強(qiáng)海水混響背景下水中兵器攻擊目標(biāo)檢測研究

摘 要：水中兵器在對艦船目標(biāo)攻擊過程中受到海水混響雜波的影響，導(dǎo)致目標(biāo)檢測性能下降。傳統(tǒng)方法采用時頻分析方法進(jìn)行目標(biāo)檢測，在信混比較低的情況下受到的干擾較強(qiáng)，導(dǎo)致虛警概率較高。提出一種艦船目標(biāo)回波盲源分離的強(qiáng)海水混響背景下的水中兵器攻擊目標(biāo)檢測算法。首先構(gòu)建強(qiáng)海水混響干擾下的艦船目標(biāo)回波模型，對艦船目標(biāo)回波模型進(jìn)行自相關(guān)匹配濾波，提取回波信號的高階譜特征，實現(xiàn)目標(biāo)信號的盲源分離，達(dá)到目標(biāo)檢測的目的。仿真結(jié)果表明，采用該算法進(jìn)行目標(biāo)檢測，準(zhǔn)確檢測概率較高，降低了虛警概率，提高了水中兵器對目標(biāo)的準(zhǔn)確打擊能力。

關(guān)鍵詞：海水混響；水中兵器；目標(biāo)檢測；盲源分離

中圖分類號：TN911 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-2163（2016）02-

Detection of weapon attack target in background of strong sea water reverberation

ZHAO Wei

（No. 91640 Troops of PLA， Zhanjiang 524064， China）

Abstract： Underwater weapon in ship target attack process is affected by water reverberation clutter effects， resulting in target detection performance degradation， using the traditional method of frequency analysis method for target detection， in the letter mix relatively low under strong interference， resulting in a higher false alarm probability. A target detection algorithm for underwater weapon in the background of strong sea water reverberation is proposed. Strong sea reverberation interference for ship target echo model is first constructed， of ship target echo model of self correlation matched filtering， extracting echo signal of high order spectral characteristics， to achieve target signal blind source separation， to achieve the purpose of target detection. The simulation results show that the proposed algorithm is used for target detection， accurate detection probability is higher， and the false alarm probability is reduced.

Key words： sea water reverberation； underwater weapon； target detection； blind source separation

0 引言

水中兵器包括了魚雷、水雷等，水中兵器通過水下爆炸，利用海水的沖擊波，實現(xiàn)對目標(biāo)的致命性打擊和摧毀，水中兵器作為一種殺傷力較強(qiáng)的武器，在歷來一戰(zhàn)、二戰(zhàn)以及馬島海戰(zhàn)等戰(zhàn)役中都表現(xiàn)出了較好的應(yīng)用價值。水中兵器對目標(biāo)攻擊的主要技術(shù)是進(jìn)行目標(biāo)的檢測和識別，通過對目標(biāo)艦船輻射的噪聲或者主動發(fā)射聲脈沖信號接收目標(biāo)艦船的反射回波，實現(xiàn)目標(biāo)檢測識別。研究水中兵器攻擊目標(biāo)的檢測技術(shù)，在提高水中兵器的攻擊效能方面具有重要意義，相關(guān)的算法研究受到人們的極大重視[1]。

水中兵器在進(jìn)行目標(biāo)攻擊過程中，受到海洋背景噪聲的干擾較大，海洋的海水混響是影響水中兵器檢測目標(biāo)性能的最大障礙，在強(qiáng)海水混響背景下，水中兵器對目標(biāo)檢測的性能受到極大的限制[2]。對此，相關(guān)的文獻(xiàn)進(jìn)行了檢測算法的研究設(shè)計，取得了一定的成果，其中，文獻(xiàn)[3]提出一種基于分?jǐn)?shù)階Fourier變換和高階累積量特征提取的目標(biāo)檢測算法，利用分?jǐn)?shù)階Fourier變換的解除時頻耦合和抑制噪聲的特性，進(jìn)行海水混響抑制，一定程度上提高了檢測性能，但是該算法存在計算開銷過大，實時性不好的問題。文獻(xiàn)[4]提出一種基于時頻特征分析的水下目標(biāo)檢測算法，并應(yīng)用在魚雷對艦船的目標(biāo)檢測中，該算法通過對目標(biāo)回波信號的時頻分析，進(jìn)行特征提取實現(xiàn)目標(biāo)識別，提高準(zhǔn)確檢測概率，但是該算法在干擾較大的情況下，對目標(biāo)回波的提純性能不好，影響檢測性能[5-7]。

