CN116660875A - 非高斯噪声背景下的目标辐射线谱自适应增强方法及系统 - Google Patents

Abstract

非高斯噪声背景下的目标辐射线谱自适应增强方法及系统，涉及声纳探测技术领域。本发明是为了解决现有自适应线谱增强方法在非高斯背景噪声下，性能急剧下降甚至完全失效，从而导致线谱检测能力弱的问题。本发明包括：初始化自适应权值w(k)；对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k‑Δ)；迭代更新自适应权值，将x(k‑Δ)与更新后的自适应权值相乘，获得增强后的目标辐射线谱y(k)；获得x(k)与y(k)的估计误差e(k)；设计惩罚函数，利用惩罚函数和e(k)，获取迭代更新后的自适应权值；重复执行以上步骤，直至迭代更新后的自适应权值收敛，输出增强后的目标辐射线谱。本发明用于自适应增强目标辐射线谱。

Description

非高斯噪声背景下的目标辐射线谱自适应增强方法及系统

技术领域

本发明涉及声纳探测技术领域，特别涉及非高斯噪声背景下的目标辐射线谱自适应增强方法及系统。

背景技术

水下目标的辐射噪声是被动声纳的主要探测对象。一般来说，水下目标辐射噪声的功率谱由宽带连续谱和叠加在其上的低频窄带线谱分量构成，与宽带连续谱信号相比，低频窄带线谱信号具有更高的单位带宽强度、更好的稳定性和更小的传播损失。因此，低频线谱信号的检测对安静型水下目标的远程探测具有十分重要的意义。受嘈杂海洋环境的影响，被动声纳通常工作在低信噪比环境下。提高信噪比能够有效改善被动声纳的探测性能。

目前为提高线谱信号的信噪比，自适应线谱增强器在被动声纳中得到了广泛应用，常作为线谱检测前的预处理手段。本质上，ALE利用了窄带周期性线谱信号的时间相关半径大于宽带随机噪声的特性。通过对ALE的输入信号进行时间延迟，使延迟前后信号中的宽带噪声成分不相关，而线谱成分仍保持相关，进而利用最小均方误差准则进行权值的自适应迭代，在保留线谱信号的同时抑制宽带噪声成分。上述的常规ALE假设噪声服从高斯分布，基于均方误差这一个全局二阶统计量设计自适应滤波器。依据大数定理，海洋环境噪声服从高斯分布是合理的。然而，在实际中，由于受到自然现象或人为干扰的影响，海洋环境噪声往往具有非高斯统计特性，这一现象在受工业噪声和航船噪声影响的近海海域以及受冰层融化噪声影响的极地海域尤为明显。非高斯噪声不具有有限二阶统计特性，因此，基于最小均方误差准则的常规ALE在非高斯背景噪声下的性能会急剧下降甚至完全失效，从而导致线谱检测能力弱。

发明内容

本发明目的是为了解决现有自适应线谱增强方法在非高斯背景噪声下，性能急剧下降甚至完全失效，从而导致线谱检测能力弱的问题，而提出了非高斯噪声背景下的目标辐射线谱自适应增强方法及系统。

非高斯噪声背景下的目标辐射线谱自适应增强方法具体过程为：

步骤一、初始化自适应滤波器的权值w(k)；

步骤二、对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)；

步骤三、将步骤二获得的x(k-Δ)与自适应滤波器的权值相乘，获得增强后的目标辐射线谱y(k)；

步骤四、获得步骤二获得的参考信号x(k)与步骤三获得的增强后的目标辐射线谱y(k)的估计误差e(k)；

步骤五、利用惩罚函数和步骤四获得的e(k)，获取迭代更新后的自适应滤波器的权值；

所述惩罚函数如下：

式中，κ_σ(x_i-y_i)是核函数，σ是核宽度，i取k-M+1到k，为窗内时刻，M是窗长，x_i是窗口内i时刻的参考信号，y_i是增强后的目标辐射线谱在i时刻的信号，e(i)是窗口内参考信号与增强后的目标辐射线谱的估计误差在i时刻的值，k是当前时刻；

