海洋技術(shù)研究水聲目標(biāo)識(shí)別技術(shù)現(xiàn)狀與發(fā)展

1、知識(shí)的力量Tel海洋論壇I水聲目標(biāo)識(shí)別技術(shù)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(shì)，海戰(zhàn)場(chǎng)環(huán)境更為復(fù)雜。水聲LI標(biāo)識(shí)別是反潛、魚雷防御和水聲對(duì)抗的前提，已成為重要研究課題?，F(xiàn)階段水聲U標(biāo)識(shí)別主要通過提取I標(biāo)特征M區(qū)分LI標(biāo)類型和種類信 息。本文針對(duì)艦船、魚雷和干擾等目標(biāo)，介紹了水聲識(shí)別方法及目標(biāo) 綜合識(shí)別的3類算法模型；闡述了國內(nèi)外水聲LI標(biāo)識(shí)別技術(shù)發(fā)展歷程與現(xiàn)狀；基于現(xiàn)有技術(shù)局限和環(huán)境影響分析了水聲日標(biāo)識(shí)別存在問題 并展望了未來技術(shù)發(fā)展方向。、水聲目標(biāo)識(shí)別知識(shí)的力雖Tel知識(shí)的力量Tel近年來，水聲LI標(biāo)身份識(shí)別已成為水聲 U標(biāo)

2、研究熱點(diǎn)。水聲LI標(biāo)識(shí)別 主要 依據(jù)L1標(biāo)特征信息。U標(biāo)特征信息是L1標(biāo)原始數(shù)據(jù)中包含或可提取的 一種能精 確和簡(jiǎn)化表明LI標(biāo)狀態(tài)和身份的信息。水聲 LI標(biāo)主要包括噪聲、運(yùn)動(dòng)、尾流和兒何結(jié)構(gòu)等特征信息。不同水聲 LI標(biāo)的特征信息不同，如潛 艇和魚雷兒何結(jié)構(gòu)不 同，其聲吶探測(cè)U標(biāo)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(biāo)尾流不同。?識(shí)別方法水聲目標(biāo)識(shí)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(jī)械、螺旋槳和水動(dòng)力噪聲；魚雷和水下潛航器噪聲主要是推進(jìn)系統(tǒng)噪聲，聲源強(qiáng)度相對(duì)較弱。通 常，水聲L1 標(biāo)輻射噪聲能M主要來自螺旋槳和機(jī)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(dǎo)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(dòng)力系統(tǒng)和機(jī)械結(jié)構(gòu)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(shí)現(xiàn)水聲 tl標(biāo)分類。運(yùn)動(dòng)特征：不同水聲LI標(biāo)的職能、工作狀態(tài)和運(yùn)動(dòng)狀態(tài)均不同。水 聲LI標(biāo) 運(yùn)動(dòng)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(wù)相關(guān)。止匕外，水聲目標(biāo)的行為、狀態(tài)和類型具有關(guān)聯(lián)性，通過預(yù)估口標(biāo)運(yùn)動(dòng)狀態(tài)可預(yù)測(cè)LI標(biāo)任務(wù)/職能，從而實(shí)現(xiàn)LI標(biāo)分類。水聲U標(biāo)運(yùn)動(dòng)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(shí)別依據(jù)可提高識(shí)別系統(tǒng) 性能，如宜航魚雷與尾流自導(dǎo)魚雷打擊軌跡不同，水下

4、高速 LI標(biāo)一般是魚雷而非潛艇和水雷。知識(shí)的力雖Tel知識(shí)的力量Tel目標(biāo)尺度；水面艦船和潛艇LI標(biāo)尺寸較大，是較大I標(biāo)，一般潛艇 長(zhǎng)約 100m,水面艦船尺寸更大。由于其尺寸遠(yuǎn)大于魚雷、無人潛航器(UUV)和干擾器(聲誘餌)等，因此目標(biāo)兒何尺寸也可作為重要的識(shí)別特征若能提取U標(biāo)尺寸特征M就能有效判別常用水聲干擾器與真實(shí)U標(biāo)，從而增強(qiáng)情報(bào)準(zhǔn)確性，提升反潛、魚雷防御和水下U標(biāo)打擊等能力。常用方法為時(shí)空分析法，通過LI標(biāo)區(qū)域波束空間掃描，對(duì)接收信號(hào)進(jìn)行特性分析，結(jié)合回波方位與掃描偏移M實(shí)現(xiàn)LI標(biāo)尺度估計(jì)。目標(biāo)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(hù)衛(wèi)艦排水不同類型艦船在巡航狀

