125×B。
情形3：上一识别周期存在可识别信号，中最大值小于该波束门限或者且，满足上述条件则整理相关待输出信息，如检测到的信号脉宽、周期、中心频率、调制方式等信息，给出该波束方位检测到完整的可识别的信号的标记，现在详述如下：
（1）设置；
（2）如果，则脉冲时宽为，否则；
（3）取出中最大值元素的位置，如果，并且而且满足，则改判，带宽；如果，并且，则改判为。
（4）得出信号调制方式；
（5）信号周期；
（6）记录噪声开始加1；
（7）对应波束的标记置为1，表示该波束有信号完整地被识别到。
步骤4详述
遍历所有需要检测的波束方位，对每个波束方位重复以上步骤2和步骤3，得到所有波束的识别结果。
因为波束合成形成的方位幅度曲线中，不可避免地会在真实 目标声源方位的两侧产生旁瓣，而且旁瓣波束中识别到的信号参 数与真实声源目标方位波束中的信号参数较为一致，同时输出这 些波束方位内的识别结果会导致过高的虚警率，为此需结合步骤 4描述的目标检测结果，判定是否输出当前识别周期内Fsigarrive为1 的波束方位为θ的识别结果，具体操作步骤如下：
(1)检测当前帧的峰值位置，遍历Ttmp(θ)中θ的元素，若Ttmp(θi) 大于其两边的元素Ttmp(θi-1)和Ttmp(θi+1)，与此同时Flag(θi)＝1，判断 Fpeak(θi)标记为1，以上条件中有其中之一不满足则Fpeak(θi)标记为0；
(2)对Ttmp取对数，然后用最大值归一化，得到TtmpNml；
(3)如果Fpeak(θ)等于1并且TtmpNml(θ)>0.98，则Foutput(θ)＝ Foutput(θ)+1，否则Foutput(θ)＝Foutput(θ)-1；
(4)判断能否输出识别结果：如果且 Fsigarrive(θ)＝1，则输出目标脉冲信号识别结果，否则就不输出当前 识别结果。
根据以上完整步骤流程，可以实现对水下声源脉冲信号的识别，当存在脉冲声源信号时，即信号被识别为单频脉冲（CW）信号或者线性调频（LFM）信号时，系统能够输出声源目标的方位、调制方式、脉宽、周期、中心频率、带宽的具体参数。
对以上实施例以仿真实验进一步描述如下：
设置条件为32元阵，设阵元间距为0.075m（10KHz半波长间距），工作频带为1K～10KHz，采样频率100KHz，目标方位60°，脉冲信号为中心频率8030Hz，脉宽50ms，周期1s，信噪比为-5dB的单频脉冲（CW）信号，该脉冲的时域信号可以从图7中观察。
由步骤1中描述的时域波束形成的方法可以得到如图8所示的方位幅度曲线图，从图8中可以看出60°方位存在目标。
对60°方位的波束信号进行步骤2中描述的100Hz频率分辨率的频谱分析，得到如图9所示的频谱图，因为第1个200ms内就包含了1个完整的50ms脉冲，所以单频信号的频谱较为明显，最高点指示了中心频率为8031Hz，而且此时统计得到的峰团数=1，简易信噪比特征η=0.01。
根据流程图2中所示，接下来进行5Hz频率分辨率分析，频谱图如图10所示，图11是谱峰处对应的放大图，从图11可知，归一化幅度大于0.5的点有5个，所以无法直接判断为单频脉冲（CW）信号。
根据流程图2中所示，接着进行200Hz频率分辨率分析，计算得到Rlfm=1，此时判断Smodel=2，初步判断为线性调频信号。
根据步骤3，这种情况属于情形1，侦察到新的可识别信号，并记录相关信息，其中fini=flast=fc，Tini=0.05s。此时还无法判断可识别的脉冲信号已经结束。必须要紧接着分析下一个200ms的信号。
根据步骤4的描述，因为在60°的方向检测到尖峰，所以Foutput(600)=1。但还没有识别结果可以输出。
从信号时域可知，下一个200ms是噪声，如图12所示，通过步骤2的100Hz频率分辨率分析的谱线图可以看出，此时简易信噪比特征η=1，根据图2的流程图可知，直接输出Smodel=3。
在步骤3中系统进入情形3，可识别信号结束，根据情形3中的第3步可知，尽管当前向量Saccu中最大的元素是第2个元素，即Idx=2，但是|fini-flast|<300，则改判为Idx=1，准确识别脉冲信号时单频脉冲（CW）信号，且脉宽计算出来是Tsigdura=0.05s，同时对应波束的Fsigarrive(600)标记置为1。
在步骤4中因为，并且，满足，同时，所以输出识别到的脉冲相关信息。输出信息为“调制方式：CW，脉宽：0.0499s，中心频率：8031Hz，带宽：22.89Hz，周期：0.9997s”。基本与实际参数设置一致。

