0 引　言

在深海环境中，船舶低频水声信号的处理方法较多，常用的有降噪、特征提取以及独立分量分析等。经过处理后的水声信号更容易实现快速捕获，所以在水声信号捕获前，要先对信号做相应的处理，同时选取适宜的捕获算法，以此来实现快速捕获的目标。借此就一种深海船舶低频水声信号的快速捕获算法展开分析探讨^[1-3]。

1 深海船舶低频水声信号处理分析 1.1 水声信号的传播特性

海洋被分为浅海和深海，前者是指大陆周围的浅水海域，后者是水深在200 m以下的海域，具有水温低、水压高、沉积物多等特点。由于深海的性质比较特殊，从而使得水声信号在深海中的传播不会受到过多因素的影响，并且水声信号在深海的传播特性有一定的规律可循^[4-6]。经过大量研究后发现，处于不同维度的深海声道内，水声传播特性与标准分布模型相符，由此可以获悉水声信号在深海环境中传播时的变化特征，并借助先进的技术手段和算法，对水声信号快速捕获，避免水声信号较弱的情况发生。

1.2 水声信号处理方法

噪声是水声信号在深海传播过程中的主要影响因素之一，除了会受到信号的正常传播噪声影响之外，还会导致信号接收不完全，信号的分析受到阻碍。所以降噪成为水声信号处理的关键。根据船舶在深海区域内传播水声信号的频率强弱和稳定性高低，可将降噪处理技术合理选择，如小波分析、矩阵算法等。实践表明，上述2种方法在水声信号的噪声去除中效果较好^[7-10]。不同的信号传递方式有着不同的特征，依托特征并利用相关的设备，可实现信号处理。在深海水声信号的特征提取过程中，采集的信号特征以线性或高斯性居多，常用的信号提取技术有高阶谱和分形理论。独立分量分析简称ICA，这是一种新的信号处理方法，可以利用ICA分离源信号，该方法操纵较为简单，运作效率高，能够对有限的资源充分利用，有助于水声信号处理效果的提升。

2 深海环境下船舶低频水声信号快速捕获 2.1 捕获原理

水声信号快速捕获可以通过相应的系统来实现，整个系统由以下几个部分组成：混频器、相关器、伪码发生器、信号检测器、搜索控制逻辑等，基本的框架结构如图1所示。

水声信号捕获过程实质上就是通过对信号的扫描搜索完成的，搜索需要在特定的频率和限定的时间内进行，其中的频率为水声信号的载波频率，限定时间内对伪码进行相位的估计，由于二者的搜索范围为不定区间，因此可按照搜索步长对搜索单元进行划分，使其达到所需的大小，这样更加便于搜索。水声信号快速捕获的步骤如下：

按照某一种特定的检测方法，并遵循与该方法相对应的基本准则，对信号检测器的阈值合理设定，随后采用逻辑验证的方法，判断检测概率是否与实际应用需要相符；每台接收机都有一个动态范围，通过对这个范围的利用，能够估计出码相位的不定区间，以此作为基础，便可构建二维空间搜索范围；以设定好的搜索步长作为主要依据，对搜索单元的大小加以确定，据此展开进一步搜索。与此同时，检测要捕获的水声信号，并对检测结果进行全面分析。当检测获得的结果超过阈值时，可以判定水声信号被成功捕获，此时系统可以停止搜索，若是检测所得的结果并未达到阈值，则可对载波频率加以调整，直至整个二维平面空间全部搜索完毕为止。

搜索水声信号所需的时间主要取决于搜索区间的大小，水声信号捕获的码相位搜索阈值范围如图2所示。

对一定面积内的接收信号进行快速搜索，用f_unc代表载波频率的不定值，并用t_unc代表码相位的不定值，以f_bin和t_bin分别表示频率与码相位的搜索步长，在搜索范围包含N_cell个搜索单元时，则有：

$ {N}_{\mathrm{cell}}=\frac{2 {f}_{\mathrm{unc}}}{{f}_{\mathrm{bin}}} \cdot \frac{2 {t}_{\mathrm{unc}}}{{t}_{\mathrm{bin}}} \text{。} $

2.2 捕获时间

为最大限度减小水声信号的捕获时间，实现快速捕获的目标，可以从信噪比和相关器2个方面着手，具体如下：

在原本的基础上，通过有效的方法，提升接收信号的信噪比。对信号检测过程研究后发现，强信号的检测值，要比弱信号的检测值更容易超过阈值，换言之对强信号的捕获要比弱信号快，并且可靠性更高。所以提高信噪比，并降低信号的功率损耗，能够实现快速捕获信号的目标。除此之外，也可采用大块的并行相关器，它的加入使接收机能够在同一个时间段内搜索更多的码相位，信号处理能力随之提升，搜索速度显著加快。

