水聲目標(biāo)特征分析與識(shí)別技術(shù)

方世良 杜栓平 羅昕煒 韓 寧 徐曉男

1 東南大學(xué) 水聲信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室 南京 210096

2 杭州應(yīng)用聲學(xué)研究所 聲納技術(shù)重點(diǎn)實(shí)驗(yàn)室 杭州 310023

水聲目標(biāo)識(shí)別技術(shù)是一種利用聲吶接收的被動(dòng)目標(biāo)輻射噪聲、主動(dòng)目標(biāo)回波以及其他傳感器信息提取目標(biāo)特征并判別目標(biāo)類型或艦型的信息處理技術(shù)，為人類海洋經(jīng)濟(jì)與軍事活動(dòng)提供重要決策依據(jù)。隨著人類在海洋中的活動(dòng)日益頻繁，水聲目標(biāo)識(shí)別技術(shù)得到越來(lái)越多的應(yīng)用，如漁業(yè)生產(chǎn)作業(yè)、海洋搜救、海底勘測(cè)、各種調(diào)查和科學(xué)研究等；其軍事應(yīng)用更為突出，第二次世界大戰(zhàn)以來(lái)，已成為水聲領(lǐng)域的重要研究方向，世界海軍強(qiáng)國(guó)十分重視該技術(shù)的研究。從 20 世紀(jì) 60 年代開(kāi)始，美、英、法、日、蘇（俄）等國(guó)家就一直在水聲目標(biāo)識(shí)別相關(guān)研究工作中給予大量投入。美國(guó)國(guó)防部（DoD）專題預(yù)算長(zhǎng)期對(duì)水聲目標(biāo)識(shí)別技術(shù)資助研究。美國(guó)國(guó)防高級(jí)研究項(xiàng)目局（DARPA）將“檢測(cè)、分類新技術(shù)”列為“被動(dòng)聲吶信號(hào)處理”中最需要的技術(shù)之一。英國(guó)國(guó)防研究局（DRE）和 LOGICA 公司專門開(kāi)發(fā)了聲吶分類驗(yàn)證系統(tǒng) SoCS 及數(shù)據(jù)融合驗(yàn)證系統(tǒng)，用于支持聲吶目標(biāo)分類識(shí)別等技術(shù)的研究。

根據(jù)所利用信息的不同，目標(biāo)識(shí)別主要分為被動(dòng)目標(biāo)識(shí)別、主動(dòng)目標(biāo)識(shí)別和多傳感器綜合目標(biāo)識(shí)別等。實(shí)際海上水聲目標(biāo)信號(hào)的獲取與識(shí)別的一般模型如圖 1 所示。

圖1 水聲目標(biāo)信號(hào)的獲取與識(shí)別模型

水聲目標(biāo)信號(hào)包括水中目標(biāo)輻射噪聲和水中目標(biāo)被聲波照射后的回波或散射信號(hào)。水聲目標(biāo)識(shí)別作為模式識(shí)別的一個(gè)分支，與多數(shù)目標(biāo)識(shí)別問(wèn)題一樣，最核心的關(guān)鍵問(wèn)題是提取“好的特征”。好的特征一般應(yīng)具備以下 4 個(gè)方面特性：① 良好類間可分性；② 明確的物理含義和較強(qiáng)的泛化能力；③ 對(duì)目標(biāo)運(yùn)動(dòng)工況具有一定的不變性；④ 對(duì)水聲環(huán)境具有良好的寬容性等。同時(shí)，好的特征還要具備可提取性和可實(shí)現(xiàn)性。對(duì)于目標(biāo)輻射噪聲信號(hào)，水聲目標(biāo)的發(fā)聲機(jī)理復(fù)雜、目標(biāo)類型和航行工況多樣、海洋信道時(shí)變空變、平臺(tái)噪聲干擾等嚴(yán)重影響對(duì)目標(biāo)的分類和識(shí)別。對(duì)于目標(biāo)回波信號(hào)，隱身潛艇低目標(biāo)強(qiáng)度導(dǎo)致目標(biāo)特征越來(lái)越弱，復(fù)雜的水聲環(huán)境、信道畸變、強(qiáng)混響和大量雜波干擾等給主動(dòng)目標(biāo)辨識(shí)帶來(lái)很大的困難。實(shí)際上，水聲目標(biāo)識(shí)別一直是國(guó)際公認(rèn)的難題。

此外，水聲目標(biāo)識(shí)別所利用的特征也是目標(biāo)檢測(cè)的重要依據(jù)，對(duì)隱身潛艇等弱目標(biāo)更是如此。水聲目標(biāo)特征提取與識(shí)別技術(shù)的發(fā)展將對(duì)目標(biāo)檢測(cè)、跟蹤等技術(shù)研究產(chǎn)生很強(qiáng)的輻射帶動(dòng)作用，從而促進(jìn)聲吶技術(shù)的整體發(fā)展。

