郭虎生, 劉啟忠, 劉金龍

?

基于小波能量特征的尾流光信號(hào)特征研究

郭虎生, 劉啟忠, 劉金龍

(海軍工程大學(xué) 兵器工程系, 湖北 武漢, 430033)

針對(duì)艦船尾流激光探測(cè)的信號(hào)檢測(cè)與分析問(wèn)題, 提出了利用小波域能量特征進(jìn)行尾流特征分析的新方法。首先設(shè)計(jì)了變遺忘因子的自適應(yīng)抵消器濾除水體后向散射信號(hào)與系統(tǒng)噪聲, 有效地選取了含有目標(biāo)的信號(hào); 其次采用小波包分解方法并按頻段的能量形成提取目標(biāo)特征; 最后借助主成分分析方法對(duì)特征向量進(jìn)行降維。通過(guò)對(duì)試驗(yàn)數(shù)據(jù)的分析表明, 提取的特征能有效地揭示不同性質(zhì)下的尾流后向散射光信號(hào), 提高了對(duì)尾流分析的能力。

激光尾流; 小波域能量特征; 特征提取; 后向散射; 自適應(yīng)抵消器

0 引言

在利用激光對(duì)艦船尾流氣泡探測(cè)時(shí)[1], 海水的散射效應(yīng)和吸收是決定光在水中傳播的基本過(guò)程[2], 也是制約激光水下探測(cè)能力的基本因素。散射會(huì)使探測(cè)系統(tǒng)接收到水體后向散射回波信號(hào), 并且其能量遠(yuǎn)大于尾流散射回波信號(hào), 使得接收的尾流散射信號(hào)可能會(huì)淹沒(méi)在水體散射信號(hào)中; 吸收過(guò)程則減弱了激光傳輸時(shí)的能量, 使得遠(yuǎn)距離目標(biāo)的回波信號(hào)很弱。因此, 把弱的尾流回波信號(hào)從強(qiáng)噪聲中檢測(cè)出來(lái)是水下目標(biāo)激光回波信號(hào)分析的首要任務(wù)。另一方面, 尾流的回波信號(hào)包含了大量的目標(biāo)特征信息, 因此通過(guò)特征提取方法構(gòu)造有利與目標(biāo)識(shí)別的特征信息, 對(duì)描述目標(biāo)特性、指導(dǎo)目標(biāo)識(shí)別也是十分重要的。

近年來(lái), 利用信號(hào)處理的方法對(duì)尾流特征提取的研究工作得到了不斷開(kāi)展, 紀(jì)延俊等人應(yīng)用短時(shí)Fourier變換推測(cè)艦船尾流的強(qiáng)弱[3], 張建生等人利用1D離散小波變換對(duì)尾流氣泡幕的光學(xué)特性進(jìn)行分析[4], 揭示了不同條件下尾流散射光信號(hào)的性質(zhì), 這些研究都為尾流特征提取方法提供了依據(jù)。本文嘗試從艦船尾流回波信號(hào)中抽取小波域能量特征, 以期對(duì)艦船尾流的目標(biāo)進(jìn)行分類(lèi), 從而達(dá)到準(zhǔn)確探測(cè)艦船后向光尾流的目的。

1 數(shù)據(jù)的預(yù)處理

激光在水下傳輸時(shí)會(huì)受到水體尤其是近距離水體后向散射的影響, 使得接收的尾流散射信號(hào)可能會(huì)淹沒(méi)在水體散射信號(hào)中。為了能夠從復(fù)雜的信號(hào)中提取出有用信號(hào), 必須對(duì)原始數(shù)據(jù)進(jìn)行一系列的預(yù)處理。去除水體的后向散射回波信號(hào)及雜散光、探測(cè)系統(tǒng)自身噪聲等。常規(guī)的方法為背景相減法, 但是采集的數(shù)據(jù)起點(diǎn)不易對(duì)齊, 容易產(chǎn)生干擾信號(hào), 影響對(duì)目標(biāo)回波信號(hào)的提取。因此本文采用自適應(yīng)抵消器的方法對(duì)采集信號(hào)進(jìn)行處理[5], 即將水體回波信號(hào)和其他非感興趣區(qū)域信號(hào)當(dāng)作噪聲, 并作為自適應(yīng)抵消器的參考輸入, 通過(guò)自適應(yīng)濾波器的設(shè)計(jì)與調(diào)整, 將水體回波信號(hào)進(jìn)行對(duì)消掉得到有用信息。自適應(yīng)抵消法去除水體回波的原理框圖如圖1(其中,為探測(cè)系統(tǒng)接收的回波信號(hào)，為水體后向散射回波信號(hào)，為目標(biāo)的回波信號(hào)，為抵消后輸出)[6]。

