CN112491765B - 基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法 - Google Patents

Abstract

本发明公开基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法，包括以下步骤：(1)提取接收信号瞬时平均轮廓；基于接收信号时频谱轮廓，使用加权移动平均滤波器提取接收信号瞬时平均轮廓，接收信号表示为S_r，接收信号时频谱轮廓表示为f_r，通过对f_r进行平滑处理即可得到接收信号瞬时平均轮廓f_{r_IMF}；(2)提取接收信号颤音及其局部极值点；(3)对局部极值点的参数进行统计分析，并判断接收信号是否为伪装通信信号。本发明实现了基于CPM调制的仿鲸目动物whistle伪装通信信号的识别，若敌方采用该种伪装通信信号进行隐蔽通信，我方可及时识别并截获敌方信号，对保证我国水下军事作战安全具有重要意义。

Description

基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法

技术领域

本发明属于水声信号处理领域，特别是基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法。

背景技术

仿生隐蔽通信是利用或模仿海洋中广泛存在的鲸目动物的叫声作为通信信号，以诱骗敌方，使其将真正的通信信号误作为由鲸目动物所产生的海洋动物噪声而过滤掉，从而起到伪装自身的目的，实现通信的隐蔽。近年来，仿生隐蔽通信技术由于其无需降低通信信号信噪比就能实现通信信息隐蔽传输的优势，近年来正吸引越来越多国家海军和科研机构的注意力，实现仿生隐蔽通信的关键在于伪装通信信号。

Whistle叫声是鲸目动物叫声的重要组成部分，它被用于鲸目动物个体或群体间的互相联络、情感表达、信息传递，是鲸目动物用于通信交流的一类重要叫声。whistle时域波形的声学特性差异很大，因此研究人员通常根据whistle叫声的时频谱轮廓来对其进行识别和分类。由于这种叫声具有频率范围低，持续时间长和时频结构变化多样等特征，因此已被广泛用于伪装通信信号的设计。

目前研究人员主要是通过调制whistle的时频谱轮廓来构造伪装通信信号，其中，基于连续相位调制(Continuous Phase Modulation,CPM)技术来构造伪装通信信号是十分具有代表性的一种方法。这种方法基于鲸目动物whistle时频脊中固有的颤音特征，通过CPM技术编码通信信息，并以一定的权重嵌入到真实whistle的时频脊中，生成与真实whistle具有高度相似性的伪装通信信号。2009年，美国伍兹霍尔海洋研究所联合麻省理工学院[1]对基于CPM技术的伪装通信信号构造方法进行了深入研究，实现了对宽吻海豚whistle叫声的精确模仿，通信信息作为水印调制在仿海豚whistle叫声中，并通过海上试验初步验证了可行性。然而，目前没有识别这种伪装通信信号的成熟技术。

参考文献：

[1]Severson,J.,Modeling and frequency tracking of marine mammalwhistle calls,Klinicheskaia Meditsina,51(1):35-42,2009.

发明内容

本发明的目的是为了克服现有技术中的不足，提供基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法。

本发明的目的是通过以下技术方案实现的：

基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法，包括以下步骤：

(1)提取接收信号瞬时平均轮廓；基于接收信号时频谱轮廓，使用加权移动平均滤波器提取接收信号瞬时平均轮廓，接收信号表示为S_r，接收信号时频谱轮廓表示为f_r，通过对f_r进行平滑处理即可得到接收信号瞬时平均轮廓f_{r_IMF}；

(2)提取接收信号颤音及其局部极值点；

(3)对局部极值点的参数进行统计分析，并判断接收信号是否为伪装通信信号；对接收信号颤音进行分段；设置分段长度为l(l为正整数)，l的初始值为l₀，步进值为Δl，第一次分段时l＝l₀，之后每次分段时分段长度l都在上一次基础上增加Δl，分段长度l的最大值为l_max；若识别接收信号不是伪装通信信号：当l+Δl≤l_max时，将分段长度设置为l＝l+Δl，直到l+Δl＞lmax时，将接收信号识别为真实鲸目动物whistle叫声。

