FR2724029A1

FR2724029A1 - Neural net detection of acoustic signals from torpedo

Info

Publication number: FR2724029A1
Application number: FR9203158A
Authority: FR
Inventors: Alain Lemer; Laurent Schwab
Original assignee: Thomson CSF SA
Current assignee: Thales SA
Priority date: 1992-03-17
Filing date: 1992-03-17
Publication date: 1996-03-01
Anticipated expiration: 2012-03-17
Also published as: FR2724029B1

Abstract

The system applies a spectral analysis (104) to the acoustic signal emitted by the torpedo. The spectral components are then analysed further (105,107) to obtain two sets of parameters intrinsically representative of presence or of absence of the signal to be detected. These parameter sets are classified by a neural processor trained by apprenticeship. The spectral analysis accumulates successive Fourier transform data taken from consecutive sequences of the same length as the input signal. The spectrum is divided into a group of zones of equal width, and mean and error extracted from successive sets. The spectral lines are extracted (106, 107) using a sliding window and normalised (108) with noise data before application to the neural processor (109).

Description

PROCEDE DE DETECTION DE SIGNAUX
ACOUSTIQUES PROVENANT DE TORPILLES
La présente invention se rapporte aux procédés qui permettent de détecter et éventuellement de classifier les signaux acoustiques émis par les torpilles pendant leur trajet sous-marin. Elle permet de détecter automatiquement parmi les bruits ambiants ceux correspondant à une torpille, de déterminer éventuellement le type de cette torpille, et de déclencher une alerte précoce permettant de mettre en oeuvre des systèmes de contre-mesure ou d'évitement de celle-ci.SIGNAL DETECTION METHOD
ACOUSTICS FROM TORPEDOS
The present invention relates to methods which make it possible to detect and possibly classify the acoustic signals emitted by torpedoes during their underwater journey. It makes it possible to automatically detect among the ambient noises those corresponding to a torpedo, possibly to determine the type of this torpedo, and to trigger an early warning allowing to implement systems of countermeasures or avoidance thereof.

Lorsqu'une torpille est lancée, par un sous-marin par exemple, elle se dirige sous la surface de la mer vers le but visé, à grande vitesse et en émettant sous l'eau des signaux acoustiques divers dus tant aux organes internes qu'aux remous provenant de la coque et surtout de l'hélice. Le milieu sous-marin étant un milieu très bruité, on ne peut pas se contenter de détecter une telle torpille sur le niveau acoustique émis, mais il est nécessaire de distinguer les caractéristiques sonores spécifiques correspondant à un tel engin. When a torpedo is launched, by a submarine for example, it heads under the sea surface towards the target, at high speed and by emitting various acoustic signals underwater due to both internal organs and eddies from the hull and especially from the propeller. The underwater environment being a very noisy environment, one cannot be satisfied with detecting such a torpedo on the acoustic level emitted, but it is necessary to distinguish the specific sound characteristics corresponding to such a machine.

Fort heureusement, en raison de la grande vitesse qu'il est nécessaire de leur appliquer, on ne peut pas diminuer sérieusement le bruit émis par les torpilles et en outre celui-ci présente des caractéristiques très particulières. Ces caractéristiques très particulières sont essentiellement dues au fait que l'hélice tourne très vite, ce qui entraîne une excitation des pales de cette hélice par les phénomènes de cavitation, et une modulation des bruits émis lors du passage des pales devant des singularités de la coque de la torpille, telles que par exemple les gouvernes. A l'oreille le signal émis ressemble grossièrement à celui d'une scie circulaire avec une superposition de hululements très caractéristiques. Fortunately, due to the high speed that it is necessary to apply to them, it is not possible to seriously reduce the noise emitted by the torpedoes and furthermore it has very particular characteristics. These very particular characteristics are essentially due to the fact that the propeller rotates very quickly, which causes excitation of the blades of this propeller by cavitation phenomena, and a modulation of the noise emitted during the passage of the blades in front of singularities of the hull. torpedo, such as for example the control surfaces. In the ear the signal emitted roughly resembles that of a circular saw with a superposition of very characteristic hoots.

