張成剛， 鞠曉東

(1 中國(guó)人民解放軍92819部隊(duì)， 遼寧 大連 116041； 2 中國(guó)人民解放軍91827部隊(duì)， 山東 威海 264300)

0 引 言

魚(yú)雷作為一種重要的水中兵器，在水下實(shí)現(xiàn)對(duì)目標(biāo)潛艇、水面艦艇、水下設(shè)施的有效攻擊中發(fā)揮重要作用，利用水下爆炸的威力，提高對(duì)敵方目標(biāo)艦船的毀傷能力。在魚(yú)雷的研究設(shè)計(jì)中，魚(yú)雷對(duì)敵目標(biāo)的有效檢測(cè)是魚(yú)雷實(shí)現(xiàn)有效攻擊的關(guān)鍵技術(shù)，然而在復(fù)雜的海洋環(huán)境下，受到海水背景噪聲和敵方聲誘餌的干擾，導(dǎo)致魚(yú)雷對(duì)敵目標(biāo)探測(cè)的有效性大大下降。魚(yú)雷對(duì)敵目標(biāo)檢測(cè)的方法主要有被動(dòng)探測(cè)方法和主動(dòng)探測(cè)方法[1]，其中被動(dòng)探測(cè)方法是通過(guò)接收地方艦船和潛艇的噪聲，實(shí)現(xiàn)目標(biāo)攻擊。主動(dòng)探測(cè)方法是魚(yú)雷通過(guò)發(fā)射主動(dòng)脈沖信號(hào)，通過(guò)目標(biāo)回波反射，實(shí)現(xiàn)對(duì)敵目標(biāo)的探測(cè)與攻擊。無(wú)論是哪種探測(cè)方法，都需要在微弱信號(hào)背景下進(jìn)行目標(biāo)檢測(cè)算法的優(yōu)化設(shè)計(jì)，結(jié)合信號(hào)處理技術(shù)，提高對(duì)敵目標(biāo)的探測(cè)和識(shí)別能力，研究微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)的準(zhǔn)確檢測(cè)方法，在進(jìn)行魚(yú)雷對(duì)敵目標(biāo)定位和識(shí)別中具有重要意義[2]。

傳統(tǒng)方法中，魚(yú)雷對(duì)目標(biāo)的檢測(cè)方法主要有匹配濾波檢測(cè)方法、基于分?jǐn)?shù)階傅里葉變換的魚(yú)雷目標(biāo)檢測(cè)算法、基于小波變換的目標(biāo)檢測(cè)算法等[3]，上述方法通過(guò)對(duì)魚(yú)雷目標(biāo)的亮點(diǎn)回波模型構(gòu)建，結(jié)合時(shí)頻分解和特征分離方法，實(shí)現(xiàn)信號(hào)檢測(cè)。其中，文獻(xiàn)[4]中提出基于分?jǐn)?shù)階傅里葉變換的魚(yú)雷目標(biāo)自動(dòng)檢測(cè)算法，采用FIR濾波器進(jìn)行了魚(yú)雷主動(dòng)目標(biāo)回波信號(hào)的降噪處理，提高信號(hào)的盲源分離能力，降低輸出信噪比，但該方法進(jìn)行水下潛艇的目標(biāo)回波信號(hào)檢測(cè)時(shí)的自適應(yīng)性能不好[5]。文獻(xiàn)[6]中提出一種基于希爾伯特變換的魚(yú)雷攻擊目標(biāo)信號(hào)檢測(cè)，通過(guò)對(duì)目標(biāo)的距離和速度參量估計(jì)，提高了信號(hào)的可識(shí)別能力，但該方法進(jìn)行目標(biāo)回波信號(hào)受到背景干擾較大，信號(hào)檢測(cè)的抗干擾性能不好。

(4)保留um弧線，連接mn線段，ny線段，yx線段，保留xv弧線，再將除A 、B中心線及φe圓以外的線刪除，再在x處倒Rs=1.5的圓角，得圖6。

針對(duì)傳統(tǒng)方法存在的弊端，為了提高微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)的檢測(cè)能力，提出一種基于主動(dòng)脈沖回波探測(cè)和盲源分離技術(shù)的信號(hào)檢測(cè)算法。構(gòu)建魚(yú)雷對(duì)比目標(biāo)檢測(cè)的微弱信號(hào)回波模型，首先采用級(jí)聯(lián)匹配濾波方法進(jìn)行信號(hào)的干擾抑制和譜增強(qiáng)處理，采用自相關(guān)波束形成方法進(jìn)行信號(hào)的去盲處理，提高微弱信號(hào)背景下魚(yú)雷的主動(dòng)目標(biāo)探測(cè)能力，提取目標(biāo)回波信號(hào)的高階譜特征量。然后采用復(fù)包絡(luò)檢測(cè)方法實(shí)現(xiàn)對(duì)目標(biāo)回波信號(hào)的準(zhǔn)確定位和參量估計(jì)，實(shí)現(xiàn)對(duì)微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)的準(zhǔn)確檢測(cè)。最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了本文方法在提高魚(yú)雷對(duì)敵目標(biāo)檢測(cè)能力方面的優(yōu)越性能。

