﻿ 一种自适应门限时间方位历程显示背景均衡算法
 舰船科学技术  2019, Vol. 41 Issue (6): 133-137 PDF

Adaptive threshold background normalization algorithm for bearing-time recording
QIU Jia-xing, WANG Yi-chuan, DING Chao, CHENG Yu-sheng
Navy Submarine Academy, Qingdao 266000, China
Abstract: According to characteristic of target signals and ambient noise, combining with the requirement when extracting weak target track in bearing-time recording automatically, this paper designs an adaptive threshold background normalization algorithm. Comparing to existing methods, this algorithm has two improvements: According to the specific value between target signal amplitude and ambient noise amplitude, creating the filtering threshold automatically. According to characteristic of target signals and ambient noise in the line array sonar bearing-time recording, recognizing and suppressing the noise automatically, increasing the partition degree between weak signals and noise. In general, this algorithm reduces the difficulty of extracting weak target track automatically.
Key words: background normalization     adaptive threshold     noise suppression     track extraction
0 引　言

1 背景均衡处理意义

 图 1 归一化BTR图 Fig. 1 The normalized BTR

 图 2 BTR峰值图 Fig. 2 BTR peak figure

 图 3 高通滤波后的峰值图 Fig. 3 High-pass filtered peak figure

2 常用背景均衡方法

Struzinski W.A.和Lowe E.D.研究了S3PM（Split Three-Pass Mean）、排序截断平均（OTA：Order Truncate Average）等4种背景均衡算法，并比较了各种算法的性能[5]。Joo J.H.和Jum B.D.在此基础上对S3PM和OTA算法进行了深入分析，并分别比较了窗长、门限等参数对这2种算法性能的影响[6]。Kuhn J.P.和Heath T.S.根据宽带干扰谱和窄带信号谱的自相关函数不同，将自适应背景均衡算法应用于浅海多途环境下的噪声均值估计，提高宽带干扰背景下窄带信号检测能力[7]。Stergiopoulos S.提出了一种新的波束噪声归一化方法，并分别对波束域和频域进行噪声均值估计，该方法基于背景噪声具有一定的指向性[8]

2.1 中值滤波OTA算法

 图 4 中值滤波OTA算法处理结果 Fig. 4 The result of median filtering OTA algorithm

 图 5 图4峰值图 Fig. 5 The peak figure of Fig. 4

2.2 自动加窗OTA算法

 $r = \frac{{\min (p - {v_L},p - {v_R})}}{{\max (p - {v_L},p - {v_R})}}\text{。}$ (1)

 图 6 自动加窗OTA算法处理结果 Fig. 6 The result of automatic window OTA algorithm

 图 7 图6峰值图 Fig. 7 The peak figure of Fig. 6

3 自适应门限背景均衡方法

3.1 算法原理

1）随时间变化，目标信号在幅度和方位上具有一定的稳定性，其幅度维持在一定范围内，其方位保持不变或近似缓慢均匀变化。但随时间变化，背景噪声在幅度和方位上表现出很大的随机性。这为本算法的邻域相乘处理提供了依据。

2）虽然在不同时刻，目标信号幅度和背景噪声幅度会有所变化，但目标信号最大幅度与噪声平均幅度的比值会保持在一定范围内。这为本算法的自适应门限设计提供了依据。

3.2 算法设计

1）归一化处理

2）自适应求取过滤门限

 $\begin{split} S =& {\left[ {\frac{{\frac{1}{{T*K}}\sum\limits_{t = 1}^T {\sum\limits_{k = 1}^K {{{\min }_k}(G(i,:))} } }}{{\frac{1}{T}\sum\limits_{t = 1}^T {\max (G(i,:))} }}} \right]^3}=\\ & {\left[ {\frac{{\sum\limits_{t = 1}^T {\sum\limits_{k = 1}^K {{{\min }_k}(G(i,:))} } }}{{K\sum\limits_{t = 1}^T {\max (G(i,:))} }}} \right]^3}\text{。} \end{split}$ (2)

3）邻域相乘

 图 8 再次归一化BTR图 Fig. 8 The normalized BTR again

4）滤除噪声

 图 9 滤除噪声图 Fig. 9 Reduce noise

5）求取峰值

 图 10 最终峰值图 Fig. 10 The final peak figure
3.3 算法处理效果

 图 11 ATBN算法处理结果 Fig. 11 The result of ATBN algorithm

ATBN算法能够根据信号自适应地生成滤波门限，自动识别背景噪声并进行抑制，实现了在尽量减少弱目标轨迹损失的前提下，对背景噪声进行自动过滤的过程。

4 结　语

1）对于从多目标、强干扰的声呐BTR中提取弱目标轨迹，背景均衡处理具有重要作用；

2）针对机器自动提取BTR弱目标轨迹的需求，算法不仅需要实现自适应门限的功能，而且需要实现自动识别背景噪声予以抑制、自动识别目标信号予以放大或保护的功能，目前算法大多不能同时具备这2个功能；

3）本文提出的自适应门限背景均衡算法（ATBN）能够同时实现自适应门限设置与噪声抑制，对于从强干扰、多目标的BTR中提取弱目标轨迹有很大帮助。

 [1] 李启虎, 杜鹏, 秦英达, 等. 数字式声呐多波束显示系统方位历程显示技术研究[J]. 应用声学, 1994, 1-6. DOI:10.11684/j.issn.1000-310X.1994.02.001 [2] 陈敬军, 陆佶人. 被动声呐线谱检测技术综述[J]. 声学技术, 2004, 23(1): 57-60. DOI:10.3969/j.issn.1000-3630.2004.01.015 [3] 芦俊, 张颜岭, 张凤园. 一种被动声呐线谱背景均衡算法[J]. 声学与电子工程, 2016(3): 20-22. [4] 袁延艺, 蒋小勇, 杜选民. 多级背景均衡在多波束LOFAR处理中的应用[J]. 声学技术, 2016, 31(03). [5] STRUZINSKI W A, LOWE E D. A performance comparison of four noise background normalization schemes proposed for signal detection systems[J]. Journal Acoustical Society of America, 1984, 76(6): 1738-1742. DOI:10.1121/1.391621 [6] JOO J H, JUM B D. The performance test of the background noise normalization in the narrow band detection [C]// UDT Europe, 2006. [7] KUHN J P, HEATH T S. Apparatus for and method of adaptively processing sonar data [P]. USA: US005481503A, 1996. [8] STERGIOPOULOS S. Noise normalization technique for beamformed towed array data[J]. Journal Acoustical Society of America, 1995, 97(4): 2334-2345. DOI:10.1121/1.411958 [9] RICHARD O, NIELSON. Sonar Signal Processing [M]. Boston: Artech House, 1991. [10] 李启虎, 潘学宝, 尹力. 数字式声呐中一种新的背景均衡算法[J]. 声学学报, 2000, 25(1): 5-9. DOI:10.3321/j.issn:0371-0025.2000.01.002 [11] 权恒恒, 徐晓男, 杜栓平. 一种新的波束域背景均衡算法[C]//2016年中国西部声学学术交流会. [12] STRUZINSKI W A, LOWE E D. The effect of improper normalization on the performance of an automated energy detector[J]. Journal Acoustical Society of America, 1985, 78(3): 936-941. DOI:10.1121/1.392925 [13] 王晓宇. 被动声呐宽带显示方法与测向技术研究[D]. 西安: 西北工业大学, 2009. [14] LINDLEY C A. Practical image processing in C[J]. John Wiley & Sons, 1991.