李蘭瑞，李 鵬，劉天宇，郭 煜，姜棟瀚

（1.海軍裝備部駐上海地區(qū)第一軍事代表室，上海 200000；2.水下測控技術(shù)重點實驗室，遼寧 大連 116000；3.31001 部隊，北京 100094）

0 引言

隨著潛艇消聲材料和消聲技術(shù)的發(fā)展，以及海上航運事業(yè)的日益繁榮，水中目標信號的檢測和識別難度日益增加。水中目標檢測和目標識別技術(shù)是水聲信號處理領(lǐng)域的兩大核心技術(shù)，也是海上實際作戰(zhàn)中的兩大難題。因此，本文重點梳理總結(jié)了近幾年國內(nèi)外在水聲目標檢測與識別領(lǐng)域的技術(shù)發(fā)展情況。

1 目標檢測技術(shù)研究現(xiàn)狀及主要問題

1.1 目標檢測技術(shù)研究現(xiàn)狀

波束形成方法是最常用的目標檢測方法。波束形成的實現(xiàn)方式分為頻域和時域兩種。頻域波束形成通過補償陣元之間時延帶來的相移來合成波束。時域波束形成對時域信號直接延時來合成波束。采用分塊處理方式的頻域波束形成算法，由于塊與塊之間的相位不連續(xù)，所以無法有效輸出真正連續(xù)的時域波形信號。時域波束形成技術(shù)因為直接在時域?qū)π盘栠M行延時累加，實時性強且可輸出連續(xù)的聲音信號，是被動聲納聽音信號的主要來源。波束形成方法對掃描后得到的各路波束信號求能量得到空間譜。這種基于能量檢測的方法在實際使用中受干擾和環(huán)境的影響，目標分辨率低，弱目標檢測能力差。

近些年，國內(nèi)外學(xué)者提出利用信號的宏微觀特性進行處理的方法為傳統(tǒng)波束形成方法突破這一技術(shù)瓶頸打開了新的思路。信號的宏微觀結(jié)構(gòu)指的是利用信號的聲傳播特征、譜特征和時域特征。根據(jù)水下信號的這些特性，對陣列信號進行前置處理或?qū)Σㄊ纬山Y(jié)果進行后置處理已達到弱信號檢測的目的。

朱輝慶[1]等人針對平臺振動噪聲影響下的舷側(cè)陣聲納弱信號檢測問題，提出了基于白化濾波器和頻段加權(quán)的微弱信號檢測方法。這類方法的優(yōu)點是通過對波束形成輸出波束進行后置濾波，可以增強其輸出信噪比，但前提條件是對所檢目標的信噪比有一定要求。

水聲信號傳播過程中受水聲環(huán)境的變化、目標源輻射幅度的不穩(wěn)定性和多途干擾等因素的影響會產(chǎn)生起伏效應(yīng)。Wagstaff R A[2]研究發(fā)現(xiàn)，利用聲信號的起伏特性會增強聲納系統(tǒng)處理增益。Wagstaff利用波束輸出快拍間的相位變化均勻性差異和目標信號和噪聲頻譜幅度在快拍間的起伏特性差異，提出了基于幅度起伏濾波器和相位起伏原理的方法，為微弱信號檢測提供了新思路。國內(nèi)中船重工第715 所的王忠康和馬啟明[3]也做了相關(guān)研究，并發(fā)現(xiàn)該方法的適用條件相對苛刻，對快拍間頻譜幅度起伏較小或相位變化均勻性較好的窄帶確定性信號，具有較好的檢測能力。但是，在陣列噪聲和目標信號均為寬帶隨機信號的情況下，由于各窄帶快拍間的頻譜幅度起伏特性差異或相位變化均勻性差異不能保證，反而會降低處理增益。