自適應(yīng)抵消器還可以通過(guò)對(duì)算法的改進(jìn), 進(jìn)一步完善處理的效果和實(shí)時(shí)性。與背景相減法比較, 避免了因采集數(shù)據(jù)的時(shí)基漂移帶來(lái)的干擾, 通過(guò)自適應(yīng)抵消的方法對(duì)探測(cè)信號(hào)進(jìn)行有效的處理, 消除水體后向散射信號(hào)的同時(shí)突出了目標(biāo)信號(hào), 為目標(biāo)信號(hào)的抽取做了基礎(chǔ)。本文運(yùn)用自適應(yīng)抵消器得到的處理結(jié)果參見(jiàn)圖2。

圖1 自適應(yīng)抵消原理圖

圖2(a)中數(shù)據(jù)為接收的帶目標(biāo)的回波信號(hào)。圖2(b)中數(shù)據(jù)為不含任何目標(biāo)信息的回波信號(hào), 可以看出，水體后向散射回波信號(hào)出現(xiàn)在采樣點(diǎn)1 500~1 700之間, 目標(biāo)的回波信號(hào)出現(xiàn)在采樣點(diǎn)1 860~1 980之間, 目標(biāo)信號(hào)與水體回波信號(hào)的信干比SIR=-9.731 3 dB, 可見(jiàn)若不對(duì)水體回波進(jìn)行抑制, 則很難提取目標(biāo)信號(hào)。圖2(d)是以圖2(b)中數(shù)據(jù)作為參考輸入信號(hào), 對(duì)圖2(a)采用自適應(yīng)抵消法得到的結(jié)果, 可發(fā)現(xiàn)自適應(yīng)抵消法可以有效提取出目標(biāo)的回波信號(hào), 目標(biāo)信號(hào)與水體回波信號(hào)的信干比SIR=5.741 0 dB。在時(shí)基未偏移的情況下, 采用直接相減法也可以得到很好的提取效果, 但是在實(shí)際探測(cè)中回波信號(hào)會(huì)出現(xiàn)時(shí)基偏移, 在這種情況下, 采用直接相減法顯然失效, 見(jiàn)圖2(c)中虛線。

圖2 試驗(yàn)數(shù)據(jù)與抵消結(jié)果曲線

2 目標(biāo)信號(hào)的小波域描述

小波分析是一種局部性較好的方法, 能使被利用信號(hào)部分能量更加集中, 并從目標(biāo)回波信號(hào)的頻譜微結(jié)構(gòu)特性中提取出表現(xiàn)目標(biāo)本質(zhì)的特征向量[7], 從而提高對(duì)目標(biāo)回波信號(hào)分析的能力。不同條件下的目標(biāo)回波信號(hào)在某些頻段上的信號(hào)能量會(huì)表現(xiàn)出不同的特征, 利用這些特征可用于不同性質(zhì)尾流的識(shí)別, 具體步驟: 在目標(biāo)回波的頻帶內(nèi), 將通頻帶分為若干頻段, 求出每一子帶的能量。

將抽取的目標(biāo)信號(hào), 進(jìn)行小波包分解以提取目標(biāo)特征信息, 具體步驟如下。

1) 對(duì)提取的回波信號(hào)進(jìn)行層小波包分解,分別提取第層從低頻到高頻2個(gè)頻率段成分的信號(hào)特征。

4) 以能量為元素構(gòu)造一個(gè)特征向量,特征向量構(gòu)造如下

上式中已經(jīng)對(duì)特征向量進(jìn)行歸一化處理,這樣做還可消除由能量差異帶來(lái)的偏差。

3 特征分析

圖4是針對(duì)氣泡濃度不同時(shí)探測(cè)數(shù)據(jù)的處理, 其中圖4(c)是高濃度的尾流回波信號(hào)和特征向量分布, 圖4(d)是低濃度的尾流回波信號(hào)和特征向量分布?？梢园l(fā)現(xiàn)，濃度不同時(shí)各頻段的能量分布不同, 當(dāng)濃度小時(shí), 高頻段的能量分布增加。

圖3 氣泡尺寸不同的氣泡回波信號(hào)和特征分布

圖4 不同濃度的氣泡回波信號(hào)和特征分布

從分布圖中可以看出，不同條件下的尾流在不同頻段上能量分布有差異, 為了對(duì)所提取特征的可分性作出一些有益判決, 本文借助統(tǒng)計(jì)方法中的主成分分析法, 對(duì)各類(lèi)目標(biāo)特征進(jìn)行降維及分析, 觀察特征向量在低維空間上的投影。

