袁 猛，禚江浩，孫芹東，呂 勇，劉 剛

(1.海軍潛艇學(xué)院, 山東 青島 266199；2.青島海洋科學(xué)與技術(shù)國家實驗室發(fā)展中心, 山東 青島 266237)

0 引 言

艦船輻射噪聲中的低頻線譜成分主要由螺旋槳轉(zhuǎn)動切割水體、主機(jī)設(shè)備的機(jī)械振動以及船舶結(jié)構(gòu)振動等引起[1-2]，這些線譜成分具有能量集中且穩(wěn)定的特點(diǎn)[3-4]，在水聲目標(biāo)的檢測、跟蹤及識別分類中具有重要作用[5-8]。

隨著海上無人探測技術(shù)不斷發(fā)展，單矢量水聽器憑借體積小、功耗低以及能夠同步共點(diǎn)地獲取聲場聲壓及振速信息等優(yōu)點(diǎn)，得到越來越廣泛的應(yīng)用[9-11]。同時，矢量水聽器的發(fā)展也為線譜提取技術(shù)帶來了新的思路和方法[12]。與此同時，無人探測平臺對算法提出了較高的要求。一方面，算法需要滿足“人不在回路”的工作條件，因此需要具備較高的準(zhǔn)確性和穩(wěn)定性；另一方面，受續(xù)航時間以及連續(xù)觀測的要求，算法需具有較小的計算復(fù)雜度，以保證實時性計算。

結(jié)合矢量水聽器的特點(diǎn)，本文提出一種適用于海上無人觀測平臺的實時性線譜提取算法。通過將信號處理流程設(shè)計為迭代計算的方式，可以在較小的計算復(fù)雜度條件下實現(xiàn)對線譜的準(zhǔn)確提取且具有良好的穩(wěn)定性。

1 實時性信號處理流程

與后處理系統(tǒng)可獲取完整的目標(biāo)信息進(jìn)行分析不同，實時性處理系統(tǒng)要求對實時獲取的短時數(shù)據(jù)進(jìn)行快速響應(yīng)，因此對算法的計算效率、性能和穩(wěn)定性有更高的要求。受計算資源的限制，對于實時處理系統(tǒng)而言總存在一個最小的處理時長，這相當(dāng)于對接收信號進(jìn)行分段，因而處理過程總是逐幀進(jìn)行的。圖1為實時性線譜提取算法流程圖。

圖1 實時性線譜提取流程圖Fig.1 Flow chart of real-time line spectrum extraction

1.1 單矢量水聽器信號增強(qiáng)方法

單矢量水聽器可以同步共點(diǎn)接收聲場信息，其中，聲壓通道無指向性，而矢量通道則具有偶極子指向性?？紤]水平面內(nèi)的二元單矢量水聽器，有信號接收模型：

其中：n為幀號；sn為水聲目標(biāo)輻射噪聲信號（以下簡稱目標(biāo)信號）；pn，vxn及vyn分別代表矢量水聽器聲壓通道、矢量通道以及矢量通道接收到的信號；npn，nxn及nyn分別代表對應(yīng)通道的干擾噪聲信號（以下簡稱噪聲信號）；以正北方向為參考，θn為水聲目標(biāo)相對于矢量水聽器的方位角，且認(rèn)為 θn是緩變的，在一幀范圍內(nèi)可視為常數(shù)。為分析方便，已忽略傳感器靈敏度及聲阻抗系數(shù)，且不會對結(jié)論產(chǎn)生影響。

矢量水聽器的陣列流型特點(diǎn)使得單傳感器即可實現(xiàn)目標(biāo)測向。在測得目標(biāo)方位的基礎(chǔ)上，由Givens 變換可得合成振速信號為：

各通道接收的噪聲信號相互獨(dú)立，且根據(jù)Wold 分解，目標(biāo)信號與噪聲信號互不相關(guān)，對聲壓及合成振速進(jìn)行互相關(guān)分析，在頻域有：

其中：F(·)代表傅里葉變換；fi∈為提取線譜的頻帶范圍；Rn(fi)為在第i個頻點(diǎn)處的互相關(guān)譜幅值?？梢钥闯?，互相關(guān)譜分布趨向于目標(biāo)信號的功率譜分布。因此，利用互相關(guān)分析可顯著提高信噪比，從而增強(qiáng)目標(biāo)信號的線譜成分。單矢量水聽器的信號增強(qiáng)流程如圖2 所示。

