水面水下目標識別技術(shù)的現(xiàn)狀與挑戰(zhàn)

方爾正 黃志浩 桂晨陽 / 文

水面水下目標識別技術(shù)目前在軍事和民用上都發(fā)揮著越來越大的作用。在軍事上，艦船目標的有效識別對我國維護海洋領(lǐng)土權(quán)益，保障海上航行安全至關(guān)重要，同時在現(xiàn)代海洋作戰(zhàn)中，精準制導(dǎo)武器、水面無人艇等作戰(zhàn)手段都對水面水下目標識別技術(shù)有著較高的要求。在民用方面，精準的目標識別在水下數(shù)據(jù)收集、水下管道鋪設(shè)及水下機器人等領(lǐng)域都發(fā)揮著至關(guān)重要的作用。

艦艇的目標識別

艦船和潛艇等在航行的過程中會產(chǎn)生較大的輻射噪聲，這種噪聲會以聲波的形式向四周傳播。由于在海水這一介質(zhì)中聲波有著較好的抗衰減特性，聲波在水下可以較遠距離地傳播，這就為艦船噪聲提取和目標分類識別等操作提供了可能。

美國海軍早在20 世紀60 年代便已利用對艦船噪聲信號的提取，開發(fā)出了一種潛用聲吶目標識別系統(tǒng)，在80 年代便已經(jīng)將這套系統(tǒng)投入軍事使用。同樣，日本也利用這一方法發(fā)明了SK-8 海岸預(yù)警系統(tǒng)，印度開發(fā)的RECTSENSOR 系統(tǒng)也是從艦船噪聲信號中提取目標的特征，通過賦予不同的識別因子來實現(xiàn)目標識別操作。輻射噪聲信號的提取作為水面水下目標識別技術(shù)的關(guān)鍵點，也早已成為我國科研機構(gòu)的研究重點，我國一些機構(gòu)陸續(xù)開展了對輻射信號特征提取方法的研究并已見成效。

小波技術(shù)的發(fā)展也為輻射噪聲的特征提取提供了更多的可能性。小波，顧名思義就是小的波形，所謂“小”是指它的衰減性，而“波”指的是它的波動性，小波變換更注重于時空頻率的局部化分析。在復(fù)雜的海洋環(huán)境背景下的艦船目標識別，提取小波信號分析可以有效地降低背景干擾噪聲，進而將小波信號與其他信號融合提高水下目標識別精度。比如將艦船噪聲信號、磁場信號及水壓場信號等相融合實現(xiàn)艦船目標的識別，有效地提高了目標識別的精度。

雖然利用艦船噪聲進行目標識別已經(jīng)有了較多的研究成果，但不可否認的是，目前我們對低噪聲的水面水下艦船目標在復(fù)雜海洋情況下的識別依舊十分困難。同時雖然小波分析有效地提高了識別精度，但是小波信號與噪聲信號的融合需要時間，這就使得算法有著較大的延時性。

目前各國的艦船都在向著“隱身”的方向發(fā)展，其所輻射的艦船噪聲越來越小，這就對噪聲特征提取算法的要求越來越高。更為有效的噪聲提取方法與更多物理信息的結(jié)合以及更廣適用性、更強時效性的水面水下目標識別技術(shù)是目前研究的重點。

除利用水聲方法進行艦船目標識別外，雷達也是一種較為常用的識別技術(shù)。雷達這種典型的電子設(shè)備能夠進行長時間遠距離的目標識別，其優(yōu)勢是覆蓋面積大，探測距離遠，且激光雷達信號受天氣影響小，抗干擾能力強?；诶走_回波信號的目標識別技術(shù)是目前雷達系統(tǒng)的技術(shù)核心。但是艦船的發(fā)展不僅是針對水聲進行“聲隱形”，也給雷達系統(tǒng)帶來了巨大的挑戰(zhàn)。當(dāng)艦船目標增多時會導(dǎo)致輻射源的數(shù)目增多、密度增大，致使雷達回波信號嚴重交疊，造成信號調(diào)制復(fù)雜。同時艦船的超高速移動也會導(dǎo)致目標回波的劇烈震動，影響傳統(tǒng)雷達的目標識別的可靠性與有效性。復(fù)雜的海洋環(huán)境也會對雷達信號的回波產(chǎn)生影響，目標的信噪比也會大幅度影響雷達的目標識別精度。同利用水聲技術(shù)進行目標識別面臨許多挑戰(zhàn)一樣，雷達目標識別技術(shù)的發(fā)展也有著很漫長的一段路要走。