主成分分析(principal component analysis, PCA)的目的就是通過(guò)線性變換, 將原多維變量組合成相互獨(dú)立的少數(shù)幾個(gè)能充分反映總體信息的新變量, 從而在不丟失主要信息的條件下避開(kāi)自變量之間的共線性問(wèn)題, 同時(shí)壓縮自變量維數(shù), 以便于隨后的分類(lèi)分析。在本文研究中, 采集到的特征為8D信號(hào), 因此, 進(jìn)行降維是十分必要的, 主成分分析降維可以按以下步驟。

1) 平移坐標(biāo)系, 求出各類(lèi)樣本總體的均值, 并將其作為新坐標(biāo)系的原點(diǎn), 則維向量變換后的坐標(biāo)為

通過(guò)觀察3D投影圖, 可對(duì)小波包能量特征提取的可分性有直觀的感受。由圖5及圖6可以看出, 作為從不同條件下生成模擬尾流的探測(cè)信號(hào)中提取出的小波包分解能量特征在3D投影圖中也大致分布在2個(gè)區(qū)域, 雖然提取的特征有較多的互相重疊, 無(wú)法給出確切的界限, 但也可看出，使用小波包分解抽取能量特征對(duì)不同屬性的尾流進(jìn)行分析是可行的。

圖5 2種孔徑下尾流小波包能量特征提取投影圖

圖6 2種壓強(qiáng)下尾流小波包能量特征提取投影圖

為了進(jìn)一步對(duì)該特征提取方法的適用性進(jìn)行說(shuō)明, 選取海試數(shù)據(jù)進(jìn)行分析, 試驗(yàn)數(shù)據(jù)為在某海域進(jìn)行的海洋環(huán)境下分別對(duì)大小2種試驗(yàn)船尾流探測(cè)中獲取的。試驗(yàn)中, 探測(cè)系統(tǒng)通過(guò)平臺(tái)放置在海底。目標(biāo)船從探測(cè)系統(tǒng)上方海面駛過(guò)時(shí), 探測(cè)系統(tǒng)向海面發(fā)射激光脈沖并探測(cè)目標(biāo)船尾流回波信號(hào)。按照本文方法對(duì)海上試驗(yàn)數(shù)據(jù)進(jìn)行了6階的小波包分解, 并對(duì)特征向量在低維空間上進(jìn)行投影, 見(jiàn)圖7和圖8。

圖7為分別對(duì)小試驗(yàn)船遠(yuǎn)近程的尾流信號(hào)進(jìn)行小波包能量特征提取并在3D空間上的投影圖?？梢园l(fā)現(xiàn)，小試驗(yàn)船的近程尾流信號(hào)和遠(yuǎn)程尾流信號(hào)提取的特征點(diǎn)相距較遠(yuǎn), 但仍有特征點(diǎn)混雜分布, 這和小試驗(yàn)船生成尾流的距離較短、尾流縱向距離特征不明顯有關(guān)。

圖8是對(duì)大試驗(yàn)船的近程尾流區(qū)域與遠(yuǎn)程尾流區(qū)域分別選取10組探測(cè)信號(hào)處理后在3D空間的投影圖, 可以看出, 2種距離處的特征點(diǎn)比較密集, 即特征點(diǎn)明顯的按類(lèi)群聚, 且大試驗(yàn)船遠(yuǎn)近尾流提取的2類(lèi)特征點(diǎn)分布相距較遠(yuǎn), 較容易進(jìn)行分類(lèi)區(qū)分。

圖7 小試驗(yàn)船遠(yuǎn)近程信號(hào)能量特征分布3D圖

圖8 大試驗(yàn)船遠(yuǎn)近程信號(hào)能量特征分布3D圖

通過(guò)上述分析可以發(fā)現(xiàn), 小波包能量分解提取的特征對(duì)不同距離處的尾流具有可分性, 并利用其對(duì)目標(biāo)進(jìn)行分類(lèi)是切實(shí)可行的, 其中對(duì)大試驗(yàn)船數(shù)據(jù)處理的結(jié)果要優(yōu)于小試驗(yàn)船, 這是因?yàn)榇笤囼?yàn)船生成的尾流分布較廣, 尾流在不同縱向距離的差異更大, 所以對(duì)遠(yuǎn)程和近程信號(hào)處理的結(jié)果差異更大, 特征提取的效果也更明顯。

4 結(jié)束語(yǔ)