步骤六、重复执行步骤二到步骤四，直至迭代更新后的自适应滤波器的权值收敛，输出增强后的目标辐射线谱。

进一步地，所述步骤二中的对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)，如下式：

x(k-Δ)＝[x(k-Δ),x(k-1-Δ),...,x(k-L+1-Δ)]^T (1)

式中，x(k),k＝1,2,...是参考信号，L是自适应滤波器阶数，Δ表示解相关延迟量。

进一步地，所述步骤三中的增强后的目标辐射线谱y(k)，如下式：

y(k)＝w^T(k)x(k-Δ) (2)

式中，(·)^T表示转置运算。

进一步地，所述步骤四中的步骤二获得的参考信号x(k)与步骤三获得的增强后的目标辐射线谱y(k)的估计误差e(k)，如下式：

e(k)＝x(k)-y(k) (3)。

进一步地，所述步骤五中的迭代更新后的自适应滤波器的权值，如下式：

式中，w_MCC(k+1)为更新后的自适应滤波器的权值，μ为迭代步长，是更新后的自适应滤波器的权值梯度。

非高斯噪声背景下的目标辐射线谱自适应增强系统，包括：初始化模块、延迟信号获取模块、增强后的目标辐射线谱输出模块、估计误差获取模块、自适应权值更新模块；

所述初始化模块：对自适应滤波器的权值w(k)初始化；

所述延迟信号获取模块：对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)；

增强后的目标辐射线谱输出模块：将x(k-Δ)与自适应滤波器的权值相乘，获得增强后的目标辐射线谱y(k)；

估计误差获取模块：获取参考信号x(k)与增强后的目标辐射线谱y(k)的估计误差e(k)；

自适应权值更新模块：利用惩罚函数和e(k)，获取迭代更新后的自适应滤波器的权值，然后重新进入延迟信号获取模块直至迭代更新后的自适应滤波器的权值收敛，输出增强后的目标辐射线谱；

所述惩罚函数如下：

式中，κ_σ(x_i-y_i)是核函数，σ是核宽度，i取k-M+1到k，为窗内时刻，M是窗长，x_i是窗口内i时刻的参考信号，y_i是增强后的目标辐射线谱在i时刻的信号，e(i)是窗口内参考信号与增强后的目标辐射线谱的估计误差在i时刻的值，k是当前时刻。

进一步地，所述声强信息的延迟信号x(k-Δ)，如下式：

x(k-Δ)＝[x(k-Δ),x(k-1-Δ),…,x(k-L+1-Δ)]^T (1)

式中x(k),k＝1,2,...是参考信号，L是自适应滤波器阶数，Δ表示解相关延迟量。

进一步地，所述增强后的目标辐射线谱y(k)，如下式：

y(k)＝w^T(k)x(k-Δ) (2)

式中，(·)^T表示转置运算。

进一步地，所述参考信号x(k)与增强后的目标辐射线谱y(k)的估计误差e(k)，如下式：

e(k)＝x(k)-y(k) (3)。

进一步地，所述迭代更新后的自适应滤波器的权值，如下式：

式中，w_MCC(k+1)为更新后的自适应滤波器的权值，μ为迭代步长，是更新后的自适应滤波器的权值梯度。

本发明的有益效果为：

本发明提出了一种适用于非高斯噪声下的目标辐射线谱增强方法，相较于常规ALE，本发明能够在有效抑制高斯噪声的同时抑制非高斯噪声，解决了常规ALE在非高斯噪声下权值迭代发散的问题，使ALE在非高斯噪声下也能够获得更大的信噪比增益，提升了自适应线谱增强方法在非高斯背景噪声下的性能，进而提升了对不同环境下线谱的探测能力。本发明能更好地适用于非高斯噪声下的工作环境，如近海域处被动声纳的工作环境，具有一定的实际指导价值。