我們喜歡這幅作品的取景構(gòu)圖，主要的引導(dǎo)線由沙袋構(gòu)成，模特背后的豎直線條也很好地襯托出了她。這是一幅很成功的現(xiàn)場(chǎng)人物肖像，很好地給出了場(chǎng)景的氛圍。不過(guò)，如果能讓模特左手的拳擊手套顯露出來(lái)，或許會(huì)進(jìn)一步豐富畫(huà)面的亮點(diǎn)。

1 微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)和特征分析

1.1 微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)模型

為了實(shí)現(xiàn)在敵方聲誘餌干擾和海水背景干擾下魚(yú)雷對(duì)敵主動(dòng)脈沖回波信號(hào)檢測(cè)，首先給出微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)模型，采用水下陣列傳感跟蹤識(shí)別技術(shù)，進(jìn)行多陣列環(huán)境下的脈沖回波探測(cè)和目標(biāo)檢測(cè)，進(jìn)行微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)的原始數(shù)據(jù)采集，對(duì)采集的微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)進(jìn)行小波變換和濾波分析[7]，給出微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)的數(shù)學(xué)模型表達(dá)式為：

s(t)+jH[s(t)]

(1)

式中，a(t)稱為微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)z(t)的檢測(cè)幅度，有時(shí)也稱為包絡(luò)；φ(t)稱為魚(yú)雷聲自導(dǎo)頭陣列進(jìn)行信號(hào)檢測(cè)的分布相位；Z(f)可由S(f)通過(guò)傅立葉變換得到；H(f)為微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)的階躍式傳輸函數(shù)。

采用平滑WVD (Smoothed-wigner-ville distribution，SWVD)變換進(jìn)行脈沖回波信號(hào)的時(shí)頻分解，SWVD的定義式為：

(2)

SPEC(t,f)=|STFT(t,f)|2=

3）資源豐富，情境真實(shí)。微課的核心就是視頻的展現(xiàn)和多媒體課件，里面包含專(zhuān)家的點(diǎn)評(píng)和教學(xué)反思，還有練習(xí)和測(cè)驗(yàn)，可以給學(xué)生創(chuàng)設(shè)一個(gè)具象化的情境。微課的這一特點(diǎn)在國(guó)內(nèi)外的微課交流平臺(tái)上都展現(xiàn)出來(lái)。當(dāng)前微課不應(yīng)只是視頻資源，還要將微課平臺(tái)發(fā)展成一個(gè)互動(dòng)性教學(xué)平臺(tái)，不光有練習(xí)和測(cè)驗(yàn)，還要有知識(shí)講解、學(xué)習(xí)反饋等資源，這些配套的資源能對(duì)學(xué)生自主學(xué)習(xí)發(fā)揮重要作用[4]。

選取2015年8月—2017年12月于南通市第一人民醫(yī)院神經(jīng)內(nèi)科門(mén)診或住院診治的帕金森病患者150例，男性患者99例，女性患者51例。

普通彈力繃帶小手套在固定過(guò)程中需要將患兒的大拇指分開(kāi),手背和其余四指被固定在繃帶手套中,每天在護(hù)理人員檢查過(guò)留置針情況后,彈力繃帶手套便會(huì)自動(dòng)粘合,在更換敷料時(shí),護(hù)理人員需要將繃帶小手套整體取下,更加好更換后在重新固定好[3]。

τ/2)z*(t-u-τ/2)e-j2πfτdudτ

(3)

其中，Wγ(-t,f)是微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖短時(shí)Fourier變換的窗函數(shù)γ(t)的WVDWγ(t,f)的脈沖回波的時(shí)間反轉(zhuǎn)形式，所以譜圖可以看作是魚(yú)雷聲自導(dǎo)探測(cè)脈沖信號(hào)和窗函數(shù)的WVD的二維卷積，由此構(gòu)建了微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)模型，為信號(hào)檢測(cè)和目標(biāo)識(shí)別提供了原始信號(hào)基礎(chǔ)。

