微弱信號背景下魚雷對敵目標(biāo)的有效檢測算法研究

張成剛， 鞠曉東

(1 中國人民解放軍92819部隊， 遼寧 大連 116041； 2 中國人民解放軍91827部隊， 山東 威海 264300)

0 引 言

魚雷作為一種重要的水中兵器，在水下實現(xiàn)對目標(biāo)潛艇、水面艦艇、水下設(shè)施的有效攻擊中發(fā)揮重要作用，利用水下爆炸的威力，提高對敵方目標(biāo)艦船的毀傷能力。在魚雷的研究設(shè)計中，魚雷對敵目標(biāo)的有效檢測是魚雷實現(xiàn)有效攻擊的關(guān)鍵技術(shù)，然而在復(fù)雜的海洋環(huán)境下，受到海水背景噪聲和敵方聲誘餌的干擾，導(dǎo)致魚雷對敵目標(biāo)探測的有效性大大下降。魚雷對敵目標(biāo)檢測的方法主要有被動探測方法和主動探測方法[1]，其中被動探測方法是通過接收地方艦船和潛艇的噪聲，實現(xiàn)目標(biāo)攻擊。主動探測方法是魚雷通過發(fā)射主動脈沖信號，通過目標(biāo)回波反射，實現(xiàn)對敵目標(biāo)的探測與攻擊。無論是哪種探測方法，都需要在微弱信號背景下進(jìn)行目標(biāo)檢測算法的優(yōu)化設(shè)計，結(jié)合信號處理技術(shù)，提高對敵目標(biāo)的探測和識別能力，研究微弱信號背景下魚雷對敵目標(biāo)的準(zhǔn)確檢測方法，在進(jìn)行魚雷對敵目標(biāo)定位和識別中具有重要意義[2]。

傳統(tǒng)方法中，魚雷對目標(biāo)的檢測方法主要有匹配濾波檢測方法、基于分?jǐn)?shù)階傅里葉變換的魚雷目標(biāo)檢測算法、基于小波變換的目標(biāo)檢測算法等[3]，上述方法通過對魚雷目標(biāo)的亮點回波模型構(gòu)建，結(jié)合時頻分解和特征分離方法，實現(xiàn)信號檢測。其中，文獻(xiàn)[4]中提出基于分?jǐn)?shù)階傅里葉變換的魚雷目標(biāo)自動檢測算法，采用FIR濾波器進(jìn)行了魚雷主動目標(biāo)回波信號的降噪處理，提高信號的盲源分離能力，降低輸出信噪比，但該方法進(jìn)行水下潛艇的目標(biāo)回波信號檢測時的自適應(yīng)性能不好[5]。文獻(xiàn)[6]中提出一種基于希爾伯特變換的魚雷攻擊目標(biāo)信號檢測，通過對目標(biāo)的距離和速度參量估計，提高了信號的可識別能力，但該方法進(jìn)行目標(biāo)回波信號受到背景干擾較大，信號檢測的抗干擾性能不好。

(4)保留um弧線，連接mn線段，ny線段，yx線段，保留xv弧線，再將除A 、B中心線及φe圓以外的線刪除，再在x處倒Rs=1.5的圓角，得圖6。

針對傳統(tǒng)方法存在的弊端，為了提高微弱信號背景下魚雷對敵目標(biāo)的檢測能力，提出一種基于主動脈沖回波探測和盲源分離技術(shù)的信號檢測算法。構(gòu)建魚雷對比目標(biāo)檢測的微弱信號回波模型，首先采用級聯(lián)匹配濾波方法進(jìn)行信號的干擾抑制和譜增強(qiáng)處理，采用自相關(guān)波束形成方法進(jìn)行信號的去盲處理，提高微弱信號背景下魚雷的主動目標(biāo)探測能力，提取目標(biāo)回波信號的高階譜特征量。然后采用復(fù)包絡(luò)檢測方法實現(xiàn)對目標(biāo)回波信號的準(zhǔn)確定位和參量估計，實現(xiàn)對微弱信號背景下魚雷對敵目標(biāo)的準(zhǔn)確檢測。最后進(jìn)行仿真實驗分析，展示了本文方法在提高魚雷對敵目標(biāo)檢測能力方面的優(yōu)越性能。

