楊益新, 韓一娜, 趙瑞琴, 劉雄厚, 汪 勇

?

海洋聲學(xué)目標(biāo)探測技術(shù)研究現(xiàn)狀和發(fā)展趨勢

楊益新, 韓一娜, 趙瑞琴, 劉雄厚, 汪 勇

(西北工業(yè)大學(xué) 航海學(xué)院, 陜西 西安, 710072)

海洋聲學(xué)目標(biāo)探測——這一覆蓋甚廣的研究領(lǐng)域, 其具有多種研究思路和技術(shù)途徑, 而利用水聲通信組網(wǎng)技術(shù)將主被動探測節(jié)點連接成水聲探測網(wǎng)絡(luò), 并對獲取的多源信息進(jìn)行融合, 是海洋聲學(xué)目標(biāo)探測技術(shù)發(fā)展的重要途徑之一?；诖? 文中分別從被動探測技術(shù)、主動探測技術(shù)、水下通信組網(wǎng)和多源信息融合4個方面, 對海洋聲學(xué)目標(biāo)探測技術(shù)的發(fā)展脈絡(luò)進(jìn)行梳理, 介紹了相關(guān)理論方法的特點, 指出了各自的優(yōu)缺點, 同時闡述了海洋聲信道對目標(biāo)探測的影響。最后, 從以上4個方面對海洋聲學(xué)目標(biāo)探測技術(shù)的未來發(fā)展趨勢進(jìn)行了展望: 被動探測技術(shù)從空域處理角度出發(fā), 將會朝著大孔徑陣列的穩(wěn)健陣列處理技術(shù)、新型傳感器及其陣列的研制, 以及信號處理與水聲物理模型的充分結(jié)合這3個方面發(fā)展; 主動探測技術(shù)則會繼續(xù)發(fā)展低頻大功率探測技術(shù)、多基地組網(wǎng)探測技術(shù)和新體制主動探測技術(shù), 同時智能化主動探測技術(shù)和生態(tài)友好型主動探測技術(shù)也將是其發(fā)展趨勢; 水下通信組網(wǎng)技術(shù)未來將側(cè)重發(fā)展如何利用網(wǎng)絡(luò)協(xié)議提高通信可靠性、跨介質(zhì)組網(wǎng)協(xié)議、面向任務(wù)的網(wǎng)絡(luò)資源調(diào)度以及標(biāo)準(zhǔn)化水聲網(wǎng)絡(luò)實驗平臺建設(shè); 多源信息融合探測技術(shù)則更多的是要進(jìn)一步深入進(jìn)行測量信息與信息間互補關(guān)系的建模研究。

聲學(xué)目標(biāo)探測; 被動聲吶; 主動聲吶; 水聲通信; 信息融合

0 引言

海洋聲學(xué)目標(biāo)探測技術(shù)對于維護國家主權(quán), 保障國家海洋環(huán)境安全, 促進(jìn)海洋探索與開發(fā)至關(guān)重要。近年來, 水下目標(biāo)隱身技術(shù)不斷進(jìn)步, 給水聲探測技術(shù)帶來了巨大挑戰(zhàn)。針對這一挑戰(zhàn), 低頻、移動、多節(jié)點水聲探測技術(shù)日益受到重視, 同時, 探測隱身目標(biāo)的多源聲學(xué)網(wǎng)絡(luò)也應(yīng)運而生。由此可見, 通過水聲通信組網(wǎng)技術(shù)將主被動探測節(jié)點連接成水聲探測網(wǎng)絡(luò), 并對獲取的多源信息進(jìn)行融合, 是海洋聲學(xué)目標(biāo)探測技術(shù)發(fā)展的一個重要途徑。該文將重點從被動探測、主動探測、水下通信組網(wǎng)和多源信息融合探測等4個方面, 對海洋聲學(xué)目標(biāo)探測技術(shù)的研究現(xiàn)狀和未來發(fā)展趨勢進(jìn)行闡述。

1 國內(nèi)外研究現(xiàn)狀

1.1 被動探測技術(shù)

海洋聲學(xué)目標(biāo)被動探測是應(yīng)用最為廣泛的技術(shù)之一, 其主要利用水聽器及其陣列接收目標(biāo)自身輻射噪聲或信號, 如潛艇輻射的螺旋槳轉(zhuǎn)動噪聲、艇體與水流摩擦產(chǎn)生的流噪聲、以及各種發(fā)動機機械振動引起的輻射噪聲等[1], 同時結(jié)合信號處理技術(shù)以提取有用信息, 如目標(biāo)信號特征、方位、距離和深度等。由于被動探測系統(tǒng)本身并不發(fā)射信號, 所以目標(biāo)不易察覺其存在, 具有較強的隱蔽性。

水聽器及其陣列構(gòu)成了被動探測的硬件基礎(chǔ), 而被動聲吶系統(tǒng)則是水聽器及其陣列的主要安裝平臺, 其形式、尺寸及安裝形式等都對信號接收產(chǎn)生直接影響; 信號處理部分則構(gòu)成了軟件基礎(chǔ), 決定了信息提取的有效性, 是被動聲吶系統(tǒng)的大腦。硬件和軟件基礎(chǔ)共同決定了被動探測技術(shù)的性能。

1.1.1 典型被動聲吶平臺

典型被動聲吶平臺主要包括岸基平臺、艦船與潛艇平臺以及航空飛行器平臺, 其包含的水聽器主要有標(biāo)量的聲壓水聽器和矢量水聽器[2-3]2種, 陣列形式可分為線型、面型和體積型, 實際中可依據(jù)不同的應(yīng)用環(huán)境選擇不同的陣型。

岸基聲吶是固定式水聲監(jiān)聽系統(tǒng)的一種, 一般以海岸為基地, 在大陸架或者海島周邊大型布放水下基陣, 用于警戒和監(jiān)視海峽、港口、航道以及敏感水域的敵方水下潛艇活動, 是反潛預(yù)警系統(tǒng)的重要組成部分。一般由線性水聽器基陣、海底電(光)纜、岸上終端電子設(shè)備以及電源系統(tǒng)等組成。岸基聲吶中較為典型的是美國在冷戰(zhàn)時期部署的聲音監(jiān)控系統(tǒng)(sound surveillance system, SOSUS), 該系統(tǒng)采用子陣技術(shù), 將一條長線陣分成2~3個子陣單獨處理, 再結(jié)合起來進(jìn)行波束形成, 從而得到較窄的波束和更好的指向性。

船用被動聲吶主要包括拖曳陣聲吶和舷側(cè)陣聲吶等。其中拖曳陣聲吶具有2個顯著的特點: 基陣孔徑不受艦(艇)空間尺度的限制, 可比一般的艦(艇)載聲吶基陣孔徑大1個數(shù)量級以上, 因而它在極低頻段仍有較高的空間增益, 適合在低頻工作; 基陣遠(yuǎn)離其拖曳平臺, 并可選擇在最有利的深度工作, 背景干擾大為減小, 傳播條件相對有利?；谶@兩大特點, 拖曳陣聲吶與其他常規(guī)聲吶相比, 探測能力大為提高。拖曳陣聲吶作為平臺聲吶中工作頻率最低、作用距離最遠(yuǎn)的設(shè)備, 已經(jīng)成為艦船的主要聲吶裝備之一[4], 典型的有美國潛用粗線拖曳陣聲吶TB-16(相對于直徑小于40 mm的細(xì)線陣而言), 以及后續(xù)改進(jìn)的細(xì)線型TB-29A[5], 如圖1所示[6]。

航空聲吶是海軍反潛直升機和反潛巡邏機的主要反潛探測設(shè)備。用于搜索、識別和跟蹤潛艇, 保障機載反潛武器的使用或引導(dǎo)其他反潛兵力實施對潛攻擊, 主要分為吊放式聲吶和聲吶浮標(biāo)系統(tǒng)2種[7]。

吊放式聲吶裝備于反潛直升機, 一般采取跳躍式逐點搜索。當(dāng)直升機飛臨某一探測點, 低空懸停, 將換能器基陣吊放入水至最佳深度, 以主動或被動方式全向搜索; 對某一點搜索完畢后, 即將基陣提出海面飛向另一探測點搜索。典型的吊放聲吶有法國的FLASH[8]和美國的HELRAS系統(tǒng)[9], 其被動接收水聽器基陣均是體積型陣列, 如圖2所示。

聲吶浮標(biāo)是一種拋棄式航空聲吶系統(tǒng), 一般裝備于固定翼反潛飛機上, 包含浮標(biāo)投放裝置、無線電信號接收機和信號處理顯示設(shè)備等。使用時, 反潛機先將浮標(biāo)組按一定的陣式投布于搜索海區(qū), 然后在海區(qū)上空盤旋以接收由不同浮標(biāo)經(jīng)無線電調(diào)制發(fā)射的目標(biāo)信息。典型的聲吶浮標(biāo)有澳大利亞的BARRA[10]和美國的ADAR系統(tǒng)[11], 前者包含的水聽器陣列是一個5×5的多環(huán)平面陣(見圖3), 后者則包含一個40元的體積型水聽器基陣。

1.1.2 被動信號處理技術(shù)

被動探測中, 信號處理技術(shù)的主要任務(wù)是利用各種技術(shù)手段提高輸出信噪比, 將目標(biāo)信號從噪聲和干擾中區(qū)分開來, 進(jìn)而實現(xiàn)水下目標(biāo)的檢測、定位和識別。現(xiàn)階段, 提高信噪比主要有時域、空域處理和后置處理等技術(shù)途徑。限于篇幅, 文中將主要從空域處理的角度進(jìn)行介紹。

1) 波束形成技術(shù)

波束形成是被動聲吶系統(tǒng)中的重要部分, 其功能主要有: 抑制環(huán)境噪聲, 提高輸出信噪比; 實現(xiàn)對目標(biāo)信號波達(dá)方向的估計; 檢測和分辨多個不同方位到達(dá)的平面波信號。波束形成技術(shù)主要包括數(shù)據(jù)獨立和自適應(yīng)波束形成兩大類[12]。

① 數(shù)據(jù)獨立波束形成技術(shù)