中科院聲學(xué)所戴文舒[4]等人提出了一種利用目標信號線譜檢測目標的方法。該方法的實質(zhì)是利用目標輻射噪聲中線譜分量方位穩(wěn)定的特征進行弱目標檢測。當頻點處的線譜不明顯或者起伏較大時，它的性能較差。哈爾濱工程大學(xué)的陳陽[5]與惠俊英提出基于頻率方差加權(quán)的弱目標檢測方法，認為瞬時頻率方差在線譜的譜級信噪比超過門限值時為零。該方法求取波束的頻率方差，增強信號的瞬時頻率方差較小的線譜目標方位，同時抑制其他方位波束，以此提高目標的檢測能力。美國人Bono M[6]提出了子帶能量檢測（Subband Energy Detction，SED）算法。SED 算法檢測原理是依據(jù)頻率方位圖，利用信號峰、極值的“空間一致性”，對每個子帶各個方位上的峰、極值點能量進行求和作為波束輸出，以改善聲納顯示效果。美海軍潛用拖曳線列陣聲納TB-16 和TB-23 兩種裝備上使用了SED 算法。

1.2 主要問題

近些年關(guān)于弱目標的檢測方法研究取得很大進展，顯著提高了目標的檢測信噪比，但仍有一些問題有待進一步解決：現(xiàn)有基于波束域的檢測方法未充分利用目標信號特征，多停留在基于能量判決下的峰值疊加，當波束形成方法檢測不到弱目標時，后置處理算法同樣檢測不到弱目標；在實際戰(zhàn)場應(yīng)用中環(huán)境多變，對弱目標檢測的穩(wěn)健性有待提高。

1.3 未來趨勢展望

隨著水下目標隱身技術(shù)的發(fā)展和海洋航運業(yè)的繁榮，水下目標聲信號噪聲級越來越弱，而海洋環(huán)境噪聲干擾越來越大，基于能量的目標檢測方法越來越難以檢測到水下目標。水中目標信號能量雖然在減弱，但其信號特征依然存在。水下目標的特征和其動力推進方式、螺旋槳結(jié)構(gòu)和外形構(gòu)造密切相關(guān)。這些特征是必然存在的，未來基于特征的目標檢測方法將成為主流，僅僅基于能量的檢測方法將無法在實戰(zhàn)中發(fā)揮作用。

2 目標識別技術(shù)研究現(xiàn)狀及主要問題

2.1 目標識別技術(shù)研究現(xiàn)狀

艦艇聲納目標識別主要依靠訓(xùn)練有素的聲納兵通過人工聽音和譜圖等信息進行目標識別。隨著作戰(zhàn)指揮自動化要求的不斷提高，特別是新型無人值守系統(tǒng)的出現(xiàn)，使得對目標進行自動識別的需求越來越迫切。

在被動聲納的人工聽音識別方面，聲納兵聽音識別可信度個體差異較大。訓(xùn)練有素的聲納兵對水下目標識別準確度較高，但培養(yǎng)一名優(yōu)秀的聽音員所需周期較長。聲納兵主要依據(jù)艦船輻射噪聲信號中的“節(jié)奏感”估計目標的類型、機動速度等。節(jié)拍和音色是構(gòu)成聲音節(jié)奏感的主要來源。節(jié)拍主要來自于艦艇上的內(nèi)燃機等周期振動器件引起艦船輻射信號響度的周期性變化。音色的產(chǎn)生則比較復(fù)雜，是聲音的一種多維特征。另外，聽音信號所選用的頻段和其純凈度影響聽音識別的效果。人耳對不同頻率信號的響應(yīng)不一致，對低頻信號響應(yīng)度較低。實際聲納工作的水聲環(huán)境復(fù)雜，目標信號傳播過程中的衰減使得陣列接收信號往往只有低頻信息。因此，聲納兵在聽音時會將聽音信號從低頻段移頻到一個聲納兵自認為適合聽音的頻段，而移頻的標準并不統(tǒng)一。哈爾濱工程大學(xué)的韓雪博士[7]從響度和尖銳度兩個心理聲學(xué)參數(shù)出發(fā)，研究移頻工作對聽音的影響。研究發(fā)現(xiàn)，移頻后信號響度在2～5 kHz 區(qū)間內(nèi)響應(yīng)平坦，表明人耳在該頻段的聽覺最佳，對聲音信號的凈化有利于聲納兵聽音識別工作的開展。

