详情

原文传递水中目标辐射噪声线谱自主检测与辨识方法研究

论文题名：	水中目标辐射噪声线谱自主检测与辨识方法研究
关键词：	水中目标;自适应线谱增强;线谱提取;虚拟阵元;线谱辨识
摘要：	辐射噪声的低频线谱是水中目标的重要特征，舰船等有人平台的被动声纳通常采用大孔径基阵对其进行检测，并在人工辅助下完成弱目标线谱的提取与辨识。然而，水下无人平台自身尺寸较小，其搭载的水声阵列空间处理增益和分辨能力受限，常规方法通常无法满足传统弱低频线谱检测与辨识处理的要求。此外，水下无人平台信息远程交互困难，阵元数据无法回传至船载或岸基平台，仅能传输线谱检测结果等有限的信息，这要求水下无人平台被动声纳具有很强的自主处理能力。本文针对水下无人平台被动声纳目标探测需求，开展水中目标辐射噪声线谱自主检测辨识处理与实现方法研究，主要研究内容如下：　　针对强非白背景噪声干扰下的弱线谱检测问题，提出了一种基于lp范数的LMK（LeastMeanKurtosis）自适应线谱增强方法。该方法使用lp范数代替稀疏驱动的自适应增强方法中常用的l1范数作为约束项，使用了误差信号的负峰度作为代价函数来抑制高斯色噪声分量。仿真结果表明，通过在代价函数中引入负峰度可以提高色噪声背景下的自适应线谱增强方法的性能，当p小于1时，lp范数驱动的自适应增强算法性能优于l1范数驱动的增强算法；输入信噪比-20dB的情况下，l1/2-LMK方法在白噪声背景与色噪声背景相较于l1/2-ALE方法分别有0.6dB和3dB的信噪比增益提升。　　针对常规稀疏处理线谱增强算法求解时需要人工指定稀疏度先验信息的问题，提出了一种基于SAMP（SparsityAdaptiveMatchingPursuit）算法的线谱自主提取方法。该方法首先利用SAMP算法对线谱的稀疏模型进行求解，通过迭代逼近线谱信号的真实频域稀疏度并得到初步的线谱信号，同时使用基于子带分解与背景均衡方法改善了宽带噪声谱峰造成的线谱信号漏解问题；其次，设计了一种自适应门限确定准则，实现了稀疏模型求解结果中存在的随机噪声导致的“伪谱峰”辨识。仿真结果表明，相同时间长度下，该方法可以提取出传统周期图法不能分辨的两根线谱；同时，相较于周期图法，基于SAMP算法的线谱检测方法提取出的“伪谱峰”更少，虚警率更低。　　针对小尺度阵常规波束形成空间增益不高、方位分辨能力弱等问题，设计了一种基于虚拟阵元的线谱辨识方法，该方法通过扩展虚拟阵元数目获得较高精度的信号方向结果，并通过逆波束形成的方式完成对干扰信号的抑制。仿真结果表明，该方法一定程度上可以提高小尺度阵的空间增益与分辨性能，实现对干扰信号进行抑制，提取出较为纯净的目标线谱。　　基于GPU计算平台设计并实现了线谱自主提取处理系统，综合利用本文提出的方法，可完成对辐射噪声信号的实时阵列处理和低频线谱自主检测辨识。海上试验数据处理结果表明，线谱自主提取系统可成功实现目标声源发射的6根线谱信号的自主检测，且检测出的错误线谱数小于相同条件下的周期图法。
作者：	陈梦圆
专业：	电子与通信工程
导师：	安良;吉志海
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2022