石萬山，徐鵬，任歲玲

?

基于干擾抑制方法和引導聲源的水平陣被動目標測距

石萬山1，徐鵬2,3，任歲玲2,3

(1. 海軍駐沈陽地區(qū)電子系統(tǒng)軍事代表室，遼寧沈陽 110003；2. 中國科學院聲學研究所聲場聲信息國家重點實驗室，北京 100190；3. 中國科學院大學，北京 100049)

基于引導聲源的被動測距由于其對環(huán)境參數(shù)較少的要求受到了廣泛關注。而處于淺海復雜環(huán)境下的被動聲吶中，目標信號的聲場干涉結構可能被鄰近方位上的強干擾的旁瓣掩蓋或改變，影響最終的測距精度。首先利用基于特征分解的自適應干擾抑制方法對強干擾環(huán)境中的接收信號進行干擾抑制，獲得更高信噪比和信干比的目標信號；然后采用自適應的最小方差無失真波束形成器方法進行水平陣波束形成，得到更精確的目標聲源聲場干涉結構；其次基于干涉條紋的波導不變量特點，利用引導聲源與目標聲源干涉條紋的關系進行目標聲源被動測距。實驗結果驗證了該方法的有效性和應用的可行性。

干擾抑制；波導不變量；引導聲源；被動測距

0 引言

弱目標信號的被動測距一直是聲吶系統(tǒng)被動測距的熱點和難點問題之一。常用的聲源定位方法如匹配場處理[1](Matched-Field Processing, MFP)，利用聲場環(huán)境信息計算拷貝場，通過測量場與拷貝場相關實現(xiàn)被動聲源定位，但其定位精度依賴于聲場環(huán)境信息的準確性。近年來，基于波導不變量理論的被動聲源定位方法受到廣泛關注。如基于MFP旁瓣結構的被動聲源定位[2]，基于聲強二維離散傅里葉變換的定位方法[3]等。此類方法有效定位的前提是波導不變量已知[4]?；谌囋缮娼Y構匹配的幾何定位方法不需要估計波導不變量[5,6]，但是陣元間隔要求較大。因此，聲吶系統(tǒng)的定位方法希望利用較少的環(huán)境參數(shù)，盡量減小對聲場計算模型的要求或?qū)δＰ褪洳幻舾?。Thode[7]提出了基于引導聲源的垂直陣被動定位方法，不需要計算聲場模型，根據(jù)預先已知的引導聲源的位置，利用干涉結構的斜率估計未知目標聲源的距離。

但實際應用中，垂直陣布放時的陣型與最終的接收陣型誤差較大，且多信源干擾較強的情況下，由單個陣元接收數(shù)據(jù)獲得的目標聲源的聲場干涉結構往往被強干擾或背景噪聲所掩蓋。水平接收陣列在精確已知目標方位的前提下，可以利用波束形成增強信噪比，使得陣列輸出的聲場干涉結構信噪比更高，Yang[8]已經(jīng)證明波束形成后的聲強干涉條紋與單個陣元的干涉條紋相同。但當干擾距離目標較近時，干擾在目標角度上較高的旁瓣依然會對弱目標的干涉結構產(chǎn)生影響，尤其當目標被完全掩蓋時。因此，本文結合干擾抑制方法和引導聲源測距理論，利用水平陣進行弱目標被動測距。首先利用有效的干擾抑制方法對強干擾環(huán)境中水平陣列接收的信號進行干擾抑制[9]，為后續(xù)處理提供具有較高信干比和信噪比的互譜密度矩陣，同時與最小方差無失真波束形成器(Minimum Variance Distortionless Response, MVDR)方法[10]相結合估計更為準確的目標方位；然后再利用MVDR方法對準目標方位進行水平陣波束形成，得到更精確的目標聲源聲場干涉結構；其次基于波導不變量理論，利用引導聲源與目標聲源干涉結構的關系進行目標聲源被動測距。

1 理論分析

本節(jié)首先簡單介紹基于特征分解的自適應干擾抑制(Eigenanalysis-based Adaptive Interference Suppression, EAAIS)方法[9]，其次給出基于引導聲源的水平陣聲源測距原理，然后與干擾抑制方法相結合，給出目標被動測距方法。

1.1 干擾抑制方法

由組采樣數(shù)據(jù)估計得到的第幀接收數(shù)據(jù)的互譜密度矩陣為

理論上，當各個信源之間相互獨立正交時，每個信源主導的特征向量之間不存在能量泄漏，EAAIS干擾抑制方法可以完全去除噪聲和目標角度范圍外的干擾，且不會損失目標信號的能量。但實際應用中，由于有限的陣列孔徑和空間采樣數(shù)據(jù)、以及受信噪比和信干比等因素的影響，難以保證采樣所得到目標和干擾信號之間完全獨立，從而使得目標和干擾信號對每一個特征向量都有貢獻。保留由目標主導的特征向量的同時，也保留了部分干擾。因此，在實際應用中難以得到最佳的干擾抑制效果，但我們可以通過選擇合適的目標角度范圍來得到更接近理論性能極限的次最佳效果。EAAIS干擾抑制方法詳細的討論參考文獻[9]。

