文献阅读——时空域联合的水下未知线谱目标检测方法_水声信号被动检测与参数估计理论

时空域联合的水下未知线谱目标检测方法（DOI: 10.11999/JEIT180796）

参 考 文 献

[1]WITTEKIND D K. A simple model for the underwater noise source level of ships[J]. Journal of Ship Production and Design, 2014, 30(1): 7–14. doi: 10.5957/JSPD.30.1. 120052.

[2]WANG Yilin, MA Shilong, FAN Zhan, et al. Robust DFTbased generalised likelihood ratio test for underwater tone detection[J]. IET Radar, Sonar & Navigation, 2017, 11(12): 1845–1853. doi: 10.1049/iet-rsn.2017.0135.

[3]罗斌, 王茂法, 王世闯. 一种高效的弱目标线谱检测算法[J]. 声 学技术, 2017, 36(2): 171–176. doi: 10.16300/j.cnki.10003630.2017.02.013. LUO Bin, WANG Maofa, and WANG Shichuang. A highly efficient weak target line-spectrum detection algorithm[J]. Technical Acoustics, 2017, 36(2): 171–176. doi: 10.16300/j. cnki.1000-3630.2017.02.013.

[4]陈志菲, 孙进才, 侯宏. 宽带DOA估计的类MUSIC波束形成算 法[J]. 电子学报, 2011, 39(6): 1257–1260. CHEN Zhifei, SUN Jincai, and HOU Hong. MUSIC-like beamforming method for wideband DOA estimation[J]. Acta Electronica Sinica, 2011, 39(6): 1257–1260.

[5]陈阳, 王自娟, 朱代柱, 等. 一种基于频率方差加权的线谱目标 检测方法[J]. 声学学报, 2010, 35(1): 76–80. doi: 10.15949/j. cnki.0371-0025.2010.01.008. CHEN Yang, WANG Zijuan, ZHU Daizhu, et al. A detecting method for line-spectrum target based on variance-of-frequency weight[J]. Acta Acustica, 2010, 35(1): 76–80. doi: 10.15949/j.cnki.0371-0025.2010.01.008.

[6]戴文舒, 陈新华, 孙长瑜, 等. 自适应Alpha-beta修正的线谱检 测后置处理方法[J]. 电子与信息学报, 2014, 36(10): 2419–2424. DAI Wenshu, CHEN Xinhua, SUN Changyu, et al. A postprocessing method for line spectrum detection corrected by adaptive alpha-beta filter[J]. Journal of Electronics & Information Technology, 2014, 36(10): 2419–2424.

[7]陈新华, 鲍习中, 李启虎, 等. 水下声信号未知频率的目标检测 方法研究[J]. 兵工学报, 2012, 33(4): 471–175. CHEN Xinhua, BAO Xizhong, LI Qihu, et al. Research on detection of underwater acoustic signal with unknown frequency[J]. Acta Armamentarii, 2012, 33(4): 471–175.

[8]郑恩明, 陈新华, 孙长瑜. 基于幅值加权的未知线谱目标检测 方法[J]. 振动与冲击, 2014, 33(16): 160–164. doi: 10.13465/j. cnki.jvs.2014.16.029. ZHENG Enming, CHEN Xinhua, and SUN Changyu. Unknown target detection method based on weighted amplitude[J]. Journal of Vibration and Shock, 2014, 33(16): 160–164. doi: 10.13465/j.cnki.jvs.2014.16.029.

[9]梁国龙, 赵文彬, 付进. 一种降维空域滤波矩阵的设计方法[J]. 电子学报, 2017, 45(2): 417–423. doi: 10.3969/j.issn.03722112.2017.02.021. LIANG Guolong, ZHAO Wenbin, and FU Jin. Spatial matrix filter with dimension reduction design[J]. Acta Electronica Sinica, 2017, 45(2): 417–423. doi: 10.3969/j.issn. 0372-2112.2017.02.021.

[10] 韩东, 章新华, 孙瑜. 宽带最优空域矩阵滤波器设计[J]. 声学学 报, 2011, 36(4): 405–411. doi: 10.15949/j.cnki.0371-0025. 2011.04.005. HAN Dong, ZHANG Xinhua, and SUN Yu. Design of optimal broad band spatial matrix filter[J]. Acta Acustica, 2011, 36(4): 405–411. doi: 10.15949/j.cnki.03710025.2011.04.005.

