基于lofar圖的自動檢測線譜的智能方法

基于lofar圖的自動檢測線譜的智能方法

0低信噪比情況下的被動聲鞣線譜檢測和提取技術(shù)lofar處理每個被動噪聲系統(tǒng)都起著重要的作用：操作人員可以通過robot圖像確定目標(biāo)是否存在，并跟蹤和識別目標(biāo)。近年來,現(xiàn)代艦艇的隱身性能得到了高度重視,隨著減振降噪技術(shù)在艦艇、水中兵器中的大量運用,目標(biāo)輻射噪聲大幅度降低,出現(xiàn)了許多安靜型目標(biāo)。為了能夠利用被動聲吶在遠距離上檢測這些安靜型目標(biāo),人們采用了許多方法試圖提高被動聲吶在低信噪比時的線譜檢測、跟蹤能力。在文獻中對國內(nèi)外采用的各種線譜檢測方法的現(xiàn)狀進行了綜述。從當(dāng)前的研究現(xiàn)狀看,在低信噪比情況下利用機器自動進行線譜檢測和提取依然非常困難。其主要原因是:一是由于信噪比低,隨機出現(xiàn)的噪聲點不易剔除。二是由于存在背景起伏、多途效應(yīng)、隨機干擾等原因,窄帶信號時強時弱,在LOFAR圖中表現(xiàn)為譜線時明時暗,甚至在譜線中間會出現(xiàn)斷點的現(xiàn)象;三是無論寬帶噪聲分量還是線譜分量,其動態(tài)范圍都比較大。通過觀察LOFAR圖,即使在極低的信噪比下,聲吶兵可以很容易地檢測和提取出窄帶信號形成的譜線。研究表明,人之所以有很強的譜線檢測和提取能力,首先是由于人眼具有很強的模式識別能力,在檢測過程中自動利用了譜線的形狀特點;其次是由于存在視覺積累,自動利用了多個時刻的譜值信息。為了提高在低信噪比下的線譜檢測和提取能力,本文模擬聲吶兵通過觀察LOFAR圖檢測譜線的過程,將線譜識別、線譜檢測和線譜跟蹤融合在一起,給出了低信噪比下的自動檢測線譜的智能算法,并用海上試驗數(shù)據(jù)驗證了算法的性能。1譜線的編碼和圖像加工艦艇和魚雷等目標(biāo)的輻射噪聲的功率譜是由連續(xù)分布的寬帶噪聲譜和在若干個離散頻率上的窄帶線譜構(gòu)成的。水聲信號中的窄帶信號可以用一組正弦信號來表示:s(t)=Ρ∑j=1Ajsin(i2πfj+φj)+n(t)(1)s(t)=∑j=1PAjsin(i2πfj+φj)+n(t)(1)式中fj、Aj、φj分別為第j個窄帶線譜信號分量對應(yīng)的頻率、幅度和初始相位,n(t)表示寬帶噪聲。為了簡便起見,用x(n)表示上式中的信號經(jīng)濾波、采樣、解析變換等處理后的信號,則分段周期圖可用K次譜樣點值相加平均過程來計算:Ι(k)=1ΚΚ∑i=1|Yi(k)|2(2)I(k)=1K∑i=1K|Yi(k)|2(2)式中Yi(k)是利用輸入序列:w(n)x[n+(i-1)N/R],n=0,…,N-1計算的第i個DFT第k個頻率點的值:Yi(k)=Ν-1∑n=0w(n)x[n+(i-1)ΝR]e-j2πkn/Ν(3)Yi(k)=∑n=0N?1w(n)x[n+(i?1)NR]e?j2πkn/N(3)其中w(n)是窗函數(shù),R定義為R=N/Nnew,是DFT的冗余度。由R的定義可知,每一次計算DFT時,輸入序列只移動了Nnew個樣點。若把各個時刻的譜值以瀑布圖形式顯示,用x軸表示信號的頻率,y軸表示時間,亮度表示幅度。