1 水聲目標(biāo)信號(hào)的主要聲源及目標(biāo)特征

1.1 水中目標(biāo)輻射噪聲及特征

水中目標(biāo)的輻射噪聲組成復(fù)雜，是艦艇中多種噪聲源與其所處的水介質(zhì)共同作用后產(chǎn)生的物理現(xiàn)象。水中目標(biāo)主要輻射噪聲源包括：推進(jìn)器、轉(zhuǎn)動(dòng)和往復(fù)式機(jī)械、各種泵等。它們產(chǎn)生噪聲的機(jī)理各不相同，因此輻射噪聲的特征也比較復(fù)雜，主要包括機(jī)械噪聲、螺旋槳噪聲和水動(dòng)力噪聲等。目標(biāo)的機(jī)械噪聲、螺旋槳噪聲和目標(biāo)空間行為狀態(tài)對(duì)應(yīng)的噪聲變化是水中目標(biāo)輻射噪聲信號(hào)的主要特征來(lái)源。

1.1.1 機(jī)械噪聲特征及提取

機(jī)械噪聲是指艦船上各種機(jī)械的振動(dòng)源激勵(lì)水中船體，并通過(guò)船體向水中輻射而形成的水下噪聲，是艦船輻射噪聲在低頻段的主要成分。機(jī)械噪聲的聲源多且復(fù)雜，而寬帶信號(hào)疊加窄帶信號(hào)的信號(hào)形式很容易受到環(huán)境、多目標(biāo)干擾以及海洋信道影響，甄選出可以遠(yuǎn)距離傳播以及具有物理機(jī)理支持的特征具有現(xiàn)實(shí)意義。

殼體振動(dòng)引起的輻射噪聲與目標(biāo)尺寸、材料、形狀相關(guān)，表現(xiàn)為功率譜上的低頻線譜成分，可采用基于薄殼振動(dòng)及模態(tài)分解理論的殼體振動(dòng)模型[1]進(jìn)行分析。目標(biāo)的瞬態(tài)信號(hào)有撞擊產(chǎn)生的沖擊振動(dòng)信號(hào)，也有因設(shè)備間歇性運(yùn)行帶來(lái)的脈沖式信號(hào)，可采用彈簧衰減器系統(tǒng)線性疊加的多模態(tài)振動(dòng)模型[2]進(jìn)行分析。殼體振動(dòng)信號(hào)和目標(biāo)瞬態(tài)信號(hào)等與目標(biāo)平臺(tái)屬性和運(yùn)動(dòng)狀態(tài)相關(guān)聯(lián)，是良好的分類識(shí)別特征。

1.1.2 水中目標(biāo)推進(jìn)噪聲特征

螺旋槳是水中運(yùn)動(dòng)目標(biāo)的常見(jiàn)推進(jìn)器，螺旋槳噪聲是由水中旋轉(zhuǎn)的螺旋槳激勵(lì)并輻射的噪聲，包含了螺旋槳的轉(zhuǎn)速和葉片數(shù)等信息。雖然水聲目標(biāo)并非按照螺旋槳的特征來(lái)分類，但是不同類型目標(biāo)的螺旋槳參數(shù)和工況往往存在明顯差異。因此，螺旋槳相關(guān)特征是進(jìn)行目標(biāo)區(qū)分的重要判據(jù)。

螺旋槳噪聲是一種寬帶輻射噪聲，非均勻流場(chǎng)中槳葉旋轉(zhuǎn)又對(duì)螺旋槳噪聲進(jìn)行了周期調(diào)制，使螺旋槳噪聲信號(hào)的包絡(luò)幅度產(chǎn)生周期起伏。螺旋槳噪聲的產(chǎn)生與螺旋槳結(jié)構(gòu)和航行中空化狀態(tài)密切相關(guān)[3]。通過(guò)對(duì)螺旋槳噪聲信號(hào)的包絡(luò)分析可以獲取螺旋槳轉(zhuǎn)速和螺旋槳葉片數(shù)等信息。

1.1.3 目標(biāo)的空間及行為特征

在水聲環(huán)境中，目標(biāo)的運(yùn)動(dòng)狀態(tài)和空間位置也是目標(biāo)分類識(shí)別的重要特征。目標(biāo)的深度位置、航速、各種工況及其變化狀態(tài)都會(huì)反映在目標(biāo)輻射噪聲的變化中。