我們喜歡這幅作品的取景構(gòu)圖，主要的引導(dǎo)線由沙袋構(gòu)成，模特背后的豎直線條也很好地襯托出了她。這是一幅很成功的現(xiàn)場人物肖像，很好地給出了場景的氛圍。不過，如果能讓模特左手的拳擊手套顯露出來，或許會進(jìn)一步豐富畫面的亮點。

1 微弱信號背景下的魚雷主動脈沖回波信號和特征分析

1.1 微弱信號背景下的魚雷主動脈沖回波信號模型

為了實現(xiàn)在敵方聲誘餌干擾和海水背景干擾下魚雷對敵主動脈沖回波信號檢測，首先給出微弱信號背景下的魚雷主動脈沖回波信號模型，采用水下陣列傳感跟蹤識別技術(shù)，進(jìn)行多陣列環(huán)境下的脈沖回波探測和目標(biāo)檢測，進(jìn)行微弱信號背景下的魚雷主動脈沖回波信號的原始數(shù)據(jù)采集，對采集的微弱信號背景下的魚雷主動脈沖回波信號進(jìn)行小波變換和濾波分析[7]，給出微弱信號背景下的魚雷主動脈沖回波信號的數(shù)學(xué)模型表達(dá)式為：

s(t)+jH[s(t)]

(1)

式中，a(t)稱為微弱信號背景下的魚雷主動脈沖回波信號z(t)的檢測幅度，有時也稱為包絡(luò)；φ(t)稱為魚雷聲自導(dǎo)頭陣列進(jìn)行信號檢測的分布相位；Z(f)可由S(f)通過傅立葉變換得到；H(f)為微弱信號背景下的魚雷主動脈沖回波信號的階躍式傳輸函數(shù)。

采用平滑WVD (Smoothed-wigner-ville distribution，SWVD)變換進(jìn)行脈沖回波信號的時頻分解，SWVD的定義式為：

(2)

SPEC(t,f)=|STFT(t,f)|2=

3）資源豐富，情境真實。微課的核心就是視頻的展現(xiàn)和多媒體課件，里面包含專家的點評和教學(xué)反思，還有練習(xí)和測驗，可以給學(xué)生創(chuàng)設(shè)一個具象化的情境。微課的這一特點在國內(nèi)外的微課交流平臺上都展現(xiàn)出來。當(dāng)前微課不應(yīng)只是視頻資源，還要將微課平臺發(fā)展成一個互動性教學(xué)平臺，不光有練習(xí)和測驗，還要有知識講解、學(xué)習(xí)反饋等資源，這些配套的資源能對學(xué)生自主學(xué)習(xí)發(fā)揮重要作用[4]。

選取2015年8月—2017年12月于南通市第一人民醫(yī)院神經(jīng)內(nèi)科門診或住院診治的帕金森病患者150例，男性患者99例，女性患者51例。

普通彈力繃帶小手套在固定過程中需要將患兒的大拇指分開,手背和其余四指被固定在繃帶手套中,每天在護(hù)理人員檢查過留置針情況后,彈力繃帶手套便會自動粘合,在更換敷料時,護(hù)理人員需要將繃帶小手套整體取下,更加好更換后在重新固定好[3]。

τ/2)z*(t-u-τ/2)e-j2πfτdudτ

(3)

其中，Wγ(-t,f)是微弱信號背景下的魚雷主動脈沖短時Fourier變換的窗函數(shù)γ(t)的WVDWγ(t,f)的脈沖回波的時間反轉(zhuǎn)形式，所以譜圖可以看作是魚雷聲自導(dǎo)探測脈沖信號和窗函數(shù)的WVD的二維卷積，由此構(gòu)建了微弱信號背景下的魚雷主動脈沖回波信號模型，為信號檢測和目標(biāo)識別提供了原始信號基礎(chǔ)。