A l'analyse spectrale, ce bruit correspond à un spectre de raies superposées à un fond continu évolutif à large bande; les hululements correspondent à des modulations d'amplitude de ces raies. On spectral analysis, this noise corresponds to a spectrum of lines superimposed on an evolving continuous broadband background; the hoots correspond to amplitude modulations of these lines.

Un tel signal est aisément reconnaissable par un opérateur humain, qui peut très facilement détecter l'arrivée d'une torpille à une distance pouvant aller jusqu'à 10 kilomètres, ce qui laisse largement le temps de mettre en oeuvre des mesures défensives. Such a signal is easily recognizable by a human operator, who can very easily detect the arrival of a torpedo at a distance of up to 10 kilometers, which gives ample time to implement defensive measures.

Dans la pratique cette alerte précoce lointaine est cependant relativement difficile à mettre en oeuvre. En effet pour obtenir un niveau de signal suffisant, et surtout une indication de gisement, on utilise un système du genre sonar passif, comportant un ensemble de voies, facilement plus d'une vingtaine, réparties sur tout l'horizon. On serait alors conduit à mettre un opérateur par voie, ce qui n'est pas possible en dehors de quelques moments particulièrement critiques, alors qu'il est souhaitable d'avoir une veille permanente. En outre, comme dans tous ces systèmes, on est confronté au problème de la vigilance de l'opérateur face à de longues périodes sans alerte particulière. In practice, this distant early warning is, however, relatively difficult to implement. Indeed to obtain a sufficient signal level, and above all an indication of deposit, a passive sonar system is used, comprising a set of channels, easily more than twenty, distributed over the entire horizon. We would then have to put an operator per channel, which is not possible outside of certain particularly critical moments, when it is desirable to have a permanent watch. In addition, as in all these systems, we are faced with the problem of the operator's vigilance in the face of long periods without any particular alert.

On a bien tenté de faire une reconnaissance automatique du bruit des torpilles, mais ces essais, essentiellement basés sur la recherche de raies spectrales particulières, nécessitent des puissances de calcul particulièrement importantes pour donner des résultats médiocres. We have tried to make an automatic recognition of the noise of torpedoes, but these tests, essentially based on the search for particular spectral lines, require particularly large computing powers to give mediocre results.

En général on arrive à repérer l'arrivée d'une torpille à une distance comprise entre 2 et 3 kilomètres, ce qui est fort peu comparé aux possibilités d'un opérateur humain, avec en outre une forte probabilité de fausses alarmes, provenant par exemple des raies spectrales générées par les auxiliaires de bateaux divers.In general we manage to spot the arrival of a torpedo at a distance between 2 and 3 kilometers, which is very little compared to the possibilities of a human operator, with in addition a high probability of false alarms, for example spectral lines generated by the auxiliaries of various boats.

Le problème est donc d'obtenir une alarme automatique précoce à une distance au moins égale à celle obtenue à l'aide d'un opérateur humain, soit environ 10 kilomètres, avec un taux de fausses alarmes positives faible et surtout un taux de fausses alarmes négatives quasi nul. Cette alarme précoce permet alors de passer le relais à un opérateur humain, qui a donc déjà une indication assez exacte du gisement à surveiller compte tenu de la voie où l'alarme s'est produite, et dont les capacités d'attention sont toutes fraîches. II est alors facile à cet opérateur humain, alerté par cette alarme précoce, de prendre la main et d'affiner la détection et le repérage de l'engin suspecté d'être une torpille. The problem is therefore to obtain an early automatic alarm at a distance at least equal to that obtained using a human operator, that is to say approximately 10 kilometers, with a low rate of false positive alarms and above all a rate of false alarms. negative almost zero. This early alarm then makes it possible to hand over the baton to a human operator, who therefore already has a fairly exact indication of the deposit to be monitored, taking into account the path in which the alarm occurred, and whose attention span is all fresh. . It is then easy for this human operator, alerted by this early alarm, to take control and refine the detection and location of the craft suspected of being a torpedo.

