基于小波能量特征的尾流光信號特征研究

郭虎生, 劉啟忠, 劉金龍

?

基于小波能量特征的尾流光信號特征研究

郭虎生, 劉啟忠, 劉金龍

(海軍工程大學 兵器工程系, 湖北 武漢, 430033)

針對艦船尾流激光探測的信號檢測與分析問題, 提出了利用小波域能量特征進行尾流特征分析的新方法。首先設計了變遺忘因子的自適應抵消器濾除水體后向散射信號與系統(tǒng)噪聲, 有效地選取了含有目標的信號; 其次采用小波包分解方法并按頻段的能量形成提取目標特征; 最后借助主成分分析方法對特征向量進行降維。通過對試驗數(shù)據(jù)的分析表明, 提取的特征能有效地揭示不同性質(zhì)下的尾流后向散射光信號, 提高了對尾流分析的能力。

激光尾流; 小波域能量特征; 特征提取; 后向散射; 自適應抵消器

0 引言

在利用激光對艦船尾流氣泡探測時[1], 海水的散射效應和吸收是決定光在水中傳播的基本過程[2], 也是制約激光水下探測能力的基本因素。散射會使探測系統(tǒng)接收到水體后向散射回波信號, 并且其能量遠大于尾流散射回波信號, 使得接收的尾流散射信號可能會淹沒在水體散射信號中; 吸收過程則減弱了激光傳輸時的能量, 使得遠距離目標的回波信號很弱。因此, 把弱的尾流回波信號從強噪聲中檢測出來是水下目標激光回波信號分析的首要任務。另一方面, 尾流的回波信號包含了大量的目標特征信息, 因此通過特征提取方法構造有利與目標識別的特征信息, 對描述目標特性、指導目標識別也是十分重要的。

近年來, 利用信號處理的方法對尾流特征提取的研究工作得到了不斷開展, 紀延俊等人應用短時Fourier變換推測艦船尾流的強弱[3], 張建生等人利用1D離散小波變換對尾流氣泡幕的光學特性進行分析[4], 揭示了不同條件下尾流散射光信號的性質(zhì), 這些研究都為尾流特征提取方法提供了依據(jù)。本文嘗試從艦船尾流回波信號中抽取小波域能量特征, 以期對艦船尾流的目標進行分類, 從而達到準確探測艦船后向光尾流的目的。

1 數(shù)據(jù)的預處理

激光在水下傳輸時會受到水體尤其是近距離水體后向散射的影響, 使得接收的尾流散射信號可能會淹沒在水體散射信號中。為了能夠從復雜的信號中提取出有用信號, 必須對原始數(shù)據(jù)進行一系列的預處理。去除水體的后向散射回波信號及雜散光、探測系統(tǒng)自身噪聲等。常規(guī)的方法為背景相減法, 但是采集的數(shù)據(jù)起點不易對齊, 容易產(chǎn)生干擾信號, 影響對目標回波信號的提取。因此本文采用自適應抵消器的方法對采集信號進行處理[5], 即將水體回波信號和其他非感興趣區(qū)域信號當作噪聲, 并作為自適應抵消器的參考輸入, 通過自適應濾波器的設計與調(diào)整, 將水體回波信號進行對消掉得到有用信息。自適應抵消法去除水體回波的原理框圖如圖1(其中,為探測系統(tǒng)接收的回波信號，為水體后向散射回波信號，為目標的回波信號，為抵消后輸出)[6]。

自適應抵消器還可以通過對算法的改進, 進一步完善處理的效果和實時性。與背景相減法比較, 避免了因采集數(shù)據(jù)的時基漂移帶來的干擾, 通過自適應抵消的方法對探測信號進行有效的處理, 消除水體后向散射信號的同時突出了目標信號, 為目標信號的抽取做了基礎。本文運用自適應抵消器得到的處理結果參見圖2。

圖1 自適應抵消原理圖

圖2(a)中數(shù)據(jù)為接收的帶目標的回波信號。圖2(b)中數(shù)據(jù)為不含任何目標信息的回波信號, 可以看出，水體后向散射回波信號出現(xiàn)在采樣點1 500~1 700之間, 目標的回波信號出現(xiàn)在采樣點1 860~1 980之間, 目標信號與水體回波信號的信干比SIR=-9.731 3 dB, 可見若不對水體回波進行抑制, 則很難提取目標信號。圖2(d)是以圖2(b)中數(shù)據(jù)作為參考輸入信號, 對圖2(a)采用自適應抵消法得到的結果, 可發(fā)現(xiàn)自適應抵消法可以有效提取出目標的回波信號, 目標信號與水體回波信號的信干比SIR=5.741 0 dB。在時基未偏移的情況下, 采用直接相減法也可以得到很好的提取效果, 但是在實際探測中回波信號會出現(xiàn)時基偏移, 在這種情況下, 采用直接相減法顯然失效, 見圖2(c)中虛線。