1.2 級聯(lián)匹配濾波和信號增強(qiáng)處理

在構(gòu)建了微弱信號背景下的魚雷主動脈沖回波信號模型的基礎(chǔ)上，采用級聯(lián)匹配濾波方法進(jìn)行信號的干擾抑制和譜增強(qiáng)處理[8]，級聯(lián)匹配濾波檢測器如圖1所示。

圖1 濾波器的結(jié)構(gòu)模型

根據(jù)圖1所示的濾波器結(jié)構(gòu)模型，進(jìn)行信號的噪聲濾波，在微弱信號背景下，若SWVD中選擇平滑濾波器：G(t,f)=Wγ(-t,f)，得到目標(biāo)回波探測的SWVD譜退化為高階特征譜圖。結(jié)合自適應(yīng)頻譜分離方法，得到魚雷回波脈沖可寫作：

(4)

其中，分?jǐn)?shù)階變換的頻譜分離式Xp(u)可以表示為：

(5)

播種一周左右后檢查玉米幼苗情況，檢查是否有土壤固化并影響幼苗的出苗。如果沒有外部干擾因素，仍然沒有出苗地點。當(dāng)然，苗木應(yīng)針對一定范圍的秧苗。當(dāng)玉米苗期生長至3葉期時，應(yīng)進(jìn)行疏伐和育苗。疏苗的主要目的是保持壯苗，去除病害苗和弱苗，保持苗木均勻。為了保證玉米的高產(chǎn)，應(yīng)根據(jù)玉米幼苗的生長來控制密度。當(dāng)然，這種密度控制應(yīng)以玉米品種和土壤肥力為基礎(chǔ)。

2010年成功等[19]對特發(fā)性脊柱側(cè)凸患者CT圖像進(jìn)行CT薄層分析、CT三維重建，建立起新分型，首先根據(jù)主側(cè)凸所在的部位分為2型。然后根據(jù)側(cè)凸的數(shù)量、側(cè)凸頂點位置，側(cè)方彎度矯形率以及其他三維畸形特點，分成不同的亞型，共分成14個亞型，并對每一分型制定了具體的融合策略。此新分型與king分型、Lenke分型相比，簡單易記，邏輯嚴(yán)謹(jǐn)，與PUMC分型相比，因為借助CT三維重建模型，是一種三維評估分型系統(tǒng)，形象直觀的反應(yīng)了特發(fā)性脊柱側(cè)凸三維畸形的特點。但是其分型依據(jù)只有80例，會導(dǎo)致數(shù)據(jù)不夠，分型不全面，其次在手術(shù)矯形中所提出的入路、融合范圍、具體的融合階段只是雛形，未經(jīng)過大量的臨床檢驗。

機(jī)構(gòu)和組織一直以來通過分析數(shù)據(jù)來幫助企業(yè)制定戰(zhàn)略、經(jīng)營決策，以及進(jìn)行風(fēng)險管理。但今天，情況在發(fā)生變化，數(shù)據(jù)的數(shù)量、速度、種類在改變，計算機(jī)技術(shù)也在改變，而這正是讓數(shù)以萬計的商業(yè)應(yīng)用成為可能的技術(shù)平臺。

(6)

其中，h(τ)和g(u)是Hilbert譜和邊際譜的偶函數(shù)，且h(0)=g(0)=1，采用修正平滑偽WVD進(jìn)行目標(biāo)回波信號的譜特征分離[9]，提高信號的波束聚焦性。

