劉俊星，章新華，綦敦浩，張本輝

(海軍大連艦艇學(xué)院 水聲信息研究中心，遼寧 大連116018)

0 引言

水雷是海軍海上防御與對敵封鎖作戰(zhàn)的有戰(zhàn)略作用的水中常規(guī)兵器，具有隱蔽性好、打擊突然、威脅時間長、敵清除困難、效費比高的特點。在水雷引信中，聲引信有著廣泛的應(yīng)用。水雷對目標(biāo)進行攻擊時需要估計目標(biāo)距離，一旦目標(biāo)進入到水雷的作用區(qū)域，聲引信工作，引爆水雷摧毀目標(biāo)。單個水雷利用單個水聽器接收目標(biāo)信號，提取有用信息，實現(xiàn)對目標(biāo)運動狀態(tài)的跟蹤及預(yù)測，計算引爆水雷的最佳時間，所以單水聽器被動測距是水雷發(fā)揮其作戰(zhàn)性能的關(guān)鍵技術(shù)。

文獻［1 -2］研究了多普勒最接近法，并將其運用于被動定向浮標(biāo)目標(biāo)定位，實現(xiàn)了單枚被動定向浮標(biāo)對目標(biāo)的發(fā)現(xiàn)、定位、追蹤，但只能對勻速直線運動的目標(biāo)有效，同時，必須準(zhǔn)確測出目標(biāo)過航路捷徑點的時間及特征頻率。文獻［3］改進了多普勒最接近法，增強了測距實時性，但測距存在理論誤差。

本文在多普勒最接近法的基礎(chǔ)上，研究了基于最優(yōu)化信賴域算法的單水聽器被動測距方法。目的是解決單水聽器對運動目標(biāo)的實時測距，并預(yù)測目標(biāo)距離等問題，以便更好應(yīng)用于水雷聲引信。

1 多普勒最接近方法

目前單個水聽器實現(xiàn)對運動目標(biāo)的測距主要是利用運動目標(biāo)的多普勒頻移信息，具體實現(xiàn)流程圖如圖1所示。

圖1 測距流程圖Fig.1 Ranging flow chart

多普勒最接近法是比較常用且研究較多的方法，如圖2所示，當(dāng)目標(biāo)以速度v 從左向右運動。

圖2 水聽器目標(biāo)位置圖Fig.2 The location of hydrophone and target

根據(jù)多普勒頻移理論，水聽器檢測到的目標(biāo)特征線譜有從高到低的變化過程。其中D 為目標(biāo)航路捷徑點的距離(即CPA 點的距離)［1］。

根據(jù)多普勒頻移公式，水聽器檢測到目標(biāo)的線譜頻率為

式中:f 為測量的目標(biāo)頻率;f0為目標(biāo)的特征頻率;v為目標(biāo)的運動速度;φ 為目標(biāo)航向到水聽器連線的夾角;c 為聲音傳播速度。在t1、t2時刻分別測量線譜頻率F1、F2.當(dāng)目標(biāo)由接近水聽器到離開水聽器，通過記錄線譜的變化，如圖3所示，根據(jù)線譜變化過程，求得線譜曲線的拐點(CPA 點)位置，從而可以得到目標(biāo)到達CPA 點的時間TCPA及頻率fCPA［2］.記:

由(1)式可知:

圖3 理想的觀測頻率時間曲線Fig.3 The ideal frequency curve graph

對(4)式、(5)式兩邊平方、化簡，并記:

t1，t2，y1，y2均已知，求解此方程組，即可求得v，D［4］.

多普勒最接近方法利用任意兩個時刻的目標(biāo)多普勒信息，加上目標(biāo)過CPA 點的時刻及頻率，可以估計出目標(biāo)的絕對速度和最接近距離，但不能實時給出目標(biāo)的距離［3］。

2 改進多普勒測距法［5］

如圖4所示，以水聽器為坐標(biāo)原點建立直角坐標(biāo)系，設(shè)目標(biāo)的初始位置為(x0，y0)，從目標(biāo)初始位置開始計時，如果目標(biāo)勻速直線運動，則有

代入(1)式得

如果目標(biāo)是勻加速直線運動，設(shè)加速度為a，初速度為v0，則有

圖4 水聽器目標(biāo)直角坐標(biāo)位置圖Fig.4 The location of hydrophone and target in rectangular coordinate

代入(1)式得

(11)式、(13)式為目標(biāo)時間與頻率的關(guān)系表達式，理論上來說，只要觀測幾個時間點的頻率值，就能通過解方程組的方法求得運動參數(shù)，但這種方法要求觀測頻率值必須是無誤差的，不符合實際應(yīng)用情況。本文只要觀測一段時間內(nèi)的目標(biāo)頻率fd(t)，采用曲線擬合的優(yōu)化方法估計出目標(biāo)未知參數(shù)進而計算水聽器與目標(biāo)的距離:

