2. 中国人民解放军91208部队,山东 青岛 266000
2. No. 91208 Unit of PLA, Qingdao 266000, China
在确保自身隐蔽性的前提下,为提高舰艇对水下目标的探测概率,可能采用多基地水下探测方式,即通过投放声呐浮标或其他主动声源,配合舰艇拖曳声呐,形成多基地水下探测系统。由于系统接收到的信息为主动声源经目标反射的回波,根据被动声呐方程(SL-TL)-(NL-DI)=DT可知,多基地系统的目标辐射强度及混响作用会发生改变。因此,结合水下目标特性及多基地空间位置,对椭球性物体散射及水下混响进行分析,具有重要意义。同时在多水听器信号处理过程中,可类比雷达恒虚警检测技术,选用模糊ACCA-CFAR检测方式,旨在进一步提高目标的检测概率。
1 多基地水下目标特征单基地目标回波主要通过对目标激振动产生的辐射进行分析,并根据目标共振波不同的频谱位置以确定目标特性,通常情况下共振波频率与入射波方向及海洋环境有关。在此基础上,多基地探测系统还需考虑收发分置角对目标探测的影响,即目标的整体散射特性。在海战场中目标主要为潜艇,因此对椭球形水下物体特性的研究显得尤为重要。
根据格林理论可知,物体散射可由物体表面散射声压计算得出。针对椭球形目标,可分解为多个圆柱形进行计算。假设S为发射声源点,R为接收点,
圆柱散射计算公式为:
$ \begin{split} {\rm{d}} f=& \frac{-i {\rm{d}} z}{\text{π}} \sum B_{n}(z) F_{n}(z)(-i)^{n} \cos (n \phi(z)) \times\\ & \exp \left(i k_{i} r(z)\right)-i k_{s} r(z),\end{split} $ | (1) |
其中:
$ \phi(z)=\operatorname{arcos}\left(\frac{\left[k_{i}-\left(k_{i} \cdot {\rm{d}} z\right) {\rm{d}} z\right]\left[k_{s}-\left(k_{s} \cdot {\rm{d}} z\right) {\rm{d}} z\right]}{\left|k_{i}-\left(k_{i} \cdot {\rm{d}} z\right) {\rm{d}} z\right|\left|k_{s}-\left(k_{s} \cdot {\rm{d}} z\right) {\rm{d}} z\right|}\right),$ | (2) |
$ \begin{split} F_{n}(z) &=\frac{\text{π} }{2 i}(k b(z))\left[H_{n}^{\prime(I)}\left(k b(z) \sin \theta_{i}\right) J_{n}\left(k b(z) \sin \theta_{s}\right) \sin \theta_{i}\right.-\\ &\left.H_{n}^{(I)}\left(k b(z) \sin \theta_{i}\right) J_{n}^{\prime}\left(k b(z) \sin \theta_{s}\right) \sin \theta_{s} \right]。\\[-10pt] \end{split} $ | (3) |
式中:
$ \begin{split} f=&\int {\rm{d}} f=\int_{-a}^{a} {\rm{d}} z \dfrac{-i}{\text{π}} \sum_{n=0}^{\infty} B_{n}(z) F_{n}(z)(-i)^{n} \cos (n \phi(z)) \times \\ &\exp \left(i k_{i} r(z)\right)-i k_{s} r(z)。\end{split} $ | (4) |
设椭球长轴为a,短轴为b,其比值为
$ \begin{split} f=& \frac{-i}{{\text{π}}} \int_{-1}^{1} \sum_{n=0}^{\infty} B_{n}(z) F_{n}(z)(-i)^{n} \cos (n \phi(z)) \times \\ & \exp \left(i k a t\left(\cos \theta_{i}-\cos \theta_{s}\right)\right) a {\rm{d}} t。\end{split} $ | (5) |
分析目标的散射强度随入射角及分置角的变化规律。当分置角
伴随着主动信号的传播,在探测的过程中会因物体散射而不可避免的产生混响效应,最终这些随机信号将与目标回波一同汇入接收设备,对目标分析造成一定的影响。造成海洋混响的因素主要包括:海底沉积物形状及地形起伏产生的散射,海面波浪造成的散射,以及海洋游动、漂浮的物体产生的散射。为获取清晰的目标信息,降低混响影响,根据散射特性,对海洋混响进行分析。
针对多基地混响特性进行分析,需要考虑:1)由于声波散射的计算受到风力、声速、浮游生物等因素的影响,导致散射声波存在不确定性,同时其叠加形成的混响,也将呈现出随机性,且随着时间的变化而不断变化。为得到相对稳定的统计规律,需将信号进行相应的处理。2)多基地探测系统不同于单声呐模型,水听器、声源及目标不在同一直线上,需考虑角度因素的影响。由于声呐通过接收时间判断目标距离,相同时间内,双基地接收,因此多基地散射为椭圆环状区域。假设声源点S为接收点设为M,其连线为基线长度L,如图2所示。
椭圆方程为:
$ r=\frac{c^{2} t^{2}-L^{2}}{2(c t-L \cos \theta)} ,$ | (6) |
声呐接收的范围为:
$ r(t)+r_{s}(t)=c t ,$ | (7) |
$ r(t+T / 2)+r_{s}(t+T / 2)=c(t+T / 2),$ | (8) |
其中T为脉冲宽度。
假设入射波为球面波,根据平均混响强度
$ I_{R}({t})=I_{0} \iint_{A} \frac{\mu}{\left(r_{s} r\right)^{\beta}} e^{-\alpha\left(r+r_{s}\right)} {\rm{d}} s ,$ | (9) |
