郭虎生，顏 冰

(海軍工程大學(xué) 兵器工程系,武漢 430033)

在海洋環(huán)境噪聲背景中探測識別目標(biāo)的前提是實(shí)現(xiàn)對目標(biāo)信號的可靠檢測。傳統(tǒng)的水中目標(biāo)預(yù)警檢測方法有能量檢測、過零檢測、功率譜線譜檢測等。其中能量檢測方法(ED)為水中目標(biāo)預(yù)警檢測中常用方法[1]，用信號加噪聲的功率級與噪聲功率級(或幅度)不同特點(diǎn)檢測輸入信號幅度均值變化。該方法實(shí)現(xiàn)簡單，可長時(shí)間噪聲背景中檢測微弱目標(biāo)信號，但對環(huán)境噪聲幅度起伏敏感，抗起伏背景干擾能力差。

為增加探測距離及可靠性，需尋求更低信噪比下有效檢測微弱目標(biāo)信號技術(shù)。本文在矢量傳感器抑制各向同性噪聲基礎(chǔ)上提出利用多通道采樣數(shù)據(jù)構(gòu)造協(xié)方差矩陣，并以最大與最小特征值之比為檢驗(yàn)統(tǒng)計(jì)量進(jìn)行目標(biāo)判決的信號檢測方法。該方法可在低信噪比及環(huán)境噪聲變化條件下實(shí)現(xiàn)目標(biāo)可靠監(jiān)測。

1 能量檢測原理及起伏噪聲影響

(1)

能量檢測作為目前對未知確定性信號的最有效檢測算法，通過計(jì)算時(shí)間帶寬積內(nèi)的信號能量與預(yù)先設(shè)定的門限比較，獲得檢測結(jié)果。判決統(tǒng)計(jì)量Y為

(2)

式中：N為檢測信號取樣點(diǎn)數(shù)。目標(biāo)不存在時(shí)，判決統(tǒng)計(jì)量Y服從自由度為N的中心卡方分布，相反則服從自由度N的非中心卡方分布；采樣點(diǎn)數(shù)N增大時(shí)，判決統(tǒng)計(jì)量近似高斯隨機(jī)過程，即

(3)

同時(shí)可得檢測概率Pd及虛警概率Pf分別為

(4)

(5)

式中：γ為檢測判決門限；Q為標(biāo)準(zhǔn)高斯互補(bǔ)累積函數(shù)；能量檢測通常按所給虛警概率Pf求得判決門限：

(6)

由式(6)看出，判決門限與數(shù)據(jù)長度、噪聲功率有關(guān)，而海洋環(huán)境噪聲受多因素影響，噪聲功率會隨環(huán)境變化在一定范圍內(nèi)變化，具有不確定特性。進(jìn)一步假設(shè)環(huán)境噪聲變化范圍為

(7)

式中：p為噪聲起伏度。

能量檢測具有局限性：① 信噪較低時(shí)信號淹沒在噪聲中，能量檢測不能有效判決信號是否存在；② 絕對門限由噪聲功率、數(shù)據(jù)長度決定；③ 能量檢測只計(jì)算信號能量，不能區(qū)分信號、噪聲及干擾，不利于有效判決。

2 協(xié)方差檢測原理

2.1 構(gòu)造檢測統(tǒng)計(jì)量

由矢量傳感器接收的各通道數(shù)據(jù)所得采樣協(xié)方差矩陣可分解為目標(biāo)信號子空間與噪聲子空間，H1時(shí)對接收信號構(gòu)成的協(xié)方差矩陣分解可得最大特征值，對應(yīng)目標(biāo)信號成份，最小特征值對應(yīng)接收信號噪聲成份；H0時(shí)最大最小特征值均對應(yīng)噪聲成份。因此，據(jù)接收信號的協(xié)方差矩陣在H1情況下最大最小特征值之比大于H0的特征值之比原理構(gòu)建檢測判決量，為判斷目標(biāo)的存在與否提供依據(jù)。協(xié)方差檢測充分利用矢量傳感器各通道接收信號時(shí)具有的相關(guān)性，噪聲在各通道無相關(guān)性，克服能量檢測只計(jì)算信號能量，不能區(qū)分信號、噪聲缺點(diǎn)的協(xié)方差檢測具有較低算法復(fù)雜度，且在噪聲變化時(shí)同樣可保持較高的檢測概率[2]。協(xié)方差檢測流程見圖1。

