李 越, 張伽偉, 程錦房

基于信號特征的艦船軸頻電場檢測改進算法

李 越, 張伽偉, 程錦房

(海軍工程大學 兵器工程學院, 湖北 武漢, 430033)

為了能夠在較低的信噪比下提高目標的檢測概率, 降低檢測的虛警率和漏警率, 文中依據(jù)實測艦船目標的水下軸頻電場數(shù)據(jù), 對不同艦船的軸頻電場信號進行了深入分析。針對軸頻電場信號及環(huán)境電場噪聲信號在時域及頻域特點的不同, 對原有的一種基于信號特征的艦船軸頻電場信號檢測算法從線譜識別和檢測判據(jù)等方面進行了改進, 同時采用Welch法替換原有功率譜估計方法, 降低了運算量, 使算法更具實時性。通過對不同情況下仿真信號和不同艦船類型的實測信號的檢測可知, 運用該算法可在較低信噪比下實現(xiàn)目標檢測, 從而滿足了提高檢測概率、降低虛警率的需求。該算法適用于水雷等打擊精度較高的水中兵器。

艦船; 軸頻電場; 信號特征; 線譜檢測

0 引言

傳統(tǒng)的艦船目標聲探測手段較為成熟, 但隨著減振降噪和電力推進技術的不斷發(fā)展, 再加上聲線彎曲的影響等, 限制了對水中目標的聲探測能力, 使得尋找一種新的艦船信號源越來越重要和迫切。艦船在海洋環(huán)境中引起的電場叫做艦船電場, 腐蝕電流和由外加電流陰極保護系統(tǒng)(im- pressed current cathodic protection system, ICCP)或被動陰極保護系統(tǒng)(passive cathodic protection system, PCP)產(chǎn)生的保護電流均會經(jīng)海水從船殼流向螺旋槳, 然后通過各種軸承、密封和機械線路從螺旋槳返回到船殼(見圖1)。此回路的電阻會隨著螺旋槳軸承的旋轉(zhuǎn)而發(fā)生周期性變化, 使流經(jīng)海水的電流受到調(diào)制, 從而在艦船周圍產(chǎn)生以螺旋槳轉(zhuǎn)動頻率為基頻的時變電場信號, 該電場稱為軸頻電場[1-2]。艦船軸頻電場是客觀存在的, 不能徹底消除, 是很難被隱身的艦船特征信號。國外, 早在20世紀60~70年代就進行了船舶電場的理論和試驗研究[3-6]。國內(nèi), 艦船電場近年來越來越受到重視, 相關研究也在進行中[7-9]。

圖1 螺旋槳轉(zhuǎn)動調(diào)制產(chǎn)生軸頻電場示意圖

在利用軸頻電場信號對艦船進行檢測的過程中, 常存在海洋環(huán)境電場信號的干擾。當干擾很小、信噪比很高時, 傳統(tǒng)的基于時域特性的目標檢測算法能夠達到使用要求, 如以電場模量、斜率、斜率比等為特征[10]; 但當干擾較大、信噪比很低時, 上述算法虛警率過高, 無法有效檢測到目標。胡鵬[11]、賈亦卓[12-13]等基于小波良好的時域局域化能力, 在小波域中利用小波包熵、小波空域相關、小波模極大值能量等特征進行信號去噪和檢測, 但小波類算法存在基函數(shù)選擇缺乏自適應性、降噪閾值設定不易和分解層數(shù)的確定經(jīng)驗性強的缺陷。程銳等[14]將經(jīng)驗模態(tài)分解算法與4階累積量相結合, 應用于軸頻電場的檢測, 利用前者的信號自適應分解能力和后者的抑制高斯過程的性質(zhì), 取得了不錯的效果, 但算法中的部分參數(shù)需要多次試驗才能確定, 經(jīng)驗模態(tài)分解也存在模態(tài)混疊現(xiàn)象。目標檢測的基本要求是在不虛警的情況下盡可能地提高檢測概率?？紤]到上述原則和前人存在的問題, 文中對原有的基于信號特征的艦船軸頻電場實時檢測算法在線譜識別和檢測判據(jù)等方面進行了改進, 同時采用Welch法替換原有功率譜估計方法, 降低了運算量。擬通過設定合適的閾值, 適當放寬對疑似目標點的判決條件, 然后通過電場模量判據(jù)、線譜倍頻判據(jù)及線譜穩(wěn)定性判據(jù)對疑似目標點進一步判斷, 既提高了檢測概率又降低了虛警率, 實現(xiàn)了低信噪比下的目標檢測。