5、態(tài)下噪聲強(qiáng)度與航速和排水M有關(guān)，航速越高，噸位越大，則輻射噪聲強(qiáng)度越高。艦船噪聲聲源級(jí)表明輻射聲能M特征利用 LI標(biāo)距離和對(duì)應(yīng)信道衰 減，可 估計(jì)口標(biāo)聲源級(jí)。羅斯根據(jù)測(cè)M資料統(tǒng)計(jì)，對(duì)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(jí)、航速以及噸位三者間關(guān)系經(jīng)驗(yàn)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(jí)；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(jiǎn)單，宜接 表明聲源

6、級(jí)、速度和噸位間關(guān)系，實(shí)際艦船總聲源級(jí)汁算更復(fù)雜。不同類型和噸位的艦船總聲源級(jí)不同，噸位和航速?zèng)Q定的寬帶總聲源級(jí)差異較大時(shí)，艦船噪聲知識(shí)的力雖Tel知識(shí)的力量Tel總聲源級(jí)對(duì)艦船噸位分類有價(jià)值。目標(biāo)主動(dòng)聲吶特性： 不同的艦船、潛艇和魚雷均裝備不同型號(hào)聲吶，而不同型號(hào)主動(dòng)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(cè)目標(biāo)的主動(dòng)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(shí)別聲吶型號(hào)，通過排除法縮小識(shí)別范圍，進(jìn)一步結(jié)合其他U標(biāo)特征完成U標(biāo)綜合識(shí)別。目標(biāo)運(yùn)動(dòng)邏輯：從戰(zhàn)術(shù)角度分析，XI標(biāo)發(fā)現(xiàn)魚雷來襲，一般會(huì)施 放聲誘餌 和干擾器，然后逃離攻擊范圍。該戰(zhàn)術(shù)行為會(huì)產(chǎn)生以下 2

7、種邏輯 信息：U標(biāo)背離 魚雷，尋求快速脫離攻擊范圉，魚雷相對(duì)于U標(biāo)多普勒 速度減小或?yàn)樨?fù)。當(dāng)魚靂同時(shí)收到LI標(biāo)信號(hào)和干擾器信號(hào)時(shí)應(yīng)進(jìn)行多普勒邏輯判斷，有負(fù)多普勒頻移的信號(hào)可優(yōu)先判定為U標(biāo)。干擾器投放距離 一般不遠(yuǎn)，投放后會(huì)遠(yuǎn)離 H標(biāo)，目標(biāo)投 放干擾器和聲誘餌旨在干擾魚雷正 常航行，但同時(shí)也暴露了 U標(biāo)位置區(qū)域。因此， 魚雷同時(shí)探測(cè)到2種信號(hào) 時(shí)，可選擇較遠(yuǎn)目標(biāo)，通過設(shè)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(hào)，追蹤真實(shí)目標(biāo)。假目標(biāo)特性排除：干擾器和聲誘餌體積較小， 在較遠(yuǎn)距離可看作點(diǎn) 聲源，其 方位走向近似為一條水平線。 因此，檢測(cè)到點(diǎn)源干擾器時(shí)需進(jìn)一 步分析口標(biāo)方位走

8、 向，若其走向不超過設(shè)定門限可判定為假LI標(biāo)。.綜合算法知識(shí)的力雖Tel知識(shí)的力量TelLI標(biāo)識(shí)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(xué)習(xí)等）以及延伸出的自適應(yīng)神經(jīng)網(wǎng)絡(luò)技術(shù)?？傮w來說，可分為物理模型、特征推理技術(shù)和基于知識(shí)的模型 3類 算法。物理模型傳感器觀測(cè)U標(biāo)并產(chǎn)生觀測(cè)特征U標(biāo)身份識(shí)別處理指將觀測(cè)數(shù)據(jù) 與數(shù)據(jù) 庫中存儲(chǔ)的特征/模擬信號(hào)進(jìn)行比對(duì)，包括過程預(yù)測(cè)與觀測(cè)數(shù)據(jù)間的相關(guān)性處理，若相關(guān)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(shí)別框 架。物理建模復(fù)雜且計(jì)算M巨大

