海洋技術研究水聲目標識別技術現(xiàn)狀與發(fā)展

1、知識的力量Tel海洋論壇I水聲目標識別技術現(xiàn)狀與發(fā)展近年來，誡著潛艇降噪技呆 d勺建疾 水下無人航行？器迅速發(fā)展,魚靂和水雷等水下武器呈多樣化趨勢，海戰(zhàn)場環(huán)境更為復雜。水聲LI標識別是反潛、魚雷防御和水聲對抗的前提，已成為重要研究課題。現(xiàn)階段水聲U標識別主要通過提取I標特征M區(qū)分LI標類型和種類信 息。本文針對艦船、魚雷和干擾等目標，介紹了水聲識別方法及目標 綜合識別的3類算法模型；闡述了國內(nèi)外水聲LI標識別技術發(fā)展歷程與現(xiàn)狀；基于現(xiàn)有技術局限和環(huán)境影響分析了水聲日標識別存在問題 并展望了未來技術發(fā)展方向。、水聲目標識別知識的力雖Tel知識的力量Tel近年來，水聲LI標身份識別已成為水聲 U標

2、研究熱點。水聲LI標識別 主要 依據(jù)L1標特征信息。U標特征信息是L1標原始數(shù)據(jù)中包含或可提取的 一種能精 確和簡化表明LI標狀態(tài)和身份的信息。水聲 LI標主要包括噪聲、運動、尾流和兒何結構等特征信息。不同水聲 LI標的特征信息不同，如潛 艇和魚雷兒何結構不 同，其聲吶探測U標尺度特征不同；潛艇和水面艦船噪聲輻射能M差異表現(xiàn)為 U標尾流不同。?識別方法水聲目標識別方法包括以下 7科-噪聲特性：水面艦船和潛艇噪聲主要包括機械、螺旋槳和水動力噪聲；魚雷和水下潛航器噪聲主要是推進系統(tǒng)噪聲，聲源強度相對較弱。通 常，水聲L1 標輻射噪聲能M主要來自螺旋槳和機械噪聲，艦艇航行狀態(tài)（包括深度、速度和加速度

3、等）決定了哪種噪聲起主導作用。同類艦船的輻射噪聲具有一定相似性，不同類艦船的動力系統(tǒng)和機械結構不同， 其輻 射噪聲特性存在 差異，故利用輻射噪聲特性差異可實現(xiàn)水聲 tl標分類。運動特征：不同水聲LI標的職能、工作狀態(tài)和運動狀態(tài)均不同。水 聲LI標 運動狀態(tài)（包括航行速度、方位角變化率和加速度等） 及突變等行 為均與其使命和 任務相關。止匕外，水聲目標的行為、狀態(tài)和類型具有關聯(lián)性，通過預估口標運動狀態(tài)可預測LI標任務/職能，從而實現(xiàn)LI標分類。水聲U標運動特征物理意義明確， 不易受噪聲和信道干擾，可分性較好。利用這些特征作為識別依據(jù)可提高識別系統(tǒng) 性能，如宜航魚雷與尾流自導魚雷打擊軌跡不同，水下

4、高速 LI標一般是魚雷而非潛艇和水雷。知識的力雖Tel知識的力量Tel目標尺度；水面艦船和潛艇LI標尺寸較大，是較大I標，一般潛艇 長約 100m,水面艦船尺寸更大。由于其尺寸遠大于魚雷、無人潛航器(UUV)和干擾器(聲誘餌)等，因此目標兒何尺寸也可作為重要的識別特征若能提取U標尺寸特征M就能有效判別常用水聲干擾器與真實U標，從而增強情報準確性，提升反潛、魚雷防御和水下U標打擊等能力。常用方法為時空分析法，通過LI標區(qū)域波束空間掃描，對接收信號進行特性分析，結合回波方位與掃描偏移M實現(xiàn)LI標尺度估計。目標排水不同類型艦船排水M不同，通常，巡洋艦排水驅(qū) 逐艦排 水M護衛(wèi)艦排水不同類型艦船在巡航狀

5、態(tài)下噪聲強度與航速和排水M有關，航速越高，噸位越大，則輻射噪聲強度越高。艦船噪聲聲源級表明輻射聲能M特征利用 LI標距離和對應信道衰 減，可 估計口標聲源級。羅斯根據(jù)測M資料統(tǒng)計，對于航速為 8? 24節(jié)(1節(jié)=1.852km/h)的艦船在0.1? 10KHz頻帶內(nèi)，艦船噪聲總聲源級、航速以及噸位三者間關系經(jīng)驗公式如下：SL=U2 + 501g (W10) +151g7(1)SL=134 + 601g ( 10) +91g7(2)其中，SL為0. 1? 10KHz頻帶總聲源級；口為航速，單位節(jié)；T為噸位，單位t。參考聲壓為1 nPa不適用于超過30000t的艦船。式和式 較簡單，宜接 表明聲源