目標(biāo)的方位距離信息包含在聲吶陣列的時(shí)空采樣數(shù)據(jù)中，通過(guò)陣列處理可解算出目標(biāo)空間位置參數(shù)。淺海信道的多路徑效應(yīng)或者不同的簡(jiǎn)正波模式疊加有時(shí)會(huì)在功率譜上產(chǎn)生類梳狀的結(jié)構(gòu)，使得運(yùn)動(dòng)目標(biāo)的輻射噪聲信號(hào) LOFAR 譜產(chǎn)生強(qiáng)弱分明的干涉條紋，包含了不同深度運(yùn)動(dòng)目標(biāo)時(shí)空信息。

1.2 目標(biāo)回波信號(hào)的產(chǎn)生及特征

在主動(dòng)聲吶的工作過(guò)程中，發(fā)射信號(hào)經(jīng)入射信道的傳播，與主動(dòng)目標(biāo)發(fā)生散射作用[4]并攜帶主動(dòng)目標(biāo)特征，再經(jīng)反射信道到達(dá)接收陣列，主動(dòng)目標(biāo)亦可視為二次聲源。目標(biāo)回波信號(hào)中將包含發(fā)射信號(hào)特征、聲波入射至目標(biāo)所經(jīng)過(guò)的傳輸信道特征、目標(biāo)散射特征、反射回波至接收陣所經(jīng)過(guò)的傳輸信道特征等。主動(dòng)目標(biāo)識(shí)別的關(guān)鍵在于能否從包含以上諸多因素的回波信號(hào)中準(zhǔn)確提取出反映目標(biāo)物理本質(zhì)的特征。

1.2.1 材料特征

目標(biāo)的材料特征是指目標(biāo)表面的軟、硬邊界，也包括殼體層數(shù)、內(nèi)部填充、是否加肋等因素，主要表現(xiàn)為回波信號(hào)與發(fā)射信號(hào)之間的幅度差、相位差以及波形擴(kuò)展等現(xiàn)象。對(duì)于剛性散射體來(lái)說(shuō)，聲波照射并不激發(fā)物體內(nèi)部的運(yùn)動(dòng)，而對(duì)于一般的彈性散射體，則將激勵(lì)起內(nèi)部的聲場(chǎng)，不同的材料屬性使其聲散射信號(hào)中包含了相應(yīng)的特征。

1.2.2 幾何特征

目標(biāo)的幾何特征指目標(biāo)的尺度、形狀、強(qiáng)散射區(qū)分布等平面或立體結(jié)構(gòu)，主要引起目標(biāo)回波中各反射點(diǎn)的聲程差，表現(xiàn)為回波信號(hào)中各峰值的時(shí)延差。目標(biāo)回波包絡(luò)結(jié)構(gòu)中的峰值一般對(duì)應(yīng)于目標(biāo)中的強(qiáng)反射點(diǎn)，其結(jié)構(gòu)組成會(huì)隨目標(biāo)航向與照射方向夾角的改變而改變。

1.2.3 運(yùn)動(dòng)特征

目標(biāo)的運(yùn)動(dòng)特征指目標(biāo)速度、加速度及轉(zhuǎn)彎、上浮、下潛等運(yùn)動(dòng)狀態(tài)。在頻域上，目標(biāo)的運(yùn)動(dòng)特征表現(xiàn)為發(fā)射信號(hào)與回波信號(hào)的頻率差異（即多普勒頻移）；而在時(shí)域上，則表現(xiàn)為回波信號(hào)相對(duì)于發(fā)射信號(hào)的拉伸或壓縮。

2 水聲目標(biāo)特征提取方法

2.1 被動(dòng)目標(biāo)特征提取方法

在海洋環(huán)境中，目標(biāo)輻射噪聲被水聲傳感器感知。特征提取利用傳感器獲取的時(shí)空采樣數(shù)據(jù)，經(jīng)過(guò)預(yù)處理、特征變換、特征檢測(cè)和參數(shù)估計(jì)，給出水聲目標(biāo)特征提取結(jié)果和相應(yīng)特征參數(shù)。

2.1.1 機(jī)械噪聲特征的提取

艦船的機(jī)械噪聲輻射信號(hào)具有近似平穩(wěn)的特性，功率譜分析成為最常用的機(jī)械噪聲分析手段?；谀繕?biāo)噪聲產(chǎn)生機(jī)理、特征表征和功率譜分析可以構(gòu)造多個(gè)識(shí)別特征量，包括個(gè)體線譜分布、功率譜線譜連續(xù)譜能量相對(duì)分布、連續(xù)譜能量分布、線譜能量分布、特定頻段線譜數(shù)量、諧波特征和線譜的波動(dòng)特征等。