數(shù)據(jù)獨立波束形成方法的權(quán)值向量是固定的, 不隨接收數(shù)據(jù)的變化而變化, 其形成的波束響應(yīng)同樣是固定的。延遲求和方法以及各種加窗處理技術(shù)[13]都是具有代表性的固定權(quán)值波束形成方法, 如Chebyshev窗、Hanning窗和Hamming窗等。在數(shù)據(jù)獨立波束形成方法中, 獲取更高的指向性, 以提高檢測微弱信號和分辨緊鄰目標(biāo)的能力, 一直是其主要的研究方向, 由此催生出了“超指向性”方法[14]。Doclo和Crocco等[15-16]提出和完善了一種基于誤差統(tǒng)計特性的超指向性方法, 該方法通過引入誤差統(tǒng)計特性, 提高了超指向性方法的穩(wěn)健性。Meyer等[17-18]較早針對球形和圓環(huán)形陣列提出了基于相位模態(tài)理論的波束形成方法, 從另一個角度獲得了超指向性的解。針對理想圓環(huán)陣, 馬遠(yuǎn)良等[14, 19-20]提出的一種特征波束分解與綜合模型, 能夠提供超指向性的精確閉式解, 更利于工程實現(xiàn)。隨后, 汪勇等[14, 21]針對任意陣型提出了Gram-Schmidt模態(tài)波束分解與綜合超指向性模型, 同樣給出了超指向性的精確閉式解。此外, 利用各種優(yōu)化方法提出的波束形成方法[22-24], 可以靈活地在指向性、穩(wěn)健性、主瓣寬度和旁瓣級等性能之間折中, 獲得滿足不同要求的優(yōu)化波束。

② 自適應(yīng)波束形成技術(shù)

自適應(yīng)波束形成技術(shù), 也可稱之為數(shù)據(jù)驅(qū)動波束形成技術(shù), 其權(quán)值向量隨接收數(shù)據(jù)的變化而自適應(yīng)調(diào)整, 所獲得的波束響應(yīng)也隨之變化。自適應(yīng)波束形成器可以在干擾方位自適應(yīng)產(chǎn)生凹槽, 從而提高信干噪比(signal to interference and noise ratio, SINR), 其中最典型的是Capon于1969年提出的最小方差無失真響應(yīng)(minimum variance distortionless response, MVDR)波束形成技術(shù)[25]。該技術(shù)在保持波束指向方向信號無失真的條件下, 通過使基陣輸出功率最小來實現(xiàn)對干擾的有效抑制, 具有較好的方位分辨能力和較強的干擾抑制能力。然而, MVDR方法的穩(wěn)健性較差, 當(dāng)出現(xiàn)陣列流形誤差時, 如波達(dá)角(angle-of-arrival, AOA)誤差[26-27]、陣形校準(zhǔn)誤差[28]、平面波假設(shè)的失配[29]等, 其性能會急劇下降。為了減小MVDR方法對各種誤差失配引起的性能下降, 人們提出了各種穩(wěn)健算法, 而對角加載類方法是最常用的一種。Cox等[30]最早通過增加白噪聲增益的方法推導(dǎo)出對角加載算法的表達(dá)式, 提高了MVDR波束形成器對陣列流形誤差的穩(wěn)健性。白噪聲增益約束方法和另一種常見的加權(quán)值范數(shù)約束方法[31], 均可等效為對角加載方法。然而, 對角加載算法很難給出合適的對角加載量的值, 從而給該方法的實用帶來一定的限制。Vorobyov[32], Li[33-35]、Lorenz[36]和Kim[37]等先后提出了基于陣列流形不確定集來選取參數(shù)的穩(wěn)健波束形成方法, 其中陣列流形的不確定集上限取值具有明確物理意義, 較對角加載算法中對角加載量的選擇更加容易。

2) 方位估計技術(shù)

基于傳感器陣列的方位估計(direction of arrival, DOA)技術(shù)是被動聲吶的重要研究內(nèi)容, 目前主要的方位估計方法可以分為以下3類: 波束掃描類算法、子空間類算法和稀疏信號處理類算法。

①波束掃描類方位估計算法

常用的方位估計技術(shù)主要有波束形成方法和高分辨方位估計方法。最早的基于陣列的DOA算法為常規(guī)方法[38], 也稱為Bartlett方法。由于常規(guī)方法易于實現(xiàn)、穩(wěn)健性好及對信號之間的相干性不敏感, 很多聲吶系統(tǒng)均采用此種技術(shù)預(yù)成多波束來實現(xiàn)對目標(biāo)方位的估計。但常規(guī)方法的角度分辨能力受瑞利極限的限制[38], 無法分辨2個在方位上靠得較近的信號源。

②子空間類方位估計算法

自20世紀(jì)70年代以來, 空間譜估計研究方面涌現(xiàn)出大量文獻(xiàn), 這些理論克服了方位分辨的瑞利準(zhǔn)則, 獲得了超過常規(guī)方法的方位分辨能力。其中以美國的Schmidt等[39]提出的多重信號分類(multiple signal classification, MUSIC)算法最為著名, 它的提出促進(jìn)了特征子空間類算法的興起。這類算法的共同特點是通過對陣列接收數(shù)據(jù)特征分解或奇異值分解等, 將接收數(shù)據(jù)劃分成2個相互正交的子空間, 即信號子空間和噪聲子空間。子空間分解類算法從處理方式上可分為2類: 一類是以MUSIC為代表的噪聲子空間算法, 另一類是以旋轉(zhuǎn)不變子空間(estimation of signal pa- rameters via rotational invariance techniques, ESPRIT)[40-41]為代表的信號子空間類算法。MU- SIC算法是利用導(dǎo)向矢量與噪聲子空間的正交特性, 而ESPRIT算法則是利用數(shù)據(jù)協(xié)方差矩陣信號子空間的旋轉(zhuǎn)不變特性。與MUSIC算法相比, ESPRIT算法計算量小, 不需要進(jìn)行譜峰搜索。

③稀疏信號處理類方位估計算法

稀疏信號處理類算法是近十年發(fā)展起來的DOA估計算法。此類算法首先將空間掃描方位離散化, 信號分布于有限數(shù)目的掃描方位位置上, 沒有信號的掃描方位上信號參數(shù)為零。通常目標(biāo)空間方位分布模型具備稀疏性[42], 利用信號的稀疏信息可以提高DOA估計性能。

稀疏信號處理類算法主要包括稀疏信號重構(gòu)類算法、稀疏協(xié)方差擬合類算法和非正則參數(shù)或非人工參數(shù)類算法。稀疏信號重構(gòu)類算法如多測量向量的欠定系統(tǒng)局域解法(multiple measurement vectors focal underdetermined system solver, M-focuss)[43]和基于奇異值分解的1范數(shù)稀疏方法(1-singular value decomposition,1-SVD)[44], 利用掃描網(wǎng)格點信號波形的l(0<≤1)范數(shù)和信號重構(gòu)模型誤差的2范數(shù)聯(lián)合最小化來實現(xiàn)信號方位估計[42]。稀疏協(xié)方差擬合類算法如稀疏譜擬合算法(sparse spectrum fitting, SpSF)[45], 其思路與稀疏信號重構(gòu)類算法一致, 利用基陣輸出數(shù)據(jù)的2階統(tǒng)計量信息, 通過掃描網(wǎng)格信號功率的1范數(shù)和協(xié)方差矩陣擬合誤差的2范數(shù)聯(lián)合最小化來實現(xiàn)信號方位估計。上述2種算法的共同弊端是均需預(yù)先給定正則參數(shù), 然而正則參數(shù)很難做到恰當(dāng)?shù)倪x擇[46]。非人工參數(shù)類算法如協(xié)方差稀疏迭代估計(sparse iterative covariance-based estimation, SPICE)算法[47-49]和稀疏近似最小方差(sparse asymptotic minimum variance, SAMV)算法[50]并不是從1,2范數(shù)聯(lián)合最優(yōu)化入手, 而是從最大似然估計的角度, 利用采樣協(xié)方差與期望信號模型協(xié)方差的關(guān)系給出信號的參數(shù)估計準(zhǔn)則, 并在此估計準(zhǔn)則下得到掃描網(wǎng)格點的信號功率譜估計, 算法過程無需提供任何正則參數(shù)。

對于寬帶信號, 波束掃描類方位估計算法如寬帶穩(wěn)健Capon波束形成方法[51], 利用不確定集約束提高有限快拍數(shù)量Capon波束形成算法的穩(wěn)健性, 具有一定高分辨能力; 寬帶信號的子空間方位估計算法分為非相干信號子空間(incoherent signal subspace, ISS)算法和相干信號子空間(co- herent signal subspace, CSS)算法[52-53]。ISS算法通過子頻帶非相干疊加實現(xiàn)寬帶信號方位估計, 但只能處理非相干信號; CSS算法將寬帶信號映射到某個參考頻點上, 再利用窄帶子空間類算法估計目標(biāo)方位, 具有相干信號方位估計能力, 但該算法需提前給出目標(biāo)方位的預(yù)估角度, 且預(yù)估角對算法性能影響較大。對于稀疏信號處理類算法,1-SVD算法已經(jīng)被應(yīng)用于寬帶信號方位估計, 取得較好DOA估計性能[44], 然而2-SVD算法待優(yōu)化的參數(shù)較多, 計算量龐大, 正則參數(shù)選取困難; 寬帶信號協(xié)方差矩陣稀疏表示算法[54]無需將接收信號變換到子帶進(jìn)行處理, 而是利用寬帶信號的時延信息和協(xié)方差矩陣的稀疏性, 在時域?qū)崿F(xiàn)目標(biāo)的方位估計, 但該方法要求入射信號必須具有相同的自相關(guān)函數(shù), 從而建立協(xié)方差矩陣內(nèi)部元素與信號時延的線性映射關(guān)系, 應(yīng)用面較窄。

1.2 主動探測技術(shù)

主動探測技術(shù)所涉及的范圍很廣, 所探測的目標(biāo)有潛艇、蛙人、無人水下航行器(unmanned underwater vehicle, UUV)、水雷、沉船等, 據(jù)此所使用的頻率有幾百赫茲、幾千赫茲、幾十千赫茲、幾百千赫茲等。文中主要聚焦于工作頻率為幾百赫茲到幾千赫茲的對潛主動探測技術(shù)。

過去幾十年來, 潛艇減振降噪技術(shù)的發(fā)展, 使得潛艇輻射噪聲大約以每年平均1dB的速度降低, 這給被動探測技術(shù)帶來了很大挑戰(zhàn), 同時促使主動水聲探測技術(shù)得到了足夠的重視和充分的發(fā)展。