圖2 單矢量水聽器信號增強(qiáng)流程圖Fig.2 Flow chart of single vector hydrophone signal enhancement

1.2 線譜預(yù)處理方法

艦船輻射噪聲由線譜和連續(xù)譜組成。陶篤純的研究表明，連續(xù)譜密度函數(shù)的分布規(guī)律可利用Ecs 型函數(shù)描述[13]，在低頻端連續(xù)譜密度函數(shù)常有峰值，因此會對線譜提取產(chǎn)生較大影響。為分離線譜，需要對互相關(guān)譜進(jìn)行去趨勢處理。其中，趨勢項可利用高斯平滑濾波得到。此外，當(dāng)水聲目標(biāo)經(jīng)過探測平臺附近時，其噪聲級常有較為劇烈的變化。為使不同信噪比條件下對線譜的提取具有統(tǒng)一標(biāo)準(zhǔn)，對信號進(jìn)行歸一化十分必要。利用極大值濾波器對經(jīng)過去趨勢和歸一化后的互相關(guān)譜進(jìn)行峰值提取。極大值濾波器的算法原理如下：

如果An(fi)為前M個最大的值A(chǔ)n(fi)=1，否則An(fi)=0。

其中，fl和fh分別為線譜提取的最低截止頻率及最高截止頻率；預(yù)處理參數(shù)Δf1為頻率滑動窗長度，M為峰值點(diǎn)個數(shù)。圖3 為利用仿真數(shù)據(jù)對極大值濾波器的測試結(jié)果?？梢钥闯觯?jīng)極大值濾波器，可以將數(shù)據(jù)中的局部峰值點(diǎn)檢測出來，相比卡峰高門限方法[2,6-7]更加靈活和實用。

圖3 極大值濾波器效果示意圖Fig.3 Simulation result of maximum filter

1.3 線譜提取方法

受聲傳播、背景噪聲等因素的干擾，利用單幀數(shù)據(jù)提取的譜峰在頻率及幅值上均存在一定波動，綜合多個歷史時刻的數(shù)據(jù)可以減小隨機(jī)誤差的影響并增強(qiáng)線譜提取能力[1,14]。在實時性系統(tǒng)中，緩存器可實現(xiàn)以上功能，其本質(zhì)是利用多個時刻的數(shù)據(jù)提高數(shù)據(jù)處理過程中的時間增益。由于緩存器以不斷迭代的方式進(jìn)行更新，其計算復(fù)雜度較小，適用于實時性算法。線譜提取的算法原理如下：

輸入為峰值向量An(f)，輸出為線譜強(qiáng)度向量In(f)；初始化線譜強(qiáng)度向量及緩存器：In(fi)=0，?fi∈[fl,fh]；更新緩存器(見圖4)：Cachen=[An-L+1,...,An-1,An]T;

圖4 緩存器更新過程示意圖Fig.4 Cache update process

利用緩存器中存儲的數(shù)據(jù)判斷當(dāng)前幀是否存在線譜：

對每個fi∈[fl,fh]，T=0，對每個k∈[1,L]，fj∈[fi-Δf1,fi+Δf1]，T=T+max〈An(fj)〉，

其中，線譜提取參數(shù)Δf2為線譜漂移頻率，Cache為記錄L幀數(shù)據(jù)的緩存器，T為緩存器中檢測出線譜的幀數(shù)，ρ為線譜提取閾值。如果T＞ρL，I(fi)=I(fi)+1。

1.4 線譜歸并方法

當(dāng)目標(biāo)檢測結(jié)束時，I(fi)中記錄的各頻點(diǎn)處的線譜強(qiáng)度為對水聲目標(biāo)整個探測過程中的統(tǒng)計結(jié)果。然而，受線譜漂移以及干擾因素的影響，I(fi)并非為嚴(yán)格的離散分布，而是在線譜附近連續(xù)有值，且在線譜處有峰值。為防止頻率模糊以準(zhǔn)確提取出線譜，需要對線譜進(jìn)行歸并處理，其算法原理如下：