由于艦船輻射噪聲源狀態(tài)變化、目標(biāo)運(yùn)動(dòng)等因素的影響，也使得信號(hào)特征存在時(shí)變特性。LOFAR 分析實(shí)際上蘊(yùn)含了序貫檢測(cè)的思想——它利用輻射噪聲功率譜在時(shí)間上的累積效應(yīng)，以觀測(cè)時(shí)間的增加減小干擾的影響。通過(guò) LOFAR 分析可以提高對(duì)弱線譜的提取能力，同時(shí)具備對(duì)時(shí)變線譜、瞬態(tài)信號(hào)的檢測(cè)提取能力。

此外，聽(tīng)覺(jué)感知技術(shù)等仿生技術(shù)在水聲目標(biāo)特征提取中也得到應(yīng)用[5]。聽(tīng)覺(jué)感知特征提取方法從聽(tīng)覺(jué)的生理機(jī)制、耳蝸的頻率分解特性、掩蔽效應(yīng)、臨界帶寬及人耳感知聲音所表現(xiàn)出的聽(tīng)覺(jué)特性出發(fā)，構(gòu)建基于響度、音調(diào)和音色等相應(yīng)聽(tīng)覺(jué)特征，以期獲得接近聲吶員對(duì)聲音的良好辨識(shí)能力。

2.1.2 螺旋槳噪聲特征的提取

由于海洋中較強(qiáng)的低頻環(huán)境噪聲以及傳感器的工作頻段限制，難以直接利用時(shí)頻分析方法從艦船輻射噪聲中獲取螺旋槳結(jié)構(gòu)以及轉(zhuǎn)動(dòng)節(jié)奏相關(guān)信息。DEMON 分析是獲取艦船螺旋槳特征的主要手段，其通過(guò)一組帶通濾波器覆蓋螺旋槳噪聲所在的頻段，將帶通信號(hào)做檢波處理并計(jì)算其低頻功率譜，得到信號(hào)的解調(diào)譜。對(duì)解調(diào)譜進(jìn)行諧波檢測(cè)則可以提取到螺旋槳相關(guān)信息，包括螺旋槳的軸頻、葉片數(shù)和槳支數(shù)等。解調(diào)譜中還可以進(jìn)一步挖掘線譜調(diào)制深度、調(diào)制載頻分布等特征信息，這些特征量反映出艦船目標(biāo)螺旋槳的某些狀態(tài)，在機(jī)理和試驗(yàn)的支持下，可作為目標(biāo)分類識(shí)別特征。

DEMON 分析獲取的目標(biāo)螺旋槳轉(zhuǎn)速和葉片數(shù)等信息是目標(biāo)分類識(shí)別最重要的依據(jù)之一。但不同類型目標(biāo)的槳葉數(shù)以及航行時(shí)螺旋槳轉(zhuǎn)速范圍存在交叉重疊，螺旋槳轉(zhuǎn)速和葉片數(shù)并不是目標(biāo)分類識(shí)別的充分特征量。

2.1.3 目標(biāo)的空間及行為特征的提取

目標(biāo)的空間位置信息以及運(yùn)動(dòng)狀態(tài)是判斷目標(biāo)類型，輔助判別目標(biāo)意圖和態(tài)勢(shì)的良好信息源。

通過(guò)主動(dòng)聲吶、被動(dòng)測(cè)距聲吶或者其他傳感器信息可直接提供目標(biāo)距離，解算并估計(jì)目標(biāo)速度，進(jìn)而估計(jì)目標(biāo)加速度，判斷出目標(biāo)的機(jī)動(dòng)情況。

同時(shí)，對(duì)目標(biāo)輻射噪聲信號(hào)的 LOFAR 分析和 DEMON 分析同樣也可獲得有關(guān)目標(biāo)機(jī)動(dòng)狀態(tài)的特征信息。如利用 LOFAR 譜中對(duì)條紋信息的檢測(cè)和提取，在海洋環(huán)境信息支持下，通過(guò)波導(dǎo)不變量的計(jì)算估計(jì)目標(biāo)位置信息[6,7]。

2.2 主動(dòng)目標(biāo)特征提取方法

主動(dòng)聲吶的目標(biāo)特征提取是指運(yùn)用信號(hào)分析或數(shù)據(jù)處理方法，從包含發(fā)射信號(hào)特征、傳輸信道特征和目標(biāo)散射特征等的回波信號(hào)中，準(zhǔn)確提取出反映目標(biāo)物理本質(zhì)的特征，即將高維的數(shù)據(jù)空間映射到較低維的特征空間。