這種表示時頻平面的M×N的二維圖象就是LOFAR圖。窄帶信號經(jīng)過譜分析和累加平均后的譜表現(xiàn)為線狀譜。線譜除了在譜的形狀,如幅值高、滿足一定的斜率和寬度要求外,在時間上具有連續(xù)性。在信噪比較高時,在LOFAR圖上,由對應(yīng)同一窄帶信號的多個時刻線譜點形成了一條清晰的亮線,即譜線。經(jīng)過上述處理后得到的譜值中含有一個寬帶噪聲分量,并且在一般情況下,寬帶噪聲分量的動態(tài)范圍非常大。為了壓縮動態(tài)范圍,提高線譜檢測和提取的能力,需首先減去寬帶噪聲分量,對經(jīng)短項積累后的每一時刻新計算的譜值作背景均衡處理。不妨設(shè)Xk為k個頻率點的值,μk是k點的噪聲均值估計值:Νk=Xk-μk(4)Nk=Xk?μk(4)μk可以利用排序截斷平均算法求得。Vol.26No.32004SHIPENGINEERING692次取門限檢測研究表明,當(dāng)聲吶兵通過觀察LOFAR圖判斷是否存在窄帶信號時,執(zhí)行了一個雙門限檢測過程:第一次是設(shè)置一個門限,根據(jù)不同時刻、頻率的點的灰度值的大小初步判斷該點是否可能是譜線上的點;然后利用線譜的形狀特點和時間上的連續(xù)性,并第二次取門限來完成檢測。聲吶兵在此過程中自動進行了模式識別和視覺積累,對一些幅值雖高,但孤立的點會作為噪聲剔除掉;而一些即使幅值較低的點,只要相鄰各個時刻連續(xù)出現(xiàn),和相臨的點組成了一條譜線,也會認為這些點是窄帶信號對應(yīng)的點而保留下來。聲吶兵一旦判斷窄帶信號存在,即使是在譜線中間斷裂的點,也會認為對應(yīng)的時間-頻率點上線譜是存在的。為了模擬聲吶兵在LOFAR圖中提取譜線的雙門限檢測過程,本文將線譜檢測分三步完成:第一步,對新計算的LOFAR譜值進行線譜識別;第二步,延遲一段時間后進行線譜跟蹤,統(tǒng)計線譜出現(xiàn)次數(shù);第三步,根據(jù)線譜跟蹤結(jié)果,剔除噪聲點,并自動產(chǎn)生暫時丟失的線譜點。2.1線譜的制作線譜在文獻中給出了兩種線譜識別方法,本文對線譜識別方法進行了優(yōu)化,具體的線譜識別方法如下:(1)按頻率從低到高找出線譜所在的局部最大點。判斷局部最大點的條件為兩個:一是局部最大點左邊斜率為正,右邊斜率為負,則該點兩側(cè)的斜率之積小于零。即若設(shè)k-1,k,k+1三個點的值分別為Nk-1,Nk,Nk+1,ΔNk=Nk+1-Nk,ΔNk-1=Nk-Nk-1,則ΔNk-1·ΔNk-1<0;二是局部最大值比其兩側(cè)的值大,即Nk>Nk-1,一旦上面兩條件滿足,k點即是局部最大點。(2)對局部最大點進行卡門限處理,即根據(jù)各個頻率點譜值和噪聲均值大小判斷Νk/μk=(Xk-μk)/μk＞d0(5)是否滿足,d0的值可以根據(jù)要求的檢測概率和虛警概率確定。(3)判斷超過門限的局部最大點是否具備線譜的形狀,若譜寬小于設(shè)定的譜寬門限,則認為是線譜;否則認為非線譜點予以剔除。這里譜寬定義為超過該局部最大點一半的頻率點數(shù)。從局部最大點向兩側(cè)計算超過此局部最大值一半的點數(shù)即可求出譜寬。經(jīng)過線譜識別后,保留識別出的線譜值,而將其余值置零。