1.2 級(jí)聯(lián)匹配濾波和信號(hào)增強(qiáng)處理

在構(gòu)建了微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)模型的基礎(chǔ)上，采用級(jí)聯(lián)匹配濾波方法進(jìn)行信號(hào)的干擾抑制和譜增強(qiáng)處理[8]，級(jí)聯(lián)匹配濾波檢測(cè)器如圖1所示。

圖1 濾波器的結(jié)構(gòu)模型

根據(jù)圖1所示的濾波器結(jié)構(gòu)模型，進(jìn)行信號(hào)的噪聲濾波，在微弱信號(hào)背景下，若SWVD中選擇平滑濾波器：G(t,f)=Wγ(-t,f)，得到目標(biāo)回波探測(cè)的SWVD譜退化為高階特征譜圖。結(jié)合自適應(yīng)頻譜分離方法，得到魚(yú)雷回波脈沖可寫(xiě)作：

(4)

其中，分?jǐn)?shù)階變換的頻譜分離式Xp(u)可以表示為：

(5)

播種一周左右后檢查玉米幼苗情況，檢查是否有土壤固化并影響幼苗的出苗。如果沒(méi)有外部干擾因素，仍然沒(méi)有出苗地點(diǎn)。當(dāng)然，苗木應(yīng)針對(duì)一定范圍的秧苗。當(dāng)玉米苗期生長(zhǎng)至3葉期時(shí)，應(yīng)進(jìn)行疏伐和育苗。疏苗的主要目的是保持壯苗，去除病害苗和弱苗，保持苗木均勻。為了保證玉米的高產(chǎn)，應(yīng)根據(jù)玉米幼苗的生長(zhǎng)來(lái)控制密度。當(dāng)然，這種密度控制應(yīng)以玉米品種和土壤肥力為基礎(chǔ)。

2010年成功等[19]對(duì)特發(fā)性脊柱側(cè)凸患者CT圖像進(jìn)行CT薄層分析、CT三維重建，建立起新分型，首先根據(jù)主側(cè)凸所在的部位分為2型。然后根據(jù)側(cè)凸的數(shù)量、側(cè)凸頂點(diǎn)位置，側(cè)方彎度矯形率以及其他三維畸形特點(diǎn)，分成不同的亞型，共分成14個(gè)亞型，并對(duì)每一分型制定了具體的融合策略。此新分型與king分型、Lenke分型相比，簡(jiǎn)單易記，邏輯嚴(yán)謹(jǐn)，與PUMC分型相比，因?yàn)榻柚鶦T三維重建模型，是一種三維評(píng)估分型系統(tǒng)，形象直觀的反應(yīng)了特發(fā)性脊柱側(cè)凸三維畸形的特點(diǎn)。但是其分型依據(jù)只有80例，會(huì)導(dǎo)致數(shù)據(jù)不夠，分型不全面，其次在手術(shù)矯形中所提出的入路、融合范圍、具體的融合階段只是雛形，未經(jīng)過(guò)大量的臨床檢驗(yàn)。

機(jī)構(gòu)和組織一直以來(lái)通過(guò)分析數(shù)據(jù)來(lái)幫助企業(yè)制定戰(zhàn)略、經(jīng)營(yíng)決策，以及進(jìn)行風(fēng)險(xiǎn)管理。但今天，情況在發(fā)生變化，數(shù)據(jù)的數(shù)量、速度、種類(lèi)在改變，計(jì)算機(jī)技術(shù)也在改變，而這正是讓數(shù)以萬(wàn)計(jì)的商業(yè)應(yīng)用成為可能的技術(shù)平臺(tái)。

(6)

其中，h(τ)和g(u)是Hilbert譜和邊際譜的偶函數(shù)，且h(0)=g(0)=1，采用修正平滑偽WVD進(jìn)行目標(biāo)回波信號(hào)的譜特征分離[9]，提高信號(hào)的波束聚焦性。

2 目標(biāo)檢測(cè)算法優(yōu)化

2.1 自相關(guān)波束形成及信號(hào)去盲處理

在上述構(gòu)建了魚(yú)雷對(duì)比目標(biāo)檢測(cè)的微弱信號(hào)回波模型，并采用級(jí)聯(lián)匹配濾波方法進(jìn)行信號(hào)的干擾抑制和譜增強(qiáng)處理的基礎(chǔ)上，進(jìn)行目標(biāo)檢測(cè)算法的優(yōu)化設(shè)計(jì)，本文提出一種基于主動(dòng)脈沖回波探測(cè)和盲源分離技術(shù)的信號(hào)檢測(cè)算法。結(jié)合分?jǐn)?shù)階傅里葉變換進(jìn)行頻譜分離，得到魚(yú)雷主動(dòng)脈沖回波信號(hào)的譜分離結(jié)果為：