2.2.1 材料特征的提取

回波信號(hào)時(shí)域波形的突變性質(zhì)和目標(biāo)表面的反射特性有關(guān)。例如，具有大面積光滑表面的目標(biāo)，其產(chǎn)生的回波邊緣較為陡峭；而具有隨機(jī)起伏粗糙不平的表面或隨機(jī)分布的目標(biāo)，會(huì)使回波邊緣較為模糊。在較近距離高信噪比條件下，通過(guò)波形邊緣的準(zhǔn)確提取，可有效分析目標(biāo)表面的材料特質(zhì)；而在遠(yuǎn)距離低信噪比或強(qiáng)混響干擾條件下，回波的到達(dá)前沿淹沒(méi)于復(fù)雜、強(qiáng)烈的背景干擾中，需要通過(guò)更精細(xì)的波形設(shè)計(jì)及處理來(lái)分析提取目標(biāo)的材料特性。對(duì)于線性調(diào)頻回波信號(hào)的頻域特性[8]，可利用目標(biāo)回波的亮點(diǎn)模型并通過(guò)分?jǐn)?shù)傅里葉變換以實(shí)現(xiàn)剛性和彈性散射體差異特征的提取。

2.2.2 幾何特征的提取

目標(biāo)的幾何特征可由目標(biāo)回波的亮點(diǎn)結(jié)構(gòu)來(lái)體現(xiàn)，亮點(diǎn)結(jié)構(gòu)尤其適用于對(duì)大尺寸的軍用目標(biāo)（如水面艦艇和潛水艇等）進(jìn)行分析。不同亮點(diǎn)在聲軸上相互錯(cuò)開(kāi)，形成沿時(shí)間分布的特征。當(dāng)入射-反射方位發(fā)生變化時(shí)，亮點(diǎn)之間的相對(duì)距離和聲程隨之變化。

通常利用匹配濾波方法、通過(guò)脈沖壓縮從回波信號(hào)中提取目標(biāo)各亮點(diǎn)的相對(duì)時(shí)延差。由于發(fā)射信號(hào)的固有屬性即時(shí)間分辨率的限制以及旁瓣干擾的影響，利用常規(guī)匹配濾波方法準(zhǔn)確估計(jì)主動(dòng)目標(biāo)的弱幾何散射信號(hào)的時(shí)延非常困難。針對(duì)這個(gè)問(wèn)題，一方面通過(guò)發(fā)射信號(hào)的優(yōu)化設(shè)計(jì)以提高信號(hào)的時(shí)間分辨率，如使用由若干個(gè)子脈沖組成的組合脈沖，選擇合適的組合脈沖個(gè)數(shù)，即可在保證頻率分辨率一定的條件下，獲得所需的時(shí)間分辨率，以有效提高目標(biāo)幾何特征提取的精度。另一方面需改善回波信號(hào)的處理方法[9]，如利用目標(biāo)速度參數(shù)對(duì)發(fā)射信號(hào)進(jìn)行壓縮或擴(kuò)張預(yù)畸變，重構(gòu)與回波信號(hào)匹配度更高的拷貝信號(hào)。

2.2.3 運(yùn)動(dòng)特征的提取

目標(biāo)的運(yùn)動(dòng)特征主要體現(xiàn)為多普勒頻移，利用頻率估計(jì)方法、通過(guò)求取接收信號(hào)和發(fā)射信號(hào)的頻率差，可直接求得目標(biāo)的相對(duì)運(yùn)動(dòng)速度。對(duì)于單頻信號(hào)，進(jìn)行 FFT 處理并由此估計(jì)目標(biāo)速度簡(jiǎn)單易行，而直接對(duì)寬帶信號(hào)進(jìn)行頻率偏移估計(jì)則比較困難。針對(duì)這個(gè)問(wèn)題，使用密集-稀疏復(fù)合方法可產(chǎn)生低旁瓣和高精度的距離-多普勒?qǐng)D像[10]，通過(guò)改進(jìn)基于擴(kuò)展不變性原理的加權(quán)最小二乘法，能獲得精確的目標(biāo)位置和速度估計(jì)。對(duì)于將線性調(diào)頻信號(hào)作為發(fā)射信號(hào)的情況[11]，利用分?jǐn)?shù)階傅里葉變換方法和寬帶模糊度函數(shù)可估計(jì)目標(biāo)速度，并能從混響背景中分辨出真實(shí)目標(biāo)[12]。

3 目標(biāo)分類識(shí)別

基于水聲目標(biāo)特征的分類識(shí)別方法可主要有統(tǒng)計(jì)分類、模型匹配、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等方法。

3.1 統(tǒng)計(jì)分類識(shí)別

統(tǒng)計(jì)分類識(shí)別是應(yīng)用最廣泛的一類分類器，該類方法主要利用目標(biāo)特征的統(tǒng)計(jì)分布，依賴于對(duì)已有樣本數(shù)據(jù)的統(tǒng)計(jì)分析和基于距離度量的模式匹配[13,14]。水聽(tīng)器陣列數(shù)據(jù)經(jīng)過(guò)特征提取得到目標(biāo)特征向量。通過(guò)與參考模式進(jìn)行比較，結(jié)果得到此樣本向量被判定為各個(gè)參考模式的一組概率，常用的基于統(tǒng)計(jì)分布的分類器如貝葉斯分類器[13,14]、支持向量機(jī)（SVM）[15]等。該類分類器的優(yōu)點(diǎn)是算法簡(jiǎn)單、分類速度快，但得到的匹配模板是固定的，適于高質(zhì)量的特征樣本和較高信噪比要求，難以適應(yīng)數(shù)據(jù)的劇烈變化，泛化率低。