进一步的，步骤(1)中f_r和f_{r_IMF}均包含N个采样点(N为正整数)，f_{r_IMF}的表达式为：

其中，f_{r_IMF}[i]为接收信号瞬时平均轮廓的第i(i＝1,2,...,N)个采样点，f_r[j]为接收信号时频谱轮廓的第j个采样点(j＜1或j＞N时f_r[j]＝0)，M(M≥1为且M为奇数)为窗口长度，a_j-i+(M+1)/2(j-i+(M+1)/2＝1,2,...,M)为f_r[j]的权值且

窗口中各采样点的权值不同，中心点的权值最大，越远离中心点权值越小，即a_(M+1)/2的值最大，a₁和a_M的值最小，因此在计算f_{r_IMF}[i]时，越接近f_r[i]的采样点，对f_{r_IMF}[i]的计算结果影响越大。

进一步的，步骤(2)中首先计算接收信号颤音；接收信号颤音的表达式为：

f_Vibrato＝f_r-f_{r_IMF} (3)

在由频率f和时间t组成的直角坐标系中，f_Vibrato的大小随时间t变化且围绕纵轴f＝0上下波动，f_Vibrato在时间t_X处的斜率为：

k_Vibrato(t_X)＝f′_Vibrato(t_X) (4)

进一步地，接收信号颤音的局部极值点包括局部极大值点和局部极小值点，点P_max的坐标为(t_max,f_max)，设定时间偏差ε_tmax，若t_max-ε_tmax≤t≤t_max+ε_tmax且t≠t_max时，f_Vibrato＜f_max，且P_max处的斜率为k_Vibrato(t_max)＝0，则点P_max为局部极大值点；点P_min的坐标为(t_min,f_min)，设定时间偏差ε_tmin，若t_min-ε_tmin≤t≤t_min+ε_tmin且t≠t_min时，f_Vibrato＞f_min，并且P_min处的斜率为k_Vibrato(t_min)＝0，则点P_min为局部极小值点。

进一步的，步骤(3)中，将接收的信号颤音f_Vibrato分为k(k＝N/l)段后统计每段颤音中局部极值点的总数，第x(x＝1,2,..,k)段颤音中极值点的总数表示为p_x，这k段颤音中局部极值点的总数用数据集表示为Data_p＝{p_1,p_2,...,p_k}；接着对Data_p中的k个数据进行分类，计算Data_p中两两数据之间的差值，将数据间距离阈值设置为Δp，当两个数据p_x和p_y(x,y＝1,2,..,k且x≠y)满足下式时，将这两个数据划分成同一类：

|p_x-p_y|＜＝Δp (5)

Data_p中的数据划分成z类后，计算每一类中数据的平均值，第m(1≤m≤z且m为整数)类的平均值表示为ave_m，这z类的平均值用数据集表示为ave＝{ave_1,ave_2,...,ave_z}，并且按大小排序为ave_1＜ave_2＜...＜ave_z；最后，计算ave中两两数据之间的差值，将类别间距离阈值设置为Δa，类别间距离阈值偏差设置为ε_ave；若z＞1，并且ave中所有数据均满足下式：

Δa-ε_ave≤ave_v-ave_u≤Δa+ε_ave (6)

其中2≤v＝u+1≤z且v和u均为整数，则将接收信号识别为基于CPM技术的伪装通信信号。

与现有技术相比，本发明的技术方案所带来的有益效果是：

(1)本发明实现了基于CPM调制的仿鲸目动物whistle伪装通信信号的识别，若敌方采用该种伪装通信信号进行隐蔽通信，我方可及时识别并截获敌方信号，对保证我国水下军事作战安全具有重要意义；

(2)本发明具有很强的通用性，可以方便地调整加权移动平均滤波器窗口的采样点数和权值，从而提取不同鲸目动物whistle叫声的颤音，此外可以方便地调整颤音分段过程中的分段长度、分段步进值等参数，以及信号识别过程中的类别间距离阈值、类别间距离阈值偏差等参数，从而实现对不同进制的CPM编码隐蔽通信信号的有效识别。

