潛艇水下作戰(zhàn)中目標距離信息提取研究*

何青海 丁文強

(海軍潛艇學院 青島 266042)

?

潛艇水下作戰(zhàn)中目標距離信息提取研究*

何青海 丁文強

(海軍潛艇學院 青島 266042)

淺海波導中目標輻射噪聲LOFAR譜圖存在明暗相間的干涉條紋,從中可以提取出目標距離特征量信息,它反映了目標運動過程中的距離變化率。低信噪比情況下,條紋特征不夠清晰,提取的距離特征量值精度會降低。提出了對LOFAR譜圖進行圖像處理,使條紋特征更加明顯。海試數(shù)據(jù)處理結果表明,去噪處理后提取出的距離特征量精度明顯提高。

距離特征量; LOFAR譜; 圖像去噪

Class Number TP391

1 引言

潛艇在水下對目標實施魚雷攻擊,之前快速準確地獲取目標運動要素是提高命中概率的關鍵[1]。通常情況下潛艇使用被動聲納來探測和跟蹤目標只能得到目標方位信息,傳統(tǒng)的純方位目標運動要素解算方法收斂速度慢,滿足不了潛艇水下作戰(zhàn)中對目標快速定位的要求,需要一種新的目標信息獲取渠道和方法。

海洋波導的聲場結構一般都非常復雜,對于水聽器接收的寬帶信號,LOFAR圖上表現(xiàn)出明顯的干涉現(xiàn)象,即存在明暗相間的干涉條紋圖案。從二十世紀六十年代開始,美國和前蘇聯(lián)學者就陸續(xù)在仿真和實驗研究中發(fā)現(xiàn)了這一特性[2～3]。干涉譜圖中包含的豐富信息有助于對艦艇目標進行運動狀態(tài)估計。

距離特征量是指在目標聲源與接收器相對運動過程中,目標初始距離與不同時刻的瞬時距離之間的比值,它反映了目標聲源的距離變化情況。本文提出了一種基于LOFAR譜圖的距離特征量提取方法,該方法基于波導不變性原理[4],通過圖像處理技術來提取LOFAR圖中干涉條紋的斜率等信息,最終計算得到目標的距離特征量。在實際應用中,由于海洋環(huán)境的復雜性,目標輻射噪聲的LOFAR譜圖中會疊加大量的噪聲,致使干涉條紋特征不夠明顯,該方法無法提取出準確的距離特征量值。針對此問題,本文提出利用擴散圖像去噪方法[5]對LOFAR圖進行處理。

2 距離特征量

2.1 距離特征量定義

若目標運動過程中,初始時刻為t0,初距為rt0,t時刻的目標距離為rt,則t時刻的距離特征量定義為:Dt=rt0/rt。它描述的是目標初距與瞬時距離的比值。

該觀測量可融入目標運動要素解算過程,以改善目前存在的解算時間長、本艇機動復雜等問題。同時,這也對距離特征量值的精度和實時性提出了要求。如果精度很低的話,反而會使目標運動要素解算過程的效果變差。如果距離特征量的提取時間過長,則無法與方位信息一起作為觀測量參與解算。

2.2 距離特征量提取

根據(jù)波導不變性原理,提出了一種基于LOFAR譜圖的距離特征量提取方法,由LOFAR圖中條紋角度φ的大小,分兩種情況來討論。由于時間和聲源至接收陣的距離是對應的,因此聲強的時頻分布又可以和距離-頻率分布對應起來。

1)φ>90°。時頻圖用圖1所示的距離-頻率分布圖來描述。橫軸為距離軸,縱軸為頻率軸,頻段范圍為(f1,f2),f1r2。找出最強點B(r3,f3)。

圖1 條紋角度大于90°時目標干涉結構圖

由條紋圖中幾何關系,可得

(1)

其中,φ的大小由Radon變換[10]得到,m為時頻圖中距離軸點數(shù),mr為B點在距離軸上投影點距離左側頻率軸的點數(shù),df為時頻圖中頻率軸點間距。

2)φ<90°。時頻圖如圖2所示,橫軸為距離軸,縱軸為頻率軸,頻段范圍為(f1,f2),f1

(2)