1.2 基于引導聲源的被動測距

考慮實際接收數(shù)據(jù)模型(式(1))在次樣本累積下，第個陣元的聲強為

假設所有聲源之間互不相干。式(13)的三項分別表示目標信號、干擾以及噪聲對干涉聲場結構的貢獻。當干擾或噪聲能量大于目標信號能量時，目標信號的干涉聲場結構會受到明顯影響。經(jīng)MVDR波束形成后，陣列輸出的聲強為

暫且忽略背景噪聲，對單位強度的點聲源，根據(jù)簡正波模型所表示的單個陣元的接收聲壓和聲強，距離-頻率平面上聲強的干涉條紋如圖1所示。

圖1 聲強在距離-頻率平面上的干涉條紋

圖2 基于引導聲源時間段距離-頻率干涉結構的被動測距

當引導聲源確定后，被動測距的精度主要依賴于目標聲源干涉聲場條紋和引導聲源的距離。實際應用中，引導聲源的位置一般是已知的，或者可以預先估計得到，因此，基于引導聲源的定位關鍵問題是獲得較為清晰準確的目標信號的干涉聲場條紋參數(shù)。

1.3 干擾抑制方法在水平陣被動測距中的應用

經(jīng)EAAIS方法干擾抑制后式(14)聲強的時間-頻率干涉結構更新為

2 實驗研究

通過一次海試數(shù)據(jù)的處理和分析來驗證本文聲源被動測距方法的有效性。2005年6月，中國科學院聲學研究所聲場聲信息國家重點實驗室在某海域進行了一次海底水平陣聲學測量實驗，配合實驗的目標為一艘小型水面船。實驗海區(qū)水深約30 m，水中聲速剖面如圖3所示，在深度3~9 m之間存在一個聲速躍變層，屬于典型的夏季淺海水文條件。海底水平接收陣及其各個陣元的位置分布如圖4所示，陣元數(shù)43個，陣元間距約1.5 m。采樣頻率為4000 Hz；接收處聲速為1493.0 m/s，360°全方位搜索的角度間隔為1°。

圖3 實驗期間的水中聲速垂直剖面

圖4 水下接收陣位置分布

圖5所示為干擾抑制前后MVDR方法的空間方位譜。處理過程中，使用頻率為200~300 Hz，共104個頻點；單次FFT的時間長度為1 s，互譜密度矩陣的數(shù)據(jù)樣本長度為6 s。圖5(a)中箭頭所示為合作目標，其它方位的信源對合作目標來說屬于干擾?？梢钥吹?，隨著目標遠離接收陣引起強度的減弱，以及強干擾的出現(xiàn)，目標信號的真實方位軌跡被強干擾所掩蓋。由于接收陣接近于直線陣，如圖4所示，從而在50°和250°左右出現(xiàn)鏡像聲源。EAAIS方法干擾抑制后的EAAIS-MVDR的結果如圖5(b)所示，可以看到，干擾被有效地抑制掉了，背景和旁瓣較低，且目標方位的估計值與GPS測量值符合得較好。

考慮到頻率越低、干涉聲場結構越簡單，且避開合作目標明顯的線譜頻段，選擇頻段158~208 Hz、時間段10~35 min左右的干涉聲場結構進行處理。干擾抑制前后利用MVDR方法波束形成獲得的目標信號干涉聲場結構如圖6所示。MVDR方法和EAAIS-MVDR方法所用的目標方位角由圖5(b)的EAAIS-MVDR方法獲得?？梢钥吹剑蓴_抑制后，目標峰值與背景之間的差異更大，即具有更高的信噪比。由于有限采樣和信噪比較低等非理想因素影響，EAAIS方法在干擾抑制的同時也引起了目標信號能量的微弱損失。但基于引導聲源的被動測距，其精度主要依賴于干涉聲場條紋的清晰度和準確度，在確保目標信號檢測的前提下，干涉峰值的大小對其影響較小。從后續(xù)圖7干擾抑制后更為準確的測距結果也可以看出來，干擾抑制后的條紋準確度更高一些。

圖5 干擾抑制前后MVDR空間方位譜。紅色箭頭指示合作目標，紅色虛線表示GPS測量得到的目標方位。

圖7所示為利用干擾抑制前后的干涉聲場結構和引導聲源進行目標被動測距的結果。可以看到，干擾抑制后，利用EAAIS-MVDR方法的干涉聲場條紋，距離估計結果與GPS測量值符合更好，測距誤差更小。干擾抑制前的平均測距誤差約為6.27%，干擾抑制后的平均測距誤差約為4.29%。結果表明，EAAIS方法提高了干涉聲場條紋估計的準確度，從而提高了利用干涉聲場結構進行引導聲源被動測距的精度。

總的來說，EAAIS方法可以為后續(xù)目標測距提供信噪比和信干比更高的目標信號，從而使得常規(guī)的基于引導聲源的被動測距方法具有更廣泛的應用范圍，定位精度更高。