6、級、速度和噸位間關系，實際艦船總聲源級汁算更復雜。不同類型和噸位的艦船總聲源級不同，噸位和航速決定的寬帶總聲源級差異較大時，艦船噪聲知識的力雖Tel知識的力量Tel總聲源級對艦船噸位分類有價值。目標主動聲吶特性： 不同的艦船、潛艇和魚雷均裝備不同型號聲吶，而不同型號主動聲吶的頻段、周期、脈沖和脈沖寬度等參數(shù)均不同。因此，根據(jù)探測目標的主動聲吶特性，如工作帶寬、脈沖周期、工作下限頻率和上限頻率等，可識別聲吶型號，通過排除法縮小識別范圍，進一步結合其他U標特征完成U標綜合識別。目標運動邏輯：從戰(zhàn)術角度分析，XI標發(fā)現(xiàn)魚雷來襲，一般會施 放聲誘餌 和干擾器，然后逃離攻擊范圍。該戰(zhàn)術行為會產(chǎn)生以下 2

7、種邏輯 信息：U標背離 魚雷，尋求快速脫離攻擊范圉，魚雷相對于U標多普勒 速度減小或為負。當魚靂同時收到LI標信號和干擾器信號時應進行多普勒邏輯判斷，有負多普勒頻移的信號可優(yōu)先判定為U標。干擾器投放距離 一般不遠，投放后會遠離 H標，目標投 放干擾器和聲誘餌旨在干擾魚雷正 常航行，但同時也暴露了 U標位置區(qū)域。因此， 魚雷同時探測到2種信號 時，可選擇較遠目標，通過設置距離選通門限（一般在干 擾器以外200m處），從而屏蔽干擾器信號，追蹤真實目標。假目標特性排除：干擾器和聲誘餌體積較小， 在較遠距離可看作點 聲源，其 方位走向近似為一條水平線。 因此，檢測到點源干擾器時需進一 步分析口標方位走

8、 向，若其走向不超過設定門限可判定為假LI標。.綜合算法知識的力雖Tel知識的力量TelLI標識別算法種類較多，包括統(tǒng)訃算法（如經(jīng)典推理、Bayes推理和D-S證據(jù)理論）、特定方法（如聚類分析和模板法）、新的智能算法和系統(tǒng)（如專家系統(tǒng)、遺傳算法和深度學習等）以及延伸出的自適應神經(jīng)網(wǎng)絡技術?？傮w來說，可分為物理模型、特征推理技術和基于知識的模型 3類 算法。物理模型傳感器觀測U標并產(chǎn)生觀測特征U標身份識別處理指將觀測數(shù)據(jù) 與數(shù)據(jù) 庫中存儲的特征/模擬信號進行比對，包括過程預測與觀測數(shù)據(jù)間的相關性處理，若相關系數(shù)門限，則身份匹配成功。圖 1給出了物理建 模的身份識別框 架。物理建模復雜且計算M巨大

9、，實時系統(tǒng)中應用受限，因此物理建模主要用于非實時系統(tǒng)研究。身份報告水聲傳感器特征提取份告理身報處一觀測建模觀測水聲傳感器特征提取份告理身報處一觀測建模觀測對象物理表征物理建模對象對象物理表征物理建模對象1對象2圖i物理建模的身份識別框架特征推理技術特征推理技術包括參數(shù)模板法、聚類分析法、經(jīng)典推理、Bayes推 理、D-S證知識的力量Tel知識的力量Tel據(jù)理論和神經(jīng)網(wǎng)絡技術等。 參數(shù)模板法：模式識別的基本方法，利用先驗知識分解多維特征空間，每個區(qū)域代表一種身份類別，再提取特征M形成特征空間， 并將提取 的特征向M與特 征空間比對，判斷是否落入莫特征區(qū)間，從而實現(xiàn)口標身份識別。 聚類分析法：根據(jù)

10、待分類特征M相似度進行分類，如相似則歸為一類，否則歸為另一類，從而完成目標分類。經(jīng)典推理：指用二值假設檢驗方法在已知先驗概率條件下判別事件存在與否。Bayes推理：指在給出前面對假設的似然彳占計 ？和增加證據(jù) /觀測情況 下更 新假設似然函數(shù)，給出證據(jù)條件下假設的后驗概率。 該方法特點是假 設需相容，備 選假設需具有完備定義。Bayes融合過程如圖2所示。知識的力雖Tel知識的力量TelS e 利組合公式份王知識的力量TelS e 利組合公式份王R郵綜邏輯判定選擇P0）的最大信圖2 Bayes融合過程D-S證據(jù)理論：Bayes理論的推廣，無需假設完備性，即可應用于籠統(tǒng)的不確定性水平情況。選擇概