(7)

一個(gè)人罹患疾病，其實(shí)是他自己內(nèi)部出了問(wèn)題。所謂的失敗，潰散，都是自我解除武裝乃至自身出了問(wèn)題導(dǎo)致的。這世界，唯一的好處就是，可以讓每一個(gè)人都能在“活著”這個(gè)龐雜的命題中不斷地覺(jué)悟。當(dāng)然，覺(jué)悟，不是人人都具備的。需要一定的天賦，還有必要的后天的文化訓(xùn)練。我一直覺(jué)得，世上的人之所以這么多，且千差萬(wàn)別，個(gè)個(gè)不一還特別豐富，就是因?yàn)?，不是每個(gè)人都具備與其周遭環(huán)境乃至草木塵埃對(duì)話能力的。一個(gè)人有此等的意識(shí)，進(jìn)而被呼應(yīng)，當(dāng)是人生幸事之一。

(8)

(9)

其中，p為FrFT的階數(shù)，采用修正的平滑偽WVD(modified smoothed pseudo wigner ville distribution，MSPWVD)技術(shù)進(jìn)行目信號(hào)的自相關(guān)波束形成，定義為：

(10)

時(shí)域表示:

(11)

頻域表示:

式中，f(t)為接收到的魚(yú)雷主動(dòng)脈沖回波信號(hào)的瞬時(shí)頻率估計(jì)值；ρ(a,b)為準(zhǔn)平穩(wěn)隨機(jī)擴(kuò)展函數(shù)；a為魚(yú)雷主動(dòng)脈沖回波信號(hào)檢測(cè)的實(shí)驗(yàn)參數(shù)；b為頻移參數(shù)，其中分?jǐn)?shù)階傅里葉變換的表達(dá)式為：

采用分?jǐn)?shù)階傅里葉變換進(jìn)行魚(yú)雷主動(dòng)脈沖回波信號(hào)動(dòng)態(tài)壓縮處理，微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)長(zhǎng)度l，得到回波的脈沖波峰跨度為：

(12)

可以看作是某種能量分布特征函數(shù)的傅立葉變換。通過(guò)時(shí)域和頻域分離，實(shí)現(xiàn)對(duì)目標(biāo)信號(hào)的去盲預(yù)處理，提高了微弱信號(hào)的探測(cè)識(shí)別能力。

2.2 魚(yú)雷對(duì)敵目標(biāo)的準(zhǔn)確檢測(cè)輸出

(13)

l=a·fl+b

(14)

其中，a、b表示耦合系數(shù)。對(duì)于給定的寬帶高分辨微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)x(n)和尺度d，魚(yú)雷主動(dòng)脈沖回波信號(hào)的最大波峰和波谷差值：

在微課設(shè)計(jì)過(guò)程中，教師可以根據(jù)相應(yīng)教學(xué)內(nèi)容的難易度和重要度來(lái)進(jìn)行資源的科學(xué)制作，例如對(duì)于那些難點(diǎn)和重點(diǎn)知識(shí)，可以通過(guò)設(shè)計(jì)系列課程的方式來(lái)保障教學(xué)內(nèi)容的系統(tǒng)性和深入性，使學(xué)生能夠通過(guò)一系列課程的觀看來(lái)充分掌握相關(guān)的內(nèi)容。例如在對(duì)學(xué)生進(jìn)行眼底和裂隙燈檢查方面教學(xué)的過(guò)程中，可以讓學(xué)生通過(guò)比較正常與異常眼底彩色照片，通過(guò)模型眼的演示等多種方式形成一個(gè)初步的感性認(rèn)知，然后再通過(guò)后續(xù)一系列深入的微課教學(xué)來(lái)深化學(xué)生對(duì)知識(shí)的理解和掌握。在教學(xué)中，教師通過(guò)充分利用微視頻來(lái)突出課程教學(xué)的重點(diǎn)和難點(diǎn)，能夠使學(xué)生深入把握課程學(xué)習(xí)的目標(biāo)，從而提升學(xué)習(xí)的目標(biāo)性和實(shí)效性。當(dāng)學(xué)生遇到

(15)

回波信號(hào)幅度檢測(cè)模型的階數(shù)為2階，得到信號(hào)的波束形成參數(shù)a1(t)和a2(t)由下式確定：

(16)

根據(jù)微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)方位信息以及信號(hào)的其它分布信息[10]，得到微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)的輸出包絡(luò)特征為：