在主動水聲探測技術(shù)的發(fā)展方面, 低頻大功率探測技術(shù)[55-60]和不斷涌現(xiàn)的新式探測技術(shù)(雙/多基地探測[61-62]、前向散射探測[63]和多輸入多輸出(multiple-input multiple-output, MIMO)探測[64-66]等)形成了主要的技術(shù)發(fā)展脈絡(luò)。

1) 低頻大功率探測技術(shù)

主動聲吶自誕生以來, 就一直向低頻大功率方向發(fā)展。低頻大功率探測技術(shù)逐漸成為探潛的主流技術(shù)之一, 其核心之一是低頻大功率發(fā)射換能器技術(shù)。國際上, 低頻大功率發(fā)射換能器已經(jīng)運用于美國的監(jiān)視拖曳陣傳感器系統(tǒng)(survey- llance towed array sensor system, SURTASS)主被動聯(lián)合探測系統(tǒng)(見圖4)[59]和HELRAS吊放聲吶系統(tǒng)(見圖2(b))[55]、歐洲Thales公司的CAPTAS系列聲吶(見圖5)[56, 60]及Atlas公司的LFTAS聲吶[56]。SURTASS系統(tǒng)、CAPTAS系列聲吶和LFTAS聲吶均采用給拖曳線列陣聲吶配備低頻大功率發(fā)射換能器的技術(shù)方案, 其中SURTASS系統(tǒng)發(fā)射頻率范圍覆蓋100~500 Hz, 聲源級可達(dá)235 dB。CAPTAS系列聲吶采用2只或4只的大功率溢流環(huán)換能器組成不同的子型號以滿足不同需求, 工作頻段可覆蓋900~2000 Hz。LFTAS聲吶工作頻段為1400~2400 Hz。這些系統(tǒng)在使用低頻大功率發(fā)射換能器或換能器基陣的前提下, 同時采用大孔徑拖曳線列陣聲吶進(jìn)行被動接收, 從而獲得接收大孔徑、深度可變化等優(yōu)點, 顯著提高了探測性能。與拖曳的工作方式不同, HELRAS吊放聲吶系統(tǒng)由直升機攜帶, 工作頻段為1000~2 000 Hz, 可單獨進(jìn)行探測, 也可以和浮標(biāo)等組合, 輔以相應(yīng)的數(shù)據(jù)共享與聯(lián)合處理軟件, 從而拓展成雙基地、多基地探測系統(tǒng), 具有靈活的探測方式。這些低頻大功率探測聲吶代表了目前的國際先進(jìn)水平。

國內(nèi)主要由中科院聲學(xué)所[57]、哈爾濱工程大學(xué)[59-60]、杭州應(yīng)用聲學(xué)研究所[58]等機構(gòu)對低頻大功率發(fā)射換能器技術(shù)進(jìn)行了深入研究, 并已經(jīng)制作了相應(yīng)的部分換能器樣機。隨著低頻大功率發(fā)射換能器技術(shù)逐漸成熟, 將其與拖曳線列陣聲吶結(jié)合以進(jìn)行主被動聯(lián)合探潛, 是我國低頻大功率探測技術(shù)未來的發(fā)展方向之一。

2) 新體制探測技術(shù)

在新體制探測技術(shù)方面, 主要包括雙/多基地探測技術(shù)、前向散射探測技術(shù)和MIMO探測技術(shù)等。雙/多基地探測技術(shù)和前向散射探測技術(shù)具有一定的類似之處, 均可歸類為收發(fā)分置聲吶探測技術(shù)。雙/多基地聲吶探測技術(shù)強調(diào)聲吶發(fā)射部分和聲吶接收部分相互分離甚至遠(yuǎn)離, 而前向散射探測技術(shù)則進(jìn)一步要求大分置角下對目標(biāo)進(jìn)行探測。為了說明其中的相似和區(qū)別之處, 典型的單基地聲吶、雙基地聲吶、多基地聲吶和前向散射聲吶的發(fā)射與接收配置及目標(biāo)探測示意圖如圖6所示, 其中T代表聲吶發(fā)射部分, R代表聲吶接收部分。

國際上, 雙/多基地探測技術(shù)、前向散射探測技術(shù)均發(fā)軔于歐美等發(fā)達(dá)國家, 取得了長足的進(jìn)步。國際上雙/多基地探測技術(shù)研究較早, 并已經(jīng)在部分國家得到應(yīng)用, 如美國的HERALS吊放聲吶可以與釋放的浮標(biāo)形成雙基地探測模式。加拿大Ultra電子海洋系統(tǒng)公司可以將低頻主動拖曳聲吶與艦殼聲吶、浮標(biāo)等多種裝備進(jìn)行整合,形成多基地探測模式。在國內(nèi), 雙/多基地探測技術(shù)和前向散射探測技術(shù)得到了一定的重視, 有了初步的技術(shù)積累并進(jìn)行了一定程度的工程驗證, 但還未形成相關(guān)裝備。

另一個值得關(guān)注的新體制探測技術(shù)即MIMO聲吶探測技術(shù)。MIMO聲吶即采用多輸入多輸出體制的探測聲吶, 其可分為分布式MIMO聲吶(類似于多基地聲吶)和密布式MIMO聲吶(類似于單基地聲吶)2種[67]。分布式MIMO聲吶采用與多基地聲吶類似的廣域布陣方式獲得空間分集增益, 從多個不同方向照射、接收目標(biāo)回波, 并通過聯(lián)合處理抑制目標(biāo)閃爍。密布式MIMO聲吶采用與單基地聲吶類似的布陣方式, 利用正交發(fā)射波形獲得波形分集增益, 從而在一定條件下改善對目標(biāo)的探測性能。

國際上, 以色列的Bekkerman[68]首先給出了MIMO聲吶在窄帶信號模型下的虛擬陣元坐標(biāo)解析解, 推導(dǎo)了MIMO聲吶的克拉美羅界(CRB: Cramér-Rao Bound), 指出當(dāng)發(fā)射波形完全正交時可獲得最優(yōu)性能。新加坡的Ma[69]研究了頻率分集增益, 并設(shè)計了最優(yōu)接收濾波器。在國內(nèi), 中科院聲學(xué)研究所的李宇等[70]指出MIMO聲吶可利用空時分集技術(shù)獲得更好的檢測性能。王福釙等[71]采用利用MIMO聲吶有效提高了對弱目標(biāo)的分辨能力。蔡龍等[72]對MIMO聲吶的正交波形設(shè)計進(jìn)行了研究。西北工業(yè)大學(xué)黃建國團隊[73-74]對MIMO聲吶DOA估計進(jìn)行了深入研究。劉雄厚等[75]深入研究了MIMO聲吶高分辨成像方法。浙江大學(xué)的郭小虎等[76]詳細(xì)研究了MIMO聲吶的小目標(biāo)探測性能。哈爾濱工程大學(xué)的張友文等[77]利用MIMO技術(shù)提高了聲吶抗強干擾的能力。滕婷婷等[78]研究了不同發(fā)射信號下MIMO聲吶的二維扇掃成像性能。此外, 與MIMO雷達(dá)相關(guān)的研究成果也可作為MIMO聲吶的研究基礎(chǔ), 此處不做過多介紹。

1.3 水下通信組網(wǎng)技術(shù)

將水面和水下各種探測平臺連接成水聲探測網(wǎng)絡(luò), 對獲取的多源信息進(jìn)行融合, 是海洋聲學(xué)目標(biāo)探測技術(shù)發(fā)展的一個重要途徑。海洋聲學(xué)目標(biāo)探測中, 水聲通信網(wǎng)絡(luò)將多探測平臺互聯(lián), 為不同探測平臺間目標(biāo)特征信息的交互建立傳輸通道, 同時也為各個探測平臺提供地理位置與時間信息。水聲通信網(wǎng)絡(luò)技術(shù)是實現(xiàn)水下目標(biāo)多源聲學(xué)信息融合探測的關(guān)鍵技術(shù)之一。

1.3.1 國外發(fā)展現(xiàn)狀

水聲通信網(wǎng)絡(luò)的研究起步于20世紀(jì)90年代。隨著水聲通信技術(shù)及水聲Modem技術(shù)的不斷發(fā)展, 在實現(xiàn)了點對點的實時通信之后, 美國、歐盟、中國和日本等國家和地區(qū)相繼開始了水聲通信網(wǎng)絡(luò)技術(shù)的研究, 誕生了一些具有代表性的研究項目, 典型的如美國的海網(wǎng)(Seaweb)項目和近海水下持續(xù)監(jiān)視網(wǎng)(persistent littoral undersea sur- veyllance network, PLUSNet), 歐盟的研究與開發(fā)框架計劃(framework programmes for research and technological development)和“地平線2020”計劃(horizon 2020)等。

Seaweb項目[79-80]關(guān)注水下固定部署節(jié)點實際組網(wǎng)的可靠性, 驗證長時間部署網(wǎng)絡(luò)的可行性, 推動了水下通信節(jié)點研制和組網(wǎng)技術(shù)的發(fā)展。

該項目的網(wǎng)絡(luò)節(jié)點分布在100~10 000 km2的范圍內(nèi), 提供聲學(xué)通信、探測、定位與導(dǎo)航功能, 由固定的水面浮標(biāo)節(jié)點、水下固定節(jié)點和水下移動節(jié)點構(gòu)成自主水下網(wǎng)絡(luò)系統(tǒng), 并采用先進(jìn)的組網(wǎng)協(xié)議來完成給定的任務(wù)。Seaweb項目早在1998年就開始實際的水下組網(wǎng)試驗, 到目前為止已經(jīng)進(jìn)行了十幾年, 是目前試驗時間最長、規(guī)模最大的水下網(wǎng)絡(luò)。Seaweb98’采用多頻移鍵控(multiple frequency-shift keying, MFSK)調(diào)制技術(shù)、頻分多址(frequency division multiple access, FDMA)方式、二叉樹形式的拓?fù)浣Y(jié)構(gòu)和靜態(tài)路由, 驗證了存儲轉(zhuǎn)發(fā)、自動重傳及簡單的路由等網(wǎng)絡(luò)概念。Seaweb99’增加了節(jié)點和網(wǎng)關(guān), 增加了運行在網(wǎng)關(guān)上的Seaweb服務(wù)器。Seaweb98’和Seaweb99’暴露了FDMA方式的不足, 推動了通信節(jié)點硬件的改進(jìn)。Seaweb2000’采用混合碼分多址/時分多址(code division multiple access/time division multiple access, CDMA/TDMA)的復(fù)用方式, 設(shè)計與實現(xiàn)一個緊湊的結(jié)構(gòu)化網(wǎng)絡(luò)協(xié)議, 新增加了協(xié)議的控制功能, 通過使用握手方式來避免網(wǎng)絡(luò)通信中的數(shù)據(jù)沖突。Seaweb2001’用潛艇作為移動節(jié)點, 潛艇不僅能夠和Seaweb網(wǎng)絡(luò)的控制中心通信, 甚至實現(xiàn)了與海上巡邏飛機之間進(jìn)行通信[81]。Seaweb 2003’~2005’使用1~3個UUV作為移動節(jié)點, 如圖7所示[82], 與多個固定在水下的節(jié)點協(xié)同工作。Seaweb 2004’布設(shè)了約40個節(jié)點, 測試了分布式拓?fù)浣Y(jié)構(gòu)和動態(tài)路由協(xié)議。Seaweb2005’還開展了利用固定水下節(jié)點為UUV提供導(dǎo)航功能的試驗。表1給出了Seaweb2006’~2010’試驗的關(guān)鍵技術(shù)以及取得的主要成果[83]。