2.2窄帶信號對應(yīng)點識別算法經(jīng)線譜識別處理后保留下來的點,除了對應(yīng)窄帶信號形成的線譜點處,也有一部分對應(yīng)著滿足了線譜識別邏輯的噪聲點,加上事先不知道窄帶信號的數(shù)量和起止時間,經(jīng)線譜識別后保留的譜值非零點,既可能是噪聲點,又可能是窄帶信號對應(yīng)的線譜點;而窄帶信號對應(yīng)的線譜點可能對應(yīng)窄帶信號開始、終止,以及中間時刻。因此,為了能夠判斷經(jīng)線譜識別處理后的譜值非零點是否對應(yīng)窄帶信號形成的線譜點,可進一步利用窄帶信號在時間上的連續(xù)性,由窄帶信號形成的譜線上必然會有更多的點被識別為線譜,這意味著可根據(jù)非零譜值點前后多個時刻識別出的線譜識別情況來判斷該點是否是窄帶信號對應(yīng)的點?？紤]到聲吶檢測和識別目標(biāo)只允許延遲一小段時間,算法中只固定利用M個時刻的譜信息,若對應(yīng)窄帶信號,相當(dāng)于只利用了LOFAR圖中一小段長度為M的譜線。統(tǒng)計前后M個時刻線譜識別情況可以通過類似頻率跟蹤的技術(shù)來實現(xiàn),具體做法是:(1)按頻率從低到高找出M時刻的譜值非零點。(2)從第M時刻的譜值非零點開始,向前后兩側(cè)搜索,統(tǒng)計兩側(cè)M個時刻的譜值非零點出現(xiàn)次數(shù)。頻率搜索范圍限定在相鄰時刻最大頻率偏移量的范圍內(nèi),不妨設(shè)為2N+1;搜索中心是根據(jù)最近搜索結(jié)果外推的線譜最可能出現(xiàn)的頻率點,其位置由下式來確定:Fk+1=Fk+(Fk-Fk-1)(6)其中Fk表示第k時刻譜值非零點對應(yīng)的頻率。70船舶工程2004年第26卷第3期2.3基于中間丟失數(shù)據(jù)的噪聲自動識別由于窄帶信號在一段時間上是一直存在的,其對應(yīng)的線譜必然在時間上具有一定的連續(xù)性,并且同一窄帶信號所對應(yīng)的線譜在相鄰時刻的峰值點之間的頻率變化范圍由信號的頻率變化和多普勒頻移決定,一般不會很大。對應(yīng)窄帶信號的線譜點,其線譜跟蹤路徑上出現(xiàn)的譜值非零點數(shù)應(yīng)多于噪聲點對應(yīng)的跟蹤路徑上出現(xiàn)的譜值非零點數(shù)。因此可以根據(jù)上一步的線譜跟蹤結(jié)果進一步剔除噪聲點。由于在M時刻識別出的非零峰值點,即可能是噪聲點,又可能是窄帶信號對應(yīng)的線譜點。而窄帶信號對應(yīng)的線譜點可能對應(yīng)窄帶信號開始、終止,以及中間時刻。只要是與M時刻的非零點相鄰的M行數(shù)據(jù)中搜索到的線譜數(shù)大于設(shè)置門限gatel,就認為該線譜點是窄帶信號所對應(yīng)的線譜點,否則,則認為是噪聲點予以剔除。經(jīng)過噪聲點剔除處理后,隨機噪聲點基本上剔除干凈。由于信號起伏、噪聲干擾等原因,部分線譜點可能在線譜識別時被剔除,或原本就淹沒在噪聲中。若直接利用剔除后的結(jié)果進行目標(biāo)識別,丟失的線譜必然影響系統(tǒng)的性能。為了提高系統(tǒng)的性能,需要在進行目標(biāo)檢測和識別之前,產(chǎn)生中間丟失的線譜。