1 艦船軸頻電場及環(huán)境電場特征分析

對目標信號進行檢測的關鍵是在環(huán)境噪聲中提取目標信號的特征, 而目標信號特征的提取則依賴于對大量艦船信號及環(huán)境噪聲信號實測數(shù)據(jù)的分析比較。

在大量實測數(shù)據(jù)的基礎上, 挑出3組既具有代表性又具有一般性的數(shù)據(jù)進行分析, 采樣頻率20 Hz, 如圖2~圖4所示。

圖2 某貨船軸頻電場信號特征圖

圖中:E表示縱向軸頻電場強度;表示估計出的功率譜。各圖(a)為軸頻電場信號, 各圖(b)為其頻譜圖。從圖中可以看出: 時域上軸頻電場信號具有良好的區(qū)域性, 成包絡對稱分布, 其幅值量級足以被檢測到, 而環(huán)境電場信號較為平穩(wěn), 短時間內(nèi)不會存在較大波動; 頻域上軸頻電場信號表現(xiàn)為基頻及其倍頻的線譜, 而環(huán)境電場信號則為連續(xù)譜且大部分集中在低頻。各圖(c)為分段滑動進行功率譜估計時每段數(shù)據(jù)功率譜最大值對應的頻率(最大能譜頻率), 可明顯看到信號段最大能譜頻率較穩(wěn)定, 且出現(xiàn)在基頻或其倍頻處, 而環(huán)境信號沒有此規(guī)律。各圖(d)為實船通過時特征頻段內(nèi)能量的變化。特征頻段內(nèi)能量的計算方法為, 對信號進行功率譜估計, 提取特征頻段內(nèi)譜值的最大值, 具體步驟為: 每次功率譜計算的點數(shù)為200個, 即10 s為一段, 每次向前推進2 s進行計算。可以看出, 當沒有艦船軸頻電場信號時, 測量到的數(shù)據(jù)為環(huán)境電場數(shù)據(jù), 該特征頻段內(nèi)的功率譜最大值變化較為平穩(wěn), 譜值相對較小, 當有艦船軸頻信號出現(xiàn)時, 該頻段的功率譜最大值會顯著升高。

圖3 某客船軸頻電場信號特征圖

圖4 某軍艦軸頻電場信號特征圖

通過對大量的實測數(shù)據(jù)進行分析, 可知不同類型艦船的螺旋槳轉(zhuǎn)速不同, 如表1所示[15]。根據(jù)各種類型艦船槳速范圍確定對應的軸頻范圍為1~6 Hz, 因為需要用倍頻信息進行倍頻判斷, 所以特征頻段確定為1~12 Hz。

表1 不同類型艦船螺旋槳速度與軸頻范圍

2 艦船軸頻電場信號檢測算法

艦船軸頻電場信號檢測是一種基于能量檢測的算法, 主要通過對某一特征頻段內(nèi)的電場軸頻信號功率譜最大值的實時跟蹤, 做出對目標艦船是否存在的初步判斷。當沒有艦船軸頻電場信號時, 測量到的數(shù)據(jù)為環(huán)境電場數(shù)據(jù), 該特征頻段內(nèi)的功率譜最大值變化較為平穩(wěn), 譜值相對較小, 當有艦船軸頻信號出現(xiàn)時, 該頻段的功率譜最大值會顯著升高, 所以可通過設定閾值達到檢測艦船的目的。為了提高檢測率, 另設3個判據(jù)進一步判斷。軸頻電場信號頻域表現(xiàn)為基頻及其倍頻線譜的形式, 且基頻范圍大致確定, 而且由于艦船正常航行時其螺旋槳的轉(zhuǎn)速恒定, 所以基頻及其倍頻處的線譜位置較為穩(wěn)定, 對于近場而言, 軸頻電場還具有一定的幅值[16]。以上述條件為判斷準則, 檢測算法的實現(xiàn)步驟如圖5所示。

