文/章業(yè)成

1 國內(nèi)外水聲目標識別特點及現(xiàn)狀分析

隨著科技的發(fā)展，水聲目標身份識別在洋經(jīng)濟與軍事活動中運用十分廣泛。水聲目標識別技術通常是利用各類型傳感器收集目標信息并對其特征進行分析，通過比對已有信息庫識別目標的類型。其工作原理主要是利用了聲納接收的被動目標輻射噪聲、主動目標回波以及其他傳感器信息提取目標特征并進行判斷。水聲目標主要包括聲音、水流擾動和電磁輻射等特征信息。不同水聲目標的特征信息不同，例如艦艇和海底暗礁無論空間形態(tài)還是運動狀態(tài)都有很大差異，通過差異化比對識別目標種類。

水聲目標識別技術在軍事上的運用主要是從20世紀60年代開始，其中以美、英、法等國為代表的軍事強國，對水聲目標識別技術進行了深入研究。

水聲目標識別在國內(nèi)起步較晚，但隨著海洋經(jīng)濟以及軍事領域的發(fā)展，水聲目標識別在國內(nèi)的發(fā)展開始得到重視。多所高校及研究院均對水聲目標物的甄別進行了大量探究，與此同時計算機技術、人工智能等新興領域和前沿科技被吸收到水聲目標的識別技術中，無論是識別靈敏性還是準確度都有了巨幅的提升。

2 水聲目標識別的傳統(tǒng)識別方法

傳統(tǒng)的水聲目標識別方法通常包括通過以下幾種方式進行：

（1）通過噪聲的不同特性進行識別。螺旋槳和機械噪聲通常可以作為水聲目標輻射噪聲能量的重要來源之一。研究者根據(jù)對不同類艦船的輻射噪聲特性差異進行分析，實現(xiàn)水聲目標分類；

（2）通過水聲目標的航行速度、加速度等運動狀態(tài)及急劇變化等行為，預測出目標的后續(xù)行為及目的。此外，還可以通過對水聲目標的行為、狀態(tài)和類型進行分析，尋找出其內(nèi)在關聯(lián)，并通過模擬估計上述關聯(lián)性特征預測目標的真實目的，從而實現(xiàn)目標分門別類；

（3）根據(jù)不同目標船艦的排水量特征，通過分析不同型號的艦船在運行時，噪聲強度與航速和排水量之間的關系，進行目標分類。

（4）根據(jù)目標所裝備的主動聲納特征的不同來進行區(qū)別，由于不同的目標所裝備的聲納型號有所差異，并且不同型號聲波發(fā)射裝置所發(fā)射聲波的頻率、強度等聲波參數(shù)均不一樣。

因此，根據(jù)探測目標說配備的主動聲納特征，能夠判斷出聲納的具體型號，排除掉不同類別的目標特征，減小鑒別難度更便于綜合其他手段進行進一步的識別。

3 水聲目標識別的傳統(tǒng)識別方法存在的局限性

水聲目標存在多種傳統(tǒng)識別方法，但是上述識別方法在具體運用中存在諸多問題，具體有以下幾方面：

3.1 各目標在水中容易受到多種因素影響，且各目標的發(fā)聲機理復雜，因此，在建模上存在一定困難

上文中提到，各目標在水中輻射噪聲源頭千奇百怪，噪聲不僅由目標的主動裝置產(chǎn)生，也與其運動軌跡，外形結(jié)構(gòu)密切相關。甚至與駕駛員的駕駛習慣，輔助裝備的噪音干擾，目標所處地形、水聲環(huán)境有直接關系。而且聲波在觸及到目標物后反射、散射，返回到接收器是其中包含的信息及其復雜，既有距離、速度等空間運動信息，也有形態(tài)大小、外部材料等特征信息，每種信息中又分門別類出更多的態(tài)勢結(jié)果，僅僅是對這些信息進行分析、提取、反應成為人能夠理解的有用結(jié)果就需要進行大量的工作才行。因此，無論是完全基于純的理論分析還是基于觀測數(shù)據(jù)的統(tǒng)計分析，都需要完全掌握各種目標，各種信號的其產(chǎn)生原理和特征、準確給這些目標分類建立模型。其需要的人力物力的投入無論是時間上還是數(shù)量上的積累都是必不可少的。

3.2 水聲目標識別技術在運用上容易受到外界環(huán)境的干擾

雖然可通過對不同目標的噪聲特性進行識別目標，但是過高的噪聲和外界強烈的干擾對于提取弱目標特征存在一定難度。在對弱目標的特征進行提取時，提取水環(huán)境要求要比強目標的環(huán)境要求高，弱目標精度聲納在實際工作中只有在目標的信號強度在0db以下是才能發(fā)揮作用。然而在實際場景中，包含有效信息的聲波信號的信噪比常常在-10dB之下，此外，除了上述影響因素外，在對弱目標精度聲納進行分析時，水環(huán)境中存在的大量低價值數(shù)據(jù)同時也會干擾到被檢測目標信息的提取。

