陳敬軍

?

一種多級窄帶信號檢測方法

陳敬軍

(海軍駐上海地區(qū)電子設(shè)備軍事代表室，上海 200233)

提出了一種組合應(yīng)用雙門限檢測、頻率跟蹤和專家系統(tǒng)來對窄帶信號進(jìn)行多級檢測的方法，并對影響窄帶信號檢測性能的因素進(jìn)行了分析。該方法在不需事先知道窄帶信號的強(qiáng)弱、數(shù)量、位置等信息的情況下，能以高檢測概率和低虛警概率對低信噪比窄帶信號進(jìn)行自動檢測。另外，由于該方法計算量較小，適合于實時處理，通過對海上實際目標(biāo)數(shù)據(jù)的處理，驗證了該方法具有良好的寬容性。

窄帶檢測；頻率跟蹤；雙門限檢測；專家系統(tǒng)

0 引言

窄帶信號檢測一直是國內(nèi)外的研究熱點[1-5]。Thomas A. Lampert等[6]對窄帶信號的各種檢測方法進(jìn)行了綜述。為了提高低信噪比條件下的窄帶信號檢測性能，需要利用多個時刻的譜值數(shù)據(jù)，并經(jīng)常將兩種或多種方法進(jìn)行組合，其目的是利用每一個方法的優(yōu)勢，使整個算法能夠獲得較好的處理性能[6-9]。專家系統(tǒng)作為一種分類方法已經(jīng)在聲吶目標(biāo)識別中取得了廣泛應(yīng)用，并在聲吶信號處理系統(tǒng)設(shè)計中得到應(yīng)用[12-15]。本文將雙門限檢測、目標(biāo)跟蹤、特征提取和專家系統(tǒng)組合成一個三級檢測系統(tǒng)來提高窄帶信號的檢測性能，并從理論上分析了影響算法性能的因素。

1 窄帶信號的初始檢測

2 窄帶信號的第二級檢測

第二級檢測主要是利用多個時刻的目標(biāo)檢測情況來降低虛警概率。噪聲和窄帶信號在多個時刻的檢測情況是不同的，可以利用其中的差異進(jìn)一步剔除噪聲點?？紤]到窄帶檢測不允許太多的延遲時間，這里只利用個時刻的目標(biāo)檢測情況。

(1) 搜索時刻中的譜值非零點，若搜索到譜值非零點，則執(zhí)行(2)，若搜索到行尾則執(zhí)行(4)。

(4) 輸出時刻的數(shù)據(jù)，更新個時刻的數(shù)據(jù)，從(1)開始重復(fù)執(zhí)行，直至處理完所有數(shù)據(jù)。

3 窄帶信號的第三級檢測

海上的情況復(fù)雜多變，目標(biāo)輻射噪聲各種各樣，背景噪聲起伏較大。信號和背景起伏對窄帶信號檢測將產(chǎn)生顯著影響[8]。第三級檢測主要利用提取出的目標(biāo)特征應(yīng)用專家系統(tǒng)來保證對窄帶信號的檢測性能，提高算法的寬容性。

為了能夠在低信噪比條件下無論信號和背景是否起伏都能以高檢測概率檢測信號，可以先取兩個低值門限，在進(jìn)行目標(biāo)檢測的同時，估計出目標(biāo)的信噪比、檢測概率、穩(wěn)定度等信息，然后利用提取出的目標(biāo)特征，送入專家系統(tǒng)中，進(jìn)一步判斷保留的譜值非零點對應(yīng)的是窄帶信號還是噪聲，以保證在各種情況下的檢測性能。

4 影響算法性能的因素分析和門限選取方法

4.1 偏轉(zhuǎn)量d的計算

定義描述由于窄帶信號存在而產(chǎn)生的偏轉(zhuǎn)量：

其中，

同樣可以推導(dǎo)出：

把式(9)、(10)、(13)代入式(8)，得：

扇邊效應(yīng)損失(Scalloping Loss, SL)是加時間窗對譜估計的另一個影響。由于加時間窗，導(dǎo)致窗函數(shù)的頻率響應(yīng)的主瓣只是在頻率點的中心達(dá)到最大，而在相鄰兩頻率點的中心對應(yīng)的頻率上達(dá)到最小。如果一個正弦信號的頻率恰巧是相鄰頻率點的中間值，則產(chǎn)生了最大的扇邊效應(yīng)損失。扇邊效應(yīng)損失定義為

把式(15)、(16)代入式(14)可以得到：

4.2 第一、二級檢測門限的選取方法

所以，

同樣可以求出，

可把上面的19(a)、19(b)改寫成如下形式：

根據(jù)偏轉(zhuǎn)量的定義可知：

5 試驗數(shù)據(jù)分析

檢測性能的提高可以體現(xiàn)在幾個方面：(1) 需要的先驗信息少；(2) 降低了虛警概率；(3) 提高了目標(biāo)檢測概率；(4) 具有很好的寬容性；(5) 可以檢測更低信噪比的窄帶信號。本文給出的窄帶信號多級檢測算法在進(jìn)行窄帶信號檢測時并不需要任何先驗信息，通過剔除噪聲點降低了虛警概率，通過確認(rèn)漏檢時刻信號存在提高了目標(biāo)檢測概率，而低檢測門限和專家系統(tǒng)的組合使用，又使算法在各種情況下具有很好的寬容性。本文給出的多級檢測算法可以同時以高檢測概率和低虛警概率檢測低信噪比的窄帶信號。