3.2 模型分類識(shí)別

基于模型的分類方法，它先將樣本空間模型化，通過(guò)模型的分解和參量化表達(dá)出有意義的子空間。需要目標(biāo)模型、背景模型、環(huán)境模型等實(shí)現(xiàn)模式的最佳匹配。該分類器算法簡(jiǎn)單，但因水聲目標(biāo)信號(hào)機(jī)理復(fù)雜，精確建模難度較大，適應(yīng)性仍需提高。

3.3 神經(jīng)網(wǎng)絡(luò)的分類識(shí)別

基于神經(jīng)網(wǎng)絡(luò)的分類方法，神經(jīng)網(wǎng)絡(luò)是由大量非線性處理單元廣泛互聯(lián)而成的網(wǎng)絡(luò)，它具有大規(guī)模并行處理、分布式信息存儲(chǔ)、非線性動(dòng)力學(xué)和網(wǎng)絡(luò)全局作用等特性。神經(jīng)網(wǎng)絡(luò)方法通過(guò)網(wǎng)絡(luò)本身的學(xué)習(xí)獲取知識(shí)，構(gòu)成權(quán)系數(shù)，實(shí)現(xiàn)訓(xùn)練樣本空間的較好類別劃分，并對(duì)新樣本進(jìn)行運(yùn)算判決[16]。這類系統(tǒng)在樣本空間較完備時(shí)分類準(zhǔn)確度高，具有很強(qiáng)的自適應(yīng)和學(xué)習(xí)能力，能充分逼近復(fù)雜的非線性關(guān)系。但需要完備的訓(xùn)練樣本數(shù)據(jù)，對(duì)水聲目標(biāo)難度較大，同時(shí)不能觀測(cè)中間的學(xué)習(xí)過(guò)程，物理意義不明確。

3.4 專家系統(tǒng)識(shí)別方法

為了降低目標(biāo)識(shí)別性能對(duì)樣本數(shù)量的依賴，水聲目標(biāo)識(shí)別還利用了專家系統(tǒng)識(shí)別方法。專家系統(tǒng)識(shí)別方法是基于領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識(shí)建立的推理識(shí)別系統(tǒng)，構(gòu)建的知識(shí)庫(kù)具有一定的普遍性和代表性，因此具有對(duì)樣本依賴性小的優(yōu)點(diǎn)。在這種識(shí)別系統(tǒng)中，傳感器數(shù)據(jù)經(jīng)過(guò)特征提取得到的目標(biāo)特征送入推理機(jī)中，推理機(jī)分析并與知識(shí)庫(kù)中的條件進(jìn)行對(duì)比從而得出識(shí)別結(jié)果。

4 問(wèn)題與建議

4.1 當(dāng)前存在的問(wèn)題

水聲目標(biāo)分類識(shí)別當(dāng)前存在的問(wèn)題可以歸納為以下 5 個(gè)方面。

（1）水中目標(biāo)聲特征受多種因素影響，發(fā)聲機(jī)理復(fù)雜，建模困難。水中目標(biāo)輻射噪聲與自身的動(dòng)力裝置、船體結(jié)構(gòu)、目標(biāo)的航行工況、觀測(cè)方位等密切相關(guān)，同時(shí)水中目標(biāo)的輻射噪聲往往帶有很強(qiáng)的空間指向性；水聲目標(biāo)散射回波特性包含了目標(biāo)材料、外部結(jié)構(gòu)特性、入射角度、探測(cè)信號(hào)波形、目標(biāo)與觀測(cè)之間的運(yùn)動(dòng)態(tài)勢(shì)等多種信息。水下目標(biāo)聲特性的影響因素如此龐雜，無(wú)論是基于理論分析還是基于數(shù)據(jù)測(cè)量統(tǒng)計(jì)分析，要全面掌握其產(chǎn)生機(jī)理、準(zhǔn)確建立聲模型還需要大量而長(zhǎng)期的投入。

（2）高噪聲和強(qiáng)干擾的水聲環(huán)境制約了弱目標(biāo)特征提取精度。聲吶在實(shí)際工作中需要識(shí)別分析的目標(biāo)信號(hào)通常在 0 dB 以下，高價(jià)值水下目標(biāo)的信噪比往往在 -10 dB 以下，同時(shí)還會(huì)接收到大量低價(jià)值的水面強(qiáng)干擾目標(biāo)數(shù)據(jù)。因此，水聲目標(biāo)識(shí)別屬于高噪聲和強(qiáng)干擾背景下的信號(hào)處理問(wèn)題，其特征提取的準(zhǔn)確性受信噪（干）比的嚴(yán)重制約。