球面波混响强度为:
$ I_{R}(\mathrm{t})=2 \mu I_{0} e^{-\alpha c t} \int_{0}^{{\text{π}}} \int_{\eta_{1}}^{n_{2}} \frac{1}{[r(c t-r)]^{2}} r {\rm{d}} r {\rm{d}} \theta 。$ | (10) |
其中:
r1和r2分别为:
$\begin{split}&r_{1} =\dfrac{c^{2} t^{2}-L^{2}}{2(c t-L \cos \theta)},\\ &r_{2}=\dfrac {c^{2} (t+T/2)^2-L^2}{2[c(t+T/2)-L cos \theta]}。\end{split}$ | (11) |
可以得出,海洋混响随着基线长度的增加而升高,且在基线长度不变的情况下与时间成反比,其变化规律如图3所示。
结合多基地水下混响强度公式,在不影响探测的基础上,通常采用窄带信号(CW脉冲)及降低声源发射功率,旨在降低混响作用。但在实际使用中,窄带信号对高速运动目标的混响处理效果较好,但由于潜艇移动速度较慢,在CW脉冲的作用下,目标回波将与混响叠加进入接收端,因此常采用宽带调频信号,并将宽带信号通过相干处理,压缩为窄带信号,以提高目标信号在混响中的占比。为进一步抑制混响干扰同时提高分辨能力,采用连续发射宽脉冲形成的梳状信号进行探测,但由于信号间隔而存在的盲区,因此常用于远距离目标探测。通过分析发射信号对混响作用的影响可得出,在实际使用中针对不同的目标,应选择合适的脉冲波进行探测,以达到最佳的混响抑制效果。
此外采用空时自适应滤波器可有效抑制混响作用,类比于雷达杂波抑制的空时自适应处理(STAP)技术,将时域和空间信息进行耦合,后通过计算协方差及自适应权,以加强目标信号并在杂波方向形成凹口进行滤波。通过以上2种方法可对混响效应进行有效抑制。
3 ACCA-CFAR检测器在多基地接收端的应用多基地水下探测技术,采用收发分置的声呐布局方式。由于信号接收过程中环境噪声的不确定性,时常会引起探测概率的偏差。为使系统在复杂的噪声干扰下,能够保持相对稳定的虚警率,确保探测的可靠性,声信号输入后,使用检测器的CFAR(恒虚警率)技术,对信号进行处理。该技术主要通过对海域噪声分析设置条件,若后续输入信号超出噪声信号,即为出现目标。其中较为典型的检测器有CA-CFAR、OS-CFAR,但使用ACCA-CFAR检测器,无论在均匀噪声环境下或是在多干扰目标的情况下,都具有相对优势。因此采用模糊自动删除ACCA-CFAR检测器,对信号进行处理。
ACCA-CFAR检测器的工作原理:在多部水听器接收目标的过程中,各水听器通过选定的部分单元计算出
满足高斯分布条件下的隶属函数为:
$ w(y)=\operatorname{Pr}\left(Z>y \mid Z \sim N\left(0, \sigma^{2}\right)\right) 。$ | (12) |
当
对于可变门限的ACCA-CFAR检测器,隶属函数为:
$ w(u)=\operatorname{Pr}\left(U>u \mid H_{0}\right)。$ | (13) |
其中:
$ \begin{aligned} P_{f a}^{A C C A}=& \operatorname{Pr}\left(U>T_{\bar{i}} \mid H_{0}\right)\times \\ &\left(\begin{array}{l} N \\ N-i \end{array}\right) \prod_{j=1}^{N-\bar{i}}\left(T_{i}+\frac{N-j+1}{N-\hat{i}-j+1}\right)^{-1},\end{aligned} $ | (14) |
将式中的
$ w(u)=\left(\begin{array}{l} N \\ N-i \end{array}\right) \prod_{j=1}^{N-\bar{i}}\left(T_{\bar{i}}+\frac{N-j+1}{N-\hat{i}-j+1}\right)^{-1}=1-F_{U}(u) 。$ | (15) |
其中,
以三接收阵为例,设其各自的隶属函数值分别为
其概率密度函数
$ f_{\mu D 1}(x)=f_{\mu D 2}(x)=f_{\mu D 3}(x)=1 ,$ | (16) |
$ F_{\mu D 1}(x)=F_{\mu D 2}(x)=F_{\mu D 3}(x)=x 。$ | (17) |
由于
$ P_{f a}=\int_{-\infty}^{T_{F c}} f_{\mu F C}(z) {\rm{d}} z=\frac{1}{2} \int_{0}^{T_{F c}} \ln ^{2}(z) {\rm{d}} z 。$ | (18) |
从图4可看出,使用ACCA-CFAR检测器有较好的目标检测性能,在信噪比较低的情况下也能达到较高的检测概率。
针对多基地与单基地目标接收的差异,在收发分置条件下,通过计算获得椭球形目标散射特性,为声呐目标识别提供依据。对多基地水下混响公式进行分析,掌握了影响水下混响效应的因素,并提出通过选择合适的脉冲波及采用自适应处理技术,抑制混响干扰。同时通过对声呐检测性能的分析,选用分布模糊ACCA检测器,以获取恒虚警率确保目标探测的准确性。
[1] |
RICE J, CREBER B, FLETCHER C. Evolution of seaweb underwater acoustic networking[C]//OCEANS 2000 MTS: IEEE Conference and Exhibition, 2000: 2007-2011.
|
[2] |
徐细波. 移动自组织网络技术浅析[J]. 教科导刊, 2009(3): 121-122. |
[3] |
黄海, 李岳明, 庞永杰. 多水下机器人编队的组网通信方法研究[J]. 电机与控制学报, 2017(5): 97-102. |
[4] |
何明, 陈秋丽, 刘勇, 等. 水声网络传感网拓扑[M]. 南京: 东南大学出版社, 2017.
|