9、，實(shí)時(shí)系統(tǒng)中應(yīng)用受限，因此物理建模主要用于非實(shí)時(shí)系統(tǒng)研究。身份報(bào)告水聲傳感器特征提取份告理身報(bào)處一觀測(cè)建模觀測(cè)水聲傳感器特征提取份告理身報(bào)處一觀測(cè)建模觀測(cè)對(duì)象物理表征物理建模對(duì)象對(duì)象物理表征物理建模對(duì)象1對(duì)象2圖i物理建模的身份識(shí)別框架特征推理技術(shù)特征推理技術(shù)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(shí)的力量Tel知識(shí)的力量Tel據(jù)理論和神經(jīng)網(wǎng)絡(luò)技術(shù)等。 參數(shù)模板法：模式識(shí)別的基本方法，利用先驗(yàn)知識(shí)分解多維特征空間，每個(gè)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(duì)，判斷是否落入莫特征區(qū)間，從而實(shí)現(xiàn)口標(biāo)身份識(shí)別。 聚類分析法：根據(jù)

10、待分類特征M相似度進(jìn)行分類，如相似則歸為一類，否則歸為另一類，從而完成目標(biāo)分類。經(jīng)典推理：指用二值假設(shè)檢驗(yàn)方法在已知先驗(yàn)概率條件下判別事件存在與否。Bayes推理：指在給出前面對(duì)假設(shè)的似然彳占計(jì) ？和增加證據(jù) /觀測(cè)情況 下更 新假設(shè)似然函數(shù)，給出證據(jù)條件下假設(shè)的后驗(yàn)概率。 該方法特點(diǎn)是假 設(shè)需相容，備 選假設(shè)需具有完備定義。Bayes融合過程如圖2所示。知識(shí)的力雖Tel知識(shí)的力量TelS e 利組合公式份王知識(shí)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(shè)完備性，即可應(yīng)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(gè)證據(jù)確定 假設(shè)的似然性，可處理隨機(jī)性和模糊性導(dǎo)致的不確定性，并給出對(duì)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(luò)技術(shù)：指模仿生物神經(jīng)系統(tǒng)的過程，其識(shí)別成功率依賴訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的最佳加權(quán)矩陣和訓(xùn)練數(shù)據(jù)等，誤差反傳（BP）神經(jīng)網(wǎng)絡(luò) 模型如圖3。神經(jīng)網(wǎng)絡(luò)算法可應(yīng)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(shí)的力量Tel知識(shí)的力量Tel3部分組成，每層均包含若干個(gè)神經(jīng)元，數(shù)據(jù)向M從網(wǎng)絡(luò) 左邊輸入，神經(jīng)網(wǎng)絡(luò)完 成非線性變換，在網(wǎng)絡(luò)右側(cè)輸出。該變換能產(chǎn)生從 數(shù)據(jù)到聚類分析技術(shù)形成的身份類別的變換，神經(jīng)網(wǎng)絡(luò)可將多傳感器數(shù)據(jù) 變成一個(gè)實(shí)體聯(lián)合身份說明。用 忖標(biāo)真

12、實(shí)數(shù)據(jù)預(yù)先訓(xùn)練神經(jīng)網(wǎng)絡(luò)，再應(yīng)用 于實(shí)際系統(tǒng)，對(duì)接收的各種信號(hào)進(jìn)行 處理，可得到較準(zhǔn)確的識(shí)別結(jié)果。知識(shí)的力量Tel知識(shí)的力量Tel圖3 BP神經(jīng)網(wǎng)絡(luò)模型基于知識(shí)的模型基于知識(shí)的模型（如專家系統(tǒng)）進(jìn)行身份識(shí)別時(shí)，效仿人工身份識(shí)別的認(rèn) 知途 徑。識(shí)別處理先收集實(shí)體基本分M數(shù)據(jù)，并對(duì)照知識(shí)庫處理觀測(cè)若條件符 合則認(rèn)定對(duì)象身份。圖4給出了基于知識(shí)的身份識(shí)別框架。知識(shí)的力量Tel知識(shí)的力量Tel水聲傳感器特征提取份告身報(bào)一？水聲傳感器特征提取份告身報(bào)一？圖圖4基于知識(shí)的身份識(shí)別框架、歷史與現(xiàn)狀知識(shí)的力量、歷史與現(xiàn)狀知識(shí)的力量Tel知識(shí)的力量Tel20世紀(jì)50年代初，隨著信號(hào)檢測(cè)技術(shù)、信息論和訃算機(jī)技術(shù)快速