3.3 水下目標的種類多種多樣，不同物體的聲音特性表現(xiàn)各異

聲波傳播特性的干涉性，交叉影響，即使同類目標不同個體間也略有不同，不僅包括各類船只、潛艇，還包括魚雷、無人航行器等等，單就目標的數(shù)量和類型來看，就已經(jīng)形成了一個龐大的數(shù)字，這也對水下目標識別技術的運用帶來了很大的困難。此外，因水中不同目標的存在，他們的聲特性分布也存在交叉重疊的情況，因此，聲納目標識別在多類型目標同時運行的情況下很難對不同功能類型的目標進行區(qū)分。

3.4 通過水聲目標識別技術收集到的數(shù)據(jù)代表性弱、質(zhì)量不高且獲取成本高昂

水聲目標識別的前提是需要收集到高強度、高精度、高質(zhì)量、高代表性的數(shù)據(jù)樣本，但目前對水聲目標識別的研究數(shù)據(jù)資源較少，無法從現(xiàn)有數(shù)據(jù)中得到有效的標注數(shù)。目前，在水聲目標數(shù)據(jù)收集上存在以下問題：

（1）各目標的行進速率所限制，水中的聲音無法在很短的時間內(nèi)將信號進行傳播，且其傳播的范圍一般較小，隱藏在各種噪聲中，數(shù)據(jù)收集的難度較大，因此，想要獲取高精度、高質(zhì)量的數(shù)據(jù)樣本，需要大規(guī)模的水聲試驗條件，這不僅需要成熟的識別技術，更需要投入巨額資金。

（2）一些重要的水下目標聲信號往往被各國視為禁臠，其水聲數(shù)據(jù)信息的測量、收集都受到嚴密的管制，這也是造成水下目標的數(shù)據(jù)極為有限的原因之一。

4 針對傳統(tǒng)識別方法局限性的完善建議

4.1 加強對水中目標的基礎研究，收集完善基礎數(shù)據(jù)，提高水聲識別的準確性

目前，水聲目標識別技術還不是非常成熟，受到各種因素的影響，在對各目標水中特性進行分析提取數(shù)據(jù)時，準確性有限，有效性也很難得到保障。因此，建議在后續(xù)的研究過程中，重視水聲目標特性的基礎研究，通過收集各目標的不同特征，不斷的豐富有效數(shù)據(jù)的存儲，充分掌握并挖掘水中目標水聲學特征。以現(xiàn)有的基礎物理原理為根基，結(jié)合智能化的科研手段進行更廣泛的研究和模擬，才有可能逐步提高目標識別的正確率。

4.2 不斷挖掘已集到的目標特征與海洋環(huán)境信息中的深層次信息點，多角度認識目標特性，提高對各種環(huán)境的適應能力

近年來，世界各海洋國家都高度重視復雜的海底環(huán)境和各種噪聲對聲納裝備探測與識別性能的干擾，也都意識到裝備對環(huán)境自主感知和適應的水平的戰(zhàn)略意義，由此激發(fā)了環(huán)境自適應技術的概念的提出和研究。具備數(shù)據(jù)完整的數(shù)據(jù)庫和對現(xiàn)場目標的適應能力，有望使聲納的性能漸入佳境，從根本上提高聲納探測與識別的環(huán)境適應性。

4.3 對于若目標信號的收集和提取能力提出更高要求，對干擾信號的屏蔽能力也應同步提高

通過聲納陣列獲取水中目標信號是常用的方法，但是因水中獲取數(shù)據(jù)時存在不同強度的干擾，陣列處理過程中若收到海洋環(huán)境中大量目標干擾等問題，都會影響設備后續(xù)對目標的特征提取以及識別，這時就需要通過設計抗干擾的目標特征提取方法，開展自適應的波束形成技術，時空頻域的多目標干擾辨識，信號特征預畸變處理等研究，才能實現(xiàn)對目標特征提取信息的準確性及精細化要求，以保障目標信號聲特征的有效獲取。

4.4 通過分析不同水聲目標信號的特點，采取人工智能水聲目標識別技術研究

如今，人工智能逐漸發(fā)展成熟，人工智能因其具有快速、準確處理數(shù)據(jù)的優(yōu)勢，而水聲數(shù)據(jù)因此在進行水聲目標識別，處理文本、語音等數(shù)據(jù)時，可適當引入人工智能。但是這種通過網(wǎng)絡訓練自主學習樣本內(nèi)在規(guī)律的前提是需要大量、完備、有代表性的樣本數(shù)據(jù)，而這正是水聲數(shù)據(jù)難以滿足的要求。直接的仿照處理不一定能獲得視覺、語音和文本識別的理想效果，而且水聲識別也往往不具備二次驗證的機會。因此，可針對水聲目標信號的特點，理性開展人工智能水聲目標識別技術研究，在自主學習特征和傳統(tǒng)頻譜特征的關聯(lián)性，自主學習特征的可讀性和可解釋性等方面進一步深入探索。