或

(14)式、(15)式中當(dāng)t 等于觀測時間就是對當(dāng)前目標(biāo)距離的估計，t 大于觀測時間就是對目標(biāo)距離的預(yù)測。所以任何時刻都能根據(jù)記錄的頻率估計目標(biāo)距離，體現(xiàn)了實時性。但由于每次測距都需要優(yōu)化，計算量較大，所以本文的實時性是建立在具有高速計算性能的硬件基礎(chǔ)上的。

2.1 信賴域最優(yōu)化方法

最優(yōu)化問題就是求一個多元函數(shù)在某個給定集合上的極值，對于非線性優(yōu)化參數(shù)估計的算法主要有Gauss-Newton 法、Levenberg-Marquardt 法及trustregion(信賴域)法［7］。本文選用信賴域算法，信賴域算法是求解無約束優(yōu)化問題的一類有效算法［5］:

其基本思想是設(shè)xk是第k 次迭代點。記fk=f(xk)，gk=Δf(xk)，d = x - xk，Bk是Hesse 陣Δ2f(xk)的第k 次近似，則f(x)在xk的泰勒二階展開為

式中:Δk是信賴域半徑;‖·‖是任何一種向量范數(shù)，通常取2 范數(shù)或∞范數(shù)，設(shè)子問題的最優(yōu)解為dk，定義Δfk為f 在第k 步的實際下降量，

Δqk為對應(yīng)預(yù)測下降量，

再定義它們的比值為

一般地，有Δqk＞0，因此，若rk＜0 則Δfk＜0，xk+dk不能作為下一個迭代點，需要縮小信賴域半徑重新求解子問題。若rk比較接近1，說明二次模型與目標(biāo)函數(shù)在信賴域范圍內(nèi)有很好的近似，此時xk∶=xk+dk可以作為新的迭代點，同時下一次迭代時可以增大信賴域半徑。對于其他情況，信賴域半徑可以保持不變［6］。將該方法應(yīng)用于本文的被動測距，令(16)式中:

式中x=(f0，v，x0，y0)T，選取合適的搜索初值及信賴域半徑，找到使目標(biāo)函數(shù)f(x)最小的點便是所求的估計值［5］。

2.2 信賴域算法［8］

信賴域算法實現(xiàn)步驟如下:

步驟0 選取控制迭代的參數(shù)值，初始點x1∈Rn，0≤η1＜η2＜1，0 ＜γ1＜1 ＜γ2，0≤ε?1.取定＞0 為信賴域半徑的上限，初始信賴域半徑Δ1∈(0，］，令k∶=1.

步驟1 計算gk=Δf(xk)，若‖gk‖≤ε，停止迭代。

步驟2 求解子問題(18)式的解dk.

步驟3 按(21)式計算rk值。

步驟4 校正信賴域半徑:

步驟5 若rk＞η1，則令xk+1∶=xk+dk，更新矩陣Bk到Bk+1，令k∶=k+1，轉(zhuǎn)步驟1;否則xk+1∶=xk，令k∶=k+1，轉(zhuǎn)步驟2.

3 仿真及結(jié)論

3.1 仿真

針對新方法進行計算機仿真，使用Matlab 作為仿真計算軟件。利用Matlab 軟件提供的lsqcurvefit 優(yōu)化工具實現(xiàn)［9］，該工具的調(diào)用格式為［x，residual］=lsqcurvefit(myfun，x1，xdata，ydata，lb，ub)，式中x 為求取的估計參數(shù)向量，residual 為對fd(ti)擬合后的殘差序列數(shù)據(jù)Δf(ti)=f(ti，x)-fd(ti)，xdata、ydata 為觀測數(shù)據(jù)ti、fd(ti)(i=1，2，…，n)，myfun 為由(11)式或(13)式所描述的非線性函數(shù)表達式，x1、lb、ub 分別為搜索初值和上下限。系統(tǒng)默認算法為信賴域法。迭代參數(shù)取值如下:Δ1=

仿真條件如下:目標(biāo)中心頻率f0=1 000 Hz，目標(biāo)勻速運動速度為v =8 m/s，目標(biāo)初始位置坐標(biāo)(x0，y0)=(-800 m，100 m)，即航路捷徑點距離為100 m.水文環(huán)境為典型的淺海環(huán)境，弱負梯度，水中聲音傳播速度c=1 500 m/s，聲波按直線傳播，不考慮傳播能量衰減，水聲信道等的影響，水聽器靜止，頻率測量周期為1 s.測量目標(biāo)由起始位置到CPA 點之前的頻率，即觀測時間為100 s，設(shè)測量頻率附加0.2 Hz 的高斯白噪聲。圖5為信號整個過程的LOFAR 歷程圖。根據(jù)實際情況，設(shè)搜索初始值x1 =［fd(tn)，5，-500，200］，最大值ub =［fd(tn)+10，50，-10，10 000］，最小值lb =［fd(tn)-10，0，-4 000，1］.