13、發(fā)展，水聲信號(hào)處理成為獨(dú)立分支，并迅速發(fā)展，為現(xiàn)代聲吶技術(shù)發(fā)展奠定了基礎(chǔ)。1975年，美國斯坦福大學(xué)的 E. Feigenbaum和H. P, Nii等研制出水 下預(yù)警專家系統(tǒng)(HASP)并不斷改進(jìn)，先后推出 SIAP、艦載聲吶預(yù)警專家(CLAIMS)和海洋監(jiān)測(cè)專家系統(tǒng)(THESUS)等系統(tǒng)。1988年研制出第4代實(shí)時(shí)分 析專家系統(tǒng)(SES)。其中，HASP系統(tǒng)僅簡(jiǎn)化處理并手工產(chǎn)生數(shù)據(jù)，分類較簡(jiǎn)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(hào)處理技術(shù)處理聲信號(hào)。1980年提出的SIAP系統(tǒng)將前端信號(hào)處理算法和推理部分合為1個(gè)耦合系統(tǒng)，減少了人工參與。1984年提出的CLAIMS系統(tǒng)改進(jìn)了 SIA

14、P系統(tǒng)并將其應(yīng)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(dòng)，并將其應(yīng) 用 于海底多傳感器監(jiān)視。此后，經(jīng)過十多年改進(jìn)， SES已用于拖曳聲吶， 且具備較 好LI標(biāo)識(shí)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(duì)有關(guān)知識(shí)表示、線譜檢測(cè)與提取以及推理機(jī)制進(jìn)行了深入研究，U前仍有較高參考價(jià)值。20世紀(jì)80年代末，印度的 B. Sankaranrama等研制出水下被動(dòng) U標(biāo) 識(shí)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(biāo)殼體輻射低頻噪聲、最大 速度、螺旋槳轉(zhuǎn)速、知識(shí)的力雖Tel知識(shí)的力量Tel動(dòng)力裝置類型、噴嘴噪聲、活塞松動(dòng)產(chǎn)生的諧音基頻、槽極噪聲和傳動(dòng)裝置類型9大特征每個(gè)特征M賦予 1個(gè)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(shí)別 4類LI標(biāo)。90年代，R. Rajagopal等將專家系統(tǒng)、神經(jīng)網(wǎng) 絡(luò)技術(shù)和統(tǒng)計(jì)模式識(shí)別進(jìn) 行結(jié)合，提高了系統(tǒng)對(duì)目標(biāo)識(shí)別能力。英國科學(xué)家 C.R. Gent等將神經(jīng) 網(wǎng)絡(luò)技術(shù)引入被動(dòng)聲吶識(shí)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(luò)技術(shù)學(xué)習(xí)能力，增強(qiáng)了系統(tǒng)容錯(cuò) 性，即使訓(xùn)練樣本不平衡系統(tǒng)仍有較好性

16、能。20世紀(jì)90年代以來，隨著潛艇性能提升，安靜級(jí)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(tái)探測(cè)輻射噪聲難以有效識(shí)別水聲LI標(biāo)。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(tái)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(biāo)識(shí)別 能力，事實(shí)表明多傳感器融合系統(tǒng)能有效提高水聲 LI標(biāo)識(shí)別的準(zhǔn)確性和可 靠性。2010年以來，隨著多傳感器綜合識(shí)別手段的日益成熟，水聲 LI標(biāo)探測(cè) 和識(shí) 別不再局限于聲學(xué)應(yīng)用。以美國為代表的西方國家研究了水聲LI標(biāo)非 聲探測(cè)技術(shù)，如水下激光、電磁、尾流和排放物檢測(cè)等多樣化探測(cè)手段，為水聲LI標(biāo)識(shí)別提供更多的識(shí)別依據(jù)和要素。國內(nèi)水聲H標(biāo)