Claims (6)

1.一种基于拖曳线列阵的水下脉冲信号识别方法，其特征在于：所述方法包括如下步骤：
步骤1：对拖曳阵多个阵元接收到的声源辐射信号作时域波束形成处理，得到方位为的时域波束信号，其中表示采样点数，为从0°～180°遍历的方位角，，同时通过计算得到对应的方位幅度曲线；
步骤2：遍历前述步骤1得到的各方位θ的时域波束信号，通过逐级多分辨率谱线特征提取，得到包括简易信噪比特征、峰团个数特征、分段信号能量在内的特征参数，综合这些特征参数初步判断该段信号的调制类型；
步骤3：根据前述步骤2得到的单个波束内该段信号的调制类型和信号的能量以及之前记录的该波束之前的状态，判断该方位波束内是否存在有效脉冲信号，同时进行波束状态更新或者识别结果等待输出；
步骤4：利用步骤1得到方位幅度曲线，进行目标方位检测，更新所有波束方位目标检测标记，如果步骤3中有识别结果等待输出，且该波束方位的目标检测标记大于零，则输出识别结果，并置该方位标记为零，否则回到步骤1。
2.根据权利要求1所述的基于拖曳线列阵的水下脉冲信号识别方法，其特征在于：采用时间延迟进行上述步骤1所述的时域波束形成处理，得到波束形成器的输出为：
（3）
公式（3）中，Si表示第i个阵元接收到的信号，为第i个阵元接收信号的加权系数，表示声源目标的辐射信号到达第i个阵元相对到达第1个阵元参考点的时延值，θ为从0°～180°遍历的方位角，i为遍历1～K之间的整数，K为正整数，表示拖曳线列阵阵元总个数。
3.根据权利要求1所述的基于拖曳线列阵的水下脉冲信号识别方法，其特征在于：上述步骤1所述通过计算得到对应的方位幅度曲线，是指利用公式（3）中得到的方位为的时域波束信号，输出对应方位的平均功率：
上式中表示求数学平均，从0°～180°遍历θ计算对应方位的平均功率，就得到了方位幅度曲线。
4.根据权利要求1所述的基于拖曳线列阵的水下脉冲信号识别方法，其特征在于：步骤2所述判断信号的调制类型具体包括：遍历前述步骤1得到的各方位θ的时域波束信号，首先进行100Hz频率分辨率的频谱分析与特征提取；然后根据简易信噪比特征η决定是否继续进行5Hz频率分辨率的频谱分析还是直接输出初步识别结果，即简易信噪比特征η>0.7则直接输出初步识别结果，η≦0.7则继续进行5Hz频率分辨率的频谱分析与特征提取；然后在5Hz频率分辨率下根据频段内峰团个数特征以及峰团内频点数决定是否继续进行200Hz频率分辨率分析还是直接输出初步识别结果，即分析频段内峰团个数特征且峰团内频点个数≤2，则判断调制方式为单频脉冲信号（CW信号），，直接输出识别结果，若或者峰团内频点个数>2继续进行200Hz频率分辨率频谱分析；在200Hz频率分辨率频谱分析中，提取短时中心频率梯度特征，根据该特征决定输出判断是线性调频信号还是不可识别信号，即短时中心频率梯度特征0.9，则认为当前时间段内信号为线性调频信号，否则就判断为不可识别信号，综合以上分析，初步判断该段信号的调制类型Smodel。
5.根据权利要求4所述的基于拖曳线列阵的水下脉冲信号识别方法，其特征在于：提取简易信噪比特征按照如下方式进行：
第一步统计归一化100Hz频率分辨率频域幅值向量中过门限频点个数占总频点的比例，这里表示当前分析的方位，为频点位置指示值，门限取0.5，表示总频点数，
（4）
其中，
第二步判断中幅值最大点是否位于分析频段首尾两端，如果满足或者，则，其中，此时认为分析频段设置不合适，无法准确提取信号频谱特征。
6.根据权利要求4所述的基于拖曳线列阵的水下脉冲信号识别方法，其特征在于：提取峰团个数特征，首先门限设置为，按从低频到高频的顺序遍历，统计连续过门限的频点集合个数，称之为峰团个数特征。
CN201810584738.5A 2018-06-08 2018-06-08 基于拖曳线列阵的水下脉冲信号识别方法 Active CN108828566B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810584738.5A CN108828566B (zh) 2018-06-08 2018-06-08 基于拖曳线列阵的水下脉冲信号识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810584738.5A CN108828566B (zh) 2018-06-08 2018-06-08 基于拖曳线列阵的水下脉冲信号识别方法

