水下運動目標線譜噪聲源識別方法研究

徐靈基 楊益新

?

水下運動目標線譜噪聲源識別方法研究

徐靈基 楊益新*

(西北工業(yè)大學航海學院 西安 710072)

根據(jù)運動聲源的多普勒頻移特性，該文提出單水聽器識別低頻線譜噪聲源位置的3種方法。首先，利用加窗互Wigner-Ville分布(cross Wigner-Ville Distribution, XWVD)精確提取微弱多普勒頻移曲線后，分別使用頻率交點和最小二乘來估計噪聲源通過水聽器的正橫時刻從而識別噪聲源位置，這兩種方法稱為頻率交點法和最小二乘法。進一步地，利用直接對多普勒信號做WVD后自交叉項的能量發(fā)散特性，得到一種計算量相對較小的噪聲源識別方法。水池試驗和海上試驗分析結果表明，基于多普勒效應的3種方法都對噪聲源進行了有效定位，性能明顯優(yōu)于現(xiàn)有的通過特性法，其中最小二乘法定位精度略優(yōu)于基于交叉項特性的方法，頻率交點法定位誤差略大。

水聲信號處理；噪聲源識別；水下運動目標；多普勒頻移；加窗互Wigner-Ville分布；最小二乘估計

1 引言

艦船輻射噪聲主要來源于艦船的主機推進系統(tǒng)、螺旋槳、輔機機械系統(tǒng)和航行時產(chǎn)生的水動力效應，其中由輔機機械的往復運動引起的線譜噪聲具有頻率低、功率高和穩(wěn)定性強等特點，攜帶著艦船重要的特征信息，可被遠距離探測，是水聲設備發(fā)現(xiàn)目標的關鍵。降低艦船噪聲不僅可以有效地防止被敵方水聲設備探測和被水中兵器攻擊，同時也有利于提高裝備在艦船上的各種水聲設備的性能。因此，艦船降噪成為艦船聲學設計的迫切任務，而精確識別艦船上主要噪聲源的位置可以為艦船的聲學設計提供參考和依據(jù)。

艦船輻射噪聲測量過程中，被測船由遠及近并由近及遠通過測量水聽器，艦船是運動的。運動目標的噪聲源識別方法主要有近場聲全息法[1,2]和聚焦波束形成法[3,4]。近場聲全息法具有較高的識別精度，但測量面上測量數(shù)據(jù)需要傳聲器測點較多，且要求測量面與被測目標距離小于聲波長，較難應用于實際的水下運動目標測試中，現(xiàn)有的較理想結果是在水池試驗條件下取得的[5,6]。文獻[7,8]利用陣列高分辨測向技術識別水下運動目標噪聲源位置，然而對于低頻聲源，這類方法和聚焦波束形成法一樣，需要使用較大孔徑的陣列。目前實際噪聲測量中主要還是利用艦船的通過特性法來識別噪聲源位置[9]，但該方法定位精度較低。針對艦船輔機機械的往復運動引起的低頻線譜噪聲源，本文根據(jù)運動目標聲源多普勒頻移特性，提出了識別噪聲源位置的方法，在僅使用單個水聽器的簡單測量方式下，能夠較精確地識別水下運動目標噪聲源的位置。

2 基本模型與方法

圖1為艦船輻射噪聲的測量模型，測量水聽器位于處，被測船勻速運動，軌跡為，正橫位置為運行軌跡離測量水聽器距離最近點，由于艦船與水聽器之間存在相對運動，接收信號的幅度和頻率發(fā)生變化，頻率的變化稱為多普勒頻移。

圖1 艦船輻射噪聲測量模型

圖2 典型工況下的接收信號

3 基于多普勒頻移曲線提取的方法

提取多普勒頻移曲線需估計接收信號的瞬時頻率，在此之前先對水聽器接收信號進行預處理：一是確定存在的線譜頻率；二是濾除帶外噪聲。先把采集到的水聽器信號復數(shù)化，通過頻率分析方法確定信號中存在的低頻線譜，再利用帶通濾波器分離出存在線譜的各個小區(qū)域，得到待分析的低頻線譜噪聲源信號。

3.1 加窗互Wigner-Ville分布估計多普勒頻移

基于加窗XWVD的瞬時頻率估計步驟為：

(1)初始化：通過估計觀測信號的瞬時頻率得到一個單位幅度的參考信號；

(2)估計：利用式(6)得到參考信號和估計信號之間的加窗XWVD，通過加窗XWVD的峰值提取得到瞬時頻率；

(3)循環(huán)：重復步驟(1)直到連續(xù)迭代間的瞬時頻率的差值小于一個設定值。

3.2 正橫時刻估計

解偏微分方程組

(1)首先剔除已提取出的多普勒頻移曲線中的野點，然后做中值濾波處理可得到較平滑的曲線。由于提取出的曲線中間段多普勒頻移明顯、曲線更平滑，而兩端的曲線會有一些起伏，所以可消去前后比較動蕩的數(shù)據(jù)點，選取中間較平滑的多普勒頻移曲線的數(shù)據(jù)點。

