前沿丨水中目標新型被動檢測理論及方法

海洋是未來人類資源的主要來源之一，對它的探測與開發尤為重要，目前已經從淺海延伸到深海。在對海洋進行基礎研究、資源開發、工程建設和軍事行動等的過程中，先進的海洋探測與識別技術是快速和準確獲取海洋目標信息的關鍵。根據我國建設海洋強國的重大部署，推動海洋科技創新發展已經成為中國特色社會主義事業的重要組成部分。西方各軍事強國大力進行隱形艦艇研究，通過鋪設消聲瓦以降低艦艇的主動目標強度，其艦艇或編隊的預警及防禦體系不斷完善、水聲對抗技術不斷提高，這使得未來海戰對水下航行器在目標探測、目標識別和反對抗能力等方面提出了更高的要求。然而，海洋複雜的水聲環境對目標檢測構成了極大的挑戰，尤其對水下航行器而言，在強噪聲、小孔徑條件下，從複雜的航行噪聲和海洋環境噪聲中檢測出艦艇輻射噪聲並精確定位目標，一直是水下目標檢測的難題。隨著水聲對抗技術不斷提高，水聲複雜環境中的混響背景增加了水聲目標主動檢測的難度，而且不易實現遠程檢測。在這種情況下，必須開展被動檢測理論及方法研究，提高複雜環境中水下航行器的遠程檢測能力，以實現其隱蔽攻擊性，從而奪取戰場先機。

目標噪聲的產生和輻射機理十分複雜，成分多樣，既有寬帶連續譜分量和較強的窄帶線譜分量，又有明顯的調製成分，同時由於水聲信道的複雜多變以及水聲信號傳播的多途徑效應，水聲信號往往呈現出「三非」特性。此外，由於傳統的信號處理方法是基於信號和噪聲是線性平穩性的高斯隨機過程這一假設的，隨著艦艇等目標減振降噪性能的提高和噪聲的降低，這些傳統信號處理方法很難準確地提取水下目標輻射噪聲的特徵，因此必須將新型的被動檢測理論及方法應用到實際中，以提高水下航行器目標檢測系統對複雜環境的適應性能。

水下航行器目標檢測的核心問題是如何有效地運用信號處理理論和方法進行艦艇目標的輻射噪聲特徵提取，並對這些特徵利用合適的模型進行判別決策。因此，有效的特徵提取方法是整個檢測系統成功的關鍵。隨著現代信號處理理論的快速發展和人們對海洋信道及目標特性更深入的了解，目標特徵提取算法得到了較大發展和進步。近年來的研究已經表明，艦艇等水中目標的輻射噪聲是一種非高斯性、非平穩性、非線性的「三非」過程。從信號處理的角度出發，可以利用新的現代信號處理方法全面描述這一過程的特性。

《水中目標新型被動檢測理論及方法》以艦船、水下航行器等水中目標的輻射噪聲和航行器自噪聲為研究對象，開展新型被動檢測的理論與方法研究。利用現代信號處理技術對艦艇輻射噪聲、水下航行噪聲及海洋環境噪聲進行分析，提取多方位、多層次上的目標特徵。研究被動檢測中的「三非」過程的信號處理問題，確定適合水下航行器微弱信號目標檢測的新信號處理技術。根據提取到的有效特徵，研究能量熵、近似熵等物理學參數模型和人工智慧決策模型，提出新型的目標被動檢測理論與方法。開展遠程目標被動檢測技術的實驗研究，對目標檢測模型進行評估，從而為開展水下航行器的遠程被動探測系統研究提供理論與技術支持。

本書的研究內容主要包含以下幾個方面。

（1）水聲目標信號與噪聲特性研究。以典型艦艇等水中目標的輻射噪聲、航行器自噪聲（水下航行噪聲及海洋環境噪聲）為研究對象，分析它們的時域特性、調製特性及頻域寬帶特性和線譜特性，根據時域特性、調製特性、譜特性等特點及其差異，分析艦艇輻射噪聲中的固有特徵，從而為水下航行器水聲目標檢測提供依據。