目標特征提取是機器自動識別的基礎(chǔ)，是將接收信號從時域空間變換到某種特征空間的信號處理方法。目前主要提取的特征包括時域參數(shù)特征如峰峰幅度、過零點波長等，譜分析參數(shù)特征如高階譜、BURG 譜、LOFAR 譜、倒譜和DEMON 譜等。近幾年，借鑒人工聽音判型的機理，研究人員開始關(guān)注聽覺參數(shù)特征的提取，如音調(diào)、音色和粗糙度等。通常，機器學(xué)習(xí)識別方法先對水聲信號做預(yù)處理來提高信噪比，之后提取水聲信號特征，最后利用特征信息訓(xùn)練隱馬爾科夫模型、支持向量機、K 鄰近以及深度神經(jīng)網(wǎng)絡(luò)等分類器實現(xiàn)水下目標的自動識別。

海軍大連艦艇學(xué)院康春玉[8]采用WELCH 譜、BURG 譜和線性預(yù)測碼訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。研究表明，該方法對3 類目標識別達到了較高的成功率。Suraj K[9]提出使用動態(tài)貝葉斯網(wǎng)絡(luò)（Dynamic Bayesian Network，DBN）結(jié)構(gòu)進行預(yù)訓(xùn)練，當隱層數(shù)目為200-100-50 時，在1000 個樣本40 種類型的分類識別問題中獲得了一定的正確識別率。上海船舶電子設(shè)備研究所程錦盛[10]利用MFCC 特征在有監(jiān)督情況下訓(xùn)練深度置信網(wǎng)絡(luò)DBN，結(jié)果表明該方法提高了對目標的識別成功率。

2.2 主要問題

現(xiàn)有研究表明，目前各種方法提取的特征用于識別，在實驗室驗證的效果普遍較好，但在實際應(yīng)用中性能明顯下降。究其原因，主要在于：一是反映目標本質(zhì)的特征提取技術(shù)研究還不夠；二是用于特征提取的信號質(zhì)量（信噪比）不夠好，特別是在相鄰方位存在多目標或強干擾情況下，容易導(dǎo)致特征提取方法的失效，進而造成識別性能下降。因此，在聲納識別領(lǐng)域需要研究高性能的時域波束形成器，同時需要研究多目標或強干擾環(huán)境下的信號凈化方法，從而為特征提取提供高質(zhì)量的音頻輸出。

2.3 未來趨勢展望

基于人耳聽音識別的聽音識別方式對聽音員的經(jīng)驗和能力要求較高，個體差異較大，難以適應(yīng)現(xiàn)在的實際戰(zhàn)場需求。隨著人工智能算法的發(fā)展，水下目標特征提取方式方法將針對個體差異進行適應(yīng)性學(xué)習(xí)進化。對水下目標產(chǎn)品數(shù)據(jù)庫的不斷擴容，使得智能學(xué)習(xí)算法的訓(xùn)練庫日益龐大?，F(xiàn)階段，對水下目標識別將由人工聽音識別-人工加機器智能輔助識別-機器智能識別發(fā)現(xiàn)為主，以人工確認為輔，實現(xiàn)逐漸發(fā)展。

3 結(jié)語

本文分析總結(jié)了近些年水聲信號目標檢測與識別技術(shù)的發(fā)展情況，以及各自存在的不足和進一步的技術(shù)發(fā)展趨勢。目前的水聲信號目標檢測技術(shù)和目標識別技術(shù)同實際海戰(zhàn)場需求仍有較大差距，檢測和識別技術(shù)融合度淺，特別是未能在目標檢測時利用好識別帶來的特征優(yōu)勢。因此，檢測和識別深度一體化融合發(fā)展將更有利于滿足海戰(zhàn)場實際需求。