輸入為線譜強(qiáng)度向量In(f)，輸出為歸并后的線譜頻率fm及線譜強(qiáng)度Im；參數(shù)初始化：m=0；W=0；S=0；線譜歸并，若線譜強(qiáng)度向量連續(xù)大于0，則線譜定義為頻率的加權(quán)平均值，線譜強(qiáng)度定義為局部范圍內(nèi)的最大值：對每個fi∈[fl,fh]，如果I(fi-1)=0 &I(fi)＞0，m=m+1，Im=I(fi)，否則如果I(fi-1)＞0&I(fi)＞0，W=W+I(fi)，S=S+I(fi)·fi，Im=max〈Im,I(fi)〉，否則如果 I(fi-1)＞0 & I(fi)=0，fm=；W=0；S=0。

其中，線譜歸并參數(shù)m為歸并后的線譜條數(shù)，W為線譜權(quán)重的和，S為線譜局部范圍內(nèi)的頻率加權(quán)和。

2 仿真試驗分析

線譜頻率設(shè)置為fline=[200,300,400,500]，且在 ±3 Hz區(qū)間內(nèi)隨機(jī)浮動，各線譜信噪比均設(shè)置為-25 dB。為便于分析，將目標(biāo)方位設(shè)置為 0°，此時y通道接收信號即為合成振速。信號時長設(shè)置為300 s，音頻采樣率為2 0 0 0。線譜提取參數(shù)設(shè)置為：L=M=10 ，Δf1=Δf2=5 ，ρ=0.3。

圖5 為信號增強(qiáng)前的線譜提取效果?？梢钥闯?，由于信噪比過低的原因，在LOFAR 譜中線譜難以分辨。經(jīng)峰值檢測以及基于緩存器的線譜提取，已可以確定線譜范圍。然而，受線譜漂移的影響，提取出的線譜中存在一定的干擾和波動，對線譜進(jìn)行歸并處理后可以較為精確的確定線譜頻率。

圖5 信號增強(qiáng)前線譜提取結(jié)果Fig.5 Line spectrum extraction results before signal enhancement

從圖6 可以看出，經(jīng)信號增強(qiáng)后，已可以從LOFAR 譜中分辨出線譜輪廓，且經(jīng)線譜歸并后的干擾頻點(diǎn)更少，對線譜的提取效果更好。仿真試驗分析表明：1）信號增強(qiáng)方法可以顯著提升線譜提取效果，使得算法能夠在低信噪比條件下準(zhǔn)確提取出線譜頻點(diǎn)；2）算法受線譜漂移的影響較小，具有較高的魯棒性。

圖6 信號增強(qiáng)后線譜提取結(jié)果Fig.6 Line spectrum extraction results after signal enhancement.

3 海上實測數(shù)據(jù)驗證

海上實測數(shù)據(jù)來源為Santos-Domínguez 等[15]于西班牙維戈港口（42°14.5′N，8°43.4′W）附近收集的水下海洋噪聲公開數(shù)據(jù)集。以下用于分析的水聲目標(biāo)噪聲為小型拖船在發(fā)動機(jī)啟停時記錄的音頻，采樣率52734 Hz，時長64 s，水聽器接收深度5.8 m，最近接收距離小于50 m。從圖7(a) 的LOFAR 譜中可以看出，在0～500 Hz 之間存在多條較為顯著的線譜，且線譜頻率存在明顯漂移。線譜提取參數(shù)與仿真數(shù)據(jù)中的參數(shù)相同，從圖7(b)可以看出，實時性線譜提取算法基本實現(xiàn)了所有線譜的準(zhǔn)確檢出，且受線譜漂移的影響較小。

圖7 海上實測數(shù)據(jù)線譜提取結(jié)果Fig.7 Line spectrum extraction results of ship sounds.

4 結(jié) 語

本文研究單矢量水聽器接收條件下對水聲目標(biāo)噪聲的實時性線譜提取算法，通過線譜增強(qiáng)、線譜預(yù)處理、線譜提取以及線譜歸并等方法，能夠在較低信噪比條件下實現(xiàn)對線譜的準(zhǔn)確提取，且受線譜漂移的影響較小。算法采用實時性設(shè)計，具有快速響應(yīng)及計算復(fù)雜度小的特點(diǎn)，適用于在海上無人探測平臺中的應(yīng)用。