（2）新型水聲信號處理算法研究。根據典型艦艇輻射噪聲中的固有特徵，研究適合於水聲信號「三非」問題的現代信號處理新算法。例如，利用基於高階統計性理論的高階統計量來解決非高斯問題，利用基於提升策略的小波變換來處理非平穩問題，利用經驗模式分解與變分模態分解等時頻分析方法研究非線性、非平穩問題，甚至可以將多種信號處理方法綜合使用，以解決更為複雜的水聲問題。研究這些方法在強噪聲背景下微弱水聲信號的濾波和降噪性能，並與傳統方法進行比較。

（3）目標檢測模型的構建。利用新型水聲信號處理算法提取目標輻射噪聲的時域、頻域、時頻域等特徵，借鑑線譜檢測和能量檢測的思想，綜合時域、頻域、時頻域中的眾多特徵，利用特徵選擇方法或人工智慧方法確定合適的綜合指標，將其作為檢測門限，建立新的目標檢測模型。

（4）應用研究、原理驗證和性能評估。根據確定的目標檢測技術方案，以水下航行器為載體進行實驗研究，對這些目標檢測模型進行評估和改進，驗證其實用性和穩健性。

本書以水下航行器的被動檢測為目的，研究水中目標新型被動檢測理論及方法，具體各章內容安排如下。

第1章，緒論。論述水中目標被動檢測的意義，綜述水中目標被動檢測的國內外研究現狀及其發展方向。同時，討論基於水聲信號處理、特徵提取和目標檢測的被動檢測技術。

第2章，水聲目標信號與噪聲特性。介紹水聲信號的非高斯性和非線性等統計特性的判定方法，構建艦船、水下航行器的輻射噪聲和水下航行器的自噪聲模型，分析實測的艦船輻射噪聲、水下航行器的輻射噪聲及其自噪聲的時域特性、調製特性及頻域寬帶特性與線譜特性。根據時域特性、調製特性、譜特性等特點及其差異，研究這些輻射噪聲和自噪聲中的固有特徵。

第3章，新型水聲信號處理算法。研究利用基於高階統計量理論的高階譜來解決水聲信號中的非高斯問題，提出利用第二代小波變換來處理水聲信號中的非平穩問題，利用經驗模式分解方法來解決水聲信號中的非線性、非平穩問題，並研究了兩種相應的改進算法。為了提取瞬態和微弱的輻射噪聲特徵，提出兩種集成信號處理方法：集成多個經驗模式分解的特徵提取方法和集成第二代小波與經驗模式分解的特徵提取方法。提出利用變分模態分解方法來解決水聲信號中的非線性、非平穩問題，並研究變分模態分解算法參數的制訂策略。分別用仿真信號和實測的艦船、水下航行器等水聲目標輻射噪聲信號對這些新型的水聲信號處理方法進行驗證。

第4章，水中目標被動檢測模型。介紹能量檢測、過零率檢測和線譜檢測這三種常規的水中目標被動檢測模型，並對其檢測性能進行仿真和實驗研究。構建四種新型的水中目標被動檢測模型，分別為集成被動檢測模型、基於經驗模式能量熵的被動檢測模型、基於第二代小波包近似熵的被動檢測模型和基於時頻分析的被動檢測模型，結合仿真和實測數據對這四種模型進行有效性驗證。將已構建的被動檢測模型應用於工程系統中，結合實測數據進行對比研究。