仿真計算結(jié)果為:經(jīng)過17 次迭代后得估計目標(biāo)中心頻率^f0= 999.896 9 Hz，估計目標(biāo)速度^v=8.163 3 m/s，估計目標(biāo)初始位置坐標(biāo)(-819.862 9 m，104.471 3 m).然后通過(14)式對目標(biāo)距離估計及預(yù)測，圖6為仿真圖。

假設(shè)目標(biāo)為勻加速直線運動模型，則設(shè)目標(biāo)加速度a=0.2 m/s2，初速度v0=3 m/s，測量目標(biāo)由起始位置到CPA 點之前的頻率，其余仿真條件不變。仿真結(jié)果如下:目標(biāo)中心頻率^f0=998.8 Hz，加速度=0.200 5 m/s2，初速度=2.391 m/s，目標(biāo)初始位置坐標(biāo)(-753.2 m，97.31 m)，仿真圖如下:

圖5 信號LOFAR 歷程圖Fig.5 The history plot of signal LOFAR

圖6 勻速運動目標(biāo)實時測距及預(yù)測距離仿真圖Fig.6 The simulation diagram of real-time ranging and forecasting distance of uniform motion target

圖7 勻加速運動目標(biāo)實時測距及預(yù)測距離仿真圖Fig.7 The simulation diagram of real-time ranging and forecasting distance of uniformly accelerated motion target

由以上計算結(jié)果可知該算法的正確性，下面著重研究觀測時間、頻率測量周期、目標(biāo)初始位置及目標(biāo)運動速度對測距結(jié)果的影響。在仿真分析目標(biāo)運動參數(shù)對測距性能的影響時，采用作50 次Monte Carlo 的方法，給出了距離真值、估計距離均值及均方差，距離真值和估計距離均值可以表征距離估計的無偏性，估計距離的均方差可以表征距離估計的有效性。

改變觀測時間，其余仿真條件不變，以估計目標(biāo)當(dāng)前時刻距離的真實值、估計距離平均值、均方差及估計航路捷徑點的距離(實際距離是100 m)作為比較測距性能優(yōu)劣的標(biāo)準(zhǔn)。結(jié)果見表1.

表1 不同觀測時間測距仿真分析Tab.1 The simulation analysis of different observation time

有時被動目標(biāo)測距會給出測距過程的累積誤差，累積誤差是在指每個時刻的估計誤差將影響下個時刻參數(shù)估計的精度，并具有傳播性形成積累誤差，且累積誤差會隨著時間增加［10］。本文采用的是曲線擬合的參數(shù)估計方法，每個時刻的參數(shù)估計都是利用之前所有觀測的數(shù)據(jù)進行擬合估計，與前一時刻的估計值不存在遞推關(guān)系，且由上表可知隨著時間增加，誤差越小，所以該算法完全消除了累積誤差。

再比較目標(biāo)不同的運動速度對測距結(jié)果的影響，改變目標(biāo)運動速度，觀測時間為目標(biāo)從起始位置開始運動到CPA 點為止，仿真重復(fù)50 次，其余仿真條件不變，以估計目標(biāo)在CPA 點的距離真實值、估計距離平均值及均方差作為比較測距性能優(yōu)劣的標(biāo)準(zhǔn)。結(jié)果如表2所示。

表2 不同目標(biāo)速度測距仿真分析Tab.2 The simulation analysis of different target speed

改變頻率測量周期，觀測時間為目標(biāo)從起始位置開始運動到CPA 點為止，其余仿真條件不變，仿真重復(fù)50 次，以估計目標(biāo)在CPA 點的距離真實值、估計距離平均值及均方差作為比較測距性能優(yōu)劣的標(biāo)準(zhǔn)。結(jié)果如表3所示。

表3 不同頻率測量周期測距仿真分析Tab.3 The simulation analysis of different frequency measurement period

3.2 仿真結(jié)論

由以上仿真結(jié)果可以得出以下結(jié)論:1)由圖6、圖7可知，目標(biāo)運動至CPA 點附近，測距誤差變小，離CPA 點越遠，測距誤差越大，因為CPA 點附近的多普勒變化率最大;2)由表1可以看出，目標(biāo)運動到CPA 點之前就可以估計目標(biāo)運動參數(shù)，同時觀測時間對測距誤差影響明顯，觀測時間越長，誤差越小，因為觀測時間越長，數(shù)據(jù)點就越多，觀測到得多普勒頻移量就越大;3)由表2可見，目標(biāo)運動速度越快，測距誤差越小，因為速度越快，多普勒頻移就越大;4)理論上，頻率測量周期越短，相同的觀測時間，數(shù)據(jù)點就越多，頻率附加0.2 Hz 的高斯白噪聲對測距結(jié)果影響也就越小，這符合表3給出的結(jié)果，但實際工程應(yīng)用上，測頻周期越短，頻率分辨率就越低，帶來的誤差也越大。