Publications (2)

Publication Number Publication Date
CN108828566A true CN108828566A (zh) 2018-11-16
CN108828566B CN108828566B (zh) 2022-07-01

Family

ID=64143477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810584738.5A Active CN108828566B (zh) 2018-06-08 2018-06-08 基于拖曳线列阵的水下脉冲信号识别方法

Country Status (1)

Country Link
CN (1) CN108828566B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490868A (zh) * 2019-01-07 2019-03-19 西北工业大学 一种基于分布式垂直线列阵的海上目标运动分析方法
CN109507675A (zh) * 2019-01-07 2019-03-22 中国科学院声学研究所东海研究站 基于频分系统实现水下多目标时延估计处理的方法
CN110398711A (zh) * 2019-08-01 2019-11-01 天津工业大学 一种声呐共形阵基于阵列流形测量的方向图综合方法
CN110488301A (zh) * 2019-07-17 2019-11-22 中国人民解放军91388部队 一种多源信息融合的声纳综合目标识别方法
CN111257859A (zh) * 2019-11-26 2020-06-09 中国船舶重工集团有限公司第七一0研究所 一种波束域自相关水下目标识别方法
CN111352075A (zh) * 2018-12-20 2020-06-30 中国科学院声学研究所 一种基于深度学习的水下多声源定位方法及系统
CN111447284A (zh) * 2020-04-10 2020-07-24 四川中鼎智能技术有限公司 基于傅里叶变换算法的动态数据压缩、通信与还原方法、装置、终端设备及可读存储介质
CN113848542A (zh) * 2021-09-28 2021-12-28 哈尔滨工程大学 两级动态门限幅度加权平均回波时延估计方法
CN114513262A (zh) * 2022-01-26 2022-05-17 浙江咸临智能科技有限责任公司 一种基于水下滑翔机的水声信号处理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69325076T2 (de) * 1992-12-01 2000-01-05 Raytheon Co., Lexington Verfahren zur Kompensation der zeitlichen Bewegung in einer linearen Gruppe
CN101852854A (zh) * 2010-06-07 2010-10-06 华南理工大学 一种水下多波束测探系统及其探测方法
CN104765039A (zh) * 2015-04-22 2015-07-08 国家深海基地管理中心 利用浅海声场空域特性提高被动声纳作用距离的方法
CN104777453A (zh) * 2015-04-23 2015-07-15 西北工业大学 舰船线谱噪声源定位的波束域时频分析方法
CN105277934A (zh) * 2015-09-24 2016-01-27 哈尔滨工程大学 一种基于阵列的弱线谱目标被动检测方法
CN107179535A (zh) * 2017-06-01 2017-09-19 东南大学 一种基于畸变拖曳阵的保真增强波束形成的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69325076T2 (de) * 1992-12-01 2000-01-05 Raytheon Co., Lexington Verfahren zur Kompensation der zeitlichen Bewegung in einer linearen Gruppe
CN101852854A (zh) * 2010-06-07 2010-10-06 华南理工大学 一种水下多波束测探系统及其探测方法
CN104765039A (zh) * 2015-04-22 2015-07-08 国家深海基地管理中心 利用浅海声场空域特性提高被动声纳作用距离的方法
CN104777453A (zh) * 2015-04-23 2015-07-15 西北工业大学 舰船线谱噪声源定位的波束域时频分析方法
CN105277934A (zh) * 2015-09-24 2016-01-27 哈尔滨工程大学 一种基于阵列的弱线谱目标被动检测方法
CN107179535A (zh) * 2017-06-01 2017-09-19 东南大学 一种基于畸变拖曳阵的保真增强波束形成的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黎琦: "基于CUDA的宽带水声信号波束形成算法研究", 《中国优秀博硕士学位论文全文数据库（硕士）信息科技辑》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111352075B (zh) * 2018-12-20 2022-01-25 中国科学院声学研究所 一种基于深度学习的水下多声源定位方法及系统
CN111352075A (zh) * 2018-12-20 2020-06-30 中国科学院声学研究所 一种基于深度学习的水下多声源定位方法及系统
CN109507675A (zh) * 2019-01-07 2019-03-22 中国科学院声学研究所东海研究站 基于频分系统实现水下多目标时延估计处理的方法
CN109490868A (zh) * 2019-01-07 2019-03-19 西北工业大学 一种基于分布式垂直线列阵的海上目标运动分析方法
CN109507675B (zh) * 2019-01-07 2020-10-16 中国科学院声学研究所东海研究站 基于频分系统实现水下多目标时延估计处理的方法
CN109490868B (zh) * 2019-01-07 2022-08-23 西北工业大学 一种基于分布式垂直线列阵的海上目标运动分析方法
CN110488301A (zh) * 2019-07-17 2019-11-22 中国人民解放军91388部队 一种多源信息融合的声纳综合目标识别方法
CN110488301B (zh) * 2019-07-17 2023-01-06 中国人民解放军91388部队 一种多源信息融合的声纳综合目标识别方法
CN110398711A (zh) * 2019-08-01 2019-11-01 天津工业大学 一种声呐共形阵基于阵列流形测量的方向图综合方法
CN111257859B (zh) * 2019-11-26 2022-10-11 中国船舶重工集团有限公司第七一0研究所 一种波束域自相关水下目标识别方法
CN111257859A (zh) * 2019-11-26 2020-06-09 中国船舶重工集团有限公司第七一0研究所 一种波束域自相关水下目标识别方法
CN111447284A (zh) * 2020-04-10 2020-07-24 四川中鼎智能技术有限公司 基于傅里叶变换算法的动态数据压缩、通信与还原方法、装置、终端设备及可读存储介质
CN113848542A (zh) * 2021-09-28 2021-12-28 哈尔滨工程大学 两级动态门限幅度加权平均回波时延估计方法
CN113848542B (zh) * 2021-09-28 2024-06-07 哈尔滨工程大学 两级动态门限幅度加权平均回波时延估计方法
CN114513262A (zh) * 2022-01-26 2022-05-17 浙江咸临智能科技有限责任公司 一种基于水下滑翔机的水声信号处理方法
CN114513262B (zh) * 2022-01-26 2022-11-01 浙江咸临智能科技有限责任公司 一种基于水下滑翔机的水声信号处理方法