附图说明

图1为本发明基于最大相关熵准则的ALE的算法流程图；

图2(a)为ALE输入信号的LOFAR谱；

图2(b)为常规ALE输出信号的LOFAR谱；

图2(c)为基于奇异谱分析的ALE(Singular Spectrum Analysis-Based ALE,SSA-ALE)输出信号的LOFAR谱；

图2(d)为基于香农熵的ALE(Shannon Entropy-Based ALE,Shannon-ALE)输出信号的LOFAR谱；

图2(e)为基于最大相关熵准则的ALE(Maximum Correntropy Criterion-BasedALE,MCC-ALE)输出信号LOFAR谱。

具体实施方式

具体实施方式一：如图1所示，本实施方式非高斯噪声背景下的目标辐射线谱自适应增强方法具体过程为：

步骤一、将自适应滤波器的权值w(k)初始化为0；

步骤二、对接收的声强信息数据进行采样得到快拍x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)：

x(k-Δ)＝[x(k-Δ),x(k-1-Δ),…,x(k-L+1-Δ)]^T (1)

式中x(k),k＝1,2,…表示时域采样快拍即参考信号，L表示自适应滤波器阶数，Δ表示解相关延迟量，k为当前时刻，声强信息的延迟信号x(k-Δ)为自适应滤波器的输入。

步骤三、将步骤二获得的x(k-Δ)与自适应滤波器的权值相乘获得ALE输出：

y(k)＝w^T(k)x(k-Δ) (2)

式中，w(k)表示自适应滤波器的权值向量，(·)^T表示转置运算，y(k)是增强后的目标辐射线谱。

步骤四、利用步骤二获得的x(k)减去步骤三获得的ALE输出，得到参考信号与增强后的目标辐射线谱的估计误差：

e(k)＝x(k)-y(k) (3)

步骤五、由于非高斯噪声的二阶统计特性不收敛，基于最小均方误差准则的常规ALE权值迭代会不收敛。受相关熵性质的启发，更改常规ALE惩罚函数为基于最大相关熵准则的惩罚函数，其中核函数选择常用的高斯核函数，通过对惩罚函数进行梯度上升求导，得到新的权值迭代公式，包括以下步骤：

步骤五一、设计惩罚函数如下：

式中，κ_σ(x_i-y_i)表示核函数，本发明中采用了高斯核函数；σ是设置的核宽度，i取k-M+1到k，为窗内时刻，M是窗长，x_i是窗口内i时刻的参考信号，y_i是增强后的目标辐射线谱在i时刻的信号，e(i)是窗口内参考信号与增强后的目标辐射线谱的估计误差在i时刻的值。

步骤五二、利用步骤五一设计的惩罚函数和步骤四获得的估计误差，利用随机梯度法，沿性能表面上升方向，获得新的自适应滤波器的权值迭代公式，表示为，

式中w_MCC(k+1)为新的自适应滤波器的权值，μ为迭代步长，e(k)为估计误差，是更新后的自适应滤波器的权值梯度；

步骤六、利用新的自适应滤波器的权值，重复步骤二至步骤五直至自适应滤波器的权值收敛，输出增强后的目标辐射线谱。

本实施方式中，本发明利用最大相关熵准则，将常规ALE基于最小均方误差准则构造的惩罚函数替换为基于最大相关熵准则的惩罚函数，有效地避免非高斯噪声有限二阶矩不存在的问题，有效抑制了非高斯背景噪声，提升了自适应线谱增强方法在非高斯背景噪声下的性能。同时，本发明将相关熵中的核函数采用高斯核函数，有效地抑制了强的冲激性噪声干扰。

具体实施方式二：非高斯噪声背景下的目标辐射线谱自适应增强系统，包括：初始化模块、延迟信号获取模块、增强后的目标辐射线谱输出模块、估计误差获取模块、自适应权值更新模块；

所述初始化模块：对自适应滤波器的权值w(k)初始化；

所述延迟信号获取模块：对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)：

x(k-Δ)＝[x(k-Δ),x(k-1-Δ),…,x(k-L+1-Δ)]^T (1)