靜止物體的目標識別

與艦船目標識別不同的是，水面水下大部分自然物體都不會自發(fā)地輻射噪聲，因此所使用的目標識別技術(shù)有所不同。在艦船目標識別的過程中更多的是利用聲吶被動地接收目標的輻射噪聲，進而對目標的特征進行分析。靜止物體雖然不會自發(fā)地產(chǎn)生水聲信號，但是我們依舊可以利用聲波在海水介質(zhì)中的抗衰減特性，自發(fā)地制造目標的“輻射噪聲”，再對這一信號進行特征分析，進而實現(xiàn)水面水下的目標識別。

雖然目前各國艦船都在向“隱形”化發(fā)展，但是這一隱形畢竟只是聲隱形而非船身的隱形，我們是否可以將其視作“靜止”物體來進行目標識別呢？答案是肯定的，但是通過主動輻射信號進行目標識別會喪失自身的隱蔽性。同時敵人也可以通過捕捉我們主動發(fā)射的聲信號而對我們進行分析，目前根據(jù)目標所裝備的主動聲吶特征進行目標識別也是水面水下目標識別技術(shù)的一部分，結(jié)合對方發(fā)射的主動聲信號進行特征分析更能減少目標的鑒別難度。

除聲學(xué)方法外，自20 世紀80 年代以來，隨著紅外熱成像技術(shù)的發(fā)展，紅外目標探測技術(shù)也隨之迅速發(fā)展，其有著工作隱蔽性好，不易受電磁干擾，具有全天候工作能力及能提供高分辨率圖像數(shù)據(jù)等優(yōu)點。目前常用的基于紅外探測技術(shù)進行目標識別的方法主要有兩大類，一是提取目標艦船的特征，再根據(jù)其特征進行目標識別；二是通過模板匹配的方法，通過匹配值進行目標的識別。但是以上兩種常用的方法僅能在背景簡單、目標特征鮮明的情況下發(fā)揮較大作用。當(dāng)背景環(huán)境復(fù)雜且目標弱小的時候，這兩種識別方法的正確率會顯著降低。為此，基于紅外圖像的小目標識別技術(shù)成為最近的研究熱點。利用局部對比度來實現(xiàn)小目標識別雖然有著簡單有效、可增強目標抑制背景的優(yōu)點，但在強雜波背景條件下極易產(chǎn)生虛警；對復(fù)雜紅外圖像中的小目標識別自適應(yīng)算法及對背景適應(yīng)力較強，計算復(fù)雜度較低，但是仍舊需要大量的訓(xùn)練集以保證識別結(jié)果的準確性?；诩t外圖像進行目標識別的方法雖然層出不窮，但是紅外圖像并不具備豐富的顏色信息，且易受溫度影響，存在較強的噪聲，這種目標識別的研究方向仍有很大的上升空間。

聲矢量水聽器技術(shù)

聲矢量水聽器技術(shù)是近二十年來水聲界備受關(guān)注的研究熱點之一，我國最早于1997 年接觸矢量水聽器相關(guān)技術(shù)，并于2000 年完成首次外場試驗。作為水聲物理量的測量設(shè)備，聲矢量傳感器可以在空間共點同步拾取一點出聲壓和質(zhì)點振速的三個正交分量，利用振速分量可以在全空間對聲源進行無模糊定向。在實際中，遠程聲場的有限尺度聲源信號的聲壓和振速是相關(guān)的，而對于各項同性噪聲場，聲壓和振速是不相關(guān)的，所以基于聲強概念的聲壓和振速聯(lián)合信號處理技術(shù)具有較強的抗各項同性噪聲能力，適用于弱目標識別與檢測。