Also Published As

Publication number Publication date
CN108828566B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN108828566A (zh) 基于拖曳线列阵的水下脉冲信号识别方法
WO2020078249A1 (zh) 一种基于雷达信号的多目标生命探测方法及探测雷达
CN108761418B (zh) 一种基于微多普勒特征的雷达多径目标剔除方法
CN109814073B (zh) 一种mtd雷达解模糊测速方法
CN108680910B (zh) 基于波形认知的调频广播外辐射源雷达目标检测方法
CN102682765A (zh) 高速公路音频车辆检测装置及其方法
CN104267379A (zh) 一种基于波形设计的主被动雷达协同抗干扰方法
CN104076331A (zh) 一种七元麦克风阵列的声源定位方法
CN105277934B (zh) 一种基于阵列的弱线谱目标被动检测方法
CN113447905A (zh) 双毫米波雷达人体跌倒检测装置及检测方法
CN110852201A (zh) 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN106707258A (zh) 一种非高斯背景下微动目标多参数估计方法
CN111257943B (zh) 一种浅海低频声场时频干涉条纹提取方法
CN103091679A (zh) 水下运动目标识别方法
CN109444896B (zh) 水声阵列定位系统及其定位方法
CN111487589B (zh) 一种基于多源传感器网络的目标落点定位方法
CN109444864B (zh) 一种深海微弱多目标深度长时累积估计方法
CN103278810A (zh) 基于空间相似度的水下目标尺度特性提取方法
CN108318876A (zh) 一种利用单个水听器估计水下目标深度和距离的方法
CN112394324A (zh) 一种基于麦克风阵列的远距离声源定位的方法及系统
CN108919241A (zh) 一种基于恒虚警检测的水下信号时频端点参数估计方法
CN109061591A (zh) 一种基于序贯聚类的时频线谱检测方法
CN112904302B (zh) 网格化frft域雷达目标检测与多级联合虚警剔除方法
CN105336340A (zh) 一种用于低空目标声探测系统的风噪抑制方法和装置
CN108508413B (zh) 一种基于概率统计的低信噪比条件下目标检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant