阅读说明：本技术 一种主被动联合处理的声纳目标高精度线谱提取方法 (Active and passive combined processing sonar target high-precision line spectrum extraction method ) 是由 孙微 王方勇 唐浩 査继林 谷新禹 于 2021-05-31 设计创作，主要内容包括：本发明公开了一种主被动联合处理的声纳目标高精度线谱提取方法,该方法利用主动声纳估计目标相对运动速度,映射为多普勒频偏后对被动声纳估计的目标功率谱进行修正,修正后的功率谱时间相关性和准确性将得到极大改善,再对补偿后的各时间快拍功率谱进行累积处理,利用累积后的功率谱进行特征提取,获得高精度高信噪比的线谱特征。本发明的有益效果为：该方法较常规方法提取到的线谱特征位置更为准确,不受多普勒频偏影响,同时具有更高的信噪比,大幅提高了线谱检测能力,能够对声纳目标识别性能起到改善提高作用,可应用于目前我国大部分主被动声纳设备。(The invention discloses a sonar target high-precision line spectrum extraction method based on active and passive combined processing, which comprises the steps of estimating a target relative motion speed by using an active sonar, correcting a target power spectrum estimated by a passive sonar after mapping the target relative motion speed to Doppler frequency offset, greatly improving the time correlation and accuracy of the corrected power spectrum, accumulating the compensated snapshot power spectrum at each time, and extracting features by using the accumulated power spectrum to obtain line spectrum features with high precision and high signal-to-noise ratio. The invention has the beneficial effects that: compared with the conventional method, the method has the advantages that the extracted line spectrum characteristic position is more accurate, the influence of Doppler frequency offset is avoided, meanwhile, the signal to noise ratio is higher, the line spectrum detection capability is greatly improved, the sonar target identification performance can be improved, and the method can be applied to most active and passive sonar equipment in China at present.)

一种主被动联合处理的声纳目标高精度线谱提取方法

技术领域

本发明属于声学信号处理目标识别领域，主要是一种主被动联合处理的声纳目标高精度线谱提取方法。

背景技术

随着我国主被动声纳探测设备的作用距离不断提升，声纳可发现目标的数量直线上升，这其中绝大多数为干扰目标，这使得真实目标辨识变得极为困难，需要提升目标识别技术性能，以应对日益复杂的水声环境。目前声纳识别技术常常用到目标线谱特征，其原理是对于人造水声目标(诸如潜器、舰艇、商船等)，其辐射噪声谱反映了目标结构、动力、工况、状态等多方面固有特征，因此从辐射噪声谱中提取的线谱特征可以表征目标类型甚至目标状态，从而达到被动目标识别的目的。然而在实际情况下，由于目标和声纳大多处于相对运动状态，产生的多普勒效应会使频谱产生不可忽视的偏移，导致相干性下降，线谱信噪比降低，特征提取困难。目前声纳设备大多通过长积分时间处理的方式获取稳定线谱特征，但是由于本船和目标相对运动状态不恒定，使得各时间快拍功率谱提取的线谱特征存在一定差异，累积时会损失一定的相干增益，识别效果不佳。主动声纳利用PCW信号可以实现对目标的相对速度估计，因此考虑利用主动声纳估计目标多普勒频偏，然后修正被动声纳获取的目标功率谱，再通过积分时间相干处理，即可获得目标高精度高信噪比的线谱特征，目标识别效果将有较大提升。

发明内容

本发明的目的在于针对多普勒频偏导致的水声目标线谱特征准确度不高的问题，而提供一种主被动联合处理的声纳目标高精度线谱提取方法。

本发明的目的是通过如下技术方案来完成的。一种主被动联合处理的声纳目标高精度线谱提取方法，该方法利用主动声纳估计目标相对运动速度，映射为多普勒频偏后对被动声纳估计的目标功率谱进行修正，修正后的功率谱时间相关性和准确性将得到极大改善，再对补偿后的各时间快拍功率谱进行累积处理，利用累积后的功率谱进行特征提取，获得高精度高信噪比的线谱特征。

更进一步的，具体包括如下步骤：

步骤一：获取目标噪声数据，并对T时间内的噪声数据进行分段处理，得到N个快拍数据；

X_n＝W_n*X_T n＝1,2,…N

其中为矩形窗函数，X_T为T时间段内的输入数据；

步骤二：获取目标回波数据，并对T时间内的各批次回波进行处理，通过极大值搜索和门限筛选获得目标多普勒频偏

进而获得目标相对运动状态的估计，即

步骤三：计算各快拍功率谱，利用目标相对运动状态计算各频率多普勒频偏，并进行修正；

计算各快拍功率谱

Y_n(f)＝|FFT(X_n)|²

利用下式计算各频率多普勒频偏

对各频率进行修正，得到修正后的功率谱

Y_n(f)′＝Y_n(f+Δf)