表1 Seaweb試驗介紹

Seaweb的成功帶動了美國多種水聲通信網(wǎng)絡(luò)應(yīng)用計劃。依據(jù)Seaweb的概念, 軍事應(yīng)用上可構(gòu)建可部署自主分布系統(tǒng)(deployable autonomous distributed system, DADS), 使得水下的軍事任務(wù)能以跨系統(tǒng)、跨平臺、跨國家的協(xié)作方式進(jìn)行, 還推動了艦隊作戰(zhàn)實驗(如印度艦隊作戰(zhàn)實驗(fleet battle experiment India, FBE-I))、淺海反潛戰(zhàn)(anti- submarine warfare, ASW)(如分布式敏捷反潛項目(distributed agile submarine hunter, DASH))、水下通信(如Sublink項目)以及UUV命令與控制等計劃, 用于沿海廣大區(qū)域的警戒、反潛戰(zhàn)和反水雷系統(tǒng), 實施命令、控制、通信和導(dǎo)航功能。2006年, 于美國海軍潛艇聯(lián)合會-潛艇技術(shù)論壇披露了PLUSNet, 它是一種半自主控制的海底固定加水中機動的網(wǎng)絡(luò)化設(shè)施, 由攜帶半自主傳感器的多個潛航器組成。這些潛航器能夠互相通信, 并在沒有人為指令的情況下做出基本決策, 從而履行多種功能, 包括對溫度、水流、鹽度、化學(xué)成分及其他海洋元素進(jìn)行取樣, 密切監(jiān)視并預(yù)測海洋環(huán)境變化。

歐盟第四框架(1994~1998年)計劃支持下的海洋科學(xué)技術(shù)項目(marine science and technology, MAST)發(fā)展了一個系列化的水聲通信網(wǎng)絡(luò)研究計劃。第五框架(1998~2002年)支持下的水聲網(wǎng)絡(luò)項目(acoustic communication network, ACMEnet)[84-85]是一個以長期、實時進(jìn)行沿海環(huán)境觀測為目的構(gòu)建的水聲通信網(wǎng)絡(luò), 分別于2002年9月和2003年9月進(jìn)行了2次海試。ACMEnet采用基于MFSK/ TDMA的主從式網(wǎng)絡(luò)協(xié)議, 主節(jié)點可調(diào)整網(wǎng)絡(luò)的調(diào)制方式和聲源級, 用輪詢或定時方式直接或經(jīng)過中繼獲得節(jié)點的數(shù)據(jù), 中繼通信采用靜態(tài)路由。

歐盟第七框架(2008~2011年)計劃支持下的水聲網(wǎng)絡(luò)(underwater acoustic network, UAN)項目[86], 其目標(biāo)是在海上開發(fā)和測試一個創(chuàng)新且可運行的聯(lián)合地面和空中傳感器的網(wǎng)絡(luò)系統(tǒng)以保護關(guān)鍵基礎(chǔ)設(shè)施, 如離岸平臺和能源工廠等。UAN著重于建立通過水聲通信實現(xiàn)面向安全的水下無線網(wǎng)絡(luò)基礎(chǔ)設(shè)施, 通過收集聲傳播過程中海洋環(huán)境信息預(yù)測在任何給定時間上的聲傳播狀況和可獲得的最優(yōu)化網(wǎng)絡(luò)通信性能的研究方法。第七框架計劃支持下的基于聯(lián)合架構(gòu)的水下感知、監(jiān)測和管控項目(sensing, monitoring and actuating on the underwater world through a federated research infrastructure extending the future internet, SUN- RISE)[87]應(yīng)用了物聯(lián)網(wǎng)的理念, 提出了水下物聯(lián)網(wǎng)(internet of underwater things, IOUT)的構(gòu)想, 通過聯(lián)合現(xiàn)有的水下基礎(chǔ)設(shè)施對水下世界進(jìn)行感知、監(jiān)測和開發(fā)來擴大未來的互聯(lián)網(wǎng)世界[88-89]。該項目是由歐洲多所科研院校和機構(gòu)共同合作建立的水聲通信網(wǎng)絡(luò)聯(lián)合試驗項目。該項目新開發(fā)了網(wǎng)絡(luò)協(xié)議SUNSET和水下航行器等平臺, 在歐洲范圍內(nèi)建立了5種工作于不同水域環(huán)境(地中海、海洋、黑海、湖泊、運河)下的水聲通信網(wǎng)絡(luò), 并可通過統(tǒng)一門戶訪問[83]。

歐盟“地平線2020”(2015~2018年)計劃支持下的空地海未來網(wǎng)絡(luò)試驗(road-, air-, and water- based future internet experimentation, RAWFIE)項目, 旨在構(gòu)建涵蓋陸地、空中和水下的無人駕駛平臺未來物聯(lián)網(wǎng)的試驗系統(tǒng)[90]?！暗仄骄€2020”計劃支持下的水下機器人智能聯(lián)合組網(wǎng)項目(sm- art and networking under water robots in cooperation meshes, SWARMs)[91-92]項目, 其基本概念如圖8所示, 通過構(gòu)建基于UUV的合作網(wǎng)絡(luò)以降低海上作業(yè)的成本, 提高作業(yè)的安全性。

Seaweb項目從最初的可行性驗證, 到不斷的功能性擴展, 再到大規(guī)模分布式的組網(wǎng)試驗研究, 有力地推動了水聲通信網(wǎng)絡(luò)的發(fā)展。其組網(wǎng)協(xié)議隨著研究的深入不斷得到優(yōu)化和提升, 網(wǎng)絡(luò)節(jié)點呈現(xiàn)出從靜態(tài)到動態(tài)再到多平臺聯(lián)合的發(fā)展趨勢。歐盟的水聲通信網(wǎng)絡(luò)系列化研究逐步推進(jìn), 其網(wǎng)絡(luò)協(xié)議從簡單的主從模式到依據(jù)信道動態(tài)優(yōu)化方式, 組網(wǎng)節(jié)點從靜態(tài)到覆蓋陸地、空中和水下的多種平臺。從美國和歐盟在水聲通信網(wǎng)絡(luò)領(lǐng)域的發(fā)展現(xiàn)狀可以看出, 適應(yīng)水下環(huán)境特點深入優(yōu)化網(wǎng)絡(luò)協(xié)議和實現(xiàn)水下與水面、空天多平臺互連將是未來重要的發(fā)展趨勢。

1.3.2 國內(nèi)發(fā)展現(xiàn)狀

我國水聲通信網(wǎng)絡(luò)的研究仍處在初步階段, 西北工業(yè)大學(xué)、哈爾濱工程大學(xué)、廈門大學(xué)、中國海洋大學(xué)、中國科學(xué)院聲學(xué)所和中國船舶重工集團公司第715研究所是我國進(jìn)行此項研究較早的單位[93-94]。目前, 國內(nèi)在水聲通信組網(wǎng)的仿真研究較為廣泛, 長持續(xù)時間海上試驗較少[83], 具有代表性的國內(nèi)水聲通信網(wǎng)絡(luò)研究項目主要有以下幾個方面。

1) 在十二五國家重大專項子課題“隔水管疲勞監(jiān)測系統(tǒng)研究”支持下, 西北工業(yè)大學(xué)航海學(xué)院研制了5節(jié)點的隔水管疲勞監(jiān)測網(wǎng)絡(luò), 5個水下節(jié)點固定部署于隔水管上, 實時采集隔水管疲勞相關(guān)參數(shù), 以水聲通信方式傳輸數(shù)據(jù), 采用TDMA方式接入水面處理節(jié)點。該網(wǎng)絡(luò)分別于2012年、2014年在海洋石油“981”平臺, 2015年在興旺號石油平臺完成了3次海上試驗, 試驗結(jié)果表明, 該系統(tǒng)能夠長期有效地進(jìn)行隔水管疲勞參數(shù)的采集與傳輸[95-97]。圖9為該項目2014年在海洋石油“981”平臺海試時其中2個節(jié)點的布放場景。

2) 在國家自然基金項目支持下, 西北工業(yè)大學(xué)航海學(xué)院研制了海空天跨介質(zhì)通信網(wǎng)絡(luò), 該網(wǎng)絡(luò)由5個水下節(jié)點和1個水面節(jié)點構(gòu)成。5節(jié)點水下通信網(wǎng)絡(luò)已具備網(wǎng)絡(luò)自定位功能[98-99]。

3) 在863課題“OFDM水聲通信及組網(wǎng)關(guān)鍵技”支持下, 哈爾濱工程大學(xué)于2014年6~7月在南海陵水附近海域進(jìn)行了15節(jié)點的大規(guī)模水聲通信組網(wǎng)測試, 該網(wǎng)絡(luò)物理層同時支持高速OFDM和低速多載波MFSK兩種通信制式, 在組網(wǎng)過程中可以根據(jù)傳輸數(shù)據(jù)包類型和目標(biāo)數(shù)據(jù)率的大小自適應(yīng)切換通信制式, 在網(wǎng)絡(luò)層可同時支持隨機接入的Aloha協(xié)議和握手方式的MACAW協(xié)議, 可根據(jù)數(shù)據(jù)包的長度自適應(yīng)切換[100]。