圖1 協(xié)方差檢測流程

航行中艦船部分聲能與海底耦合以海底界面波的形式傳播，稱艦船地震波，因其獨(dú)特的頻率及傳播特性可用于淺水環(huán)境的目標(biāo)探測。三軸矢量傳感器布放于海底，可接收航行艦船的目標(biāo)信息，其中各通道接收的噪聲信號可視為互不相關(guān)，而目標(biāo)信號具有相關(guān)性[3-4]。若矢量傳感器由M個通道同時(shí)采樣，每個通道由N個連續(xù)采樣點(diǎn)組成，定義yi(k)為第i個采樣矢量中第k個采樣點(diǎn)值，則輸出振動分量為

(8)

通常目標(biāo)信號與背景環(huán)境噪聲不相關(guān)，可求得接收信號協(xié)方差矩陣為

Ry=E[Y(k)YT(k)]=E[S(k)ST(k)]+

(9)

式中：I為M階單位矩陣。

H1時(shí)協(xié)方差矩陣含信號及噪聲能量，且分解所得最大特征值應(yīng)對應(yīng)信號能量，最小特征值代表噪聲能量；H0時(shí)只存在噪聲能量，可見兩種情況最大特征值λmax及最小特征值λmin比值不同。故本文采用最大與最小特征值之比構(gòu)造檢驗(yàn)統(tǒng)計(jì)量的協(xié)方差檢測方法(MMED)對信號進(jìn)行預(yù)警檢測[5-7]，即

(10)

2.2 門限確定

實(shí)際中無法準(zhǔn)確計(jì)算統(tǒng)計(jì)協(xié)方差，可由有限抽樣數(shù)據(jù)估計(jì)協(xié)方差矩陣

(11)

(12)

3 性能比較

3.1 數(shù)值仿真實(shí)驗(yàn)

圖4為對兩種方法在信噪比-15 dB檢測性能隨采樣次數(shù)N變化的特性曲線。信噪比較低時(shí)，能量檢測方法的檢測概率較低，且隨采樣次數(shù)N的增加，檢測概率未提高；但噪聲起伏變化增大時(shí)，檢測性能嚴(yán)重下降，說明能量檢測無法通過增加采樣次數(shù)解決噪聲起伏所致影響。協(xié)方差檢測方法在低信噪比時(shí)檢測率較高，且隨采樣點(diǎn)數(shù)的增加，檢測概率提高較快，噪聲起伏變化對檢測性能影響較小，對噪聲起伏變化不敏感。

圖2 能量檢測性能曲線

3.2 測試數(shù)據(jù)分析

為進(jìn)一步檢驗(yàn)協(xié)方差檢測方法在實(shí)測環(huán)境中效果，用實(shí)測數(shù)據(jù)進(jìn)行分析。在東海某海域進(jìn)行海上實(shí)船實(shí)驗(yàn)，水深20 m，淤泥質(zhì)海底，實(shí)驗(yàn)船只為大型船舶，用于接收數(shù)據(jù)的三軸地震波傳感器置于海底。實(shí)測目標(biāo)的通過特性見圖5，采樣頻率fs=400 Hz，取時(shí)窗點(diǎn)數(shù)N=1 000；圖6為能量檢測與協(xié)方差檢測方法檢測結(jié)果。由圖6看出，協(xié)方差檢測方法性能高于能量檢測方法，尤其在低信噪比環(huán)境中信號幅度變化不明顯時(shí)，效果遠(yuǎn)好于能量檢測方法，此由于協(xié)方差檢測方法可對噪聲、信號進(jìn)行區(qū)別，能有效增強(qiáng)信號，使檢測性能明顯改善。

計(jì)算復(fù)雜度時(shí)，協(xié)方差檢測方法主要由計(jì)算采樣協(xié)方差及特征值分解構(gòu)成，計(jì)算采樣協(xié)方差矩陣需NM次乘法、加法，特征值分解需O(M3)次，N遠(yuǎn)大于M，該項(xiàng)可忽略不計(jì)。而能量檢測計(jì)算需N次乘法、加法，協(xié)方差檢測方法計(jì)算度為能量檢測的M倍，通道數(shù)不多時(shí)計(jì)算量并不復(fù)雜。