[11]WIDROW B, GLOVER J R, MCCOOL J M, et al. Adaptive noise cancelling: Principles and applications[J]. Proceedings of the IEEE, 1975, 63(12): 1692–1716. doi: 10.1109/PROC.1975.10036.

[12]ZEIDLER J, SATORIUS E, CHABRIES D, et al. Adaptive enhancement of multiple sinusoids in uncorrelated noise[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1978, 26(3): 240–254. doi: 10.1109/TASSP. 1978.1163074.

[13]RICKARD J and ZEIDLER J. Second-order output statistics of the adaptive line enhancer[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1979, 27(1): 31–39. doi: 10.1109/TASSP.1979.1163203.

[14]郑兆宁, 向大威. 水声信号被动检测与参数估计理论[M]. 北京: 科学出版社, 1983: 528–582. ZHENG Zhaoning and XIANG Dawei. Underwater Acoustic

[15]Signal Passive Detection and Parameter Estimation Theory[M]. Beijing: Science Press, 1983: 528–582. WEN Pengwei and ZHANG Jiashu. A novel variable stepsize normalized subband adaptive filter based on mixed error cost function[J]. Signal Processing, 2017, 138: 48–52. doi: 10.1016/j.sigpro.2017.01.023.

[16]SHEN Zijie, HUANG Tianmin, and ZHOU Kun. L0-norm constraint normalized logarithmic subband adaptive filter algorithm[J]. Signal, Image and Video Processing, 2018, 12(5): 861–868. doi: 10.1007/s11760-017-1230-4.

[17]YU Yi, ZHAO Haiquan, and CHEN Badong. Setmembership improved normalised subband adaptive filter algorithms for acoustic echo cancellation[J]. IET Signal Processing, 2018, 12(1): 42–50. doi: 10.1049/iet-spr.2017.0131.

---

引言部分

• 由参考文献1知

1. 在深海的大部分地区，船舶引起的水声频谱低于约300 Hz 的低频范围。

2. 从围绕海军舰艇的研究和在商船上完成的全尺寸和模型规模的工作中得知，舰船的辐射噪声根据某些设计参数显示出很大的变化。（力学参数和几何参数）

3. 在非空泡条件下，主要噪声来自叶片振动，与机械噪声相比，叶片振动产生的噪声贡献非常低。

一旦螺旋桨发生空泡，它的低频贡献很快就会占主导地位。

• 由参考文献2知

1. 水下物体发出的噪声通常含 有丰富的音调分量， 这些音调分量对于声纳系统探测水 下物体具有重 要意义 。

• 由参考文献3知

1. 随着减振降噪技术的不断发展，从强海洋背景噪声中检测出微弱的线谱信号，是近年来水声信号处理的一个重要研究内容。

• 由参考文献4知

1. 其中基于频域波束形成的宽带DOA 估计算法ICBF（Incoherent Conventional Beamforming），它通过叠加分析频带内各窄带的 CBF（Conventional Beamforming） 算法估计值作为宽带DOA 估计结果。

• 由参考文献5知

1. 常规波束形成系统（CBF）简单且稳健。在大多数情况下，声呐视野中有多个目标，如编次航行的多艘舰船、商船和渔船等，称之为多目标相干干扰，CBF未利用声场的信息，在这样复杂的多目标声场中，它并不能给出最佳检测效果。

2. 传统的线谱检测四维显示的难点

3. CBF频率方差检测系统

用频率域峰值频率方差对CBF输出的方位谱进行加权。

该检测器是针对被动声呐线谱目标检测的，具有CBF线谱检测系统一样良好的检测能力，仅须配置三维显示器。该方法可在多目标、强干扰的环境下检测到弱线谱目标。

探测高速小平台可选用接收信号的高频频段，采用CBF频率方差检测系统

4. 若目标信号含有线谱，由于线谱有较高的强度和稳定度，在作频率域峰选时，每次都能选到线谱频率，则其频率方差就较小。

反之，若目标无线谱，每次峰选得到的频率是随机的，其频率方差就会很大。

加权之后，线谱目标的被显示量被显著提高，而非线谱目标的则被大大抑制。

• 由参考文献6知

1. 水下目标辐射噪声中有丰富的单频分量，特别是低频段，通常线谱谱级要比连续谱高出 10 ~ 25dB。

2. 常规波束形成(CBF)频率方差线谱检测器，即在频率域用每个方位的波束谱峰值频率方差对 CBF 输出的方位谱进行加权来得到线谱目标的方位。同时验证了其优越的抗干扰能力。

