基于盲源分離和自適應(yīng)濾波的水下聲信號(hào)降噪算法

劉 巍, 滕 威, 羅 松

?

基于盲源分離和自適應(yīng)濾波的水下聲信號(hào)降噪算法

劉 巍1, 滕 威1, 羅 松2

(1. 中海石油(中國)有限公司綏中36-1油田二期調(diào)整工程項(xiàng)目組, 天津, 300461; 2. 昆明船舶設(shè)備研究試驗(yàn)中心, 云南 昆明, 650051)

在水下小孔徑基陣測(cè)向應(yīng)用中, 陣元接收到的連續(xù)波(CW)信號(hào)質(zhì)量直接關(guān)系到測(cè)向誤差的大小, 由于受到多徑效應(yīng)、信號(hào)起伏和水下背景噪聲的影響, 往往實(shí)際檢測(cè)到的信號(hào)信噪比較低, 相位估計(jì)結(jié)果離散性大。本文針對(duì)水下CW信號(hào)和水下背景噪聲特點(diǎn), 提出了一種基于盲源分離和自適應(yīng)濾波聯(lián)合降噪的算法, 該算法對(duì)接收的CW信號(hào)波形進(jìn)行降噪以達(dá)到提高信噪比的目的。通過算法仿真和湖試試驗(yàn)證明, 經(jīng)本文算法輸出的信號(hào),估計(jì)器的輸出結(jié)果比直接利用信號(hào)進(jìn)行方位估計(jì)的結(jié)果精度高。

連續(xù)波信號(hào); 水下聲信號(hào); 盲源分離; 自適應(yīng)濾波; 降噪

0 引言

水下小孔徑基陣測(cè)向是水聲學(xué)的重要應(yīng)用之一, 其定向思想是通過采用小孔徑基陣接收連續(xù)脈沖波(continual wave, CW)信號(hào), 再通過各陣元接收到信號(hào)的相位差, 計(jì)算目標(biāo)聲源的方向, 理論上只需要2個(gè)陣元即可解算出水下目標(biāo)方位。

然而在實(shí)際應(yīng)用中, 水下聲環(huán)境較為復(fù)雜, 水聲信號(hào)的傳播受到多徑效應(yīng)、信號(hào)起伏和背景噪聲的影響, 波形易發(fā)生畸變, 直接導(dǎo)致互譜法相位估計(jì)器性能大幅下降, 有時(shí)在有其他聲源干擾情況下甚至無法估計(jì)出目標(biāo)方位。

針對(duì)復(fù)雜噪聲背景下, 水下CW波信號(hào)起伏大的特點(diǎn), 本文提出一種基于盲源分離和自適應(yīng)濾波器聯(lián)合降噪的算法, 該算法思想是通過對(duì)小孔徑基陣接收到的CW信號(hào)先進(jìn)行盲源分離, 分離出背景噪聲信號(hào), 再將該路信號(hào)作為參考信號(hào)對(duì)各路接收信號(hào)做自適應(yīng)濾波, 這樣可以在保證原始信號(hào)波形相對(duì)相位不變的情況下提高信號(hào)的信噪比, 有利于提高后續(xù)相位差及目標(biāo)方位估計(jì)結(jié)果的穩(wěn)定性。

1 小孔徑聲測(cè)向特點(diǎn)

水下小孔徑水聽器基陣一般用于被動(dòng)接收目標(biāo)發(fā)射的CW波聲信號(hào), 頻率為10 kHz至幾十kHz之間。針對(duì)接收到的CW信號(hào), 一般采用求解相位差或波束形成等算法完成對(duì)目標(biāo)方位的估計(jì), 由于該定向方式對(duì)水下基陣要求不高, 算法簡單明了, 所以廣泛運(yùn)用于水聲目標(biāo)方位估計(jì)應(yīng)用中。水下小孔徑基陣測(cè)向原理如圖1所示。

圖1 水下小孔徑基陣定位原理圖

由于小孔徑基陣相鄰陣元間距較小, 抗噪能力較差, 難以適應(yīng)水下聲環(huán)境較為復(fù)雜的情況, 一旦海況不好或有其他聲源干擾時(shí), 測(cè)向精度將大幅下降, 表1為在不同信噪比下互譜法估計(jì)的目標(biāo)方位結(jié)果。從表中看出, CW的信噪比直接決定了方位估計(jì)器的精度, 所以對(duì)水下小孔徑定向系統(tǒng)來說, 降低噪聲干擾, 提高信號(hào)信噪比是十分重要的。