17、識(shí)別領(lǐng)域起步較晚，但在國防需求和海洋工程的推進(jìn)下，越來越多的科研人員開始從事該領(lǐng)域研究。中科院聲學(xué)研究所、西北工業(yè)大學(xué)、哈爾濱工程大學(xué)、上海交通大學(xué)、艦船第7研究院和東南大學(xué) 等單位均對(duì)水聲目標(biāo)識(shí)別進(jìn)行了大M研究，并將計(jì)算機(jī)技術(shù)、現(xiàn)代譜估計(jì)、人工智能算法和信號(hào)處理技術(shù)及數(shù)據(jù)融合技術(shù)應(yīng)用于水聲LI標(biāo)識(shí)別領(lǐng) 域，取得了豐碩成果，縮小了與西知識(shí)的力雖Tel知識(shí)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(jī)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(xué)環(huán)等研究了艦船低頻噪聲，將低頻線譜噪聲與螺旋槳轉(zhuǎn)速等，作特征聯(lián)系起來

18、，給出了提取螺旋槳識(shí)別特征的2種途 徑，利用聚類分析技術(shù)實(shí)現(xiàn)艦船分類和識(shí)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(shí)別和模糊神經(jīng)網(wǎng)絡(luò)技術(shù)分類識(shí)別 L1標(biāo)。李啟虎等研制了 Explore水聲LI標(biāo)識(shí)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(gè)特征采用模糊邏輯和聚類分析技術(shù)分類識(shí)別炮艇、貨船、漁船、驅(qū)逐艦和潛艇等言丁標(biāo)，信噪比 3dB時(shí)，識(shí)別準(zhǔn)確率 275%。勵(lì)榮鋒等研究了各類水聲 LI標(biāo)功率譜分析，提取了 LI標(biāo)時(shí)頻特征，并 通過 實(shí)際數(shù)據(jù)分析進(jìn)行了可分性驗(yàn)證。凌青等研究了淺海信

19、道中艦船噪聲包絡(luò)譜傳播特性，提取分析了包絡(luò)線譜特征，應(yīng)用于U標(biāo)檢測(cè)和分類。胡 橋等為解決水聲LI標(biāo)小樣本識(shí)別問題，提高復(fù)雜海洋環(huán)境中的識(shí)別精度，提出了一種基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）、特征距離評(píng)估技術(shù) （FDET）和組 合支持向M機(jī)（CSVMS ）的水聲U標(biāo)識(shí)別方法。知識(shí)的力雖Tel知識(shí)的力量Tel三、發(fā)展方向吸聲和隔聲材料，藝提高、發(fā)動(dòng)機(jī)減振降噪技術(shù)提升、仿生技術(shù)發(fā)展、干擾器種類多樣化以及水聲 LI標(biāo)噪聲特征信息弱化導(dǎo)致水下 U標(biāo)難以 發(fā)現(xiàn)，從而對(duì) 水聲LI標(biāo)識(shí)別研究提出了更高要求。同時(shí)，水聲LI標(biāo)識(shí)別技 術(shù)和途徑也逐漸多樣化，已從單源LI標(biāo)識(shí)別提高到作戰(zhàn)系統(tǒng)層次綜合識(shí)另限未來可能的發(fā)展方向主要是非聲探測(cè)、多傳感器信息融合和智能L1標(biāo)識(shí)別等。安靜級(jí)潛艇應(yīng)用給復(fù)雜的水下 U標(biāo)探測(cè)提出更高要求。潛艇噪聲微 弱，導(dǎo) 致傳統(tǒng)聲學(xué)探測(cè)手段失效，亟需其他探測(cè)手段。冷戰(zhàn)時(shí)期，美國研究并初步運(yùn)用了潛艇尾流和潛艇排放物探測(cè)等非聲探測(cè)技術(shù)，但因