檢測算法中的連續(xù)譜與線譜的分離、檢測閾值確定、疑似目標點確定、線譜倍頻判斷和線譜穩(wěn)定性判斷按照經(jīng)典滑動檢測算法即可[16]。功率譜估計采用Welch法, 詳細推導過程見文獻[17]。改進算法選取線譜識別后特征頻段內(nèi)的最大譜值為特征值, 改進了譜寬門限的設定, 同時增加電場模量判斷對疑似目標點進行初篩, 減少了后續(xù)判斷運算量, 有利于對信號進行實時檢測。

2.1 線譜識別

對濾出連續(xù)譜的功率譜進行線譜識別, 通過分析比較文獻[18]~[19][20]提出的3種譜線識別算法, 決定采用文獻[18]的算法并同時做相應的改進。首先尋找局部極大值點, 即該點處的譜值高于其兩邊點的譜值。對于不是局部極大值的點, 其譜值置零。

圖5 艦船軸頻電場檢測算法流程圖

因為特征頻段選取范圍在1~12 Hz, 所以譜寬門限定為0.75Hz, 將譜寬大于譜寬門限的局部最大值點置零, 之后設置峰高門限, 剔除小于此門限的譜值。峰高門限的設置參照文獻[18]。

2.2 電場模量判斷

3 仿真驗證

根據(jù)水平和垂直電偶極子源在3層分層介質(zhì)中產(chǎn)生電場分量的建模算法, 生成電場仿真數(shù)據(jù)[22]。模擬航速10 kn, 水深30 m, 吃水5 m, 根據(jù)需求設置不同的正橫距, 生成理想的軸頻電場數(shù)據(jù)。艦船軸頻電場信號采樣率為20 Hz。

3.1 相同源強度在不同噪聲條件下的檢測性能

設置正橫距為30 m, 生成理想的軸頻電場數(shù)據(jù)。為了檢驗不同信噪比下對目標信號檢測的能力, 對理想信號加上不同的白噪聲信號, 生成仿真數(shù)據(jù), 對其進行檢測。

圖6~圖8是不同信噪比下的仿真結果, 圖中, 疑似目標點為“○”, 最終確認目標點為“△”。

根據(jù)仿真結果可知, 隨著環(huán)境噪聲的增大, 信噪比逐漸變低。在較高信噪比時, 出現(xiàn)的疑似目標點大部分為最終確認目標點; 隨著信噪比變小, 軸頻電場信號被環(huán)境電場信號掩蓋, 疑似點數(shù)量增多, 出現(xiàn)了較多環(huán)境電場引起的誤動, 通過后來3個判據(jù), 成功地檢測到了目標。但信噪比降低時, 相應的檢測距離也在變小(見表2), 此時雖然犧牲了檢測距離, 同時也降低了虛警率。

圖6 信噪比為22 dB時仿真信號檢測結果

圖7 SNR為10 dB時仿真信號檢測結果

圖8 SNR為–2 dB時仿真信號檢測結果

表2 不同信噪比對應的檢測距離

3.2 相同噪聲條件在不同正橫距離下的檢測性能

設置不同的正橫距離, 生成理想的軸頻電場數(shù)據(jù), 對理想數(shù)據(jù)加上相同的白噪聲, 得到仿真信號并對其進行驗證。圖9~圖12是在不同信噪比下的仿真結果。