表1 不同信噪比下的連續(xù)波信號(hào)相位差

2 基于盲源分離和自適應(yīng)濾波的降噪算法

針對(duì)水下CW信號(hào)被噪聲污染的情況, 本文將提出一種基于盲源分離和自適應(yīng)濾波聯(lián)合降噪的算法, 以下以三陣元小孔徑基陣為例, 分析討論該算法流程。

對(duì)式(1)的數(shù)學(xué)模型進(jìn)行盲源分離, 即是期望找到一個(gè)線性變換矩陣, 從而使得輸出盡可能獨(dú)立, 即

其中: 矩陣稱為全局矩陣或系統(tǒng)矩陣。

基于負(fù)熵最大的ICA迭代算法是一種重要的盲源分離算法, 其目標(biāo)函數(shù)定義為

這里簡要介紹算法流程。

1) 令=0, 初始化權(quán)向量(0);

2) 對(duì)權(quán)向量進(jìn)行調(diào)整

3) 歸一化處理

4) 如果算法不收斂, 轉(zhuǎn)到步驟2;

5) 算法收斂, 求解出一個(gè)獨(dú)立分量

上式中, 表示分離出來的第1個(gè)源信號(hào), 但由于ICA算法分離的不確定性, 所以該信號(hào)是噪聲或是CW信號(hào)需要進(jìn)一步判斷, 這在稍后的算法仿真中可以看出。ICA算法實(shí)現(xiàn)原理見圖2。

因?yàn)镃W定向算法以波束形成或互譜法為基礎(chǔ), 保持信號(hào)間的相位信息是十分重要的, 為保證在不影響各路信號(hào)相位信息的基礎(chǔ)上達(dá)到降噪目的[4], 可以采用最小均方誤差的自適應(yīng)濾波算法分別對(duì)消各陣元接收到的噪聲, 由于ICA分離出來的噪聲信號(hào)和CW波信號(hào)相互獨(dú)立, 所以在自適應(yīng)對(duì)消過程中不會(huì)對(duì)各陣元接收的CW波信號(hào)相位造成畸變, 從而保護(hù)各路信號(hào)之間的相位信息。

針對(duì)上述自適應(yīng)濾波問題的一個(gè)有效解決方案是采用變步長的最小均方(least mean square, LMS)算法[5], 該算法結(jié)合了傳統(tǒng)LMS算法的優(yōu)點(diǎn), 又解決了超量均方誤差和收斂速度之間的矛盾。自適應(yīng)濾波算法一般要求有參考信號(hào), 而且要求參考信號(hào)和噪聲相關(guān), 與信號(hào)盡可能獨(dú)立, 而ICA盲源分離算法的分離結(jié)果正好滿足上述要求, 這樣, 即可采用分離結(jié)果作為自適應(yīng)濾波器的參考輸入。橫向自適應(yīng)濾波器結(jié)構(gòu)見圖3所示, 其中的自適應(yīng)算法采用變步長LMS算法。

圖3 自適應(yīng)濾波算法示意圖

1)=0;

3) 調(diào)整抽頭系數(shù)

5) 如果算法收斂則結(jié)束, 否則+1, 轉(zhuǎn)步驟2)。

上述算法中, 參考信號(hào)()取盲分離算法分離出來的噪聲信號(hào)。初始步長系數(shù)和調(diào)整參數(shù)可取經(jīng)驗(yàn)值。

3 基于ICA和LMS的降噪算法

綜上所述, 本文提出的解決水下小孔徑基陣定位問題的降噪算法思路如下。

1) 將基陣各陣元接收的信號(hào)作為混合信號(hào)進(jìn)行ICA盲源分離;

2) 對(duì)盲分離結(jié)果進(jìn)行基頻判斷, 區(qū)分出CW波信號(hào), 其余分離源相加作為干擾噪聲;

3) 將干擾噪聲作為參考信號(hào), 對(duì)各陣元接收到的混合信號(hào)進(jìn)行自適應(yīng)濾波;