矢量水聽器技術(shù)在水面水下目標識別方面，可以獲得更多的水下聲學(xué)物理信息，這種水聲傳感器的緊湊型配置方式為解決水下小尺度平臺濕端布置空間受限問題提供了很好的方案；同時，和相同陣型的聲壓陣相比，矢量水聽器陣具有更好的識別檢測能力，或者在相同技術(shù)指標要求下，設(shè)備體積更小、復(fù)雜性更低、適裝性更高。因此在有限條件下，矢量水聽器為水下目標識別提供更可靠的聲學(xué)物理信息。

挑戰(zhàn)與展望

水面水下目標識別相較于其他介質(zhì)中的目標識別受更多的條件影響，噪聲不僅由目標的主動裝置產(chǎn)生，也與其運動軌跡及外形結(jié)構(gòu)密切相關(guān)，甚至艦船駕駛員的駕駛習(xí)慣，輔助設(shè)備的噪聲干擾，其所處水聲環(huán)境的不同都會對艦船噪聲特征分析產(chǎn)生巨大的影響。對于主動聲吶而言，聲波接觸到目標后的反射過程中包含的信息更為復(fù)雜，其不僅有距離、速度等空間運動信息，還有形態(tài)和外部環(huán)境信息，僅僅是對這些信息進行提取分類便需要大量的工作才能實現(xiàn)。無論是基于理論進行分析，還是對實際數(shù)據(jù)進行處理都需要建立大量的數(shù)學(xué)模型，其需要的人力物力資源是必不可少的。

目標進行識別的方法是基于目標所輻射的噪聲特征不同這一特點實現(xiàn)的，但是過高的環(huán)境噪聲和外界強烈的干擾對于提取弱目標特征有著較大的影響。弱目標精度的聲吶往往只有在目標輻射的噪聲信號強度在0dB 以下才能發(fā)揮作用，但是在實際中，包含目標有效信息的聲波信號信噪比往往在-10dB以下。除去以上干擾因素外，水中存在的大量低價值信息也會對我們進行弱目標信號的提取產(chǎn)生負面影響。

在水面水下目標方位估計方面，如何識別水面和水下目標也是一大難題。由于水面的廣闊與水下深度的比例較大，加上海底海面反射等帶來的影響，造成水深變化對垂直方向俯仰角的變化影響特別微弱，導(dǎo)致在水面水下探測方面目標垂直方向信息的采集成為空間方位估計的短板。因此，如何在垂直方向有限空間獲得更多目標聲信息，及高分辨信號處理方法是解決該問題的關(guān)鍵。

進行水聲目標識別的前提是取得高質(zhì)量、高精度、高識別性的樣本，并對這些樣本進行分析處理，但目前對水聲目標識別的研究數(shù)據(jù)資源較少，無法從現(xiàn)有數(shù)據(jù)中得到有效的標注數(shù)。由于各個目標行進速率的限制，水中的信號無法在短時間內(nèi)進行傳播，且其傳播距離較小并隱藏在各種噪聲之中，其提取難度較大，需要耗費大量的人力、物力和財力。同時一些重要的水聲信號早已被列為國家機密而嚴禁公開，因此可用的水聲信號樣本十分有限。

目前，水聲目標識別技術(shù)還不是十分成熟，依舊受到諸多因素的影響，在對水中各目標特性進行分析提取時的準確性有限。但現(xiàn)如今人工智能技術(shù)發(fā)展迅猛，其擁有快速、準確處理數(shù)據(jù)的優(yōu)勢。水聲數(shù)據(jù)在進行處理分析操作時可適量引入人工智能。不過人工智能的使用依舊需要參考大量的水聲數(shù)據(jù)信息，這便是現(xiàn)如今我們最難滿足的要求。但是我們可以通過將人工智能與傳統(tǒng)的頻譜分析相結(jié)合，在自主學(xué)習(xí)方面探索水聲研究的未來。