圖9 正橫距為30 m時仿真信號檢測結果

圖10 正橫距為60 m時仿真信號檢測結果

圖11 正橫距為90 m時仿真信號檢測結果

根據(jù)仿真結果可知, 隨著正橫距增大, 艦船軸頻電場信號迅速衰減, 最終被環(huán)境噪聲信號所掩蓋。此時疑似目標點數(shù)量增多, 出現(xiàn)了較多環(huán)境電場引起的誤動。但通過3個判據(jù)最終確定了目標點。雖然犧牲了檢測距離, 但降低了虛警率, 如表3所示。對于水雷等水中兵器來說, 降低虛警率比擴大檢測距離更為重要。

圖12 正橫距為120 m時仿真信號檢測結果

表3 不同正橫距對應的信噪比及檢測距離

4 算例及分析

目標信號采用實測信號, 所用數(shù)據(jù)為2012年7月16日在煙臺附近海域取得的數(shù)據(jù)。目標艦船信息見表4。試驗水深約為30 m, 海底為泥沙質(zhì), 水溫17.6℃, 微風, 海況2級。艦船軸頻電場信號采樣頻率為20 Hz。攜帶的電場傳感器由小艇布放, 并通過水密電纜與艇上控制模塊相連, 電極間的電極距為2 m, 測量體布放于水深10 m處, 正橫距由測距儀測得。

表4 目標艦船信息

檢測算法參數(shù)設定與仿真時相同, 檢測結果如圖13~16所示。由圖中可知, 通過改進算法的檢測, 在目標信號剛出現(xiàn)時便檢測到疑似目標點, 但為了降低虛警率又進行了之后的3個判斷。無需太高的檢測閾值, 既排除了誤動又提高了檢測效率, 但犧牲了檢測距離。

圖13 輪渡1號軸頻電場信號實時檢測結果

圖14 貨船軸頻電場信號實時檢測結果

圖15 客船軸頻電場信號實時檢測結果

圖16 輪渡3號軸頻電場信號實時檢測結果

5 結束語

文中依據(jù)實測艦船目標的水下軸頻電場數(shù)據(jù), 對不同艦船的軸頻電場信號進行了深入分析。針對軸頻電場信號及環(huán)境電場噪聲信號特點的不同, 對原有的基于信號特征的艦船軸頻電場信號實時檢測算法進行了改進。與文獻[16]所用算法相比, 改進算法采用經(jīng)典功率譜估計方法, 運算速度較快; 選用特征頻段內(nèi)最大譜值為特征量, 與選取平均譜值作為特征量相比改進算法更具有實時性; 改進了譜寬門限的設定, 使線譜識別更準確; 增加電場模量判斷對疑似目標點進行初篩, 減少后續(xù)判斷運算量, 有利于對信號進行實時檢測; 對不同情況下的仿真信號和不同艦船類型的實測信號進行了檢測, 在較低信噪比下實現(xiàn)了目標檢測。但改進算法在降低虛警率的同時也犧牲了檢測距離, 更適合用于水雷等打擊精度較高的水中兵器。目前采用的檢測信號為單軸信號, 下一步將通過三軸信號同時檢測來進一步降低虛警率, 并保留檢測距離。

[1] 姜潤翔, 史建偉, 龔沈光, 船舶極低頻電場信號特性分析[J]. 海軍工程大學學報, 2014, 26(1): 5-8, 75.Jiang Run-xiang, Shi Jian-wei, Gong Shen-guang. Analysis of Signal Characteristics of Ship’s Extremely Low Frequency Electrical Field[J]. Journal of Naval University of Engineering, 2014, 26(1): 5-8, 75.

[2] 林春生, 龔沈光. 艦船物理場[M]. 北京: 兵器工業(yè)出版社, 2007.

[3] Bostick F X, Smith H W, Boehl J E. The Detection of ULF-ELF Emissions from Moving Ships, ADA037830 [R]. New York: Sate Academic Educational Institutions, 1977: 13-24.

[4] Bruxelle J. Electromagnetic Field Properties in Sea Water- localisation of a Dipolar Target[C]//Proceedings of UDT. Helsinki: Nexus Media Limited, 1993: 105-109.