式中x(k),k＝1,2,…是参考信号，L是自适应滤波器阶数，Δ表示解相关延迟量。

增强后的目标辐射线谱输出模块：将x(k-Δ)与自适应滤波器的权值相乘，获得增强后的目标辐射线谱y(k)：

y(k)＝w^T(k)x(k-Δ) (2)

式中，(·)^T表示转置运算。

估计误差获取模块：获取参考信号x(k)与增强后的目标辐射线谱y(k)的估计误差e(k)：

e(k)＝x(k)-y(k) (3)。

自适应权值更新模块：设计惩罚函数，利用惩罚函数和e(k)，获取迭代更新后的自适应滤波器的权值，然后重新进入延迟信号获取模块直至迭代更新后的自适应滤波器的权值收敛，输出增强后的目标辐射线谱；

所述惩罚函数如下：

式中，κ_σ(x_i-y_i)是核函数，σ是核宽度，i取k-M+1到k，为窗内时刻，M是窗长，x_i是窗口内i时刻的参考信号，y_i是增强后的目标辐射线谱在i时刻的信号，e(i)是窗口内参考信号与增强后的目标辐射线谱的估计误差在i时刻的值，k是当前时刻；

所述迭代更新后的自适应滤波器的权值，如下式：

式中，w_MCC(k+1)为更新后的自适应滤波器的权值，μ为迭代步长，是更新后的自适应滤波器的权值梯度。

实施例：为验证本发明有益效果，进行如下试验：

考虑ALE的输入由频率分别为92Hz和184Hz的两条线谱以及非高斯背景噪声构成。非高斯背景噪声采用Alpha稳定噪声模型进行描述，特征指数α＝1.34，偏斜指数β＝0.5，分散系数γ＝0.05，位置参数m＝1。输入SNR设置为-20dB，采样频率为2kHz，解相关延迟量为100，滤波器阶数为2000，步长μ＝1e^-5，核宽度σ＝0.84。仿真数据长度为100s。待对比的算法有常规ALE、SSA-ALE和Shannon-ALE。

首先利用LOFAR(Low Frequency Analysis and Recording)谱图来展现ALE的性能，LOFAR谱图由2s的短时傅里叶变换和1s的数据重叠构造，如图2(a)-图2(e)所示。从图2(a)中不难发现，背景噪声在时域上有许多脉冲性的噪声，原始输入信号中的线谱信噪比较低。从图2(b)可以发现，由于非高斯噪声不存在有限的二阶矩，常规ALE迭代不收敛，无法提高线谱信号信噪比，进而无法提高非高斯噪声背景下线谱信号的检测能力。从图2(c)和图2(d)可知，SSA-ALE和Shannon-ALE能够有效抑制非高斯噪声，提高了线谱信号的输出信噪比。由图2(e)可知，相较而言，MCC-ALE不仅对高斯噪声的有很强的抑制能力，还对非高斯噪声有更强的抑制效果，MCC-ALE的性能是四者中最佳的，有效提高了非高斯背景噪声下线谱信号的检测能力。

Claims (10)

1.非高斯噪声背景下的目标辐射线谱自适应增强方法，其特征在于所述方法具体过程为：

步骤一、初始化自适应滤波器的权值w(k)；

步骤二、对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)；

步骤三、将步骤二获得的x(k-Δ)与自适应滤波器的权值相乘，获得增强后的目标辐射线谱y(k)；

步骤四、获得步骤二获得的参考信号x(k)与步骤三获得的增强后的目标辐射线谱y(k)的估计误差e(k)；

步骤五、利用惩罚函数和步骤四获得的e(k)，获取迭代更新后的自适应滤波器的权值；

所述惩罚函数如下：

式中，κ_σ(x_i-y_i)是核函数，σ是核宽度，i取k-M+1到k，为窗内时刻，M是窗长，x_i是窗口内i时刻的参考信号，y_i是增强后的目标辐射线谱在i时刻的信号，e(i)是窗口内参考信号与增强后的目标辐射线谱的估计误差在i时刻的值，k是当前时刻；