（3）復(fù)雜的水聲傳播信道和失配的接收系統(tǒng)均制約著目標(biāo)聲特征的準(zhǔn)確提取。一方面，目標(biāo)輻射噪聲/回波信號(hào)在海洋環(huán)境中傳播，將受多次海面、海底界面的反射和散射以及暗流、內(nèi)波的影響，同時(shí)海水介質(zhì)對(duì)聲波的吸收等作用都會(huì)導(dǎo)致目標(biāo)信號(hào)強(qiáng)度急速衰減，信噪比急速下降；海洋信道系統(tǒng)引起聲波產(chǎn)生時(shí)間擴(kuò)展、頻散效應(yīng)、頻譜強(qiáng)度周期性起伏等現(xiàn)象會(huì)導(dǎo)致目標(biāo)聲特征畸變；海洋環(huán)境劇烈的時(shí)變空變特性會(huì)加劇海洋信道對(duì)聲特征的影響。另一方面，在信號(hào)處理過(guò)程中參數(shù)失配也會(huì)導(dǎo)致聲特征的畸變?；谠擃惖托旁氡取⑻卣骰兊哪繕?biāo)信號(hào)，實(shí)現(xiàn)準(zhǔn)確的特征提取是一個(gè)巨大的挑戰(zhàn)，很多情況下傳統(tǒng)的譜分析和時(shí)頻分析工具都無(wú)法獲取有效的目標(biāo)特征。

（4）水下目標(biāo)類型多樣，不同類型目標(biāo)的聲特征分布交叉重疊，可分性受限。一方面，水中常見(jiàn)目標(biāo)包括水面艦船、潛艇、商用船只、魚(yú)雷、無(wú)人航行器等，其龐大的目標(biāo)數(shù)量和多樣的目標(biāo)類型為水下目標(biāo)識(shí)別帶來(lái)了很大的困難。另一方面，聲吶目標(biāo)識(shí)別需要區(qū)分的是不同功能類型的目標(biāo)，然而由于不同類型目標(biāo)的聲特性分布交叉重疊，甚至類內(nèi)特征差異大于類別間的特性差異，這極大地增加了基于聲特性目標(biāo)分類識(shí)別的難度。

（5）代表性強(qiáng)、質(zhì)量高的數(shù)據(jù)稀少，獲取代價(jià)高昂。代表性強(qiáng)、質(zhì)量高的數(shù)據(jù)樣本對(duì)目標(biāo)特征提取和識(shí)別新方法的提出以及性能驗(yàn)證等都是必不可少的，但目前水聲目標(biāo)的數(shù)據(jù)資源十分匱乏，有效的標(biāo)注數(shù)據(jù)更加稀少。一方面，由于感興趣的水下目標(biāo)數(shù)量少、目標(biāo)運(yùn)動(dòng)速度慢且水聲信號(hào)傳播距離短，這些固有的低密度接觸特點(diǎn)使水聲目標(biāo)數(shù)據(jù)收集困難，需要大規(guī)模的水聲試驗(yàn)條件，耗費(fèi)巨大，數(shù)據(jù)獲取代價(jià)十分高昂。另一方面，水下目標(biāo)聲信號(hào)往往涉及國(guó)家軍事機(jī)密，其數(shù)據(jù)信息的測(cè)量、獲取、交流都受到嚴(yán)格的控制，也是水中目標(biāo)數(shù)據(jù)信息稀少的原因之一。

4.2 研究建議

（1）進(jìn)一步加強(qiáng)基礎(chǔ)研究，挖掘目標(biāo)物理特征，提高識(shí)別正確性和寬容性。重視水聲目標(biāo)特性基礎(chǔ)研究，充分掌握并挖掘水中目標(biāo)物理特征。以目標(biāo)噪聲源發(fā)聲或散射的物理機(jī)理為保障，有效提高目標(biāo)識(shí)別的正確率及其對(duì)海洋環(huán)境和運(yùn)動(dòng)工況的寬容性。

（2）深化目標(biāo)特征與海洋環(huán)境信息的耦合研究，提高環(huán)境適應(yīng)性。近年來(lái)，高度重視海洋環(huán)境和目標(biāo)干擾對(duì)聲吶裝備探測(cè)與識(shí)別性能的影響，強(qiáng)調(diào)裝備要有對(duì)環(huán)境自主感知和適應(yīng)的能力，并提出了環(huán)境自適應(yīng)技術(shù)的概念，基于先驗(yàn)和現(xiàn)場(chǎng)目標(biāo)與環(huán)境信息實(shí)現(xiàn)聲吶參數(shù)設(shè)置和控制的最優(yōu)化，有望使聲吶的性能達(dá)到最佳，大幅度提高聲吶探測(cè)與識(shí)別的環(huán)境適應(yīng)性。