圖2 試驗數(shù)據(jù)與抵消結果曲線

2 目標信號的小波域描述

小波分析是一種局部性較好的方法, 能使被利用信號部分能量更加集中, 并從目標回波信號的頻譜微結構特性中提取出表現(xiàn)目標本質(zhì)的特征向量[7], 從而提高對目標回波信號分析的能力。不同條件下的目標回波信號在某些頻段上的信號能量會表現(xiàn)出不同的特征, 利用這些特征可用于不同性質(zhì)尾流的識別, 具體步驟: 在目標回波的頻帶內(nèi), 將通頻帶分為若干頻段, 求出每一子帶的能量。

將抽取的目標信號, 進行小波包分解以提取目標特征信息, 具體步驟如下。

1) 對提取的回波信號進行層小波包分解,分別提取第層從低頻到高頻2個頻率段成分的信號特征。

4) 以能量為元素構造一個特征向量,特征向量構造如下

上式中已經(jīng)對特征向量進行歸一化處理,這樣做還可消除由能量差異帶來的偏差。

3 特征分析

圖4是針對氣泡濃度不同時探測數(shù)據(jù)的處理, 其中圖4(c)是高濃度的尾流回波信號和特征向量分布, 圖4(d)是低濃度的尾流回波信號和特征向量分布?？梢园l(fā)現(xiàn)，濃度不同時各頻段的能量分布不同, 當濃度小時, 高頻段的能量分布增加。

圖3 氣泡尺寸不同的氣泡回波信號和特征分布

圖4 不同濃度的氣泡回波信號和特征分布

從分布圖中可以看出，不同條件下的尾流在不同頻段上能量分布有差異, 為了對所提取特征的可分性作出一些有益判決, 本文借助統(tǒng)計方法中的主成分分析法, 對各類目標特征進行降維及分析, 觀察特征向量在低維空間上的投影。

主成分分析(principal component analysis, PCA)的目的就是通過線性變換, 將原多維變量組合成相互獨立的少數(shù)幾個能充分反映總體信息的新變量, 從而在不丟失主要信息的條件下避開自變量之間的共線性問題, 同時壓縮自變量維數(shù), 以便于隨后的分類分析。在本文研究中, 采集到的特征為8D信號, 因此, 進行降維是十分必要的, 主成分分析降維可以按以下步驟。

1) 平移坐標系, 求出各類樣本總體的均值, 并將其作為新坐標系的原點, 則維向量變換后的坐標為

通過觀察3D投影圖, 可對小波包能量特征提取的可分性有直觀的感受。由圖5及圖6可以看出, 作為從不同條件下生成模擬尾流的探測信號中提取出的小波包分解能量特征在3D投影圖中也大致分布在2個區(qū)域, 雖然提取的特征有較多的互相重疊, 無法給出確切的界限, 但也可看出，使用小波包分解抽取能量特征對不同屬性的尾流進行分析是可行的。

圖5 2種孔徑下尾流小波包能量特征提取投影圖

圖6 2種壓強下尾流小波包能量特征提取投影圖

為了進一步對該特征提取方法的適用性進行說明, 選取海試數(shù)據(jù)進行分析, 試驗數(shù)據(jù)為在某海域進行的海洋環(huán)境下分別對大小2種試驗船尾流探測中獲取的。試驗中, 探測系統(tǒng)通過平臺放置在海底。目標船從探測系統(tǒng)上方海面駛過時, 探測系統(tǒng)向海面發(fā)射激光脈沖并探測目標船尾流回波信號。按照本文方法對海上試驗數(shù)據(jù)進行了6階的小波包分解, 并對特征向量在低維空間上進行投影, 見圖7和圖8。

圖7為分別對小試驗船遠近程的尾流信號進行小波包能量特征提取并在3D空間上的投影圖。可以發(fā)現(xiàn)，小試驗船的近程尾流信號和遠程尾流信號提取的特征點相距較遠, 但仍有特征點混雜分布, 這和小試驗船生成尾流的距離較短、尾流縱向距離特征不明顯有關。

圖8是對大試驗船的近程尾流區(qū)域與遠程尾流區(qū)域分別選取10組探測信號處理后在3D空間的投影圖, 可以看出, 2種距離處的特征點比較密集, 即特征點明顯的按類群聚, 且大試驗船遠近尾流提取的2類特征點分布相距較遠, 較容易進行分類區(qū)分。