4 結(jié)束語

基于最優(yōu)化方法的單元被動測距法，充分利用單個水聽器接收的多普勒信息，運用最優(yōu)化方法的信賴域算法估計目標(biāo)運動參數(shù)。該方法可以在航路捷徑點之前對目標(biāo)實現(xiàn)實時探測，不僅能直接獲得目標(biāo)當(dāng)前運動狀態(tài)及預(yù)測目標(biāo)狀態(tài)，還適用于目標(biāo)勻加速運動模型。將其運用于水雷聲引信上，將更好地發(fā)揮水雷作戰(zhàn)性能。

但該方法對頻率測量精度依賴性很大，如何解決頻率測量周期與頻率分辨率的矛盾是下一步需要研究的內(nèi)容。而且，本文研究的測距方法都是已知了目標(biāo)是勻速直線運動或勻加速直線運動，在實際作戰(zhàn)中，不可能事先完全知道目標(biāo)運動規(guī)律，目標(biāo)也不可能完全遵循勻速直線運動或勻加速直線運動，所以能否根據(jù)觀測量來判斷目標(biāo)的運動規(guī)律也是需要進一步研究的。

References)

［1］ 陶林偉，王英民，王成，等.聲納浮標(biāo)多普勒最接近法的一種新算法［J］.系統(tǒng)仿真學(xué)報，2008，20(23):6353 -6355.TAO Lin-wei，WANG Ying-min，WANG Cheng，et al.New algorithm for sonobuoy Doppler-CPA［J］.Journal of System Simulation，2008，20(23):6353 -6355.(in Chinese)

［2］ 陶林偉，王英民.一種新的單枚被動定向浮標(biāo)目標(biāo)定位方法［J］.兵工學(xué)報，2011，32(3):365 -369.TAO Lin-wei，WANG Ying-min.A target location algorithm based on single direction finding and ranging sonobuoy［J］.Acta Armamentarii，2011，32(3):365 -369.(in Chinese)

［3］ 郁濤.對水下目標(biāo)的多普勒直接定位［J］.中國電子科學(xué)研究院學(xué)報，2011，6(3):328 -330.YU Tao.Doppler direct location for underwater target［J］.Journal of CAEIT，2011，6(3):328 -330.(in Chinese)

［4］ TAO Lin-wei，WANG Ying-min.A new single DIFAR sonobuoy target location algorithm［J］.Journal of China Ordnance，2011，7(3):153 -157.

［5］ 王永杰.利用引信多普勒頻率估計導(dǎo)彈脫靶量方法研究［J］.系統(tǒng)工程與電子技術(shù)，2005，27(11):1914 -1931.WANG Yong-jie.Research on estimating missile miss distance using fuze Doppler spectrum［J］.Systems Engineering and Electronics，2005，27(11):1914 -1931.(in Chinese)

［6］ 孫文瑜，徐成賢，朱德通.最優(yōu)化方法［M］.第二版.北京:高等教育出版社，2010.SUN Wen-yu，XU Cheng-xian，ZHU De-tong.Optimization method［M］.2nd.Beijing:Higher Education Press，2010.(in Chinese)

［7］ 王德人.非線性方程組解法與最優(yōu)化方法［M］.北京:人民教育出版社，1979.WANG De-ren.Solving nonlinear equations and optimization method［M］.Beijing:People's Education Press，1979.(in Chinese)

［8］ 馬昌鳳.最優(yōu)化方法及其Matlab 程序設(shè)計［M］.北京:科學(xué)出版社，2010.MA Chang-feng.Optimization method and Matlab program design［M］.Beijing:Science Press，2010.(in Chinese)

［9］ 魏巍.Matlab 應(yīng)用數(shù)學(xué)工具箱手冊［M］.北京:國防工業(yè)出版社，2004.WEI Wei.Matlab toolbox of applied mathematics handbook［M］.Beijing:National Defense Industry Press，2004.(in Chinese)

［10］ 嵇瑋瑋，劉中.遞增式傳感器節(jié)點定位方法的累積誤差分析及其改進［J］.南京理工大學(xué)學(xué)報:自然科學(xué)版，2008，32(4):496 -501.JI Wei-wei，LIU Zhong.Accumulative error analysis of incremental node localization approach and its improvement in wireless sensor network［J］.Journal of Nanjing University of Science and Technology:Natural Science，2008，32(4):496-501.(in Chinese)