圖2 條紋角度小于90°時目標干涉結構圖

通過以上兩種情況的分析,可得到r2=n*r1,目標初距為rt0,以后各個時刻對應的目標瞬時距離與rt0的關系為

r1=n1*rt0=rt0/D1,

r2=n2*r1=n2*n1*rt0=rt0/D2,

……

rn=rt0/Dn

根據(jù)以上迭代方法可得到不同時刻瞬時距離與初距之間的關系向量即距離特征量D=(D1,D2,…,Dn)。

3 提取算法仿真分析

基于該距離特征量提取算法,在典型淺海負躍層海洋環(huán)境下,利用KRAKEN模型計算聲場,對算法的可行性進行仿真驗證。

3.1 目標接近接收器

典型淺海負躍層海洋環(huán)境模型如圖3所示,海深100m,接收設備為單傳感器,深度30m,目標等深航行,深度4m,航速20節(jié)。如圖4所示,目標從A點出發(fā),向著靠近接收傳感器的方向運動,B點為最近通過距離點。目標最近通過距離為1海里,起始點位置A距離接收陣的垂直距離為8海里。

圖3 典型淺海負躍層海洋環(huán)境

圖4 目標靠近接收器運動示意圖

假設接收傳感器接收的信號沒有受到噪聲污染,仿真得到目標的時頻譜圖如圖5所示。圖中有很清晰的干涉條紋,條紋角度φ>90°,這也意味著,隨著時間的推移,目標距離傳感器越來越近。因此,根據(jù)干涉條紋的形狀和角度,可以判斷目標的運動狀態(tài)。

運動目標在每個時刻的距離特征量值提取結果及相對誤差如圖6所示。由于目標在不斷地靠近接收器,目標距離越來越小,距離特征量值則越來越大。所以,通過距離特征量值的變化趨勢,也能判斷目標的運動狀態(tài)。圖6(a)中,波動區(qū)線表示通過算法提取出的距離特征量值,光滑曲線表示通過實際距離計算出的距離特征量真值,這兩條線幾乎完全重合。圖6(b)是距離特征量提取結果的相對誤差,可以看出,誤差非常小。

圖5 目標靠近接收器時時頻譜圖

圖6 目標靠近接收器時距離特征量提取結果及相對誤差

3.2 目標遠離接收器

海洋環(huán)境模型同樣如圖3所示。目標運動情況如圖7所示,目標從C點出發(fā),向著遠離接收傳感器的方向運動,B點為最近通過距離點。最近通過距離為1海里,起始點位置C距離接收陣的垂直距離為5海里。

圖7 目標遠離接收器運動示意圖

假設接收傳感器接收的信號沒有受到噪聲污染,仿真得到目標的時頻譜圖如圖8所示。圖中有很清晰的干涉條紋,條紋角度φ<90°,這也意味著,隨著時間的推移,目標距離傳感器越來越遠。

圖8 目標遠離接收器時時頻譜圖

目標在每個時刻的距離特征量值提取結果及相對誤差如圖9所示。由于目標在不斷的遠離接收器,目標距離越來越大,所以距離特征量值變得越來越小。圖9(a)中,光滑曲線與波動曲線吻合得較好,說明提取精度比較高,圖9(b)中距離特征量提取的相對誤差結果說明了這點。

4 圖像擴散去噪

仿真假定在沒有噪聲污染的條件下,干涉條紋譜圖比較清晰,距離特征量提取精度很高。然而,對實際水下聲源輻射噪聲信號的時頻譜圖分析可以發(fā)現(xiàn),因海洋環(huán)境噪聲及各種隨機干擾的作用,時頻譜圖中經常存在大量的噪聲,并且這些噪聲具有與信號可相比較的幅值,從而使條紋特征模糊不清,導致提取算法性能大大降低。為了能夠在低信噪比情況下提取出目標的距離特征量信息,本文提出了基于圖像去噪處理的提取技術,即先用圖像去噪方法對時頻譜圖進行平滑處理,使條紋特征變得更加清晰,再對去噪后圖像進行距離特征量的提取,這樣可有效提高提取的精度。

偏微分方程方法[5～9]是近些年來出現(xiàn)的一種新的圖像濾波技術,它能夠通過設計合適的擴散系數(shù)控制擴散方程的擴散行為,使得在平滑圖像的同時能夠保留甚至增強圖像的特征信息。