(2)從步驟(1)中得到的數(shù)據(jù)點中分別選擇不同長度的數(shù)據(jù)點，相當于用長度不同的窗口去截取數(shù)據(jù)，一般原則是在多普勒曲線圖中預估拐點，并以此為中心截取一段左右對稱的數(shù)據(jù)，然后利用最小二乘法估計各組數(shù)據(jù)的多普勒參數(shù)。

4 多普勒信號WVD自交叉項法

將式(12)代入式(11)得到

則信號的WVD為

通過圖1中的幾何關系可知

5 水池試驗分析

圖3為基于多普勒效應的3種方法對中心頻率為100 Hz線譜聲源定位的誤差()隨信噪比變化的統(tǒng)計特性，其中圖3(a)為偏差，圖3(b)為均方根誤差，每個信噪比下做50次蒙特卡羅試驗。圖3(a)中基于多普勒效應的3種方法的偏差曲線在零值上下微小起伏，最小二乘法和交叉項法性能相當，頻率交點法偏差略大。從圖3(b)中可以看出3種方法定位的均方根誤差隨信噪比的增大而變小，其中基于最小二乘法的性能最佳，交叉項法次之，頻率交點法最次，3種方法的均方根誤差在信噪比10 dB以上都小于3 m。相比較于頻率交點法，最小二乘法利用了有效多普勒信號時頻曲線的全部信息，其穩(wěn)健性更優(yōu)，這也是該方法均方根誤差較小的原因。

6 海上試驗驗證

海上試驗在大連某海域進行。接收端水聽器由拋錨的測量船放出，深度位于水線下10 m。發(fā)射平臺為雙體船，搭載低頻發(fā)射換能器作為輻射聲源，以高頻水聲同步定位儀的發(fā)射換能器作為參考聲源。兩聲源分別固定于船體中軸線上的兩個可升降支架底部，間距為19.2 m，試驗時均放入水線下6 m。為避開發(fā)射船體的諧振峰值，聲源發(fā)出的信號頻率選用55 Hz, 105 Hz, 220 Hz和500 Hz。發(fā)射船采用5節(jié)航速工況，沿直線行駛，船體與水聽器之間的相對速度以及正橫距離通過水聲同步定位儀的高頻信息獲得。

圖5給出了中心頻率為105 Hz的多普勒信號的分析結果。其中，圖5(a)為直接對多普勒信號做WVD得到的3維圖，可以看出多普勒信號的WVD在多普勒時頻中心形成明顯的峰值，利用峰值檢測可以精確獲得聲源通過測量水聽器時的正橫時刻為134.42 s；圖5(b)是加窗XWVD精確提取出的微弱多普勒頻移曲線，再利用頻率交點或最小二乘得到正橫時刻的估計值分別為134.05 s和134.68 s。

圖4 定位誤差對頻率的統(tǒng)計性能

圖5 聲源頻率為105 Hz的實測數(shù)據(jù)分析

表1 海試時不同工況條件下各種方法估計的正橫時刻(s)和定位誤差(m)

7 結束語

本文提出了利用多普勒效應識別水下運動目標噪聲源位置的3種方法。頻率交點法和最小二乘法是通過基于加窗XWVD的瞬時頻率估計算法提取出微弱多普勒頻移曲線后，分別使用頻率交點或最小二乘估計提取出的多普勒頻移曲線的正橫時刻，最后參考信標源位置來確定噪聲源在運動目標上的位置。而交叉項法是利用多普勒信號WVD的自交叉項的能量發(fā)散特性來估計正橫時刻從而識別噪聲源位置，該方法相對前兩者要簡易。水池試驗和海上試驗結果表明：基于多普勒效應的3種方法都可以有效地對線譜輻射聲源位置進行識別：其中，最小二乘法定位精度略優(yōu)于交叉項法，頻率交點法定位誤差稍大，但也明顯優(yōu)于現(xiàn)用的通過特性法。需要說明的是，本文的分析和試驗都取噪聲源為點源模型，對于噪聲源為面聲源的情況，利用本文方法所得到的多普勒時頻面將會有一定程度的擴展，所提取出的多普勒頻移曲線或中心對應著面聲源中能量最強部分，即識別的是面聲源中輻射能量最強處的噪聲源位置。

[1] Yang Dian-ge, Wang Zi-teng, Li Bing,.. Development and calibration of acoustic video camera system for moving vehicles[J]., 2011, 330(11): 2457-2469.

[2] 楊殿閣, 羅禹貢, 李兵, 等. 基于時域多普勒修正的運動聲全息識別方法[J]. 物理學報, 2010, 59(7): 4738-4747.

Yang Dian-ge, Luo Yu-gong, Li Bing,.. Aoustic holography method for measuring moving sound source with correction for Doppler effect in time-domain[J]., 2010, 59(7): 4738-4747.

[3] Holland K R and Nelson P A. An experimental comparison of the focused beamformer and the inverse method for the characterization of acoustic sources in ideal and non-ideal acoustic environments[J]., 2012, 331(20): 4425-4437.