Pour obtenir une telle alarme automatique précoce, I'invention propose un procédé de détection de signaux de torpilles, dans lequel on effectue une analyse spectrale sur le signal acoustique émis par la torpille, principalement caractérisé en ce que l'on traite ensuite les résultats de cette analyse spectrale pour en obtenir deux jeux de paramètres intrinsèquement représentatif de la présence ou de l'absence du signal à détecter, et que l'on effectue sur ces jeux de paramètres une classification issue d'une technique d'apprentissage
D'autres particularités et avantages de l'invention apparaîtront clairement dans la description suivante, faite en regard de la figure unique annexée qui représente un schéma synoptique d'un dispositif permettant de mettre en oeuvre le procédé selon l'invention.To obtain such an early automatic alarm, the invention proposes a method for detecting torpedo signals, in which a spectral analysis is carried out on the acoustic signal emitted by the torpedo, mainly characterized in that the results of this spectral analysis in order to obtain two sets of parameters intrinsically representative of the presence or absence of the signal to be detected, and a classification based on a learning technique is carried out on these sets of parameters
Other features and advantages of the invention will appear clearly in the following description, made with reference to the single appended figure which represents a block diagram of a device making it possible to implement the method according to the invention.

Le signal d'entrée S(t) obtenu par exemple en sortie d'une voie d'un sonar est formé de séquences successives de durées déterminées, 2 secondes par exemple. Chaque séquence est tout d'abord filtrée dans un filtre passe-bande 101, entre 100 Hz et 6.000 Hz par exemple, afin d'éliminer les signaux parasites et d'éviter les repliements de spectres ultérieurs. Le signal ainsi filtré Y(t) est numérisé dans un convertisseur analogique-numérique 102, fonctionnant par exemple à une fréquence d'échantillonnage de 15.000 Hz, correspondant à une période d'échantillonnage Te = 67 Rs. The input signal S (t) obtained for example at the output of a sonar channel is formed by successive sequences of determined durations, 2 seconds for example. Each sequence is first of all filtered in a bandpass filter 101, between 100 Hz and 6,000 Hz for example, in order to eliminate the spurious signals and to avoid aliasing of subsequent spectra. The signal thus filtered Y (t) is digitized in an analog-digital converter 102, operating for example at a sampling frequency of 15,000 Hz, corresponding to a sampling period Te = 67 Rs.

Pour éviter toute dérive, provenant par exemple d'un décalage du convertisseur analogique numérique, le signal Y(kTe) ainsi numérisé est centré dans un module 103. Cette opération de centrage consiste à faire la moyenne M sur toute la séquence, puis à soustraire cette moyenne à tous les échantillons, soit Y(kTe) - M
On effectue ensuite une analyse spectrale dans un module 104. Cette analyse spectrale consiste à faire un empilage successif de transformées de Fourier, calculées sur des suites consécutives, comportant par exemple chacune 1.024 points de mesure. Ce traitement, jusqu'ici tout à fait classique, permet d'obtenir la densité spectrale de puissance, connue sous le sigle DSP, du signal à analyser.To avoid any drift, coming for example from an offset of the analog-digital converter, the signal Y (kTe) thus digitized is centered in a module 103. This centering operation consists in averaging M over the entire sequence, then in subtracting this average for all samples, i.e. Y (kTe) - M
A spectral analysis is then carried out in a module 104. This spectral analysis consists in making a successive stacking of Fourier transforms, calculated on consecutive sequences, for example each comprising 1,024 measurement points. This processing, hitherto entirely conventional, makes it possible to obtain the power spectral density, known by the acronym DSP, of the signal to be analyzed.

Selon l'invention, on extrait ensuite des résultats de cette analyse spectrale deux sortes de paramètres classifiants, qui seront significatifs de la présence ou non du bruit d'une torpille dans le signal traité et dont l'analyse ultérieure en combinaison permettra d'obtenir une décision par OUI ou NON sur cette présence. According to the invention, two kinds of classifying parameters are then extracted from the results of this spectral analysis, which will be significant for the presence or not of the noise of a torpedo in the processed signal and whose subsequent analysis in combination will make it possible to obtain a decision by YES or NO on this presence.