(3)本发明只需获计算接收信号的时频谱轮廓，并对接收信号颤音中局部极值点的数量进行统计分析，计算量小，可实现通信信号的实时检测和识别。

(4)本发明可方便地提取鲸目动物whistle叫声的颤音的声学特征，whistle叫声被鲸目动物用于个体或群体间的互相联络、情感表达、信息传递，是鲸目动物用于通信交流的一类重要叫声，因此本发明将对鲸目动物的生物学研究提供帮助。

附图说明

图1示出本发明中鲸声时频谱轮廓和瞬时平均轮廓的示意图。

图2a至图2c示出本发明中基于CPM技术的伪装通信信号构造方法的示意图。

图3示出本发明中识别基于CPM技术的伪装通信信号的实现流程图。

图4示出本发明中加权移动平均滤波器的窗口中采样点的权值。

图5示出本发明中接收信号颤音的示意图。

附图标记：1-鲸声时频谱轮廓；2-鲸声瞬时平均轮廓；3-CPM编码通信信号；4-伪装通信信号时频谱轮廓；5-接收信号颤音；6-局部极大值点；7-局部极小值点。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1中，本发明给出了基于CPM技术的伪装通信信号构造方法的示意图。根据真实鲸目动物whistle叫声的时频图，可得鲸声时频谱轮廓1，鲸声瞬时平均轮廓2为鲸声时频谱轮廓1的瞬时平均值，颤音是鲸声时频谱轮廓的固有特征，表现为鲸声时频谱轮廓1围绕鲸声瞬时平均轮廓2上下波动，图1所示为鲸声时频谱轮廓1和鲸声瞬时平均轮廓2的示意图。图2a至图2c所示为基于CPM技术的伪装通信信号构造方法的示意图，这种方法是用CPM编码通信信号3模仿真实鲸目动物whistle叫声的颤音，然后将其以一定的权重嵌入到鲸声瞬时平均轮廓2中，构造与鲸声时频谱轮廓1具有高度相似性的伪装通信信号时频谱轮廓4，这种方法的表达式为：

f_Bio＝f_IMF+f_Code (1)

其中，f_Bio表示伪装通信信号时频谱轮廓4，f_IMF表示鲸声瞬时平均轮廓2，f_Code表示CPM编码通信信号3。真实鲸目动物whistle叫声的颤音是随机震动信号，在一定时间内颤音中包含的信号周期数服从高斯分布，而CPM编码通信信号3中码元宽度固定，码元中载波的周期数为几个固定值，因此本发明根据这一特征识别基于CPM技术的伪装通信信号。

图3示出本发明中识别基于CPM技术的伪装通信信号的实现流程图，具体实现步骤为：

第一步，提取接收信号瞬时平均轮廓。

本实施例基于接收信号时频谱轮廓，使用加权移动平均滤波器来提取接收信号瞬时平均轮廓，接收信号表示为S_r，接收信号时频谱轮廓表示为f_r，通过对f_r进行平滑处理即可得到接收信号瞬时平均轮廓f_{r_IMF}。f_r和f_{r_IMF}均包含N个采样点(N为正整数)，f_{r_IMF}的表达式为：

其中，f_{r_IMF}[i]为接收信号瞬时平均轮廓的第i(i＝1,2,...,N)个采样点，f_r[j]为接收信号时频谱轮廓的第j个采样点(j＜1或j＞N时f_r[j]＝0)，M(M≥1为且M为奇数)为窗口长度，a_j-i+(M+1)/2(j-i+(M+1)/2＝1,2,...,M)为f_r[j]的权值且

窗口中各采样点的权值不同，中心点的权值最大，越远离中心点权值越小，即a_(M+1)/2的值最大，a₁和a_M的值最小，因此在计算f_{r_IMF}[i]时，越接近f_r[i]的采样点，对f_{r_IMF}[i]的计算结果影响越大。本实施例以宽吻海豚whistle叫声为例设计了一个加权移动平均滤波器的窗口，宽吻海豚whistle叫声的颤音的信号周期为1ms左右，窗口内权值不小于a_(M+1)/2的采样点为有效值点，设计加权移动平均滤波器的窗口时，使其有效值点的数量与鲸目动物whistle叫声的颤音在一个信号周期内包含的采样点数接近，当叫声信号的采样率为100kHz时，宽吻海豚whistle叫声的颤音在一个周期内包含100个采样点，如图4所示为本发明设计的加权移动平均滤波器的窗口中采样点的权值，窗口长度M＝151，中心点的权值为a₅₁＝0.01，第一个点的权值a₁和最后一个点的权值a₁₅₁均为0，窗口内权值在0.005(即a₅₁/2)的采样点有101个，即窗口内的有效值点有101个。