圖7 小試驗船遠近程信號能量特征分布3D圖

圖8 大試驗船遠近程信號能量特征分布3D圖

通過上述分析可以發(fā)現(xiàn), 小波包能量分解提取的特征對不同距離處的尾流具有可分性, 并利用其對目標進行分類是切實可行的, 其中對大試驗船數(shù)據(jù)處理的結果要優(yōu)于小試驗船, 這是因為大試驗船生成的尾流分布較廣, 尾流在不同縱向距離的差異更大, 所以對遠程和近程信號處理的結果差異更大, 特征提取的效果也更明顯。

4 結束語

通過對尾流探測信號進行自適應抵消后可以有效地得到目標的回波信號, 并由此得到尾流是否存在的信息, 這在實際中具有重要意義, 因為只要確定了尾流的存在, 就可以實現(xiàn)水下兵器對艦船的跟蹤攻擊。文中通過小波包分解的方法提取目標信號各頻帶的能量信號作為信號的特征向量, 經(jīng)過試驗分析發(fā)現(xiàn), 尾流中氣泡尺寸大小、氣泡的濃度會對提取的特征向量分布造成較大差異, 正是這種差異隱含了尾流的特征。不過, 如何通過特征向量的分布具體地描述尾流特性還有待于深入研究。

[1] 張曉暉, 雷選華, 饒炯輝, 等．艦船尾流激光制導方法的研究[J]. 激光技術, 2005, 29(5): 494-500． Zhang Xiao-hui, Lei Xuan-hua, Rao Jiong-hui, et al. Study of Homing Means for Laser-wake-homing Torpedoes[J]. Laser Technology, 2005, 29(5): 494-496．

[2] 夏珉, 楊克成, 鄭毅, 等．水體光學參數(shù)對水中氣泡場激光雷達探測影響的研究[J]．激光技術, 2008, 29(1): 72-74. Xia Min, Yang Ke-cheng, Zheng Yi, et al. Study on the In- fluences of Different Water Optical Parameters on Under- water Bubble Layer Lidar Detection[J]. Laser Technology, 2008, 29(1): 72-74．

[3] 紀延俊, 何俊華, 鄭黎, 等. 應用短時Fourier變換對尾流光學信號分析[J]. 光子學報, 2004, 33(12): 1533-1536. Ji Yan-jun, He Jun-hua, Zheng Li, et al. Analyzing Signal Applying Time-dependent Fourier Transform[J]. Acta Photonica Sinica, 2004, 33(12): 1533-1536.

[4] 張建生, 林書玉, 苗潤才, 等. 小波分析在氣泡幕散射光信號處理中的應用[J]. 光子學報, 2007, 36(3): 557-564. Zhang Jian-sheng, Lin Shu-yu, Miao Run-cai, et al. Wavelet Analysis on Managing of Scattered Optical Semaphore from Bubble Film[J]. Acta Photonica Sinica, 2007, 36(3): 557-564.

[5] 謝勝利, 何昭水, 高鷹. 信號處理的自適應理論[M]. 北京: 科學出版社, 2006: 60-66．

[6] Jacob B, Silviu C. A Robust Variable Forgetting Factor Recursive Least-Squares Algorithm for System Identifica- tion[J]. IEEE. Signal Process, 2008, 15(5): 597-600．

[7] 張國華, 袁中凡, 李彬彬. 心音信號特征提取小波包算法研究[J]. 振動與沖擊, 2008, 27(7): 47-49. Zhang Guo-hua, Yuan Zhong-fan, Li Bin-bin. Research On Wavelet Packet Algorithm for Feature Extraction Of Heart Sound Signal[J]. Journal of Viberation and Shock, 2008, 27(7): 47-49.

Laser Wake Signal Feature Extraction Based on Wavelet Package Energy Feature

GUO Hu-sheng, LIU Qi-zhong, LIU Jin-long

(Department of Weaponry Engineering, Naval University of Engineering, Wuhan 43003, China)

For detection and recognition of the laser wake of a surface ship, a novel method for detecting the wake backscattering signal by making use of the wavelet package energy feature vector is presented. An adaptive noise canceller based on variable forgivable factor is designed to filter the backscattering signal and system noise, so as to effectively select the target signal. The wave package energy feature vector is extracted by using wavelet package decomposition method and different energy formation of frequency range. The dimension of the feature vector is reduced with the principal components analysis method. Experimental results show that the proposed method can effectively recognize the features of different wake backscattering signals of a surface ship.

laser wake; wavelet package energy feature; feature extraction; backscatter; adaptive canceller

TJ630.34; TN247

A

1673-1948(2012)01-0033-05

2010-11-19;

2011-05-10.

郭虎生(1986-), 男, 在讀博士, 主要研究方向為魚雷探測與制導.

(責任編輯: 楊力軍)