Un premier traitement, réalisé dans un module 105, consiste à diviser le spectre en plusieurs zones de largeurs égales, réparties sur la bande d'analyse, par exemple cinq zones de 1 kHz réparties entre 1 kHz et 6 kHz. Pour chacune de ces zones, on calcule alors la moyenne et l'écart type du signal représentatif de cette zone. Ceci donne un premier jeu de paramètres, soit dix paramètres dans l'exemple décrit. Ce paramètre représente essentiellement l'allure du fond continu du spectre. A first processing, carried out in a module 105, consists in dividing the spectrum into several zones of equal widths, distributed over the analysis band, for example five zones of 1 kHz distributed between 1 kHz and 6 kHz. For each of these zones, the average and the standard deviation of the signal representative of this zone are then calculated. This gives a first set of parameters, i.e. ten parameters in the example described. This parameter essentially represents the shape of the continuous bottom of the spectrum.

Un deuxième traitement, réalisé dans les modules 106 et 107, permet lui de mettre en évidence les raies spectrales discrètes, éventuellement affectées de diverses modulations, présentes dans le signal. Pour cela, dans le module 106 on applique sur le spectre un processus bien connu de normalisation par double fenêtre glissante à tri et à trou, qui permet de faire ressortir les raies spectrales. Dans l'exemple décrit, les caractéristiques de ce traitement sont de 10 points pour chaque demi-fenêtre, 5 points pour le trou central, et 2 maximum rejetés. On obtient ainsi un nouveau spectre, qui ne comporte essentiellement que des raies sans fond continu. A second processing, carried out in modules 106 and 107, allows it to highlight the discrete spectral lines, possibly affected by various modulations, present in the signal. For this, in module 106, a well known normalization process is applied to the spectrum by sliding double window with tri and hole, which makes it possible to bring out the spectral lines. In the example described, the characteristics of this treatment are 10 points for each half-window, 5 points for the central hole, and 2 maximum rejected. A new spectrum is thus obtained, which essentially comprises only lines without continuous background.

Pour pouvoir classer ces raies, on effectue dans le module 107 un tri permettant d'obtenir l'équivalent d'un histogramme des raies, qu'il serait plus juste d'appeler un pseudo-histogramme. Pour cela, on recherche sur chaque zone du nouveau spectre les raies spectrales dont
I'amplitude est supérieure à un seuil V, fixé par exemple à 2 dB. On classe ensuite ces raies en plusieurs catégories, 3 par exemple, correspondant à des gammes d'amplitudes. Ces catégories seront par exemple respectivement celles comprises entre V et V+2dB, celles comprises entre V+2dB et V+4dB, et celles supérieures à V+4dB. Le nombre de raies obtenu dans ces trois cas correspond à la hauteur de trois cases de l'histogramme.In order to be able to classify these lines, a sort is made in module 107 making it possible to obtain the equivalent of a line histogram, which it would be more correct to call a pseudo-histogram. For that, one searches on each zone of the new spectrum the spectral lines of which
The amplitude is greater than a threshold V, fixed for example at 2 dB. These lines are then classified into several categories, 3 for example, corresponding to ranges of amplitudes. These categories will be, for example respectively those between V and V + 2dB, those between V + 2dB and V + 4dB, and those greater than V + 4dB. The number of lines obtained in these three cases corresponds to the height of three boxes of the histogram.

Compte tenu du nombre de zones sur lequel porte l'analyse, on obtient ainsi un jeu de quinze autres paramètres qui donnent une certaine description, à la fois utile et suffisante pour l'invention, de la répartition des raies spectrales dans le signal S(t). Taking into account the number of zones on which the analysis relates, one thus obtains a set of fifteen other parameters which give a certain description, both useful and sufficient for the invention, of the distribution of the spectral lines in the signal S ( t).

Compte tenu des 10 paramètres obtenus en sortie du module 105, on obtient donc un jeu de 25 paramètres pi qui décrivent le signal
S(t) d'une manière à la fois utile et suffisante pour l'invention et dont il faut ensuite analyser la répartition pour déterminer la présence ou l'absence d'une torpille. Ce nombre de 25 correspond à une réalisation particulière préférée, mais il pourrait être différent, plus ou moins grand, selon les capacités du matériel utilisé et le degré de confiance que l'on souhaite accorder au résultat de l'analyse. Taking into account the 10 parameters obtained at the output of module 105, we therefore obtain a set of 25 pi parameters which describe the signal
S (t) in a way that is both useful and sufficient for the invention and the distribution of which must then be analyzed to determine the presence or absence of a torpedo. This number of 25 corresponds to a particular preferred embodiment, but it could be different, more or less large, depending on the capabilities of the equipment used and the degree of confidence that one wishes to grant to the result of the analysis.