步骤四：将修正后的各时刻功率谱累积，并对累积后的功率谱进行特征提取，获得高信噪比线谱特征；

对不同时刻的Y_n(f)′做累积处理，得到累积后的功率谱

利用极大值搜索方式配合信噪比门限筛选得到线谱特征

F＝extract(Y_T(f)′)＝{f₁′,f₂′,...,f_l′}

其中f_l′是特征集合中的第l个线谱。

本发明的有益效果为：该方法较常规方法提取到的线谱特征位置更为准确，不受多普勒频偏影响，同时具有更高的信噪比，大幅提高了线谱检测能力，能够对声纳目标识别性能起到改善提高作用，可应用于目前我国大部分主被动声纳设备。

附图说明

图1是本发明原理框图；

图2是本船和目标相对态势的示意图。分别为本船和目标的绝对速度，θ、φ为本船和目标航向相对两者径向的夹角。

图3～图8为某海试数据处理结果示意图。

具体实施方式

下面将结合附图对本发明做详细的介绍：

如图1所示，本发明的流程如下：①获取目标噪声数据，并对T时间内的噪声数据进行分段处理，得到N个快拍数据并分别计算各快拍功率谱。②通过对主动目标回波数据进行处理，获得对本船和目标径向相对运动状态的估计。③利用估计的本船和目标径向相对运动状态计算目标全频段频率偏移量，并对目标各快拍功率谱进行修正。④将修正后的各快拍功率谱累积，对累积后的功率谱进行特征提取，获得高信噪比高精度线谱特征。

参照图2的本船和目标相对态势，令本船绝对速度为目标绝对速度为本船/目标航向相对两者径向的夹角为θ/φ，本船发射PCW主动脉冲探测信号，频率f_a，目标辐射噪声谱频率f_b，则

本船相对径向方向速度为

目标相对径向方向速度为

根据多普勒效应，可得主动探测时，目标回波频率为

通过式(1)可以计算多普勒频偏和本船目标相对速度的关系，即

则

根据多普勒效应，可得被动探测时，接收到目标频率为

则目标多普勒频移为

可以看出目标多普勒频移与本船目标相对速度有关，带入式(3)可得

利用式(6)结果可以对接收目标频率进行修正，获得不受多普勒频偏影响的目标功率谱。考察目标某一时间t功率谱，

Y_t(f_n)＝|FFT(X_t)|² l≤n≤h (7)

由于多普勒频偏影响，实际上真实频率位置

f_n′＝f_n+Δf_n (8)

式(6)(8)带入式(7)，可得修正后的功率谱

对积分时间T以内的N个时间快拍功率谱进行式(9)的修正处理，得到对齐后的功率谱Y_t(f_n′),t＝1,2…N。对Y_t(f_n′)进行累积处理，则

对式(10)得到的累积功率谱进行特征提取，利用极大值搜索方式配合信噪比门限筛选得到线谱特征

F＝extract(Y_T(f)′)＝{f₁′,f₂′,...,f_l′}

其中f_l′是特征集合中的第l个线谱。

该特征经过多普勒频偏修正，具有高精度的特点，同时修正后的功率谱相干性更好，累积后会产生“聚焦”效应，信噪比更高。

图3是选取3个不同时间快拍的功率谱比对结果，图中可见由于不同时刻本船目标相对运动状态不同，导致目标固有线谱特征产生了频偏。

图4是通过主动目标回波估计的多普勒偏移，利用该偏移量可以计算目标相对运动状态。

图5为目标功率谱修正前后的历程图，与图3的3个线谱相对应，可见修正前目标频谱历程成曲线形态，修正后目标频谱历程变为直线形态。

图6为目标功率谱修正前后的长时间积分处理结果，可见修正前目标频谱由于相干性较差，导致谱峰较矮较胖，修正后目标频谱尖锐具有较高信噪比(较修正前分别提高了1～2dB)，具有更好的可提取性，同时由于经过了频偏修正，使得频谱位置更为精确，而修正前的频谱谱峰位置大多会有偏差。在图中标注出的位置1、位置2、位置3等处，功率谱修正前无法看到明确的线谱特征，修正后线谱特征得到增强，从背景中凸现出来。

图7为选取位置3处的目标功率谱历程修正前后对比，证明该处确实存在目标弱线谱特征，通过频偏修正使本来分散的各快拍线谱特征得到能量“聚集”，使得线谱凸现出来。

图8为目标功率谱特征提取后的结果比对，可见经过频偏修正后，提取到的线谱特征具有更高的信噪比和精确度，并且提取到了修正前无法提取的线谱特征。

可以理解的是，对本领域技术人员来说，对本发明的技术方案及发明构思加以等同替换或改变都应属于本发明所附的权利要求的保护范围。