圖1(a)是利用海上試驗數(shù)據(jù)計算出的原始LOFAR圖，用256級灰度表示幅度；圖1(b)是經(jīng)過多級檢測算法處理后的結(jié)果，為了便于觀察，所有的表示檢測到窄帶信號的譜值非零點全部用白色亮點表示?？梢钥闯霰疚慕o出的算法能夠同時以高檢測概率和低虛警概率檢測低信噪比的窄帶信號。

圖1 海上先后跟蹤兩個不同目標(biāo)對應(yīng)的LOFAR圖和多級檢測算法處理后的結(jié)果

6 結(jié)論

本文組合應(yīng)用雙門限檢測、目標(biāo)跟蹤和專家系統(tǒng)技術(shù)實現(xiàn)了對窄帶信號的多級檢測。算法利用了多個時刻的譜值信息，與只利用單個時刻譜值進(jìn)行窄帶信號檢測的方法相比，明顯降低了虛警概率、提高了檢測概率，能同時以高檢測概率和低虛警概率自動檢測窄帶信號。另外本文給出的檢測方法還具寬容性好、計算量小的優(yōu)點。

[1] NIELSEN R O. Sonar signal processing[M]. Artech House, Inc. 1991.

[2] 李山, 王德俊, 王海斌. 一種基于線譜特征函數(shù)提取 LOFAR 圖線譜的方法[J]. 聲學(xué)技術(shù), 2016, 35(4), 373-377.

LI Shan, WANG Dejun, WANG Haibin. An approach to lofargram spectrum line detection based on the spectrum line feature function[J]. Technical Acoustics, 2016, 35(4), 373-377.

[3] GUNES T, ERD?L N. HMM based spectral fre-quency line tracking: improvements and new results[C]//Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing, 2006(2): 673-676.

[4] LAMPERT A, O’KEEFE S E M. A detailed investigation into low-level feature detection in spectrogram images[J]. Pattern Recognition, 2011, 44(9): 2076-2092.

[5] LAMPERT T A, O’KEEFE S E M. On the detection of tracks in spectrogram images[J]. Pattern Recognition, 2013, 46(5): 1396- 1408.

[6] LAMPERT T A, O’KEEFE E M. A survey of spectrogram track detection algorithms[J]. Applied Acoustics, 2010, 71: 87-100.

[7] 陳敬軍, 陸佶人. 被動聲吶線譜檢測技術(shù)綜述[J]. 聲學(xué)技術(shù), 2004, 23(1): 57-60.

CHEN Jingjun, LU Jiren. A review of techniques for detection of line-spectrum in passive sonar[J]. Technical Acoustics, 2004, 23(1), 57-60.

[8] 陳敬軍. 魚雷目標(biāo)檢測和識別技術(shù)研究[D]. 南京: 東南大學(xué)博士學(xué)位論文, 2004.

CHEN Jingjun. The research on the technique about detection and recognition of torpedo[D]. Nanjing: Southeast University, 2004.

[9] 陳敬軍, 孟昭文, 陸佶人. 模糊專家系統(tǒng)在線譜檢測中的應(yīng)用研究[J]. 船舶工程, 2004, 26(6): 67-70.

CHEN Jingjun, MENG Zhaowen, LU Jiren. Application of fuzzy expert system in detection of line_spectrum[J]. Ship Engineering, 2004, 26(6): 67-70.

[10] ABEL J S, LEE H J, LOWELL A P. An image processing approach to automated LOFARgram to frequency tracking[C]// ICASSP-92, II-561-564.

[11] JAUFFERET C, BOUCHET D. Frequency line tracking on a lofargram: an efficient wedding between probabilistic data association modelling and dynamic programming technique[J]. IEEE, 1997, 486-490.

[12] KUMMERT A. Fuzzy technology implemented in sonar systems[J]. IEEE J. of Oceanic Eng., 1993, 18(4), 483-490.

[13] MAKSYM J N, BONNER A J, DENT C A, et al. Machine analysis of acoustical signals[J]. Pattern Recognition, 1983, 16(6): 615-625.

[14] RAJAGOPAL R. Target classification in passive sonar -- an expert system approach[C]//Proc. of IEEE International Conference on Acoustics, Speech, and Signal Processing. l990: 29l1-29l4.

RAJAGOPAL R, KUMAR K A, RAO P R. An integrated passive target classification[C]//IEEE International Conference on Acoustics, Speech, and Signal Processing, l994: II313-316.

A multi-stage detection method of narrowband signal

CHEN Jing-jun

(Military Representative Office of Electronic Equipment of the PLA Navy in Shanghai, Shanghai 200233, China)

A multi-stage detection method of narrowband signal is given, which combines the double thresholds detection, frequency tracking, and expert system together. The factors that influence the detection performance of narrowband signals are analyzed. The analysis shows that this method can automatic detect narrowband signal with high detection probability and low false probability at low SNR without knowing their amplitude, position, and number of signals in advance. The proposed method is also robust in dealing with sea trial data and it is fit for real time processing because of small computation amount.

detection of narrowband signal; frequency tracking; double-threshold detection; expert system

TN911.7

A

1000-3630(2018)-02-0281-05

10.16300/j.cnki.1000-3630.2018.03.016

2017-10-20;

2018-01-04

陳敬軍(1971－), 男, 山東費(fèi)縣人, 博士, 高級工程師, 研究方向為信號處理、人工智能。

陳敬軍, E-mail:cjj_81@sina.com