[5] Hoitham P, Jeffrey I, Brooking B, et al．Electromagnetic Signature Modeling and Reduction[C]//Proceedings of UDT. London, UK: Nexus Media Limited, 1999: 97-100.

[6] Dymarkowski K, Uczciwek J. The Extremely Low Frequency Electro-magnetic Signature of the Electric Field of the Ship[C]//Proceedings of UDT. Hamburg, Germany: UDT, 2001: 1-6.

[7] 馮士民, 張伽偉, 王嬌. 一種船舶軸頻電場傳播特性分析方法[J]. 通信技術, 2018(12): 2848-2852.Feng Shi-min, Zhang Jia-wei, Wang Jiao. Method of Analy- sis on Propagation Characteristic of Shaft-rate Electric Fie- ld[J]. Communications Technology, 2018(12): 2848-2852.

[8] 李松, 石敏, 杜鑫. 艦船軸頻電場數(shù)據(jù)的采集與處理研究[J]. 艦船科學技術, 2015, 37(12): 100-103. Li Song, Shi Min, Du Xin. Data Acquisition and Processing for the Shaft-rate Electric Field of a Ship[J]. Ship Science And Technology, 2015, 37(12): 100-103.

[9] 張學峰, 李濤. 淺海中利用艦船軸頻電場定位技術研究[J]. 河北省科學院學報, 2015, 32(2): 26-34. Zhang Xue-feng, Li Tao. Research on Positioning Technology of the Ship Shaft-rate Electric Field in Shallow Sea[J]. Journal of the Hebei Academy of Sciences, 2015, 32(2): 26-34.

[10] 程錦房, 龔沈光. 電場引信的動作判據(jù)分析[J]. 海軍工程大學學報, 2003, 15(4): 27-30.Cheng Jin-fang, Gong Shen-guang. Analysis of Firing Criteria of Electric Field Fuse[J]. Journal of Naval University of Engineering, 2003, 15(4): 27-30.

[11] 胡鵬, 龔沈光, 胡英娣. 基于小波包熵的船舶軸頻電場信號檢測[J]. 華中科技大學學報(自然科學版), 2011, 39(11): 15-18. Hu Peng, Gong Shen-guang, Hu Ying-di. Detection of Ship Shaft-rate Electric Field Signals Using Wavelet Packet Entropy[J]. Journal of Huazhong University of Science and Te- chnology(Nature Science Edition), 2011, 39(11): 15-18.

[12] 賈亦卓, 姜潤翔, 龔沈光. 基于小波空域相關的船舶軸頻電場檢測方法[J]. 上海交通大學學報, 2013, 47(7): 1027-1031.Jia Yi-zhuo, Jiang Run-xiang, Gong Shen-guang. Detection of Ship Shaft-rate Electric Field Signal Using Spati- ally Selective Noise Filtration[J]. Journal of Shanghai Jiao Tong University, 2013, 47(7): 1027-1031.

[13] 賈亦卓, 姜潤翔, 龔沈光. 基于小波模極大值能量的船舶軸頻電場檢測[J]. 電子學報, 2014, 42(3): 592-596. Jia Yi-zhuo, Jiang Run-xiang, Gong Shen-guang. Detecti- on of Ship Shaft-rate Electric Field Signal Based on Wav- elet Modulus Maximum Power[J]. Acta Electronica Sinica, 2014, 42(3): 592-596.

[14] 程銳, 姜潤翔, 龔沈光. 基于EMD和4階累積量的船舶軸頻電場線譜提取[J]. 艦船科學技術, 2016, 38(1): 94-98.Cheng Rui, Jiang Run-xiang, Gong Shen-guang. Extract- ion of Line Spectrum of the Ship Shaft-rate Electric Field Based on EMD and Fourth-order Cumulant[J]. Ship Scie- nce and Technology, 2016, 38(1): 94-98.

[15] 張仁興, 余又紅, 張振海. 艦船聯(lián)合動力裝置[R]. 武漢:海軍工程大學, 2002.