2 目標(biāo)檢測算法優(yōu)化

2.1 自相關(guān)波束形成及信號去盲處理

在上述構(gòu)建了魚雷對比目標(biāo)檢測的微弱信號回波模型，并采用級聯(lián)匹配濾波方法進(jìn)行信號的干擾抑制和譜增強(qiáng)處理的基礎(chǔ)上，進(jìn)行目標(biāo)檢測算法的優(yōu)化設(shè)計，本文提出一種基于主動脈沖回波探測和盲源分離技術(shù)的信號檢測算法。結(jié)合分?jǐn)?shù)階傅里葉變換進(jìn)行頻譜分離，得到魚雷主動脈沖回波信號的譜分離結(jié)果為：

(7)

一個人罹患疾病，其實是他自己內(nèi)部出了問題。所謂的失敗，潰散，都是自我解除武裝乃至自身出了問題導(dǎo)致的。這世界，唯一的好處就是，可以讓每一個人都能在“活著”這個龐雜的命題中不斷地覺悟。當(dāng)然，覺悟，不是人人都具備的。需要一定的天賦，還有必要的后天的文化訓(xùn)練。我一直覺得，世上的人之所以這么多，且千差萬別，個個不一還特別豐富，就是因為，不是每個人都具備與其周遭環(huán)境乃至草木塵埃對話能力的。一個人有此等的意識，進(jìn)而被呼應(yīng)，當(dāng)是人生幸事之一。

(8)

(9)

其中，p為FrFT的階數(shù)，采用修正的平滑偽WVD(modified smoothed pseudo wigner ville distribution，MSPWVD)技術(shù)進(jìn)行目信號的自相關(guān)波束形成，定義為：

(10)

時域表示:

(11)

頻域表示:

式中，f(t)為接收到的魚雷主動脈沖回波信號的瞬時頻率估計值；ρ(a,b)為準(zhǔn)平穩(wěn)隨機(jī)擴(kuò)展函數(shù)；a為魚雷主動脈沖回波信號檢測的實驗參數(shù)；b為頻移參數(shù)，其中分?jǐn)?shù)階傅里葉變換的表達(dá)式為：

采用分?jǐn)?shù)階傅里葉變換進(jìn)行魚雷主動脈沖回波信號動態(tài)壓縮處理，微弱信號背景下的魚雷主動脈沖回波信號長度l，得到回波的脈沖波峰跨度為：

(12)

可以看作是某種能量分布特征函數(shù)的傅立葉變換。通過時域和頻域分離，實現(xiàn)對目標(biāo)信號的去盲預(yù)處理，提高了微弱信號的探測識別能力。

2.2 魚雷對敵目標(biāo)的準(zhǔn)確檢測輸出

(13)

l=a·fl+b

(14)

其中，a、b表示耦合系數(shù)。對于給定的寬帶高分辨微弱信號背景下的魚雷主動脈沖回波信號x(n)和尺度d，魚雷主動脈沖回波信號的最大波峰和波谷差值：

在微課設(shè)計過程中，教師可以根據(jù)相應(yīng)教學(xué)內(nèi)容的難易度和重要度來進(jìn)行資源的科學(xué)制作，例如對于那些難點和重點知識，可以通過設(shè)計系列課程的方式來保障教學(xué)內(nèi)容的系統(tǒng)性和深入性，使學(xué)生能夠通過一系列課程的觀看來充分掌握相關(guān)的內(nèi)容。例如在對學(xué)生進(jìn)行眼底和裂隙燈檢查方面教學(xué)的過程中，可以讓學(xué)生通過比較正常與異常眼底彩色照片，通過模型眼的演示等多種方式形成一個初步的感性認(rèn)知，然后再通過后續(xù)一系列深入的微課教學(xué)來深化學(xué)生對知識的理解和掌握。在教學(xué)中，教師通過充分利用微視頻來突出課程教學(xué)的重點和難點，能夠使學(xué)生深入把握課程學(xué)習(xí)的目標(biāo)，從而提升學(xué)習(xí)的目標(biāo)性和實效性。當(dāng)學(xué)生遇到

(15)

回波信號幅度檢測模型的階數(shù)為2階，得到信號的波束形成參數(shù)a1(t)和a2(t)由下式確定：

(16)