具體方法是對M時刻判為線譜的點搜索下一時刻信號出現(xiàn)情況,若在搜索范圍內(nèi)信號丟失,根據(jù)前后識別線譜的情況,若丟失的是中間點,并且丟失時刻小于最大允許丟失的時刻數(shù)MM,則在線譜最可能出現(xiàn)的點,自動產(chǎn)生一個表示線譜信號的非零點,供下一時刻判斷,中間丟失的信號點的位置,同樣由式(6)來確定:從處理過程可以看出,算法在實現(xiàn)過程中只要保存2M+1個時刻的譜值信息,并實時更新數(shù)據(jù),則會自動輸出前面第M時刻的處理結(jié)果,最后處理結(jié)果共延遲了M個時刻。由于算法能夠自動剔除大部分噪聲點,自動產(chǎn)生丟失的線譜點,在檢測窄帶信號形成的線譜時可以同時保證高檢測概率和低虛警概率。3智能線譜檢測算法處理效果本節(jié)用實測數(shù)據(jù)驗證了算法的性能。圖1給出了某海上目標(biāo)的不同處理過程對應(yīng)的處理結(jié)果。用橫坐標(biāo)表示頻率,縱軸表示時間,線譜識別前用256級灰度表示幅度,線譜識別后所有非零值全部用黑點表示。算法中所用的參數(shù)如下:選擇的頻帶為全頻帶,抽樣數(shù)為4,DFT的長度為2048(圖中只顯示了512個頻率點的處理結(jié)果),數(shù)據(jù)窗為矩形窗,數(shù)據(jù)不重疊,平均次數(shù)為10;線譜識別中譜寬門限為5,峰高門限d0=1;M=20,搜索范圍2N+1=7,允許丟失的時刻數(shù)MM=5,判斷是否為噪聲點的門限gatel=9。圖1(a)是原始LOFAR圖,圖1(b)是去除寬帶噪聲分量的線譜圖,圖1(c)表示經(jīng)線譜識別后的線譜識別結(jié)果,圖1(d)是經(jīng)智能線譜檢測算法處理后的最終處理結(jié)果。為了分析方便,圖2給出了圖1中的各個時刻的線譜識別后的非零譜值數(shù)、剔除的噪聲點數(shù)、產(chǎn)生的丟失線譜數(shù),以及最終經(jīng)智能線譜檢測方法處理后得到的線譜數(shù)。從圖1(b)中可以看出,經(jīng)過去除寬帶噪聲分量后,圖1(a)中窄帶信號對應(yīng)的線譜有所增強。圖1(c)是對LOFAR圖中的各個時刻的譜值進行線譜識別處理的結(jié)果,滿足了線譜識別邏輯的點用黑點表示,圖2(a)給出了各個時刻線譜識別后保留的線譜數(shù)。顯然有許多噪聲點被判為線譜,虛警非常高。經(jīng)過雙門限線譜檢測處理后,在圖1(d)中噪聲點已經(jīng)基本剔除干凈,但窄帶信號所對應(yīng)的線譜基本保留下來,并且自動產(chǎn)生了中間短暫丟失的線譜點,圖2(d)給出了各個時刻經(jīng)智能線譜檢測算法處理后的線譜數(shù)。同圖1(c)相比,噪聲點明顯減少,譜線上中間暫時丟失的線譜也已自動填補上了,圖2(b)和圖2(c)分別給出了各個時刻的剔除的噪聲點數(shù)和產(chǎn)生的丟失線譜數(shù)。由于該算法能夠自動剔除大部分噪聲點,自動產(chǎn)生丟失的線譜點,使算法在檢測窄帶信號形成線譜時可以同時保證高檢測概率和低虛警概率。4線譜檢測方法本文模擬聲吶兵在LOFAR圖上檢測和提取譜線的雙門限過程,將線譜識別、線譜檢測和跟蹤合并成一個統(tǒng)一的算法。該算