4) 最后將濾波降噪后的信號(hào)作為源信號(hào), 采用波束形成或互譜法估計(jì)目標(biāo)方位。

上述算法流程參見圖4。

圖4 小孔徑基陣測(cè)向系統(tǒng)示意圖

4 算法測(cè)試

在所選取的水域中, 采用水下發(fā)射換能器發(fā)射CW信號(hào), 同時(shí)布放小孔徑接收水聽器基陣接收CW信號(hào), 各陣元接收到的CW信號(hào)如圖5所示。采用本文降噪算法對(duì)該水聲信號(hào)進(jìn)行降噪后得到的信號(hào)如圖6所示。對(duì)降噪前后的信號(hào)用互譜法估計(jì)信號(hào)間的相位差, 結(jié)果如表2所示, 對(duì)比降噪前后結(jié)果可以看出, 利用基于盲源分離和自適應(yīng)濾波聯(lián)合降噪的算法對(duì)信號(hào)進(jìn)行處理, 能提高輸出信號(hào)信噪比, 從而可以提高估計(jì)器的測(cè)向精度, 增強(qiáng)結(jié)果穩(wěn)定性。

圖5 水聽器檢測(cè)到的CW信號(hào)

圖6 濾波降噪后的CW信號(hào)

5 結(jié)束語

在水下小孔徑基陣測(cè)向中, 是否有效估計(jì)信號(hào)間的相位差直接關(guān)系到測(cè)向結(jié)果是否精確, 在復(fù)雜水聲環(huán)境中信號(hào)受到多種因素影響, 為使降噪算法具有一定普遍性, 采用自適應(yīng)濾波方式無疑是最佳選擇之一, 但自適應(yīng)算法的難點(diǎn)之一是參考信號(hào)的選擇獲取。

表2 采集CW信號(hào)相位差計(jì)算結(jié)果對(duì)比

本文結(jié)合近年來興起的盲源分離算法, 對(duì)各基陣陣元接收到的信號(hào)作為觀測(cè)信號(hào)進(jìn)行盲源分離, 將分離出來的噪聲信號(hào)作為參考信號(hào)輸入自適應(yīng)濾波器, 既滿足了自適應(yīng)濾波的條件, 又保留了原信號(hào)相位特征, 提高了相位估計(jì)精度。該聯(lián)合算法的不足之處是, 需要進(jìn)行盲源分離和自適應(yīng)迭代, 整個(gè)過程計(jì)算時(shí)間稍長, 不太適用于實(shí)時(shí)信號(hào)處理, 適用于對(duì)時(shí)間要求不是特別苛刻的應(yīng)用場(chǎng)合。

[1] Comon P. Independent Component Analysis, a New Con- cept[J]. Signal Processing, 1994(36): 287-314.

[2] Amari S, Cichocki A, Yang H H. A New Learning Algorithm for Blind Signal Separation. Advances in Neural Information Processing Systems[J]. MIT Press, 1996(8): 757-763.

[3] 馬建倉, 牛弈龍, 陳海洋．盲信號(hào)處理[M]. 北京: 國防工業(yè)出版社, 2003.

[4] 張小華, 彭首峰, 裴浩. 基于盲源分離的語音降噪研究[J]. 湖北工業(yè)大學(xué)學(xué)報(bào), 2013, 28(1): 75-77.

[5] 華強(qiáng), 夏哲雷, 祝劍英. 一種改進(jìn)的變步長LMS自適應(yīng)濾波算法及其仿真[J]. 中國計(jì)量學(xué)院學(xué)報(bào), 2012(3): 304-308.

A Denoising Algorithm for Underwater Acrostic Signal Based on Blind Source Separation and Adaptive Filter

LIU Wei1, TENG Wei1, LUO Song2

(1. SZ36-1 Project Team of China National Offshore Oil Corporation, Tianjin 300461; 2. Kunming Shipborne Equipment Research and Test Center, Kunming 650051, China)

In the application of underwater small aperture array direction finding system, the quality of received continuous wave(CW) signal directly relates to the direction finding error. Due to the influences of multipath effect, fluctuation of signal, and underwater background noise, the actual signal detected is usually in low signal to noise ratio (SNR), and the phase estimation results are significantly discrete. According to the characteristics of the underwater CW signal and background noise, a denoising algorithm based on the combination of blind source separation and adaptive filter is proposed in this paper to improve SNR by denoising of received CW waveform. Simulation and lake trial show that the proposed algorithm gains a higher precision than that of the azimuth estimation method with direct application of signal.

continuous wave signal; underwater acrostic signal; blind source separation; adaptive filter; denoising

TJ630.34

A

1673-1948(2013)05-0347-04

2013-06-26;

2013-07-19.

劉 巍(1968-), 男, 高級(jí)工程師, 研究方向?yàn)楹Ｑ笫凸こ添?xiàng)目建設(shè).

(責(zé)任編輯: 楊力軍)