4) 在863課題“海洋環(huán)境監(jiān)測傳感器網(wǎng)絡(luò)技術(shù)”支持下, 中國科學(xué)院聲學(xué)研究所通過研制的小型化、低功耗及通用型水聲通信網(wǎng)絡(luò)聲通信節(jié)點, 分別于2008年和2009年在浙江千島湖進(jìn)行了2次湖上組網(wǎng)測試, 以正交相移鍵控相干通信和直接序列擴頻通信2種通信方式為基礎(chǔ), 完成了4~7節(jié)點的自組織組網(wǎng), 實時端對端傳輸圖像、語音以及傳感器數(shù)據(jù)(深度信息)[83, 101-102]。

5) 在863課題“深海海洋環(huán)境監(jiān)測傳感器網(wǎng)絡(luò)技術(shù)”支持下, 中船重工第715研究所進(jìn)行了基于集中式拓?fù)浣Y(jié)構(gòu)的3節(jié)點組網(wǎng)試驗, 驗證了節(jié)點值班休眠模式、自適應(yīng)功率/數(shù)據(jù)率調(diào)整、SW-HARQ~鏈路層協(xié)議等[83, 103]。

從上述國內(nèi)研究現(xiàn)狀可以看出, 國內(nèi)目前已開展了多種物理層通信技術(shù)的試驗研究, 對典型的MAC層接入技術(shù)也開展了初步的性能驗證, 網(wǎng)絡(luò)的應(yīng)用場景呈現(xiàn)出多樣化, 基于網(wǎng)絡(luò)場景和水下環(huán)境的網(wǎng)絡(luò)協(xié)議優(yōu)化已經(jīng)逐步開展。對比國外研究現(xiàn)狀, 國內(nèi)雖然已有相當(dāng)規(guī)模的水聲通信網(wǎng)絡(luò)試驗研究(最大包含15個節(jié)點), 但仍需要進(jìn)一步加強長期大規(guī)模的試驗研究。

綜合國內(nèi)外研究現(xiàn)狀可以看出, 不斷提升水聲通信網(wǎng)絡(luò)協(xié)議性能, 使其更好地適應(yīng)水聲信道和水下環(huán)境特點始終是水聲通信網(wǎng)絡(luò)的研究重點, 尤其需要針對性的開發(fā)適用于長傳播時延、鏈路不可靠等環(huán)境的水聲通信網(wǎng)絡(luò)組網(wǎng)協(xié)議。

1.4 多源信息融合探測技術(shù)

多個固定和移動節(jié)點通過水下網(wǎng)絡(luò)聯(lián)接形成有機整體, 利用其進(jìn)行穩(wěn)健、高效的跟蹤和融合處理對于提高目標(biāo)探測性能至關(guān)重要。然而, 復(fù)雜水聲環(huán)境和安靜型目標(biāo)所導(dǎo)致的雜波率高、目標(biāo)聲源級微弱以及多目標(biāo)航跡交叉對多源信息融合帶來很大挑戰(zhàn)。

魯棒和高效的跟蹤和融合對于網(wǎng)絡(luò)化的多基地聲吶系統(tǒng)至關(guān)重要。定位誤差和大量的虛警是其所面臨的主要挑戰(zhàn)。跟蹤/融合通?？苫趹?zhàn)術(shù)層、接觸(contact)層或原始信號層3個層次[104]。接觸即是指經(jīng)波束成形和匹配濾波等處理且超過檢測門限的信號。與原始信號相比, 其在通信負(fù)荷和虛警率方面有許多優(yōu)良的特性。目前, 北約水下研究中心和美國海軍水下戰(zhàn)研究中心在多基地聲吶接觸層的跟蹤/融合取得了顯著的進(jìn)步。此外, 2005年國際信息融合協(xié)會成立了多基地跟蹤工作組(multistatic tracking working group, MSTWG), 著力研究多基地聲吶網(wǎng)絡(luò)中的多目標(biāo)跟蹤問題。

在多源網(wǎng)絡(luò)中部署實施融合跟蹤算法時, 可將多傳感器數(shù)據(jù)以掃描或預(yù)探測融合的方式[105]提供給跟蹤器。其中, 掃描融合方式是將個傳感器逐一掃描生成的組測量依次提供給跟蹤器。而預(yù)探測融合則先融合組測量以生成1個單獨的集合, 然后再將其提供給跟蹤器。MSTWG的基準(zhǔn)評估實驗[106]顯示了預(yù)探測融合具有顯著的技術(shù)優(yōu)勢, 主要表現(xiàn)在: 能夠充分利用源自目標(biāo)的測量比噪聲或雜波在傳感器間更具持久性的特點; 通過減少傳感器的測量數(shù)可顯著降低跟蹤器的計算復(fù)雜度; 靈活地與各種跟蹤器相結(jié)合, 使其從中受益。

多傳感器系統(tǒng)的最優(yōu)探測工作最早始于20世紀(jì)80～90年代, 典型的如文獻(xiàn)[107]~[112]。其考慮1個具有個傳感器的二值探測問題, 并隱含假設(shè)已知目標(biāo)位置, 而探測器的目的即是在2個簡單假設(shè)間基于似然比率進(jìn)行最佳區(qū)分:

0: noise only

1: target present + noise

但在實際聲吶探測中, 無法確知目標(biāo)位置, 因此, 備擇假設(shè)是復(fù)合的, 進(jìn)而無法直接應(yīng)用基于似然比率探測的方法。因此, 近年來的研究關(guān)注于目標(biāo)位置未知的現(xiàn)實多基地聲吶網(wǎng)絡(luò)中的數(shù)據(jù)融合方法。

Theije等[113-114]提出了一種用于融合2組笛卡爾捕捉的算法, 來融合由2個主動聲吶系統(tǒng)觀測到的, 基于計算所得的最近鄰捕捉對的關(guān)聯(lián)概率, 一個捕捉來自于1個聲吶系統(tǒng)。以邏輯“或”(OR)和“與”(AND)為融合準(zhǔn)則, 通過各種受試者工作特征(receiver operating characteristic, ROC)曲線評估算法在存在觀測位置誤差時的性能。實驗顯示該融合算法雖然不能提高ROC意義上的探測性能, 但是能夠增強捕捉位置信息。但該方法并不能直接推廣到個傳感器的情況。此外, 直觀可見在具有大規(guī)模低探測率和高虛警率的傳感器數(shù)據(jù)集上, 如Metron數(shù)據(jù)集, 該方法對跟蹤器的性能提升不明顯。

預(yù)探測融合技術(shù)的出現(xiàn)源自采用跟蹤器進(jìn)行大規(guī)模低質(zhì)量傳感器數(shù)據(jù)分析的需求。Krout[115]和Hanusa采用所提多種跟蹤器對Metron數(shù)據(jù)集進(jìn)行分析。在進(jìn)一步采用聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(joint probabilistic data association, JPDA)跟蹤器進(jìn)行數(shù)據(jù)集分析時[116], 為了緩和算法產(chǎn)生的大量錯誤軌跡, 跟蹤之前引入了一個預(yù)處理步驟, 即從所有接收器計算得到的似然面中, 提取前30個局部最大作為某一掃的測量信息, 送至JPDA跟蹤器。該算法在Metron數(shù)據(jù)集的場景1和4上取得了令人滿意的結(jié)果, 但是其跟蹤碎片和探測概率仍有待提高。這可看作最早的預(yù)探測融合技術(shù)。

一種稱之為跟蹤前融合(fusion before tracking, FbT)的預(yù)探測結(jié)構(gòu)第一次明確強調(diào)了如何最優(yōu)處理由大量廉價但性能有限的傳感器所組成的大規(guī)模傳感器監(jiān)測網(wǎng)絡(luò)所產(chǎn)生的數(shù)據(jù)[117]。FbT通過靜態(tài)融合操作來組合掃描所得的測量信息[118], 與之相應(yīng)的是比基于掃描的處理更強大的批處理技術(shù)。接著, 對經(jīng)靜態(tài)融合所得的輸出采用基于掃描的處理, 獲取實時監(jiān)測結(jié)果。仿真數(shù)據(jù)集上的實驗結(jié)果證明, FbT處理能夠帶來比集中式跟蹤更好的性能。但是FbT沒有充分利用度量協(xié)方差信息, 因而無法區(qū)分空間距離近的目標(biāo)。

由Guerriero等[119]提出的多假設(shè)廣義似然比檢驗(generalize likelihood ratio test, GLRT)為處理大規(guī)模傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合問題提供了一種自然的方式。對每一個假定目標(biāo), 均需找到最大化位置估計的似然函數(shù), 最后在關(guān)于各目標(biāo)下的似然中選擇最大似然。因為似然函數(shù)需同時對目標(biāo)數(shù)和其所在笛卡爾坐標(biāo)中的位置進(jìn)行最大化, 所以計算負(fù)荷極高, 無法滿足實際應(yīng)用需要。對此, Georgescu等[105]提出一種更具實用性的方法, 首先采用度量協(xié)方差進(jìn)行蒙特卡羅采樣, 以此緩解低質(zhì)量傳感器所帶來的問題, 接著進(jìn)行捕捉篩選, 最后跟隨一個期望最大化(expectation maximization, EM)算法融合測量, 以進(jìn)一步提高探測估計位置的精確性。與GLRT相比, 該方法在顯著提高計算效率的同時卻帶來不容忽視的性能損失。

為了平衡計算復(fù)雜度與性能, Georgescu和Willett[120]提出一種基于隨機有限集馬爾科夫鏈-蒙特卡羅(random finite set Markov chain Monte Carlo, RFS MCMC)方法。該方法將潛在目標(biāo)及其測量看作是由有限個隨機變量組成的集合, 該集合可由概率質(zhì)量函數(shù)和聯(lián)合概率密度完全刻畫。然后通過MCMC采樣依次估計目標(biāo)的勢(即目標(biāo)數(shù))和每一個目標(biāo)的位置及其相應(yīng)的協(xié)方差。與最優(yōu)的GLRT相比, 其目標(biāo)定位誤差仍有待進(jìn)一步提高。