Ces paramètres pi sont ensuite normalisés, dans un module 108, par rapport à la moyenne mi et à l'écart type ai du même jeu de paramètres obtenu à partir de signaux de test permettant l'élaboration d'une base d'apprentissage, dont on va parler par la suite. Cette normalisation consiste, de manière connue, à effectuer le calcul (pi - mi)/ai. These parameters pi are then normalized, in a module 108, with respect to the average mi and the standard deviation ai of the same set of parameters obtained from test signals allowing the development of a learning base, of which we will talk later. This normalization consists, in a known manner, in performing the calculation (pi - mi) / ai.

Le problème est de déterminer avec le jeu de paramètres ainsi obtenu si globalement ceux-ci indiquent la présence ou l'absence du bruit d'une torpille dans le signal d'entrée S(t), étant entendu que l'on ne connaît pas la relation analytique exacte, ni même éventuellement approchée, entre ces paramètres et cette indication, qui est contenue de manière intrinsèque mais non explicite dans le jeu de paramètres. The problem is to determine with the set of parameters thus obtained whether overall they indicate the presence or absence of the noise of a torpedo in the input signal S (t), it being understood that we do not know the exact analytical relationship, or even possibly approximate, between these parameters and this indication, which is contained intrinsically but not explicitly in the set of parameters.

Selon l'invention on utilise alors pour cela un dispositif de classification 109 qui, dans une réalisation préférée, est un réseau de neurones. Selon une réalisation encore plus préférentielle, le réseau de neurones sera un perceptron multicouches constitué de trois couches comprenant respectivement 25, 10 et 2 cellules. According to the invention, a classification device 109 is then used for this, which, in a preferred embodiment, is a neural network. According to an even more preferred embodiment, the neural network will be a multilayer perceptron made up of three layers comprising 25, 10 and 2 cells respectively.

Ce genre de dispositif de classification est bien connu dans l'art, et on sait qu'il est nécessaire de lui appliquer tout d'abord une séquence d'apprentissage consistant à appliquer à son entrée des jeux de paramètres dont on sait qu'ils correspondent soit à la présence d'une torpille, soit à l'absence d'une torpille. En répétant cette phase d'apprentissage avec un nombre suffisant de jeux de paramètres différents, affectés de manière connue à l'une des deux classes correspondant à la présence ou à l'absence de la torpille, les relations internes du réseau de neurones 109 s'organisent pour donner sur les deux sorties, correspondant aux deux cellules de la troisième couche, des signaux d'amplitudes plus ou moins élevées, la sortie ayant l'amplitude la plus élevée correspondant au résultat, absence ou présence, à obtenir.En outre la valeur de cette amplitude, conventionnellement normalisée entre -1 et + 1, permet d'obtenir une indication sur le niveau de confiance que l'on peut accorder au résultat obtenu. This type of classification device is well known in the art, and we know that it is necessary to apply to it first of all a learning sequence consisting in applying to its input sets of parameters which we know to be correspond either to the presence of a torpedo, or to the absence of a torpedo. By repeating this learning phase with a sufficient number of sets of different parameters, assigned in a known manner to one of the two classes corresponding to the presence or absence of the torpedo, the internal relationships of the neural network 109 s organize to give on the two outputs, corresponding to the two cells of the third layer, signals of varying amplitudes, the output having the highest amplitude corresponding to the result, absence or presence, to be obtained. the value of this amplitude, conventionally normalized between -1 and + 1, makes it possible to obtain an indication of the level of confidence that can be given to the result obtained.

Le choix OUI ou NON correspondant à cette présence ou à cette absence, est déterminé par un dispositif à seuil 110 qui permet de comparer les valeurs des signaux de sortie des deux cellules de la troisième couche du neurone 109. The choice YES or NO corresponding to this presence or to this absence is determined by a threshold device 110 which makes it possible to compare the values of the output signals of the two cells of the third layer of neuron 109.