• 由参考文献7知

1. 基于目标对应频率单元波束输出最大值基本一致的特点。

2. 被动声纳因不对外辐射信号，故隐蔽性较强。一直是对水下目标进行探测的重要手段之一。但随着隐身技术的不断提高，对被动声纳的性能需求也越来越严格。常规被动声纳检测技术基于宽带能量积分的信号检测方法，已远远不能满足远程探测的需要。理论和实验证明，水下目标辐射噪声中具有丰富的单频分量，特别是在低频段。

3. 通常线谱谱级比连续谱谱级要高出 10 ～25 dB。

5. 最大值所在位置对应着该频率单元的 DOA 估计，记为 θ(f i )，i =1，…，M． 对于噪声对应的频率单元，θ(f i )是随机的，对于目标线谱对应的频率单元 θ(f i )应当是目标DOA，是稳定的。

---

阵列接收信号模型

---

常规宽带波束形成+功率谱分析

一、常规宽带波束形成

1. 基于频域波束形成的宽带DOA估计算法（宽带DOA估计的类MUSIC波束形成算法_陈志菲）

2. ISM算法（宽带波束形成算法研究_柯小梅）

二、功率谱分析

1. 直接法（周期图法）

功率谱方法可以分为两种，直接法和间接法。直接法也称为周期图法，它是直接对有限个样本数据进行傅里叶变换来得到功率谱。样本数据越长，直接法获得的分辨率越高。

经典谱估计优点是计算效率高，缺点是频率分辨率低，常用于频率分辨率要求不高的场合。

直接将信号的采样数据x(n)进行Fourier变换求取功率谱密度估计的方法。假定有限长随机信号序列为x(n)。它的Fourier变换和功率谱密度估计存在下面的关系：

式中，N为随机信号序列x(n)的长度。在离散的频率点f=kΔf,有：

其中，FFT[x(n)]为对序列x(n)的Fourier变换，由于FFT[x(n)]的周期为N，求得的功率谱估计以N为周期。

————————————————

版权声明：本文为CSDN博主「cqfdcw」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/cqfdcw/article/details/84952301

---

自适应线谱增强器，构建能够自主匹配未知线谱信号的时空域联合滤波器

一、时空域联合滤波器

1. 延时LMS算法 （自适应LMS算法的研究及应用-马伟富）

2. 自适应线谱增强（ALE算法）

图 1 的自适应线增强器(adaptive line enhancer, ALE)的操作可以直观地理解如下。

延迟导致两个处理器通道中输入数据的噪声分量之间去相关，同时在正弦分量之间引入简单的相位差。自适应滤波器通过在正弦分量的频率处形成与窄带滤波器等效的传递函数(居中)来响应。延迟输入的噪声分量被拒绝，而正弦分量的相位差被重新调整，使它们在求和结处相互抵消，产生由瞬时输入数据的噪声分量单独组成的最小误差信号。

3. 解相关延迟量（基于水下小尺度平台的被动探测关键技术研究-郝宇）

本质上，ALE 的设计是基于线谱信号分量与宽带噪声分量相关半径的差异。线谱信号分量是具有周期性的，因而其相关半径要远大于宽带噪声分量。在 ALE 中，需要使用一个自适应滤波器，该自适应滤波器的参考信号是 ALE 的原始输入信号，而其输入信号是对 ALE 的原始输入信号进行解相关延迟得到的信号。如果解相关延迟量 Δ 被设置为小于线谱信号的相关半径，同时大于宽带噪声的相关半径，自适应滤波器的参考和输入信号中的宽带噪声会不相关，而线谱信号依然相关。此时，自适应滤波器可以对线谱信号分量进行 Δ 步前向预测，而宽带噪声分量则会被抑制。因此，在 ALE 的输出信号中，线谱信号会得到有效地增强。