11、率區(qū)間/不確定性區(qū)間依據(jù)多個證據(jù)確定 假設的似然性，可處理隨機性和模糊性導致的不確定性，并給出對命題的支持和信任度區(qū)間以及總的不確定性水平。 神經(jīng)網(wǎng)絡技術：指模仿生物神經(jīng)系統(tǒng)的過程，其識別成功率依賴訓練神經(jīng)網(wǎng)絡模型的最佳加權矩陣和訓練數(shù)據(jù)等，誤差反傳（BP）神經(jīng)網(wǎng)絡 模型如圖3。神經(jīng)網(wǎng)絡算法可應用于線性和非線性環(huán)境，通常山輸入層、隱藏層和輸出層知識的力量Tel知識的力量Tel3部分組成，每層均包含若干個神經(jīng)元，數(shù)據(jù)向M從網(wǎng)絡 左邊輸入，神經(jīng)網(wǎng)絡完 成非線性變換，在網(wǎng)絡右側輸出。該變換能產(chǎn)生從 數(shù)據(jù)到聚類分析技術形成的身份類別的變換，神經(jīng)網(wǎng)絡可將多傳感器數(shù)據(jù) 變成一個實體聯(lián)合身份說明。用 忖標真

12、實數(shù)據(jù)預先訓練神經(jīng)網(wǎng)絡，再應用 于實際系統(tǒng)，對接收的各種信號進行 處理，可得到較準確的識別結果。知識的力量Tel知識的力量Tel圖3 BP神經(jīng)網(wǎng)絡模型基于知識的模型基于知識的模型（如專家系統(tǒng)）進行身份識別時，效仿人工身份識別的認 知途 徑。識別處理先收集實體基本分M數(shù)據(jù)，并對照知識庫處理觀測若條件符 合則認定對象身份。圖4給出了基于知識的身份識別框架。知識的力量Tel知識的力量Tel水聲傳感器特征提取份告身報一？水聲傳感器特征提取份告身報一？圖圖4基于知識的身份識別框架、歷史與現(xiàn)狀知識的力量、歷史與現(xiàn)狀知識的力量Tel知識的力量Tel20世紀50年代初，隨著信號檢測技術、信息論和訃算機技術快速

13、發(fā)展，水聲信號處理成為獨立分支，并迅速發(fā)展，為現(xiàn)代聲吶技術發(fā)展奠定了基礎。1975年，美國斯坦福大學的 E. Feigenbaum和H. P, Nii等研制出水 下預警專家系統(tǒng)(HASP)并不斷改進，先后推出 SIAP、艦載聲吶預警專家(CLAIMS)和海洋監(jiān)測專家系統(tǒng)(THESUS)等系統(tǒng)。1988年研制出第4代實時分 析專家系統(tǒng)(SES)。其中，HASP系統(tǒng)僅簡化處理并手工產(chǎn)生數(shù)據(jù)，分類較簡單，但該系統(tǒng)證明了人工智能系統(tǒng)可采用非常規(guī)信號處理技術處理聲信號。1980年提出的SIAP系統(tǒng)將前端信號處理算法和推理部分合為1個耦合系統(tǒng)，減少了人工參與。1984年提出的CLAIMS系統(tǒng)改進了 SIA

14、P系統(tǒng)并將其應用于艦載聲 吶，通過增加特征M和模型提高了系統(tǒng)可信度。1985年提出的THESUS系統(tǒng)在CLAIMS系統(tǒng)上做了較小改動，并將其應 用 于海底多傳感器監(jiān)視。此后，經(jīng)過十多年改進， SES已用于拖曳聲吶， 且具備較 好LI標識別能力。1983年，加拿大的J. N. Maksym等開發(fā)了艦船噪聲分析專家系統(tǒng) (INT-ERSENSOR)。該系統(tǒng)對有關知識表示、線譜檢測與提取以及推理機制進行了深入研究，U前仍有較高參考價值。20世紀80年代末，印度的 B. Sankaranrama等研制出水下被動 U標 識別專家 系統(tǒng)(RETSENSOR)。通過高階統(tǒng)訃M方法提取艦船輻射噪聲特征從接收的

15、噪聲中提取螺旋槳葉片數(shù)、L1標殼體輻射低頻噪聲、最大 速度、螺旋槳轉速、知識的力雖Tel知識的力量Tel動力裝置類型、噴嘴噪聲、活塞松動產(chǎn)生的諧音基頻、槽極噪聲和傳動裝置類型9大特征每個特征M賦予 1個精度因 子，利用D-S證據(jù)理論組合多種證據(jù)，從而利用專家系統(tǒng)識別 4類LI標。90年代，R. Rajagopal等將專家系統(tǒng)、神經(jīng)網(wǎng) 絡技術和統(tǒng)計模式識別進 行結合，提高了系統(tǒng)對目標識別能力。英國科學家 C.R. Gent等將神經(jīng) 網(wǎng)絡技術引入被動聲吶識別系統(tǒng)，采用窄帶、寬帶、瞬態(tài)和解 調(diào)制譜（DEMON）等分析方法，利用神經(jīng)網(wǎng)絡技術學習能力，增強了系統(tǒng)容錯 性，即使訓練樣本不平衡系統(tǒng)仍有較好性