圖5 目標(biāo)通過特性

圖6 兩種方法特征量比較

4 結(jié) 論

本文在矢量傳感器抑制各向同性噪聲基礎(chǔ)上，利用接收數(shù)據(jù)的協(xié)方差矩陣特征值構(gòu)建檢驗(yàn)統(tǒng)計(jì)量對有無目標(biāo)進(jìn)行判決，改進(jìn)了能量檢測方法統(tǒng)計(jì)量不能區(qū)分噪聲的缺陷。矢量傳感器具有抑制各向同性噪聲能力，可改善低信噪比環(huán)境下檢測性能。仿真及實(shí)驗(yàn)表明，該方法在低信噪比下檢測性能優(yōu)于能量檢測方法，且對噪聲變化不敏感，檢測精度較高，適合矢量傳感器目標(biāo)的預(yù)警檢測。

[1]劉科滿，相敬林，侯鐵雙，等.基于目標(biāo)過零特性與能量特性的聲引信檢測方法[J].兵工學(xué)報(bào), 2008, 29(9): 1044-1048.

LIU Ke-man, XIANG Jing-lin, HOU Tie-shuang, et al. A joint method of zero-crossing detection and energy detection[J].Acta Armamentarii, 2008, 29(9): 1044-1048.

[2]Zeng Yong-hong, Liang Ying-chang.Eigenvalue based spectrum sensing algorithms for cognitive radio[J]. IEEE Trans. Communications,2009,57(6): 1784-1793.

[3]宋云飛，盧光躍. 基于采樣協(xié)方差矩陣的頻譜感知算法仿真分析[J]. 西安郵電學(xué)院學(xué)報(bào), 2011, 16(5): 12-16.

SONG Yun-fei, LU Guang-yue. Simulation and analysis of spectrum sensing algorithms based on sample covariance matrix [J]. Journal of Xi’an University of Post And Telecommunications, 2011, 16(5):12-16.

[4]鄒吉武，孫大軍，呂云飛，等. 海洋矢量噪聲場試驗(yàn)研究[J]. 哈爾濱工程大學(xué)學(xué)報(bào),2011,32(1):16-18.

ZOU Ji-wu, SUN Da-jun, Lü Yun-fei, et al. Experimental research on an ocean vector noise field [J]. Journal of Harbin Engineering University, 2011, 32(1): 16-18.

[5]尚華，黃益旺，張靖. 矢量水聽器的海洋環(huán)境噪聲場空間相關(guān)[J].艦船科學(xué)與術(shù),2009,31(10):43-46.

SHANG Hua, HUANG Yi, ZHANG Jing. Spatial correlation of anbient noise based on acoustic vector hydrophone [J]. Ship Science and Technology, 2009,31(10):43-46.

[6]張怡，席博，黃印,等.能量和協(xié)方差檢驗(yàn)的聯(lián)合頻譜感知算法研究[J].航空計(jì)算技術(shù),2011,41(2): 113-117.

ZHAIVG Yi，XI Bo，Huang YIN,et al.Collaborative detection algorithm based on energy and covariance matrix theory[J].Aeronautical Computing Technique,2011,41(2):113-117.

[7]鄒衛(wèi)霞，丁奇，周正.基于特征值極限分布的雙門限頻譜感知算法[J].系統(tǒng)工程與電子技術(shù),2012, 34(3): 588-591.

ZOU Wei-xia，DINU Qi，ZHOU Zheng.Double threshold spectrum sensing algorithm based on limiting eigenvalue distribution[J].2012,34(3):588-591.

[8]Penna F, Garello R, Spirito M A. Cooperative spectrum sensing based on the limiting eigenvalue ratio distribution in wishart matrices [J]. IEEE Communications Letters,2009, 13(7):507-509.

[9]Tulino A M, Verdu S.Random matrix theory and wireless communication[M]. Hanover,USA:Now Publisher Inc, 2004:3-73.

[10]Tracy C A, Widom H.On orthogonal and sympletic matrix ensembles[J].Communications in Mathematical Physics, 1996, 177(3):727-754.

[11]曹開田，楊震.基于隨機(jī)矩陣?yán)碚摰腄ET合作頻譜感知算法[J].電子與信息學(xué)報(bào)，2010,32(1):129-134.

CAO Kai-tian, YANG Zhen. DET cooperative spectrum sensing algorithm based on random matrix theory[J]. Journal of Electronics & Information Tecnology, 2010, 32(1):129-134.