國內(nèi)關(guān)于雙/多基地聲吶的研究始于20世紀(jì)90年代。中科院聲學(xué)所[121]、中船重工第715研究所[122]、青島潛艇學(xué)院[123]、東南大學(xué)[124]、上海交通大學(xué)[125]、哈爾濱工程大學(xué)[126]、西北工業(yè)大學(xué)[127]等單位對多基地聲吶的相關(guān)問題進(jìn)行了深入研究且取得了一些關(guān)鍵性突破。此外, 在信息融合領(lǐng)域, 國內(nèi)著名學(xué)者韓崇昭[128]、何友[129]、敬忠良[130]、潘泉[131]等近年來出版了多部專著, 為這一領(lǐng)域的發(fā)展做出了積極的貢獻(xiàn)。然而, 尚未發(fā)現(xiàn)國內(nèi)關(guān)于大規(guī)模低質(zhì)量傳感器組成的多基地聲吶網(wǎng)絡(luò)中的預(yù)探測融合技術(shù)的研究。

1.5 海洋聲信道對目標(biāo)探測的影響

海洋聲信道在時間和空間上都存在著不均勻性, 直接影響到主被動探測、通信組網(wǎng)以及多源信息融合的性能。聲在海洋中的傳播對環(huán)境非常敏感, 這與電磁波在空氣中的傳播有很大區(qū)別, 也是造成聲吶探測與雷達(dá)探測不同的原因所在。起伏多變的海底底質(zhì)、變化頻繁的聲速和溫度、復(fù)雜的海面風(fēng)浪等, 都會使得海洋聲信號不斷發(fā)生折射、反射及散射等, 導(dǎo)致其傳播模式變得十分復(fù)雜。雖然如此, 海洋聲傳播仍遵循一些特定的規(guī)律, 可歸納為以下8種模式: 直達(dá)波模式、表面波導(dǎo)模式、聲道模式、半聲道模式、海底彈射模式、匯聚區(qū)模式、可靠聲路徑模式和淺海傳播模式, 其中除直達(dá)波模式和淺海傳播模式, 其他均為深海特有的聲傳播模式。另外, 水聲環(huán)境的復(fù)雜性, 也會產(chǎn)生不同類型的混響, 引起嘈雜的噪聲和干擾, 給聲探測帶來難以忽視的影響。

隨著對海洋聲傳播規(guī)律的研究不斷加深, 人們開始逐漸將海洋信道的影響考慮到信號處理方法運用中。對于淺海環(huán)境的復(fù)雜性, 人們先后提出了匹配場處理[132-135]、時反聚焦處理[136-138]及其相關(guān)的通信技術(shù)[139-141], 很好地提高了淺海聲學(xué)目標(biāo)檢測、定位和通信的性能。而對于深海環(huán)境, 利用不同傳播模式的定位方法也不斷被提出, 比較典型的有基于多途到達(dá)結(jié)構(gòu)的定位方法[142-143]、基于干涉條紋的定位方法[143-145]等, 均取得了不錯的效果。

現(xiàn)階段, 關(guān)于海洋傳播物理規(guī)律以及相關(guān)的探測定位方法的研究方興未艾, 成果層出不窮, 對其發(fā)展情況的介紹可另著長文進(jìn)行綜述, 文中更側(cè)重于信號處理方面的進(jìn)展, 對聲場相關(guān)的內(nèi)容不再贅述。

2 未來發(fā)展趨勢

基于以上對發(fā)展現(xiàn)狀的介紹, 筆者認(rèn)為海洋聲學(xué)目標(biāo)探測技術(shù)未來發(fā)展的趨勢將會體現(xiàn)在以下幾個方面。

2.1 被動探測技術(shù)

從空域處理的角度, 被動探測技術(shù)未來發(fā)展的趨勢主要有以下幾個方面。

1) 大孔徑陣列的穩(wěn)健陣列處理技術(shù)

水下目標(biāo)減振降噪技術(shù)的發(fā)展, 使得預(yù)警探測聲吶系統(tǒng)的處理頻段逐漸下移, 能夠提供更高處理增益的大孔徑水聽器陣列展示出了巨大的應(yīng)用前景, 其主要應(yīng)用場合有岸基預(yù)警聲吶以及船用拖曳陣聲吶等。考慮到低頻段海洋環(huán)境噪聲更加嘈雜, 同時大孔徑陣列尤其是柔性陣列易受系統(tǒng)自身誤差和環(huán)境因素的影響, 造成目標(biāo)方位估計精度嚴(yán)重下降。因此, 大孔徑陣列的穩(wěn)健陣列處理技術(shù)變得十分重要, 也是未來的發(fā)展趨勢之一。

2) 新型傳感器及其陣列

現(xiàn)有水聽器包含標(biāo)量聲壓水聽器和矢量水聽器, 前者本身沒有指向性, 而后者能夠提供最高6 dB的指向性, 因此由矢量水聽器構(gòu)成的陣列將具有比聲壓水聽器陣列更高的指向性[3]。然而, 矢量水聽器及其陣列所能提供的指向性仍然有限, 研制具有更高指向性的小尺度水聲傳感器及其陣列, 對于進(jìn)一步提升被動探測的性能具有重要意義。已有的關(guān)于高階超指向性聲學(xué)傳感器及其陣列的研究成果證明了其存在的巨大潛力, 進(jìn)一步將其應(yīng)用于實際海洋環(huán)境中也將是提升被動探測性能的趨勢之一。

3) 信號處理與水聲物理模型的充分結(jié)合

現(xiàn)有被動探測的空域處理方法, 如波束形成、方位估計等, 大部分仍然基于平面波假設(shè), 而實際海洋環(huán)境有時并不滿足。水聲信號在實際海洋中的傳播, 會受到海底海面反射、波導(dǎo)效應(yīng), 以及鋒面、渦旋、內(nèi)波等物理現(xiàn)象的影響, 造成信號擴展、延遲疊加等畸變, 不僅使得平面波假設(shè)失效, 而且信號相干性也會受到很大影響。將信號處理方法與水聲傳播規(guī)律結(jié)合, 勢必將大大提高被動探測的性能。現(xiàn)階段, 相關(guān)研究雖已取得豐碩成果, 但仍存在很多基礎(chǔ)問題有待深入研究, 與之相關(guān)的信號處理理論也需進(jìn)一步研究。只有更加深入地理解水聲傳播的物理規(guī)律, 才能提出更適用的被動信號處理方法以提升被動探測性能, 這仍是未來需著重研究的一個方向。

2.2 主動探測技術(shù)

主動探測技術(shù)的未來發(fā)展趨勢包括以下幾個方面。

1) 繼續(xù)發(fā)展低頻大功率探測技術(shù)

低頻大功率探測技術(shù)的發(fā)展趨勢是繼續(xù)往更小體積、更低頻率及更大功率發(fā)展。隨著探測距離要求的不斷提高, 現(xiàn)有低頻大功率發(fā)射換能器頻率仍然需要進(jìn)一步降低。同時, 低頻大功率探測技術(shù)需要聚焦于如何在期望的工作頻段上減小發(fā)射換能器體積、提高聲能輻射效率等。

2) 繼續(xù)發(fā)展多基地組網(wǎng)探測技術(shù)

為了更有效地探測隱身目標(biāo), 傳統(tǒng)的單基地探測模式已經(jīng)很難滿足需求。隨著作戰(zhàn)環(huán)境的惡劣化、作戰(zhàn)任務(wù)的復(fù)雜化, 傳統(tǒng)的單基地主動水聲探測技術(shù)正逐步往雙/多基地探測模式轉(zhuǎn)變。主要有2種技術(shù)方案實現(xiàn)雙/多基地探測: ①在已有的單基地探測技術(shù)上, 對相關(guān)設(shè)備進(jìn)行改造, 對處理技術(shù)進(jìn)行升級, 從而使其獲得雙/多基地探測能力, 滿足多樣化探測的需求; ②根據(jù)相關(guān)的任務(wù)需求, 研究全新的雙/多基地探測技術(shù), 并據(jù)此研制全新的雙/多基地探測系統(tǒng)。

3) 繼續(xù)研究新體制主動探測技術(shù)

主動聲吶技術(shù)的發(fā)展過程中, 新體制探測技術(shù)可在較小的代價下獲得優(yōu)于傳統(tǒng)探測技術(shù)的探測優(yōu)勢, 從而成為探測性能提高的倍增器, 理應(yīng)受到未來持續(xù)不斷的關(guān)注。因此, 未來需進(jìn)一步研究新體制主動探測技術(shù), 包括具有集成創(chuàng)新特色的多基地合成孔徑聲吶探測技術(shù)、MIMO合成孔徑聲吶探測技術(shù)、分布式MIMO聲吶組網(wǎng)探測技術(shù), 以及發(fā)展借鑒海洋生物探測功能的仿生探測技術(shù)等。

4) 發(fā)展智能化主動探測技術(shù)

主動探測技術(shù)性能受到使用環(huán)境的影響較大, 傳統(tǒng)的參數(shù)固化的探測方法并不能適應(yīng)復(fù)雜多變的海洋環(huán)境。未來需根據(jù)不同的使用環(huán)境(如不同的噪聲背景、混響背景等)、不同的目標(biāo)特性、不同的聲吶類型(如浮標(biāo)聲吶、艦殼聲吶、拖曳線列陣聲吶等), 研究智能化的主動探測技術(shù)。通過在多次重復(fù)使用中不斷積累對環(huán)境的認(rèn)知信息, 抑或繼承前序設(shè)備所累積的環(huán)境認(rèn)知信息, 將這些認(rèn)知信息融入到主動探測過程, 可隨著使用環(huán)境的改變而智能地調(diào)整發(fā)射波形、接收濾波器參數(shù)、噪聲/混響抑制方法等, 從而顯著提高在不同環(huán)境下、不同海域中對不同類型目標(biāo)的探測性能。

5) 發(fā)展生態(tài)友好型主動探測技術(shù)

由于主動聲吶不斷往低頻大功率發(fā)展, 在使用過程中, 其較低的頻率和較大的聲源級已經(jīng)對海洋生態(tài)環(huán)境造成了破壞, 對海洋生物尤其是使用生物聲吶的哺乳動物(鯨魚、海豚等)造成了傷害[56]。如何在使用低頻大功率聲吶過程中, 避免或減少對海洋生物的影響, 是需要研究的技術(shù)問題。因此, 發(fā)展可同時兼顧軍事應(yīng)用和生態(tài)保護的主動探測新技術(shù), 是未來主動探測技術(shù)發(fā)展的方向之一。

2.3 水下通信組網(wǎng)技術(shù)

水下通信組網(wǎng)技術(shù)的未來發(fā)展趨勢主要有:

1) 利用網(wǎng)絡(luò)協(xié)議提高工程應(yīng)用中復(fù)雜海洋環(huán)境條件下水聲網(wǎng)絡(luò)的通信可靠性。針對現(xiàn)有海洋環(huán)境的復(fù)雜特性, 研究面向?qū)嶋H應(yīng)用及適用于長傳播時延、鏈路不可靠等環(huán)境的水聲網(wǎng)絡(luò)組網(wǎng)協(xié)議, 利用水聲網(wǎng)絡(luò)協(xié)議提高水聲通信可靠性, 從而實現(xiàn)可靠的水聲通信, 降低復(fù)雜海洋環(huán)境對水聲通信的影響, 是未來研究的重要方向。

2) 適合空天海跨介質(zhì)組網(wǎng)協(xié)議的研究。從美國和歐盟在水聲通信網(wǎng)絡(luò)領(lǐng)域的發(fā)展現(xiàn)狀可以看出, 適應(yīng)水下環(huán)境特點深入優(yōu)化網(wǎng)絡(luò)協(xié)議和實現(xiàn)水下與水面、空天多平臺互聯(lián)將是未來重要的發(fā)展趨勢之一。因此, 如何實現(xiàn)空天?？缃橘|(zhì)網(wǎng)絡(luò)高效、可靠無沖突的接入問題, 異構(gòu)網(wǎng)絡(luò)之間的可靠路由問題, 以及異構(gòu)網(wǎng)絡(luò)之間、不同網(wǎng)絡(luò)層之間如何協(xié)作實現(xiàn)整體最優(yōu)的問題, 是未來重要的研究方向。

3) 面向任務(wù)的網(wǎng)絡(luò)資源調(diào)度?，F(xiàn)有的水聲網(wǎng)絡(luò)協(xié)議致力于提高通用網(wǎng)絡(luò)在吞吐量、端到端時延及網(wǎng)絡(luò)生存周期等方面的性能表現(xiàn), 但是在工程應(yīng)用中, 需要針對不同的工程應(yīng)用提供相應(yīng)的網(wǎng)絡(luò)資源調(diào)度策略。例如在快速反應(yīng)網(wǎng)絡(luò)中, 需要針對不同節(jié)點需要的反應(yīng)時間進(jìn)行帶寬、信道等資源的分配, 從而實現(xiàn)網(wǎng)絡(luò)在此種應(yīng)用的特定性能表現(xiàn)。因此, 如何設(shè)計網(wǎng)絡(luò)的資源調(diào)度策略, 使得可以適應(yīng)于不同工程應(yīng)用的水聲網(wǎng)絡(luò)是未來研究的重要方向。

4) 標(biāo)準(zhǔn)化水聲網(wǎng)絡(luò)實驗平臺建設(shè)。雖然過去幾十年內(nèi)國內(nèi)水聲網(wǎng)絡(luò)建設(shè)已經(jīng)得到了飛速發(fā)展, 但是主要還是集中在理論研究及仿真實現(xiàn)等方面, 即便已經(jīng)實現(xiàn)的水聲網(wǎng)絡(luò), 也主要針對簡單的網(wǎng)絡(luò)協(xié)議, 還不能很好地應(yīng)對工程實際中的應(yīng)用需求。為實現(xiàn)水聲網(wǎng)絡(luò)建設(shè)在工程實際應(yīng)用中的快速發(fā)展, 標(biāo)準(zhǔn)化水聲網(wǎng)絡(luò)實驗平臺的建設(shè)迫在眉睫, 如何建設(shè)適用于不同網(wǎng)絡(luò)協(xié)議, 不同工程應(yīng)用, 不同海洋環(huán)境的標(biāo)準(zhǔn)化水聲網(wǎng)絡(luò)實驗平臺, 是現(xiàn)階段一個重要的研究方向。

2.4 多源信息融合探測技術(shù)

現(xiàn)有的融合探測技術(shù)主要是基于概率的方法, 如求解融合探測的最優(yōu)技術(shù)、GLRT方法[119]等。然而, 因GLRT需對似然函數(shù)關(guān)于目標(biāo)數(shù)和目標(biāo)在笛卡爾坐標(biāo)上的位置分別最大化, 所以計算負(fù)荷極高。對此, 文獻(xiàn)[105]提出了一種快速融合探測策略, 即測量篩選跟隨一個期望最大化來改進(jìn)探測估計的位置。在MSTWG所提供的標(biāo)準(zhǔn)數(shù)據(jù)集上, 該策略比GLRT快近4個數(shù)量級, 但同時也帶來了1 000~2 000 m的定位誤差。為了平衡計算效率與定位精度, 文獻(xiàn)[120]提出一種基于隨機有限集(random finite set, RFS)的方法, 由MCMC仿真實現(xiàn), 即RFS-MCMC。采用相同的評估環(huán)境, RFS-MCMC取得了介于GLRT和FPF之間的性能; 但仍存在不可忽視的性能“鴻溝”: 比FPF慢2個數(shù)量級, 比GLRT增加500~1 000 m的定位誤差。為彌補這一“鴻溝”, 需進(jìn)一步深入測量信息與信息間互補關(guān)系的建模研究。

3 結(jié)束語

面向海洋環(huán)境安全保障的迫切需求, 構(gòu)建由主被動探測節(jié)點組成的分布式水下探測網(wǎng)絡(luò), 進(jìn)行多源聲學(xué)信息融合, 是提升水下目標(biāo)探測能力的有效途徑, 也是海洋聲學(xué)目標(biāo)探測技術(shù)發(fā)展的重要思路之一。基于此, 文中從主被動探測、水下通信組網(wǎng)和多源信息融合等4個方面對海洋聲學(xué)目標(biāo)探測技術(shù)的現(xiàn)狀進(jìn)行了介紹, 給出了其未來的發(fā)展趨勢。實際上, 海洋聲學(xué)目標(biāo)探測已發(fā)展成為一項跨學(xué)科、多信息相互交融的研究領(lǐng)域,文中從一個側(cè)面進(jìn)行了較詳細(xì)的介紹, 掛一漏萬, 希望能為感興趣的讀者提供有價值的參考。

[1] 楊益新. 聲吶波束形成與波束域高分辨方位估計技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2002.

[2] 楊德森, 洪連進(jìn). 矢量水聽器原理及應(yīng)用引論[M]: 科學(xué)出版社, 2009.

[3] 楊德森, 朱中銳, 田迎澤. 矢量聲吶技術(shù)理論基礎(chǔ)及應(yīng)用發(fā)展趨勢[J]水下無人系統(tǒng)學(xué)報, 2018, 26(3): 185-192. Yang De-sen, Zhu Zhong-rui, Tian Ying-ze. Theoretical Bases and Application Development Trend of Vector Sonar Technology[J]. Journal of Unmanned Undersea Systems, 2018, 26(3): 185-192.

[4] 劉孟庵. 拖曳線列陣聲吶技術(shù)發(fā)展綜述[J]聲學(xué)與電子工程, 2006(3): 1-5.Liu Meng-an. Review of Technology Development for Towed Line Sonar Arrays[J]. Acoustics and Electronic Engineering, 2006(3): 1-5.

[5] 龐博. 國外潛用拖曳陣聲吶簡介[J]聲學(xué)與電子工程, 2012(1): 44-46.Pang Bo. Introduction of Foreign Towed Line Sonars of Submarine[J]. Acoustics and Electronic Engineering, 2012 (1): 44-46.

[6] Lockheed Martin Space Systems Company. TB-29 series [EB/OL]. (2018-01-06)[2018-10-16]. http://www.lockhe- edmartin.com/.

[7] 田坦. 聲吶技術(shù)[M]: 哈爾濱工程大學(xué)出版社, 2010.

[8] Thales Group. FLASH Dipping Sonar[EB/OL]. (2017- 5-18)[2018-10-16]. https://www.thalesgroup.com/en

[9] L3 Company. HELRAS Dipping Sonar[EB/OL]. (2016- 12-02)[2018-10-16]. https://www.l3t.com/

[10] DST. Barra Sonobuoy[EB/OL]. (2009-03-07)[2018-10- 16]. https://www.dst.defence.gov.au/innovation/barraso- nobuoy.

[11] Sonobuoy Tech Systems. ADAR Sonobuoy[EB/OL]. (2010- 06-17)[2018-10-16]. http://sonobuoytech-systems. com/.

[12] Veen B D V, Buckley K M. Beamforming: A Versatile Approach to Spatial Filtering[J]IEEE ASSP Magazine, 1988, 5(2): 4-24.

[13] Van Trees H L. Optimum Array Processing: Part Iv of Detection, Estimation, and Modulation Theory[M]. New York: John Wiley & Sons, Inc., 2002.

[14] 楊益新, 汪勇, 何正耀, 等. 傳感器陣列超指向性原理及應(yīng)用[M]. 北京: 科學(xué)出版社, 2018.

[15] Doclo S, Moonen M. Superdirective Beamforming Robust against Microphone Mismatch[J]. IEEE Transactions on Audio, Speech and Language Processing, 2007, 15(2): 617-631.

[16] Crocco M, Trucco A. Design of robust Superdirective Arrays with a Tunable Tradeoff between Directivity and Frequency-Invariance[J]IEEE Transactions on Signal Processing, 2011, 59(5): 2169-2181.

[17] Meyer J, Elko G W. A Highly Scalable Spherical Microphone Array Based on an Orthonormal Decomposition of the Soundfield[C]//IEEE International Conference on Ac- oustics, Speech, and Signal Processing(ICASSP), Orlando, FL, USA: IEEE, 2002.

[18] Meyer J. Beamforming for a Circular Microphone Array Mounted on Spherically Shaped Objects[J]. Journal of the Acoustical Society of America, 2001, 109(1): 185-193.

[19] Ma Y L, Yang Y X, He Z Y, et al. Theoretical and Practical Solutions for High-Order Superdirectivity of Circular Sensor Arrays[J]IEEE Transactions on Industrial Electronics, 2013, 60(1): 203-209.

[20] Wang Y, Yang Y X, Ma Y L, et al. Robust High-Order Superdirectivity of Circular Sensor Arrays[J]Journal of the Acoustical Society of America, 2014, 136(4): 1712- 1724.

[21] Wang Y, Yang Y X, He Z Y, et al. A General Superdire- ctivity Model For Arbitrary Sensor Arrays[J]Eurasip Journal on Advances in Signal Processing, 2015, 2015(68): 1-16.

[22] 鄢社鋒, 馬遠(yuǎn)良. 傳感器陣列波束優(yōu)化設(shè)計及應(yīng)用[M]. 北京: 科學(xué)出版社, 2009.