針對上述問題，本文提出一種基于艦船目標(biāo)回波盲源分離的強(qiáng)海水混響背景下的水中兵器攻擊目標(biāo)檢測算法。首先構(gòu)建強(qiáng)海水混響干擾下的艦船目標(biāo)回波模型，對艦船目標(biāo)回波模型進(jìn)行自相關(guān)匹配濾波，提取回波信號的高階譜特征，實現(xiàn)目標(biāo)信號的盲源分離，達(dá)到目標(biāo)檢測算法改進(jìn)的目的。最后通過仿真實驗進(jìn)行了性能驗證，展示了本文算法的優(yōu)越性能。

4 結(jié)束語

水中兵器對目標(biāo)攻擊的主要技術(shù)是進(jìn)行目標(biāo)的檢測和識別，通過對目標(biāo)艦船輻射的噪聲或者主動發(fā)射聲脈沖信號接收目標(biāo)艦船的反射回波，實現(xiàn)目標(biāo)檢測識別。本文提出一種基于艦船目標(biāo)回波盲源分離的強(qiáng)海水混響背景下的水中兵器攻擊目標(biāo)檢測算法。首先構(gòu)建強(qiáng)海水混響干擾下的艦船目標(biāo)回波模型，對艦船目標(biāo)回波模型進(jìn)行自相關(guān)匹配濾波，提取回波信號的高階譜特征，實現(xiàn)目標(biāo)信號的盲源分離，實現(xiàn)水中兵器攻擊目標(biāo)檢測。研究表明，采用本文方法進(jìn)行目標(biāo)檢測，由于對目標(biāo)信號進(jìn)行盲源分離，提高了譜圖在海水混響中的分辨率，從而提高了準(zhǔn)確檢測概率，展示了較好的應(yīng)用價值。

參考文獻(xiàn)

[1] 趙威. 基于魚雷自導(dǎo)的艦船尾流回波模型建立方法[J].艦船電子工程.2013，33（4）：81-83.

[2] 陸興華，陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測算法[J].計算機(jī)科學(xué)，2015，42（4）：68-71.

[3] 胡光波，何席兵，甘新年.基于分?jǐn)?shù)階Fourier變化累積量的目標(biāo)檢測算法[J].魚雷技術(shù)，2011，19（5）： 344-348.

[4] 郭靜波， 譚博，蔡雄. 基于反相雙峰指數(shù)模型的微弱瞬態(tài)極低頻信號的估計與檢測[J]. 儀器儀表學(xué)報，2015，36（8）：1682-1691.

[5] 劉昊晨，梁紅.線性調(diào)頻信號參數(shù)估計和仿真研究[J].計算機(jī)仿真，2011，10（14）： 157-159.

[6] 劉家亮，王海燕，姜喆，等.垂直線列陣結(jié)構(gòu)對PTRM陣處理空間增益的影響[J].魚雷技術(shù)，2010，18（4）： 263-267.

[7] 韓慧鵬，梁紅，胡旭娟.自適應(yīng)IIR陷波器在信號檢測中的應(yīng)用[J].彈箭與制導(dǎo)學(xué)報，2008，28（2）： 315-317.

[8] 李春龍，劉瑩.一種高斯色噪聲混響背景的寬帶信號檢測算法[J].科學(xué)技術(shù)與工程，2011，11（3）： 480-483.

[9] 徐騫，梁紅，胡光波.基于二階統(tǒng)計量的近場源四維參數(shù)聯(lián)合估計[J].計算機(jī)工程與應(yīng)用，2011，47（23）： 137-140.

[10] ELDEMERDASH Y A， DOBRE O A， LIAO B J. Blind identification of SM and Alamouti STBC-OFDM signals[J]. IEEE Transactions on Wireless Communications， 2015， 14（2）： 972-982.