16、能。20世紀90年代以來，隨著潛艇性能提升，安靜級潛艇逐漸普遍，無 人潛航 器快速發(fā)展，水下魚靂種類增多，單平臺探測輻射噪聲難以有效識別水聲LI標。美軍已在新型潛艇和艦船上裝備了艦內(nèi)和艦外傳感器平臺組成的水聲融合系統(tǒng)，通過多傳感器和多信息資源的融合提高水聲U標識別 能力，事實表明多傳感器融合系統(tǒng)能有效提高水聲 LI標識別的準確性和可 靠性。2010年以來，隨著多傳感器綜合識別手段的日益成熟，水聲 LI標探測 和識 別不再局限于聲學應用。以美國為代表的西方國家研究了水聲LI標非 聲探測技術，如水下激光、電磁、尾流和排放物檢測等多樣化探測手段，為水聲LI標識別提供更多的識別依據(jù)和要素。國內(nèi)水聲H標

17、識別領域起步較晚，但在國防需求和海洋工程的推進下，越來越多的科研人員開始從事該領域研究。中科院聲學研究所、西北工業(yè)大學、哈爾濱工程大學、上海交通大學、艦船第7研究院和東南大學 等單位均對水聲目標識別進行了大M研究，并將計算機技術、現(xiàn)代譜估計、人工智能算法和信號處理技術及數(shù)據(jù)融合技術應用于水聲LI標識別領 域，取得了豐碩成果，縮小了與西知識的力雖Tel知識的力量Tel方國家的差距。陶篤純等研究了艦船螺旋槳空化噪聲和噪聲節(jié)奏的物理機制，給出了艦船噪聲線譜幅度起伏模型，為線譜和連續(xù)譜分析提供了依據(jù)，并給出了一種線譜特征提取方法。魏學環(huán)等研究了艦船低頻噪聲，將低頻線譜噪聲與螺旋槳轉速等，作特征聯(lián)系起來

18、，給出了提取螺旋槳識別特征的2種途 徑，利用聚類分析技術實現(xiàn)艦船分類和識別。吳國清等深入研究了艦船噪聲，通過提取艦船噪聲線譜、平均功率譜和雙重頻率譜等特征，利用模式識別和模糊神經(jīng)網(wǎng)絡技術分類識別 L1標。李啟虎等研制了 Explore水聲LI標識別專家系統(tǒng)，利用線譜平均值、相鄰線譜平均周期、連續(xù)譜最大值位置、從最大值開始的斜率、線譜數(shù)和振幅最大線譜位置6個特征采用模糊邏輯和聚類分析技術分類識別炮艇、貨船、漁船、驅(qū)逐艦和潛艇等言丁標，信噪比 3dB時，識別準確率 275%。勵榮鋒等研究了各類水聲 LI標功率譜分析，提取了 LI標時頻特征，并 通過 實際數(shù)據(jù)分析進行了可分性驗證。凌青等研究了淺海信

19、道中艦船噪聲包絡譜傳播特性，提取分析了包絡線譜特征，應用于U標檢測和分類。胡 橋等為解決水聲LI標小樣本識別問題，提高復雜海洋環(huán)境中的識別精度，提出了一種基于經(jīng)驗模式分解（EMD）、特征距離評估技術 （FDET）和組 合支持向M機（CSVMS ）的水聲U標識別方法。知識的力雖Tel知識的力量Tel三、發(fā)展方向吸聲和隔聲材料，藝提高、發(fā)動機減振降噪技術提升、仿生技術發(fā)展、干擾器種類多樣化以及水聲 LI標噪聲特征信息弱化導致水下 U標難以 發(fā)現(xiàn)，從而對 水聲LI標識別研究提出了更高要求。同時，水聲LI標識別技 術和途徑也逐漸多樣化，已從單源LI標識別提高到作戰(zhàn)系統(tǒng)層次綜合識另限未來可能的發(fā)展方向主要是非聲探測、多傳感器信息融合和智能L1標識別等。安靜級潛艇應用給復雜的水下 U標探測提出更高要求。潛艇噪聲微 弱，導 致傳統(tǒng)聲學探測手段失效，亟需其他探測手段。冷戰(zhàn)時期，美國研究并初步運用了潛艇尾流和潛艇排放物探測等非聲探測技術，但因