圖6 干擾抑制前后MVDR的干涉聲場結構。工作頻率158~208Hz，頻率間隔約為1Hz

圖7 利用干擾抑制前后的干涉聲場條紋被動測距的結果

3 結論

本文將一種特征分解的干擾抑制(EAAIS)方法應用于基于引導聲源的被動目標測距中。首先利用EAAIS方法干擾抑制后具有更高信噪比和信干比的目標信號以及更準確的目標方位，結合自適應的MVDR波束形成方法，獲得更清晰準確的目標信號干涉聲場條紋；然后基于波導不變理論與干涉條紋特性，利用引導聲源實現(xiàn)水平陣目標被動測距。理論與實驗研究結果表明，干擾抑制之后，目標信號具有更高的信噪比和信干比，從而獲得了更準確清晰的干涉條紋，提高了測距精度。因此，結合干擾抑制方法和引導聲源的被動測距方法是有效的，在實際應用中具有可行性。為了進一步的實際應用，后續(xù)還將結合干擾抑制方法和引導聲源被動測距方法進行深入的實驗驗證。

[1] Baggeroer A B, Kuperman W A, Mikhalevsky P N. An overview of matched field methods in ocean acoustics[J]. IEEE J. Ocean. Eng., 1993, 18(4): 401-424.

[2] Thode A M, Kuperman W A, D’Spain G L. Localization using Bartlett matched-field processor sidelobes[J]. J. Acoust. Soc. Am., 2000, 107(1): 278-286.

[3] Cockrell K L, Schmidt H. Robust passive range estimation using the waveguide invariant[J]. J. Acoust. Soc. Am., 2010, 127(5): 2780-2789.

[4] D’Spain G L, Kuperman W A. Application of waveguide invariants to analysis of spectrograms from shallow water environments that vary in range and azimuth[J]. J. Acoust. Soc. Am., 1999, 106(5): 2454-2468.

[5] Chun S Y, Kim S Y, Kim K M. Underwater wideband source localization using the interference pattern matching[C]// Proc. IEEE Oceans, 2007: 1-3.

[6] Kim S Y, Chun S Y, Kim K M. Underwater source localization using the interference pattern matching in range dependent environments[C]// Proc. IEEE Oceans, 2008: 1-3.

[7] Thode Aaron M. Source ranging with minimal environmental information using a virtual receiver and waveguide invariant theory[J]. J. Acoust. Soc. Am., 2000, 108(4): 1582-1594.

[8] YANG T C. Beam intensity striations and applications[J]. J. Acoust. Soc. Am., 2003, 113(3): 1342-1352.

[9] 任歲玲, 葛鳳翔, 郭良浩. 基于特征分析的自適應干擾抑制[J]. 聲學學報, 2013, 38(3): 272-280.

REN Suiling, GE Fengxiang, GUO Lianghao. Eigenanalysis-based adaptive inteference suppression[J]. Acta Acustica, 2013, 38(3): 272-280.

[10] Capon J. High-resolution frequency-wave number spectrum analysis[J]. Proc IEEE, 1969, 57(8): 1408-1418.

[11] 蘇曉星. 淺海聲場的水平縱向相關于波導不變性研究[D]. 中國科學院研究生院博士學位論文.

SU Xiaoxing. Longitudinal correlations and waveguide invariance of the acoustical field in shallow water[D]. Graduated University of Chinese Academy of Sciences, A thesis of Doctor.

Passive source ranging using a horizontal array based on an adaptive interference suppression method and a guide source

SHI Wan-shan1, XU Peng2,3, REN Sui-ling2,3

(1. Shenyang Military Representative Office of Electronic System of Navy, Shenyang 110003, Liaoning, China;2. State Key Laboratory of Acoustics, Institute of Acoustics, Chinese Academy of Sciences, Beijing 100190, China; 3. University of Chinese Academy of Sciences, Beijing 100049, China)

It is generally difficult to localize a weak source for a passive system in the presence of strong interferences. Passive source ranging using a guide source based on the intensity striation is widely concerned due to its little requirement of environmental information. Beam intensity striation has higher processing gain based on a horizontal array, but it still could be confused by the sidelobes of the stronger interferences. In this case, an eigenanalysis-based adaptive interference suppression (EAAIS) method is used to improve the signal-to-noise ratio (SNR) and signal-to-interference ratio (SIR) of the target signal. Then the preprocessed target signal is used to obtain the more accurate and clearer beam intensity striations for passive target source ranging based on a guide source. The experimental results demonstrate the effectiveness and feasibility of the proposed range estimation method.

interference suppression; waveguide invariant parameter; guide source; passive range estimation

O427.9

A

1000-3630(2014)-03-0193-06

10.3969/j.issn1000-3630.2014.03.002

2014-02-21;

2014-05-23

國家自然科學基金資助項目(11125420)。

石萬山(1964－), 男, 遼寧沈陽人, 高級工程師, 研究方向為水聲工程。

徐鵬, E-mail: xupeng112@mails.ucas.ac.cn