第二步，提取接收信号颤音5及其局部极值点。

首先计算接收信号颤音5。接收信号颤音5的表达式为：

f_Vibrato＝f_r-f_{r_IMF} (3)

如图5所示为接收信号颤音5的示意图，f_Vibrato的大小随时间t变化且围绕轴f＝0上下波动，f_Vibrato在时间t_X处的斜率为：

k_Vibrato(t_X)＝f′_Vibrato(t_X) (4)

进一步地，接收信号颤音5的局部极值点包括局部极大值点6和局部极小值点7。点P_max的坐标为(t_max,f_max)，设定时间偏差ε_tmax，若t_max-ε_tmax≤t≤t_max+ε_tmax且t≠t_max时，f_Vibrato＜f_max，且P_max处的斜率为k_Vibrato(t_max)＝0，则点P_max为局部极大值点6；点P_min的坐标为(t_min,f_min)，设定时间偏差ε_tmin，若t_min-ε_tmin≤t≤t_min+ε_tmin且t≠t_min时，f_Vibrato＞f_min，并且P_min处的斜率为k_Vibrato(t_min)＝0，则点P_min为局部极小值点7。

第三步，对局部极值点的参数进行统计分析，并判断接收信号是否为伪装通信信号。

首先，对接收信号颤音5进行分段。设置分段长度为l(l为正整数)，l的初始值为l₀，步进值为Δl，第一次分段时l＝l₀，之后每次分段时分段长度l都在上一次基础上增加Δl，分段长度l的最大值为l_max。将f_Vibrato分为k(k＝N/l)段后统计每段颤音中局部极值点的总数，第x(x＝1,2,..,k)段颤音中极值点的总数表示为p_x，这k段颤音中局部极值点的总数用数据集表示为Data_p＝{p_1,p_2,...,p_k}。接着对Data_p中的k个数据进行分类，计算Data_p中两两数据之间的差值，将数据间距离阈值设置为Δp，当两个数据p_x和p_y(x,y＝1,2,..,k且x≠y)满足下式时，将这两个数据划分成同一类：

|p_x-p_y|＜＝Δp (5)

Data_p中的数据划分成z类后，计算每一类中数据的平均值，第m(1≤m≤z且m为整数)类的平均值表示为ave_m，这z类的平均值用数据集表示为ave＝{ave_1,ave_2,...,ave_z}，并且按大小排序为ave_1＜ave_2＜...＜ave_z；最后，计算ave中两两数据之间的差值，将类别间距离阈值设置为Δa，类别间距离阈值偏差设置为ε_ave；若z＞1，并且ave中所有数据均满足下式：

Δa-ε_ave≤ave_v-ave_u≤Δa+ε_ave (6)

其中2≤v＝u+1≤z且v和u均为整数，则将接收信号识别为基于CPM技术的伪装通信信号，否则进行下一步；

进一步地，若识别接收信号不是伪装通信信号：当l+Δl≤l_max时，将分段长度设置为l＝l+Δl，并重复上一步的计算过程；当l+Δl＞lmax时，将接收信号识别为真实鲸目动物whistle叫声。

本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (4)

1.基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法，其特征在于，包括以下步骤：

(1)提取接收信号瞬时平均轮廓；基于接收信号时频谱轮廓，使用加权移动平均滤波器提取接收信号瞬时平均轮廓，接收信号表示为S_r，接收信号时频谱轮廓表示为f_r，通过对f_r进行平滑处理即可得到接收信号瞬时平均轮廓f_{r_IMF}；