步骤六、重复执行步骤二到步骤四，直至迭代更新后的自适应滤波器的权值收敛，输出增强后的目标辐射线谱。

2.根据权利要求1所述的非高斯噪声背景下的目标辐射线谱自适应增强方法，其特征在于：所述步骤二中的对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)，如下式：

x(k-Δ)＝[x(k-Δ),x(k-1-Δ),…,x(k-L+1-Δ)]^T (1)

式中，x(k),k＝1,2,…是参考信号，L是自适应滤波器阶数，Δ表示解相关延迟量。

3.根据权利要求2所述的非高斯噪声背景下的目标辐射线谱自适应增强方法，其特征在于：所述步骤三中的增强后的目标辐射线谱y(k)，如下式：

y(k)＝w^T(k)x(k-Δ)(2)

式中，(·)^T表示转置运算。

4.根据权利要求3所述的非高斯噪声背景下的目标辐射线谱自适应增强方法，其特征在于：所述步骤四中的步骤二获得的参考信号x(k)与步骤三获得的增强后的目标辐射线谱y(k)的估计误差e(k)，如下式：

e(k)＝x(k)-y(k) (3)。

5.根据权利要求4所述的非高斯噪声背景下的目标辐射线谱自适应增强方法，其特征在于：所述步骤五中的迭代更新后的自适应滤波器的权值，如下式：

式中，w_MCC(k+1)为更新后的自适应滤波器的权值，μ为迭代步长，是更新后的权值梯度。

6.非高斯噪声背景下的目标辐射线谱自适应增强系统，其特征在于：所述系统包括：初始化模块、延迟信号获取模块、增强后的目标辐射线谱输出模块、估计误差获取模块、自适应权值更新模块；

所述初始化模块：对自适应滤波器的权值w(k)初始化；

所述延迟信号获取模块：对接收的声强信息进行采样获得参考信号x(k)，对x(k)进行解相关延迟，获得声强信息的延迟信号x(k-Δ)；

增强后的目标辐射线谱输出模块：将x(k-Δ)与自适应滤波器的权值相乘，获得增强后的目标辐射线谱y(k)；

估计误差获取模块：获取参考信号x(k)与增强后的目标辐射线谱y(k)的估计误差e(k)；

自适应权值更新模块：利用惩罚函数和e(k)，获取迭代更新后的自适应滤波器的权值，然后重新进入延迟信号获取模块直至迭代更新后的自适应滤波器的权值收敛，输出增强后的目标辐射线谱；

所述惩罚函数如下：

式中，κ_σ(x_i-y_i)是核函数，σ是核宽度，i取k-M+1到k，为窗内时刻，M是窗长，x_i是窗口内i时刻的参考信号，y_i是增强后的目标辐射线谱在i时刻的信号，e(i)是窗口内参考信号与增强后的目标辐射线谱的估计误差在i时刻的值，k是当前时刻。

7.根据权利要求6所述的非高斯噪声背景下的目标辐射线谱自适应增强系统，其特征在于：所述声强信息的延迟信号x(k-Δ)，如下式：

x(k-Δ)＝[x(k-Δ),x(k-1-Δ),…,x(k-L+1-Δ)]^T (1)

式中x(k),k＝1,2,...是参考信号，L是自适应滤波器阶数，Δ表示解相关延迟量。

8.根据权利要求7所述的非高斯噪声背景下的目标辐射线谱自适应增强系统，其特征在于：所述增强后的目标辐射线谱y(k)，如下式：

y(k)＝w^T(k)x(k-Δ) (2)

式中，(·)^T表示转置运算。

9.根据权利要求8所述的非高斯噪声背景下的目标辐射线谱自适应增强系统，其特征在于：所述参考信号x(k)与增强后的目标辐射线谱y(k)的估计误差e(k)，如下式：

e(k)＝x(k)-y(k) (3)。

10.根据权利要求9所述的非高斯噪声背景下的目标辐射线谱自适应增强系统，其特征在于：所述迭代更新后的自适应滤波器的权值，如下式：

式中，w_MCC(k+1)为更新后的自适应滤波器的权值，μ为迭代步长，是更新后的自适应滤波器的权值梯度。