第5章，水中目標智能被動檢測理論。綜合分頻段濾波、Hilbert包絡解調和改進的經驗模式分解等現代信號處理方法，基於距離評估技術的特徵選擇方法，支持向量數據描述的單值檢測器和「投票策略」，提出一種組合支持向量數據描述的水聲目標智能被動檢測新方法，並構建相應的智能檢測模型。同時，為了對水聲目標輻射噪聲的起伏、信噪比從小到大的漸變過程做出準確地檢測，提出一種新的基於模糊支持向量數據描述的水聲目標智能被動檢測模型。以實測的某水下航行器輻射噪聲數據為基礎，對提出的兩種新型智能被動檢測模型進行目標檢測的仿真研究。

第6章，水中目標混合智能識別研究。基於幅值譜分析、濾波、Hilbert包絡解調和改進的EMD等現代信號處理方法、特徵距離評估技術的特徵選擇方法和支持向量機（SVMs）分類器，結合遺傳算法融合策略，提出一種組合SVMs的水聲目標智能識別模型。同時，提出利用集成學習理論中的AdaBoost算法和Bagging算法分別將多個SVMs進行集成，構建兩種新型的水中目標混合智能識別模型：基於AdaBoost算法的集成SVMs的智能識別模型和基於Bagging算法的可選擇集成SVMs的智能識別模型。結合實測的水中目標輻射噪聲數據對這三種混合智能識別模型的有效性進行研究，同時研究基於二維時頻譜圖和卷積神經網絡構建深度學習模型，驗證深度學習方法在艦船噪聲分類中的可行性。

本文摘編自《水中目標新型被動檢測理論及方法》一書，內容有刪減改動。標題為編者所加。

《水中目標新型被動檢測理論及方法》

胡橋 著

ISBN 978-7-5088-5711-4

責任編輯：宋無汗 李 萍

《水中目標新型被動檢測理論及方法》圍繞水中目標新型被動檢測理論及方法，從水聲目標信號與噪聲特性、新型水聲信號處理算法、水中目標被動檢測模型、水中目標智能被動檢測理論及水中目標混合智能識別五個方面進行研究並將相關成果進行總結，可為水下機器人、水下航行器的目標智能探測與識別提供堅實的理論支持，對海洋裝備智能探測與識別等性能的提升具有重要意義。

本書可作為高等院校海洋目標探測與識別相關專業師生的參考書，對從事水下機器人、水下航行器等研究的科研人員，以及在此領域內從事生產、試驗和互用工作的技術人員也具有一定的參考價值。