Ainsi donc quand on applique à l'entrée du dispositif un signal
S(t), correspondant à la réception de signaux réels et inconnus par un sonar, on obtient en sortie du dispositif à seuil 110 un signal qui indique si le signal d'entrée S(t) contient ou ne contient pas des signaux correspondant à ceux émis par une torpille naviguant sous l'eau.So when we apply a signal to the input of the device
S (t), corresponding to the reception of real and unknown signals by a sonar, a signal is obtained at the output of the threshold device 110 which indicates whether the input signal S (t) contains or does not contain signals corresponding to those emitted by a torpedo sailing underwater.

Tout le traitement ainsi décrit peut bien entendu être réalisé de manière numérique dans un calculateur convenablement programmé. All the processing thus described can of course be carried out digitally in a suitably programmed computer.

Comme la plupart du temps les sonars actuels utilisent un ou des calculateurs qui permettent, à partir d'une numérisation effectuée très en amont des signaux fournis par les capteurs du sonar, d'effectuer tous les traitements que l'on souhaite, par exemple la formation des voies de réception, on utilisera de préférence ce ou ces calculateurs pour mettre en oeuvre le procédé selon l'invention. De manière courante, les puissances de calcul de ces calculateurs sont largement suffisantes pour effectuer en plus les calculs nécessaires à l'invention, car ceux-ci sont extrêmement simples comme on peut le voir. Compte tenu de cette simplicité, la réponse en sortie est elle-même obtenue très rapidement, ce qui est un avantage particulièrement précieux dans ce cas précis de la détection d'une torpille susceptible d'être dirigée vers le bâtiment porteur du sonar.As most of the time the current sonars use one or more computers which allow, starting from a digitization carried out very upstream of the signals provided by the sonar sensors, to carry out all the treatments that one wishes, for example the formation of the reception channels, preferably this or these computers will be used to implement the method according to the invention. Currently, the computing powers of these computers are more than sufficient to carry out in addition the calculations necessary for the invention, since these are extremely simple as can be seen. Given this simplicity, the output response is itself obtained very quickly, which is a particularly precious advantage in this specific case of the detection of a torpedo capable of being directed towards the building carrying the sonar.

En outre ce système est particulièrement évolutif, et même autoévolutif, puisque on peut faire évoluer le réseau de neurones 109 pour qu'il prenne en compte au fur et à mesure l'ensemble des mesures réelles effectuées avec le sonar. En effet, comme on l'a vu au début du texte, I'invention est particulièrement utile pour effectuer un pré-tri et obtenir ainsi une alerte précoce. L'opérateur humain qui prendra alors le relais sera lui tout à fait à même de lever le léger doute qui peut encore subsister. II pourra alors lorsque cela sera nécessaire entrer dans le calculateur un signal d'erreur qui sera dirigé vers le réseau de neurones afin de lui faire compléter son autoapprentissage. In addition, this system is particularly scalable, and even self-evolving, since the neural network 109 can be made to evolve so that it takes into account as and when all of the real measurements made with the sonar. Indeed, as we saw at the beginning of the text, the invention is particularly useful for carrying out a pre-sorting and thus obtaining an early warning. The human operator who will then take over will be perfectly capable of removing the slight doubt that may still remain. It will then be able, when necessary, to enter into the calculator an error signal which will be directed towards the neural network in order to make it complete its self-learning.

En outre, il est tout à fait possible de vendre un sonar dans lequel est implantée l'invention sans que la phase d'apprentissage ait été mise en oeuvre, en laissant au client le soin d'effectuer celle-ci. Ceci présente l'avantage pour le vendeur de ne pas dévoiler les caractéristiques des signaux à partir desquels il effectue l'apprentissage, et pour le client d'effectuer lui-même son apprentissage à partir de signaux dont il ne tient pas non plus lui-même à dévoiler la nature. In addition, it is entirely possible to sell a sonar in which the invention is implanted without the learning phase having been implemented, leaving it to the client to carry out the latter. This has the advantage for the seller of not revealing the characteristics of the signals from which he learns, and for the client himself to learn from signals which he does not hold either. even to reveal nature.