設初始灰度圖像為u0=u(x,y,0),u(x,y,t)表示時刻t時的平滑圖像。則圖像的擴散方程為

(3)

式中,F表示一個特定算法所對應的算子。本文采用張量型擴散模型[5]。以某次海試的漁船目標輻射噪聲信號作為待處理對象,提取出距離特征量信息。對目標輻射噪聲進行譜分析,得到LOFAR譜圖,如圖10(a)所示,圖中有干涉條紋圖案,但由于噪聲的影響,條紋顯得很不清晰。采用圖像擴散去噪方法處理后的結果如10(b)所示,條紋被明顯區(qū)分出來。

去噪前后距離特征量的提取結果如圖11所示。由圖11(a)可知,由于噪聲的影響,去噪前提取出的距離特征量值波動較大;由圖11(b)可知,經過擴散去噪方法處理后,從海試數(shù)據(jù)中能夠準確、平穩(wěn)地提取出距離特征量值,從而解決了由于噪聲影響而導致的距離特征量提取不準、失真問題。

圖11 某漁船目標去噪前后距離特征量提取結果

5 結語

距離特征量提取為獲取目標運動信息提供了一種新的途徑。仿真結果表明了提取算法的準確性。目標輻射噪聲LOFAR譜圖中干涉條紋的清晰程度直接影響距離特征量的提取精度。在低信噪比情況下,噪聲使得條紋特征不明顯,距離特征量提取精度不高,波動起伏較大。經由本文提出的圖像擴散去噪方法處理后,提取出的距離特征量值比較平穩(wěn),精度比去噪前有了明顯提高。

[1] 趙正業(yè).潛艇火控原理[M].北京:國防工業(yè)出版社,2003:91-93.

[2] Guthrie A N, Fitzgerald R N, Nutile D A, et al. Long-range low-frequency CW propagation in the deep ocean: Antigua-Newfoundland[C]//J. Acoust. Soc. Am,1974,56(1):58-69.

[3] Chuprov S D. Interference structure of sound field in the layered ocean[C]//Ocean Acoustics, Moscow: Nauka,1982:71-91.

[4] Aaron M T. Source ranging with minimal environmental information using a virtual receiver and waveguide invariant theory[C]//J. Acoust. Soc. Am,2000,108:1582-1594.

[5] Weickert J. Anisotropic Diffusion in Image Processing[M]. Stuttgart: Teubner-Verlag,1998.

[6] 徐書方,劉婧,沈立新.一種基于偏微分方程的圖像去噪方法[J].大連海事大學學報,2010,36(4):107-110.

[7] 楊文國.一種基于擴散方程的圖像去噪方法[D].南京:南京信息工程大學,2007.

[8] CATTé F, COLL T, LIONS P L. Image selective smoothing and edge detection by nonlinear diffusion[J]. SIAM J.Num. Anal,1992,29(1):182-193.

[9] GILBOA G, SOCHEN N A, ZEEVI Y Y. Forward and backward diffusion processes for adaptive image enhancement and denosing[J]. IEEE Transactions on Image Processing,2002,11(7):689-703.

[10] 吳濤,袁嗣杰,陳進軍,等.一種新的LFM信號檢測算法仿真分析[J].系統(tǒng)仿真學報,2008,20(9):2395-2397.

Extraction of Target Distance Information in Undersea Warfare for Submarine

HE Qinghai DING Wenqiang

(Navy Submarine Academy, Qingdao 266042)

Striations have appeared in plots of Low Frequency Analysis Recording(LOFAR) spectrum in acoustic environment of the shallow water. The distance change ratio of target can be described by distance characteristic feature. It can be extracted from LOFAR spectrum striations. Low precision of distance characteristic feature has been obtained because of the low signal to noise ratio and striation pollution. In order to make the striations more clearly, an image denoising method has been put forward. The ocean experimental results show that the precision of distance characteristic feature is one times higher after LOFAR spectrum image processing.

distance characteristic feature, LOFAR spectrum, image denoising

2015年4月3日,

2015年5月29日

何青海,男,博士,講師,研究方向:兵種戰(zhàn)術,水聲環(huán)境。丁文強,男,博士,工程師,研究方向:兵種戰(zhàn)術。

TP391

10.3969/j.issn.1672-9730.2015.10.013