(2)提取接收信号颤音及其局部极值点；接收信号颤音由接收信号时频谱轮廓与接收信号瞬时平均轮廓之间的差值得到；

(3)对局部极值点的参数进行统计分析，并判断接收信号是否为伪装通信信号；对接收信号颤音进行分段；设置分段长度为l，l为正整数，l的初始值为l₀，步进值为Δl，第一次分段时l＝l₀，之后每次分段时分段长度l都在上一次基础上增加Δl，分段长度l的最大值为l_max；若识别接收信号不是伪装通信信号：当l+Δl≤l_max时，将分段长度设置为l＝l+Δl，直到l+Δl＞lmax时，将接收信号识别为真实鲸目动物whistle叫声。

2.根据权利要求1所述基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法，其特征在于，步骤(1)中f_r和f_{r_IMF}均包含N个采样点(N为正整数)，f_{r_IMF}的表达式为：

其中，f_{r_IMF}[i]为接收信号瞬时平均轮廓的第i(i＝1，2，...，N)个采样点，f_r[j]为接收信号时频谱轮廓的第j个采样点(j＜1或j＞N时f_r[j]＝0)，M(M≥1为且M为奇数)为窗口长度，a_j-i+(M+1)/2(j-i+(M+1)/2＝1，2，...，M)为f_r[j]的权值且

窗口中各采样点的权值不同，中心点的权值最大，越远离中心点权值越小，即a_(M+1)/2的值最大，a₁和a_M的值最小，因此在计算f_{r_IMF}[i]时，越接近f_r[i]的采样点，对f_{r_IMF}[i]的计算结果影响越大。

3.根据权利要求1所述基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法，其特征在于，步骤(2)中首先计算接收信号颤音；接收信号颤音的表达式为：

f_Vibrato＝f_r-f_{r_IMF} (3)

在由频率f和时间t组成的直角坐标系中，f_Vibrato的大小随时间t变化且围绕纵轴f＝0上下波动，f_Vibrato在时间t_X处的斜率为：

k_Vibrato(t_X)＝f′_Vibrato(t_X) (4)

进一步地，接收信号颤音的局部极值点包括局部极大值点和局部极小值点，点P_max的坐标为(t_max，f_max)，设定时间偏差ε_tmax，若t_max-ε_tmax≤t≤t_max+ε_tmax且t≠t_max时，f_Vibrato＜f_max，且P_max处的斜率为k_Vibrato(t_max)＝0，则点P_max为局部极大值点；点P_min的坐标为(t_min，f_min)，设定时间偏差ε_tmin，若t_min-ε_tmin≤t≤t_min+ε_tmin且t≠t_min时，f_Vibrato＞f_min，并且P_min处的斜率为k_Vibrato(t_min)＝0，则点P_min为局部极小值点。

4.根据权利要求1所述基于CPM调制的仿鲸目动物whistle伪装通信信号的识别方法，其特征在于，步骤(3)中，将接收的信号颤音f_Vibrato分为k(k＝N/l)段后统计每段颤音中局部极值点的总数，第x(x＝1，2，..，k)段颤音中极值点的总数表示为p_x，这k段颤音中局部极值点的总数用数据集表示为Data_p＝{p_1，p_2，...，p_k}；接着对Data_p中的k个数据进行分类，计算Data_p中两两数据之间的差值，将数据间距离阈值设置为Δp，当两个数据p_x和p_y(x，y＝1，2，..，k且x≠y)满足下式时，将这两个数据划分成同一类：

|p_x-p_y|＜＝Δp (5)

Data_p中的数据划分成z类后，计算每一类中数据的平均值，第m(1≤m≤z且m为整数)类的平均值表示为ave_m，这z类的平均值用数据集表示为ave＝{ave_1，ave_2，...，ave_z}，并且按大小排序为ave_1＜ave_2＜...＜ave_z；最后，计算ave中两两数据之间的差值，将类别间距离阈值设置为Δa，类别间距离阈值偏差设置为ε_ave；若z＞1，并且ave中所有数据均满足下式：

Δa-ε_ave≤ave_v-ave_u≤Δa+ε_ave (6)

其中2≤v＝u+1≤z且v和u均为整数，则将接收信号识别为基于CPM技术的伪装通信信号。

Images