(17)

式中，a(t)稱為z(t)瞬時(shí)幅度，φ(t)稱為信號(hào)的自導(dǎo)檢測(cè)相位。根據(jù)上述算法設(shè)計(jì)，采用復(fù)包絡(luò)檢測(cè)方法實(shí)現(xiàn)對(duì)目標(biāo)回波信號(hào)的準(zhǔn)確定位和參量估計(jì)，實(shí)現(xiàn)對(duì)微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)的準(zhǔn)確檢測(cè)。

3 仿真實(shí)驗(yàn)與檢測(cè)性能測(cè)試

為了測(cè)試本文算法在實(shí)現(xiàn)微弱信號(hào)背景下的魚(yú)雷主動(dòng)脈沖回波信號(hào)檢測(cè)中的性能，進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)采用Matlab 7仿真軟件設(shè)計(jì)，實(shí)驗(yàn)中的魚(yú)雷主動(dòng)脈沖回波信號(hào)采用線性調(diào)頻信號(hào)作為測(cè)試信號(hào)，對(duì)目標(biāo)回波信號(hào)檢測(cè)的采樣點(diǎn)數(shù)為1 000點(diǎn)，目標(biāo)的回波脈沖為300 Hz的頻率分量信號(hào)，高頻IMF分量的采樣間隔為0.24 s，信號(hào)的時(shí)長(zhǎng)為1 024，根據(jù)上述方程環(huán)境和參數(shù)設(shè)定，進(jìn)行目標(biāo)檢測(cè)算法研究，得到輸入的目標(biāo)回波信號(hào)波形如圖2所示。

圖2 目標(biāo)回波信號(hào)波形

以圖2 的信號(hào)為測(cè)試對(duì)象，用級(jí)聯(lián)匹配濾波方法進(jìn)行信號(hào)的干擾抑制和譜增強(qiáng)處理，提取目標(biāo)回波信號(hào)的高階譜特征量，得到特征提取結(jié)果如圖3所示。

圖3 信號(hào)的特征提取結(jié)果

分析圖3得知，采用本文方法進(jìn)行目標(biāo)信號(hào)檢測(cè)，能準(zhǔn)確實(shí)現(xiàn)對(duì)不同頻率分量的目標(biāo)信號(hào)的準(zhǔn)確定位和識(shí)別，頻譜的分辨能力較好，雜波的干擾去除能力較強(qiáng)。測(cè)試不同方法進(jìn)行微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)檢測(cè)的性能，測(cè)試信噪比的范圍為-8～10 dB，蒙特卡洛實(shí)驗(yàn)次數(shù)為1 000次，得到檢測(cè)性能曲線對(duì)比結(jié)果如圖4所示，分析圖4得知，本文方法進(jìn)行目標(biāo)檢測(cè)的準(zhǔn)確性高于傳統(tǒng)方法，平均提升13.5%，檢測(cè)性能較優(yōu)。

圖4 檢測(cè)性能對(duì)比

4 結(jié)束語(yǔ)

在復(fù)雜的海洋環(huán)境下，受到海水背景噪聲和敵方聲誘餌的干擾，導(dǎo)致魚(yú)雷對(duì)敵目標(biāo)探測(cè)的有效性大大下降，為了提高微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)的檢測(cè)能力，提出一種基于主動(dòng)脈沖回波探測(cè)和盲源分離技術(shù)的信號(hào)檢測(cè)算法。構(gòu)建魚(yú)雷對(duì)比目標(biāo)檢測(cè)的微弱信號(hào)回波模型，采用級(jí)聯(lián)匹配濾波方法進(jìn)行信號(hào)的干擾抑制和譜增強(qiáng)處理，采用自相關(guān)波束形成方法進(jìn)行信號(hào)的去盲處理，提高微弱信號(hào)背景下魚(yú)雷的主動(dòng)目標(biāo)探測(cè)能力，提取目標(biāo)回波信號(hào)的高階譜特征量，采用復(fù)包絡(luò)檢測(cè)方法實(shí)現(xiàn)對(duì)目標(biāo)回波信號(hào)的準(zhǔn)確定位和參量估計(jì)，實(shí)現(xiàn)對(duì)微弱信號(hào)背景下魚(yú)雷對(duì)敵目標(biāo)的準(zhǔn)確檢測(cè)。研究得知，本文方法進(jìn)行魚(yú)雷對(duì)敵目標(biāo)信號(hào)檢測(cè)的有效性較高，檢測(cè)準(zhǔn)確概率高于傳統(tǒng)方法，抗干擾能力較強(qiáng)。