3 深海船舶低频水声信号快速捕获算法 3.1 快速捕获算法

相关研究结果表明，依托快速傅里叶变换（FFT）能够实现对码相位及多普勒偏移的快速捕获，基于这一前提，二维搜索可以降至一维搜索，利用双并行，则可使捕获算法的复杂程度随之降低。基于FFT的快速捕获算法有以下几种：基于频域谱分析的快速捕获算法（FP-FFT）、基于时域循环相关快速捕获算法（TP-FFT）、基于正交频域补偿的快速捕获算法（OF-FFT）、基于部分匹配滤波器的快速捕获算法（PMF-FFT）以及基于双块补零的快速捕获算法（DBZP）等。

FP-FFT运用频谱分析的方法，判断水声信号是否成功捕获，其优势体现在频谱分析替代频域搜索，捕获时间随之缩短。TP-FFT通过对伪码特点的利用，将接收的水声信号等效为循环卷积，借助FFT完成快速运算。频域搜索时，在接收信号的过程中，能够实现多普勒补偿，从而达到相关值影响最小的目标。经过频域补偿后，TP-FFT算法可以达到准确性的要求。OF-FFT算法是以TP-FFT算法为基础，通过接收信号码相位的一致性，完成快速捕获，该算法中，接收水声信号的同向与正交两个分量，会在同一时间到达接收机，从而使其具备了时域对齐的特点，算法通过对这一特点的充分利用，可实现多普勒快速定位，码相位实现精确对准，接收的水声信号经补偿后，便可实现码相位的捕获。在灵敏度要求较高的场合中，OF-FFT算法的适用性受限。PMF-FFT算法是将匹配滤波器与FFT相结合，其核心为信号序列累加，经过累加后，运算点数显著降低，捕获速度随之提升。DBZP算法按搜索范围对分辨率分块，并利用FFT对各块进行圆周相关，结果存入矩阵后，搜索块内的码相位偏移，整个过程相当于FFT并行，从而使处理时间显著缩短。

3.2 捕获算法性能对比

由于FFT在相关的信号快速捕获算法中具有相同的作用，故将上文中的算法划分为以下几类：第一类为基于时域的快速捕获，代表算法为OF-FFT；第二类为基于频域谱的快速捕获，代表算法是FP-FFT；第三类为基于时域和频域双并行的快速捕获，代表算法是DBZP。借助FFT开展时域快速捕获，共需3次运算便可完成搜索，码片周期长是该算法的较为突出的优势，码片在快速循环下，能够实现水声信号的无损处理，伪码的相关性得到较好保存，算法的捕获性能较优。然而，因该算法并未改进频域，所以当多普勒偏移超大时，频域的搜索量也会随之增大，从而限制了该方法的适用范围。OF-FFT算法，针对TP-FFT算法搜索速度比较慢的不足，通过信号的正交性实现快速确定，但由于噪声过大，对捕获性能造成一定影响。深海复杂环境下船舶低频水声信号快速捕获算法的灵敏度对比情况如图3所示。

由于FP-FFT算法在水声信号快速捕获时，为确保精度，导致点通数比较大，致使捕获速度受限。实践表明，基于谱分析的水声信号捕获速度更快，但精度略低于FP-FFT。深海船舶低频水声信号各种算法的信号灵敏度对比如图4所示。

3.3 双层时频捕获算法

基于FFT的几种典型捕获算法都或多或少存在缺陷，无法满足水声信号快速捕获的应用需要。基于此，以TP-FFT和FP-FFT的并行特点为依托，设计双层时频捕获算法，即DL-FFT。在水声信号捕获过程中，DL-FFT将捕获分为以下2个层次，即并行粗捕获和二维精确捕获，前者在捕获时，需要完成多普勒和码片偏移的二维捕获，本地伪码的引入和多个码片并行搜索，能够使搜索速度得到大幅度提升；后者则是通过频域补偿达到提升搜索精度的效果，再以循环去除伪码模糊度。为进一步验证DL-FFT算法的性能，选取深海环境，对比各种捕获算法在低频水声信号中的捕获效果。图5为DL-FFT算法与同类算法的灵敏度对比情况。

从图5可以看出，DL-FFT在捕获概率及算法性能方面，与FP和TP基本持平，但捕获灵敏度却高于FP和TP两种算法。图6为DL-FFT算法与同类算法在捕获精度方面的对比情况。

从图6可以看出，除FP-FFT算法外，DL-FFT与另外几种同类算法的捕获精度相近似，但从运算量上看，DL-FFT算法仅为其他算法的1/3或1/4，节省大量的计算资源，捕获速度随之得到提升。图7为DL-FFT与同类算法复杂程度的对比情况。

从图7可以看出，DL-FFT算法在复加和复乘效率方面，都低于同类算法，CCPC的复杂程度虽然最低，但捕获性能却不如DL-FFT。由此可见，本文提出的DL-FFT算法，在深海船舶低频水声信号的快速捕获中具有良好的适用性。

4 结　语

在深海船舶低频水声信号捕获中，要先对信号进行处理，使信号达到捕获要求，随后选取适宜的捕获算法。针对经典算法存在不足，提出一种改进算法，经过验证，改进算法在水声信号捕获中适用，能够达到快速捕获的目标。