（3）增強(qiáng)目標(biāo)信號(hào)的保真獲取能力，設(shè)計(jì)抗干擾/畸變的目標(biāo)特征精細(xì)化提取方法。海上目標(biāo)信號(hào)一般通過(guò)聲吶陣列獲取，在陣列處理中的參數(shù)失配以及海洋環(huán)境中多目標(biāo)強(qiáng)干擾等問(wèn)題都會(huì)影響后續(xù)的特征提取和分類識(shí)別處理。開(kāi)展自適應(yīng)的波束形成技術(shù)，時(shí)空頻域的多目標(biāo)干擾辨識(shí)，信號(hào)特征預(yù)畸變處理等研究，設(shè)計(jì)精細(xì)化的特征獲取方法以保障目標(biāo)信號(hào)聲特征的有效獲取。

（4）系統(tǒng)、有序開(kāi)展水聲行業(yè)數(shù)據(jù)工程建設(shè)，提升水聲目標(biāo)數(shù)據(jù)支持能力。系統(tǒng)性的數(shù)據(jù)是水聲目標(biāo)特征掌握與目標(biāo)識(shí)別的基礎(chǔ)。而水中目標(biāo)特別是感興趣的軍用目標(biāo)數(shù)量少、海洋面積大、目標(biāo)運(yùn)動(dòng)速度慢、水聲信號(hào)獲取的作用距離近等特點(diǎn)，嚴(yán)重制約了與關(guān)心目標(biāo)的聲學(xué)接觸概率。另外，目標(biāo)設(shè)計(jì)制造工藝與工況的復(fù)雜多變，水聲數(shù)據(jù)受“污染”程度高，包含大量的加性或乘性干擾，混雜了目標(biāo)和自身平臺(tái)的各種信號(hào)，加大了水聲有效數(shù)據(jù)的獲取、分析、運(yùn)用難度。因此，必須舉全行業(yè)、國(guó)家的整體力量，規(guī)范、有序、長(zhǎng)期開(kāi)展水聲數(shù)據(jù)獲取、處理與管理工作，強(qiáng)化水聲行業(yè)數(shù)據(jù)工程建設(shè)，提升水聲目標(biāo)數(shù)據(jù)支持能力。

（5）針對(duì)水聲目標(biāo)信號(hào)特點(diǎn)，理性開(kāi)展人工智能水聲目標(biāo)識(shí)別技術(shù)研究。人工智能、深度學(xué)習(xí)[17]等技術(shù)的蓬勃發(fā)展為目標(biāo)識(shí)別開(kāi)創(chuàng)了新的途徑，在視覺(jué)、語(yǔ)音和文本處理等智能識(shí)別領(lǐng)域中獲得了良好的應(yīng)用效果。但是這種通過(guò)網(wǎng)絡(luò)訓(xùn)練自主學(xué)習(xí)樣本內(nèi)在規(guī)律的前提是需要大量、完備、有代表性的樣本數(shù)據(jù)，而這正是水聲數(shù)據(jù)難以滿足的要求。直接的仿照處理不一定能獲得視覺(jué)、語(yǔ)音和文本識(shí)別的理想效果，而且水聲識(shí)別也往往不具備二次驗(yàn)證的機(jī)會(huì)。因此，應(yīng)針對(duì)水聲目標(biāo)信號(hào)特點(diǎn)，理性開(kāi)展人工智能水聲目標(biāo)識(shí)別技術(shù)研究，在自主學(xué)習(xí)特征和傳統(tǒng)頻譜特征的關(guān)聯(lián)性，自主學(xué)習(xí)特征的可讀性和可解釋性等方面進(jìn)一步深入探索，開(kāi)展基于人工智能的強(qiáng)化學(xué)習(xí)[18]和遷移學(xué)習(xí)[19]等技術(shù)研究，以適應(yīng)樣本不充分條件下的應(yīng)用。

5 結(jié)語(yǔ)

水聲目標(biāo)特征提取與識(shí)別具有重要的軍事意義和研究?jī)r(jià)值，也是國(guó)際公認(rèn)的難題，需要深入的機(jī)理研究、長(zhǎng)期的數(shù)據(jù)積累、先進(jìn)的特征分析提取及目標(biāo)識(shí)別方法等支持。特別是隨著目標(biāo)對(duì)象在隱身、特征控制等方面的不斷發(fā)展，難度更大，更需要堅(jiān)持不懈的探索與研究。