L'invention concerne essentiellement la combinaison d'une étape où l'on effectue l'extraction d'un certain nombre de paramètres significatifs et d'une étape où l'on effectue la classification de ces paramètres pour en obtenir là l'information de présence ou d'absence de la torpille. Dans ces conditions, I'invention n'est pas limitée au mode de réalisation décrit. Outre les variantes sur les chiffres décrits plus hauts, on peut par exemple utiliser d'autres techniques que l'analyse spectrale par transformée de Fourier, par exemple les techniques utilisant l'analyse par ondelettes arborescentes. De même l'extraction des paramètres peut se faire par d'autres procédés, comme l'analyse auto-régressive ou l'utilisation de paramètres prédicteurs. Enfin l'organe de décision 109 peut être formé par d'autres types de réseaux neuronaux, par exemple des réseaux du type HOPI. On pourrait aussi utiliser des techniques plus classiques de discrimination linéaire, par exemple l'analyse factorielle discriminante, ou non linéaire, par exemple les nuées dynamiques. On pourrait également utiliser un système expert. The invention essentially relates to the combination of a step where the extraction of a certain number of significant parameters is carried out and a step where the classification of these parameters is carried out in order to obtain information therefrom. presence or absence of the torpedo. Under these conditions, the invention is not limited to the embodiment described. In addition to the variants on the figures described above, it is possible, for example, to use other techniques than spectral analysis by Fourier transform, for example techniques using analysis by tree wavelets. Similarly, the extraction of the parameters can be done by other methods, such as auto-regressive analysis or the use of predictive parameters. Finally, the decision-making body 109 can be formed by other types of neural networks, for example networks of the HOPI type. We could also use more conventional techniques of linear discrimination, for example discriminating factor analysis, or nonlinear analysis, for example dynamic clouds. We could also use an expert system.

Enfin, outre la détection et l'identification des signaux de torpilles, on peut étendre l'usage de l'invention à d'autres détections et classifications présentant des caractéristiques semblables, par exemple les bruits de turbine d'un hélicoptère. Finally, in addition to the detection and identification of torpedo signals, it is possible to extend the use of the invention to other detections and classifications having similar characteristics, for example the turbine noises of a helicopter.

Claims

1 - Method for detecting torpedo signals, in which a spectral analysis is carried out (104) on the acoustic signal emitted by the torpedo, characterized in that the results of this spectral analysis are then processed (105, 107) for obtain two sets of parameters intrinsically representative of the presence or absence of the signal to be detected, and perform a classification on these sets of parameters (108, 110) from a learning technique.

2 - Method according to claim 1, characterized in that the spectral analysis (104) is formed by stacking transforms of

Successive Fourier performed on consecutive sequences of the same length of the input signal.

3 - Method according to any one of claims 1 and 2, characterized in that the extraction of parameters comprises at least (105) a division of the spectrum resulting from the spectral analysis into a set of zones of equal widths distributed consecutively over the spectrum obtained by the analysis and from which the average and the standard deviation for each of these zones are extracted; these means and these standard deviations constituting a first set of parameters.

4 - Method according to any one of claims 1 to 3, characterized in that the extraction of parameters comprises at least one phase (106, 107) of extraction and classification of the spectral lines included in the spectrum.

5. Method according to claim 4, characterized in that this extraction of the spectral lines (106, 107) comprises first of all a normalization in double sliding window with sorting and with hole (106) making it possible to obtain said spectral lines, then a classification of these lines (107) according to their level to obtain a pseudohistogram constituting a second set of parameters.

6 - Method according to any one of claims 1 to 5, characterized in that the classification step is carried out using a neural network (109).

7 - Method according to claim 6, characterized in that the set of parameters applied to the neural signal is normalized (108) relative to the set of parameters used for learning the neural network.

8 - Method according to any one of claims 1 to 7, characterized in that one carries out a centering (103) on the signals to be analyzed in order to make them undergo the spectral analysis (104).

9.- Method according to any one of claims 1 to 8, characterized in that one digitizes (101, 102) the signal to be analyzed and that one carries out all the subsequent treatments (103-110) with the using numerical calculation means.

10 - Method according to claim 9, characterized in that one uses as input signal an already digitized sound signal and that one uses to carry out the subsequent treatments (103-110) the sonar calculation means having enabled to get the signal to analyze.