通過(guò)對(duì)尾流探測(cè)信號(hào)進(jìn)行自適應(yīng)抵消后可以有效地得到目標(biāo)的回波信號(hào), 并由此得到尾流是否存在的信息, 這在實(shí)際中具有重要意義, 因?yàn)橹灰_定了尾流的存在, 就可以實(shí)現(xiàn)水下兵器對(duì)艦船的跟蹤攻擊。文中通過(guò)小波包分解的方法提取目標(biāo)信號(hào)各頻帶的能量信號(hào)作為信號(hào)的特征向量, 經(jīng)過(guò)試驗(yàn)分析發(fā)現(xiàn), 尾流中氣泡尺寸大小、氣泡的濃度會(huì)對(duì)提取的特征向量分布造成較大差異, 正是這種差異隱含了尾流的特征。不過(guò), 如何通過(guò)特征向量的分布具體地描述尾流特性還有待于深入研究。

[1] 張曉暉, 雷選華, 饒炯輝, 等．艦船尾流激光制導(dǎo)方法的研究[J]. 激光技術(shù), 2005, 29(5): 494-500． Zhang Xiao-hui, Lei Xuan-hua, Rao Jiong-hui, et al. Study of Homing Means for Laser-wake-homing Torpedoes[J]. Laser Technology, 2005, 29(5): 494-496．

[2] 夏珉, 楊克成, 鄭毅, 等．水體光學(xué)參數(shù)對(duì)水中氣泡場(chǎng)激光雷達(dá)探測(cè)影響的研究[J]．激光技術(shù), 2008, 29(1): 72-74. Xia Min, Yang Ke-cheng, Zheng Yi, et al. Study on the In- fluences of Different Water Optical Parameters on Under- water Bubble Layer Lidar Detection[J]. Laser Technology, 2008, 29(1): 72-74．

[3] 紀(jì)延俊, 何俊華, 鄭黎, 等. 應(yīng)用短時(shí)Fourier變換對(duì)尾流光學(xué)信號(hào)分析[J]. 光子學(xué)報(bào), 2004, 33(12): 1533-1536. Ji Yan-jun, He Jun-hua, Zheng Li, et al. Analyzing Signal Applying Time-dependent Fourier Transform[J]. Acta Photonica Sinica, 2004, 33(12): 1533-1536.

[4] 張建生, 林書(shū)玉, 苗潤(rùn)才, 等. 小波分析在氣泡幕散射光信號(hào)處理中的應(yīng)用[J]. 光子學(xué)報(bào), 2007, 36(3): 557-564. Zhang Jian-sheng, Lin Shu-yu, Miao Run-cai, et al. Wavelet Analysis on Managing of Scattered Optical Semaphore from Bubble Film[J]. Acta Photonica Sinica, 2007, 36(3): 557-564.

[5] 謝勝利, 何昭水, 高鷹. 信號(hào)處理的自適應(yīng)理論[M]. 北京: 科學(xué)出版社, 2006: 60-66．

[6] Jacob B, Silviu C. A Robust Variable Forgetting Factor Recursive Least-Squares Algorithm for System Identifica- tion[J]. IEEE. Signal Process, 2008, 15(5): 597-600．

[7] 張國(guó)華, 袁中凡, 李彬彬. 心音信號(hào)特征提取小波包算法研究[J]. 振動(dòng)與沖擊, 2008, 27(7): 47-49. Zhang Guo-hua, Yuan Zhong-fan, Li Bin-bin. Research On Wavelet Packet Algorithm for Feature Extraction Of Heart Sound Signal[J]. Journal of Viberation and Shock, 2008, 27(7): 47-49.

Laser Wake Signal Feature Extraction Based on Wavelet Package Energy Feature

GUO Hu-sheng, LIU Qi-zhong, LIU Jin-long

(Department of Weaponry Engineering, Naval University of Engineering, Wuhan 43003, China)

For detection and recognition of the laser wake of a surface ship, a novel method for detecting the wake backscattering signal by making use of the wavelet package energy feature vector is presented. An adaptive noise canceller based on variable forgivable factor is designed to filter the backscattering signal and system noise, so as to effectively select the target signal. The wave package energy feature vector is extracted by using wavelet package decomposition method and different energy formation of frequency range. The dimension of the feature vector is reduced with the principal components analysis method. Experimental results show that the proposed method can effectively recognize the features of different wake backscattering signals of a surface ship.

laser wake; wavelet package energy feature; feature extraction; backscatter; adaptive canceller

TJ630.34; TN247

A

1673-1948(2012)01-0033-05

2010-11-19;

2011-05-10.

郭虎生(1986-), 男, 在讀博士, 主要研究方向?yàn)轸~(yú)雷探測(cè)與制導(dǎo).

(責(zé)任編輯: 楊力軍)