[16] 李松, 石敏, 欒經(jīng)德, 等. 艦船軸頻電場信號特征提取與檢測方法[J]. 兵工學報, 2015, 36(S2): 220-224. Li Song, Shi Min, Luan Jing-de, et al. The Feature Extr- action and Detection for Shaft-rate Electric Field of a Ship[J]. Acta Armamentarii, 2015, 36(S2): 220-224.

[17] 胡廣書. 數(shù)字信號處理——理論、算法與實現(xiàn)[M]. 北京:清華大學出版社, 2012.

[18] 李松, 張春華, 欒經(jīng)德. 艦船軸頻電場基頻線譜的模糊評判方法研究[J]. 兵工學報, 2009, 30(12): 1738-1742. Li Song, Zhang Chun-hua, Luan Jing-de. Detection of Line Spectrum of Fundamental Frequency on Shaft-rate Electric Field of a Ship[J]. Acta Armamentarii, 2009, 30 (12): 1738-1742.

[19] 程銳, 陳聰, 姜潤翔. 結合EMD和功率譜熵的船舶軸頻電場線譜提取[J]. 艦船科學技術, 2017, 39(17): 159-163.Cheng Rui, Chen Cong, Jang Run-xiang. Line Spectrum Extraction of Ship Shaft-rate Electric Field Combining EMD and Power Spectra a Entropy[J]. Ship Science and Technology, 2017, 39(17): 159-163.

[20] 何芳, 王向軍, 王曉蓓. 艦船軸頻電場線譜提取方法及仿真研究[J]. 計算機仿真, 2015, 32(9): 5-9.He Fang, Wang Xiang-jun, Wang Xiao-bei. Simulation of Ship Shaft-rate Electric Field Line-spectrum Extraction Method[J]. Computer Simulation, 2015, 32(9): 5-9.

[21] 龔沈光, 林春生, 程錦房. 水雷引信系統(tǒng)設計原理[M].武漢: 海軍工程大學, 2008.

[22] Llanwyn J D, Burke C P. The DC Field Components of Horizontal and Vertical Electric Dipole Sources Immersed in Three-layered Stratified Media[J]. Annales Geophysicae, 1997, 15(4): 503-510.

Improved Detection Algorithm of Ship’s Shaft-Frequency Electric Field Based on Signal Features

LI Yue, ZHANG Jia-wei, CHENG Jin-fang

(College of Weaponry Engineering, Naval University of Engineering, Wuhan 430033, China)

To improve the detection probability of a target and reduce the rates of false alarm and missed alarm at lower signal-to-noise ratio(SNR), the shaft-frequency electric field signals of different ships are analyzed based on the measured underwater shaft-frequency electric field data. According to the features of the shaft-frequency electric field signal and the environmental electric field noise signal in time domain and frequency domain, the current detection algorithm of ship’s shaft-frequency electric field based on signal features is improved in terms of line spectrum identification and detection criteria. And the Welch method is employed to replace the original power spectrum estimation method. Thus, the improved algorithm needs less amount of calculation and is more real-time. Analysis on the simulated signals under different conditions and the measured signals of different types of ships shows that the improved algorithm realizes target detection at lower SNR, and satisfies the need to increase the probability of detection and reduce the false alarm rate. This algorithm is more suitable for water weapons with high precision, such as mine.

ships; shaft-frequency electric field; signal feature; line spectrum detection

TJ6; TP274.5; TN911.6

A

2096-3920(2019)04-0398-08

10.11993/j.issn.2096-3920.2019.04.006

李越, 張伽偉, 程錦房. 基于信號特征的艦船軸頻電場檢測改進算法[J]. 水下無人系統(tǒng)學報, 2019, 27(4): 398-405.

2019-01-20;

2019-03-06.

國家自然科學基金項目資助(51509252).

李 越(1995-), 男, 在讀碩士, 主要研究方向為軍用目標特性及信息感知技術.

(責任編輯:楊力軍)