向上滑動閱覽

目錄

叢書前言一

叢書前言二

前言

1 緒論 1

1.1 水中目標被動檢測的意義 1

1.2 國內外研究綜述 2

1.2.1 水聲信號處理和特徵提取 4

1.2.2 水聲目標被動檢測技術及應用 7

1.2.3 水中目標新型被動檢測技術的提出 11

1.3 本書的研究意義和主要內容 12

1.3.1 本書的研究意義 12

1.3.2 本書研究的主要內容 14

1.4 本書章節安排 14

參考文獻 16

2 水聲目標信號與噪聲特性 22

2.1 引言 22

2.2 水聲信號的統計特性分析 23

2.3 水聲目標的輻射噪聲特性分析 25

2.3.1 艦船輻射噪聲的時域和頻域統計特徵 25

2.3.2 艦船輻射噪聲的頻譜及其調製特性 28

2.3.3 水下航行器輻射噪聲的時域和頻域統計特徵 31

2.3.4 水下航行器輻射噪聲的頻譜及其調製特性 32

2.4 水下航行器的自噪聲特性分析 34

2.4.1 自噪聲的時域和頻域統計特徵 34

2.4.2 自噪聲的頻譜及其調製特性 35

2.5 水聲目標的輻射噪聲模型和水下航行器自噪聲模型 36

2.5.1 艦船輻射噪聲模型 36

2.5.2 水下航行器輻射噪聲模型 41

2.5.3 水下航行器自噪聲模型 44

2.6 小結 46

參考文獻 47

3 新型水聲信號處理算法 48

3.1 引言 48

3.2 基於高階統計量的非高斯水聲信號分析 50

3.2.1 高階譜及其切片譜分析 50

3.2.2 線譜特徵提取 52

3.3 基於第二代小波變換的非平穩水聲信號分析 52

3.3.1 第二代小波變換的基本原理 52

3.3.2 第二代小波變換濾波分析 54

3.3.3 水中目標的分頻帶能量觀測 59

3.4 基於經驗模式分解的非線性水聲信號分析 60

3.4.1 經驗模式分解的基本原理 60

3.4.2 一種新的端點效應解決方案 61

3.4.3 一種新的模態混疊解決方案 64

3.4.4 輻射噪聲的特徵提取研究 66

3.5 集成信號處理方法的水聲信號分析 70

3.5.1 集成多個經驗模式分解的特徵提取研究 70

3.5.2 集成第二代小波變換和經驗模式分解的特徵提取研究 75

3.6 基於變分模態分解的非線性水聲信號分析 79

3.6.1 變分模態分解的基本原理 79

3.6.2 變分模態分解參數制定解決方案 81

3.6.3 基於變分模態分解的輻射噪聲特徵提取研究 84

3.7 小結 87

參考文獻 88

4 水中目標被動檢測模型 90

4.1 引言 90

4.2 常規的被動檢測模型及其實驗分析 91

4.2.1 能量檢測模型 92

4.2.2 過零率檢測模型 93

4.2.3 線譜檢測模型 94

4.2.4 仿真性能分析 95

4.2.5 實驗分析 96

4.3 新型的被動檢測模型及其實驗分析 98

4.3.1 集成被動檢測模型 98

4.3.2 基於經驗模式能量熵的被動檢測模型 103

4.3.3 基於第二代小波包近似熵的被動檢測模型 107

4.3.4 基於時頻分析的被動檢測模型 112

4.4 被動檢測模型應用研究 117

4.5 小結 121

參考文獻 122

5 水中目標智能被動檢測理論 124

5.1 引言 124

5.2 特徵提取與特徵選擇技術 126

5.2.1 特徵提取 126

5.2.2 特徵選擇 127

5.3 支持向量數據描述的基本原理 128

5.4 基於組合支持向量數據描述的被動檢測模型 131

5.4.1 被動檢測模型構建 131

5.4.2 應用研究 133

5.5 基於模糊支持向量數據描述的被動檢測模型 134

5.5.1 模糊支持向量數據描述原理 134

5.5.2 被動檢測模型構建 135

5.5.3 應用研究 137

5.6 小結 139

參考文獻 140

6 水中目標混合智能識別研究 142

6.1 引言 142

6.2 集成支持向量機原理 144

6.2.1 基於常規組合的集成支持向量機 144

6.2.2 基於AdaBoost算法的集成支持向量機 145

6.2.3 基於Bagging算法的可選擇集成支持向量機 148

6.3 水中目標混合智能識別框架 151

6.4 基於常規組合的集成支持向量機的實驗分析 151

6.4.1 艦船輻射噪聲數據集 151

6.4.2 常規組合的集成支持向量集與傳統分類器的分類性能比較 154

6.4.3 特徵選擇對分類性能的影響 155

6.5 基於AdaBoost算法和Bagging算法的集成支持向量機的實驗分析 156

6.5.1 水中目標輻射噪聲數據集 156

6.5.2 針對不同集成數目的智能分類器性能比較 158

6.5.3 不同的特徵數目對分類結果的影響 158

6.5.4 集成支持向量機與支持向量機的泛化性能比較 160

6.5.5 討論 161

6.6 深度學習目標分類 161

6.6.1 二維時頻譜圖 162

6.6.2 深度學習模型 163

6.6.3 二維時頻譜圖與深度學習相結合的目標分類識別分析 165

6.7 小結 169

參考文獻 170

即刻購買本書

科學出版社

微信封面圖片素材來源：Pixabay。

本期編輯丨王芳

。