[4] 時潔, 楊德森, 時勝國. 基于矢量陣的運動聲源柱面聚焦定位方法試驗研究[J]. 物理學報, 2012, 61(12): 124302.

Shi Jie, Yang De-sen, and Shi Sheng-guo. Experimental research on cylindrical focused beamforming localization method of moving sound sources based on vector sensor array[J]., 2012, 61(12): 124302.

[5] 陳夢英, 商德江, 李琪, 等. 運動聲源的邊界元聲全息識別方法研究[J]. 聲學學報, 2011, 36(5): 489-495.

Chen Meng-ying, Shang De-jiang, Li Qi,.. Nearfield acoustic holography based on inverse boundary element method for moving sound source identification[J]., 2011, 36(5): 489-495.

[6] 楊德森, 郭小霞, 時勝國, 等. 基于亥姆霍茲方程最小二乘法的運動聲源識別研究[J]. 振動與沖擊, 2012, 31(4): 13-17.

Yang De-sen, Guo Xiao-xia, Shi Sheng-guo,.. Helmholtz equation least squares method for moving sound source identification[J]., 2012, 31(4): 13-17.

[7] 嚴光洪, 陳志菲, 孫進才. 運動目標噪聲源識別方法[J]. 西北工業(yè)大學學報, 2009, 27(3): 378-381.

Yan Guang-hong, Chen Zhi-fei, and Sun Jin-cai. A method for localizing noise source of constant-speed target[J]., 2009, 27(3): 378-381.

[8] 王志偉, 徐靈基, 楊益新, 等. 直線陣識別水下運動目標噪聲源方法研究[J]. 振動與沖擊, 2012, 31(19): 118-122.

Wang Zhi-wei, Xu Ling-ji, Yang Yi-xin,.. Identification of noise sources of an underwater moving target based on a linear array[J]., 2012, 31(19): 118-122.

[9] 王之程, 陳宗岐, 于沨, 等. 艦船噪聲測量與分析[M]. 北京:國防工業(yè)出版社, 2004: 91-98.

Wang Zhi-cheng, Chen Zong-qi, Yu Feng,.. Warship Noise Measuring and Analyzing [M]. Beijing: National Defence Industrial Press, 2004: 91-98.

[10] Feng Zhi-peng, Liang Ming, and Chu Fu-lei. Recent advances in time–frequency analysis methods for machinery fault diagnosis: a review with application examples[J]., 2013, 38(1): 165-205.

[11] Boashash B. Time Frequency Signal Analysis and Processing: A Comprehensive Reference[M]. London: Elsevier, 2003: 63-66.

[12] 田豐, 楊益新, 吳姚振, 等. 窄帶細化Wigner-Ville分布分析的快速實現(xiàn)方法[J]. 電子與信息學報, 2013, 35(7): 1713-1719.

Tian Feng, Yang Yi-xin, Wu Yao-zhen,.. Fast realization of zoom-spectrum Wigner-Ville distribution analysis in a narrowband[J].&, 2013, 35(7): 1713-1719.

[13] Lo K W, Ferguson B G, Gao Yu-jin,.. Aircraft flight parameter estimation using acoustic multipath delays[J]., 2003, 39(1): 259-268.

[14] Omidvarnia A, Azemi G, O’Toole J M,.. Robust estimation of highly-varying nonlinear instantaneous frequency of monocomponent signals using a lower-order complex-time distribution[J]., 2013, 93(11): 3251-3260.

[15] Cornu C, Stankovic S, Ioana C,.. Generalized representation of phase derivatives for regular signals[J]., 2007, 55(10): 4831-4838.

徐靈基： 男，1986年生，博士生，研究方向為水聲信號處理.

楊益新： 男，1975年生，教授，博士生導師，研究方向為陣列信號處理、信號檢測與參數(shù)估計、聲吶系統(tǒng)設計等.

Identification of Tone Noise Sources of Underwater Moving Target

Xu Ling-ji Yang Yi-xin

(,,710072,)

According to the Doppler shift of moving acoustic source, three methods are presented for identification of noise sources of underwater moving target with single hydrophone. Firstly, the weak Doppler shift curves are obtained accurately by windowed cross Wigner-Ville Distribution (XWVD). Then the abeam moments are estimated by frequency intersection or least square algorithm. Locations of noise sources are obtained by referring to beacon source at last.These two methods are respectively called frequency intersection method and least square method. Furthermore, based on the effect of energy dispersion caused by inner artifacts, another identification method is proposed by applying WVD to Doppler signal directly, and this cross-term method needs less computation. The water tank and sea experiment results show that performances of these proposed methods are better than the existing passing property method. Among the three methods, the least square method is the best one, next is the cross-term method, and frequency intersection method is the worst in comparison.

Acoustic signal processing; Identification of noise sources; Underwater moving target; Doppler shift; Cross Wigner-Ville Distribution (XWVD); Least square estimate

TB566

A

1009-5896(2014)05-1119-07

10.3724/SP.J.1146.2013.01102

楊益新 yxyang@nwpu.edu.cn

2013-07-25收到，2013-12-02改回

國家自然科學基金(11274253)資助課題