根據(jù)微弱信號背景下的魚雷主動脈沖回波信號方位信息以及信號的其它分布信息[10]，得到微弱信號背景下的魚雷主動脈沖回波信號的輸出包絡(luò)特征為：

(17)

式中，a(t)稱為z(t)瞬時幅度，φ(t)稱為信號的自導(dǎo)檢測相位。根據(jù)上述算法設(shè)計，采用復(fù)包絡(luò)檢測方法實現(xiàn)對目標(biāo)回波信號的準(zhǔn)確定位和參量估計，實現(xiàn)對微弱信號背景下魚雷對敵目標(biāo)的準(zhǔn)確檢測。

3 仿真實驗與檢測性能測試

為了測試本文算法在實現(xiàn)微弱信號背景下的魚雷主動脈沖回波信號檢測中的性能，進(jìn)行仿真實驗，實驗采用Matlab 7仿真軟件設(shè)計，實驗中的魚雷主動脈沖回波信號采用線性調(diào)頻信號作為測試信號，對目標(biāo)回波信號檢測的采樣點數(shù)為1 000點，目標(biāo)的回波脈沖為300 Hz的頻率分量信號，高頻IMF分量的采樣間隔為0.24 s，信號的時長為1 024，根據(jù)上述方程環(huán)境和參數(shù)設(shè)定，進(jìn)行目標(biāo)檢測算法研究，得到輸入的目標(biāo)回波信號波形如圖2所示。

圖2 目標(biāo)回波信號波形

以圖2 的信號為測試對象，用級聯(lián)匹配濾波方法進(jìn)行信號的干擾抑制和譜增強(qiáng)處理，提取目標(biāo)回波信號的高階譜特征量，得到特征提取結(jié)果如圖3所示。

圖3 信號的特征提取結(jié)果

分析圖3得知，采用本文方法進(jìn)行目標(biāo)信號檢測，能準(zhǔn)確實現(xiàn)對不同頻率分量的目標(biāo)信號的準(zhǔn)確定位和識別，頻譜的分辨能力較好，雜波的干擾去除能力較強(qiáng)。測試不同方法進(jìn)行微弱信號背景下魚雷對敵目標(biāo)檢測的性能，測試信噪比的范圍為-8～10 dB，蒙特卡洛實驗次數(shù)為1 000次，得到檢測性能曲線對比結(jié)果如圖4所示，分析圖4得知，本文方法進(jìn)行目標(biāo)檢測的準(zhǔn)確性高于傳統(tǒng)方法，平均提升13.5%，檢測性能較優(yōu)。

圖4 檢測性能對比

4 結(jié)束語

在復(fù)雜的海洋環(huán)境下，受到海水背景噪聲和敵方聲誘餌的干擾，導(dǎo)致魚雷對敵目標(biāo)探測的有效性大大下降，為了提高微弱信號背景下魚雷對敵目標(biāo)的檢測能力，提出一種基于主動脈沖回波探測和盲源分離技術(shù)的信號檢測算法。構(gòu)建魚雷對比目標(biāo)檢測的微弱信號回波模型，采用級聯(lián)匹配濾波方法進(jìn)行信號的干擾抑制和譜增強(qiáng)處理，采用自相關(guān)波束形成方法進(jìn)行信號的去盲處理，提高微弱信號背景下魚雷的主動目標(biāo)探測能力，提取目標(biāo)回波信號的高階譜特征量，采用復(fù)包絡(luò)檢測方法實現(xiàn)對目標(biāo)回波信號的準(zhǔn)確定位和參量估計，實現(xiàn)對微弱信號背景下魚雷對敵目標(biāo)的準(zhǔn)確檢測。研究得知，本文方法進(jìn)行魚雷對敵目標(biāo)信號檢測的有效性較高，檢測準(zhǔn)確概率高于傳統(tǒng)方法，抗干擾能力較強(qiáng)。