[23] 馬遠(yuǎn)良. 任意結(jié)構(gòu)形狀傳感器陣方向圖的最佳化[J]中國造船, 1984, 87(4): 78-85.Ma Yuan-liang. Pattern Optimisation for Sensor Arrays of Arbitrary Configuretion[J]. China Ship Building, 1984, 87(4): 78-85.

[24] Olen C A, Compton R T J. A Numerical Pattern Synthesis Algorithm for Arrays[J]. IEEE Transactions on Antennas and Propagation, 1990, 38(10): 1666-1676.

[25] Capon J. High-resolution Frequency-Wavenumber Spectrum Analysis[J]Proceeding of the IEEE, 1969, 57(8): 1408-1418.

[26] Godara L. The Effect of Phase-Shifter Errors on the Performance of an Antenna-Array Beamformer[J]IEEE Journal of Oceanic Engineering, 1985, 10(3): 278-284.

[27] Kim J W, Un C K. An Adaptive Array Robust to Beam Pointing Error[J]IEEE Transactions on Signal Processing, 1992, 40(6): 1582-1584.

[28] Jablon N. Adaptive Beamforming with the Generalized Sidelobe Canceller in the Presence of Array Imperfections [J]IEEE Antennas and Propagation Society, 1986, 34(8): 996-1012.

[29] Ringelstein J, Gershman A B, Bohme J F. Direction Finding in Random Inhomogeneous Media in The Presence of Multiplicative Noise[J]IEEE Signal Processing Letters, 2000, 7(10): 269-272.

[30] Cox H, Zeskind R M, Owen M M. Robust Adaptive Beamforming[J]IEEE Transactions on Acoustics, Speech and Signal Processing, 1987, 35(10): 1365-1376.

[31] Liu C, Liao G. Robust Capon Beamformer under Norm Constraint[J]. Acta Electronica Sinica, 2010, 90(5): 1573-1581.

[32] Vorobyov S A, Gershman A B, Luo Z Q. Robust Adaptive Beamforming Using Worst-Case Performance Optimization: A Solution to the Signal Mismatch Problem[J]. IEEE Transactions on Signal Processing, 2003, 51(2): 313-324.

[33] Li J, Stoica P, Wang Z. Doubly Constrained Robust Capon Beamformer[J]IEEE Transactions on Signal Processing, 2004, 52(9): 2407-2423.

[34] Li J, Stoica P, Wang Z. On Robust Capon Beamforming and Diagonal Loading[J]IEEE Transactions on Signal Processing, 2003, 51(7): 1702-1715.

[35] Stoica P, Wang Z, Li J. Robust Capon Beamforming[J]. IEEE Signal Processing Letters, 2002, 10(6): 172- 175.

[36] Lorenz R G, Boyd S P. Robust Minimum Variance Beamforming[J]IEEE Transactions on Signal Processing, 2005, 53(5): 1684-1696.

[37] Kim S J, Magnani A, Mutapcic A, et al. Robust Beamforming Via Worst-Case SINR Maximization[J]IEEE Transactions on Signal Processing, 2008, 56(4): 1539- 1547.

[38] Krim H, Viberg M. Two Decades of Array Signal Processing Research: The Parametric Approach[J]IEEE Signal Process Magazine, 1996, 13(4): 67-94.

[39] Schmidt R O. Multiple Emitter Location and Signal Parameter Estimation[J]. IEEE Transactions on Antennas & Propagation, 1986, 34(3): 276-280.

[40] Roy R, Paulraj A, Kailath T. ESPRIT-A Subspace Rotation Approach to Estimation of Parameters of Cisoids in Noise[J]IEEE Transactions on Acoustics, Speech, and Signal Processing, 1986, 34(5): 1340-1342.

[41] Roy R, Kailath T. ESPRIT-Estimation of Signal Parameters Via Rotational Invariance Techniques[J]IEEE Tran- sactions on Acoustics, Speech, and Signal Processing, 1989, 37(7): 984-995.

[42] Yardibi T, Li J, Stoica P, et al. Sparsity Constrained Deconvolution Approaches for Acoustic Source Mapping[J]Journal of the Acoustical Society of America, 2008, 123(5): 2631-2642.

[43] Cotter S F, Rao B D, Kjersti E, et al. Sparse Solutions to Linear Inverse Problems with Multiple Measurement Vectors[J]IEEE Transactions on Signal Processing, 2005, 53(7): 2477-2488.

[44] Malioutov D M. A Sparse Signal Reconstruction Perspective for Source Localization with Sensor Arrays[D]. Cambridge, MA: Massachusetts Institute Technology, 2003.

[45] Zheng J, Kaveh M. Sparse Spatial Spectral Estimation: A Covariance Fitting Algorithm, Performance and Regularization[J]IEEE Transactions on Signal Processing, 2013, 61(11): 2767-2777.

[46] Xenaki A, Gerstoft P, Mosegaard K. Compressive Beamforming[J]Journal of the Acoustical Society of America, 2014, 136(1): 260-271.

[47] Stoica P, Babu P, Li J. Spice: A Sparse Covariance-Based Estimation Method for Array Processing[J]IEEE Transactions on Signal Processing, 2011, 59(2): 629-638.

[48] Stoica P, Babu P, Li J. New Method of Sparse Parameter Estimation in Separable Models and Its Use for Spectral Analysis of Irregularly Sampled Data[J]IEEE Transactions on Signal Processing, 2011, 59(1): 35-47.

[49] Yang L, Yang Y, Wang Y. Sparse Spatial Spectral Estimation in Directional Noise Environment[J]Journal of the Acoustical Society of America, 2016, 140(3): EL263- EL268.

[50] Stoica P, Babu P. SPICE and LIKES: Two Hyperparameter-Free Methods for Sparse-Parameter Estimation[J]Signal Processing, 2012, 92(7): 1580-1590.

[51] Somasundaram S D. Wideband Robust Capon Beamforming for Passive Sonar[J]. IEEE Journal of Oceanic Engineering, 2013, 38(2): 308-322.

[52] Wang H, Kaveh M. Coherent Signal-Subspace Processing for the Detection and Estimation of Angles of Arrival of Multiple Wide-Band Sources[J]Acoustics Speech & Signal Processing IEEE Transactions on, 1985, 33(4): 823-831.

[53] 鄢社鋒, 馬遠(yuǎn)良, 侯朝煥. 寬帶波束域相干信號子空間高分辨方位估計[J]聲學(xué)學(xué)報, 2006, 31(5): 418-424.Yan She-feng, Ma Yuan-liang, Hou Chao-huan. Beampattern Optimization for Sensor Arrays of Arbitrary Geometry and Element Directivity[J]. Acta Acustica, 2006, 31(5): 418-424.

[54] Liu Z M, Huang Z T, Zhou Y Y. Direction-of-arrival Estimation of Wideband Signals via Covariance Matrix Sparse Representation[J]IEEE Transactions on Signal Processing, 2011, 59(9): 4256-4270.

[55] 王魯軍, 凌青, 袁延藝. 美國聲吶裝備和技術(shù)[M]. 北京: 國防工業(yè)出版社, 2011.

[56] 王魯軍. 國外低頻主動拖曳聲吶發(fā)展現(xiàn)狀和趨勢[J]水下無人系統(tǒng)學(xué)報, 2018, 26(3): 193-199.Wang Lu-jun. Current Status and Developing Trend of Low Frequency Active Towed Sonar Abroad[J]. Journal of Unmanned Undersea Systems, 2018, 26(3): 193-199.

[57] 莫喜平. 水聲換能器發(fā)展中的技術(shù)創(chuàng)新[J]陜西師范大學(xué)學(xué)報(自然科學(xué)版), 2018, 46(3): 1-12..Mo Xi-Ping. Technical Innovations with Progress of Underwater Transducers[J]. Journal of Shaanxi Normal University(Natural Science Edition), 2018, 46(3): 1-12.

[58] 周利生, 胡青. 水聲發(fā)射換能器技術(shù)研究綜述[J]哈爾濱工程大學(xué)學(xué)報, 2010, 31(7): 932-937.Zhou Li-sheng, Hu Qing. Summarization of Underwater Acoustic Projector Technologies[J]. Journal of Harbin Engineering University, 2010, 317(7): 932-937.

[59] 李寬. 四邊型彎張換能器研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2015.

[60] 桑永杰. 低頻寬帶水聲換能器研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2015.

[61] 張小鳳. 雙/多基地聲吶定位及目標(biāo)特性研究[D]. 西安:西北工業(yè)大學(xué), 2003.

[62] 凌青. 基于多站址信息綜合的水下探測定位技術(shù)研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2006.

[63] 雷波. 水下物體聲散射與前向散射信號檢測[D]. 西安: 西北工業(yè)大學(xué), 2010.

[64] 蔣敏. 無人水下航行器舷側(cè)MIMO陣列目標(biāo)探測技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2011.

[65] 劉雄厚. 無人水下航行器舷側(cè)MIMO陣列目標(biāo)探測技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2014.

[66] 滕婷婷. 基于共址MIMO圖像聲吶的水下運動小目標(biāo)檢測跟蹤技術(shù)研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2014.

[67] 孫超, 劉雄厚. MIMO聲吶: 概念與技術(shù)特點探討[J]聲學(xué)技術(shù), 2012, 31(2): 117-124.Sun Chao, Liu Xiong-hou. MIMO Sonar: Concept and Technical Characteristic Discuss[J]. Technical Acoustics, 2012, 31(2): 117-124.

[68] Bekkerman I, Tabrikian J. Target Detection and Localization Using Mimo Radars and Sonars[J]IEEE Transactions on Signal Processing, 2006, 54(10): 3873-3883.

[69] Ma N. Frequency Diversity for Active Sonar/Radar Application and Optimal Receiver Design[C]//Oceans 2010 MTS/IEEE Seattle, USA: IEEE, 2010.

[70] 李宇, 王彪, 黃海寧, 等. MIMO探測聲吶研究[C]//中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集(下), 鄭州: 中國聲學(xué)學(xué)會, 2007.

[71] 王福釙, 李淑秋, 李宇, 等. 迭代法MIMO聲吶目標(biāo)檢測——一種凸顯弱目標(biāo)的方法[J]應(yīng)用聲學(xué), 2010, 29(1): 11-16.Wang Fu-bo, Li Shu-qiu, Li Yu, et al. An Iterative Way of MIMO Sonar Target Detection: A Method that Protrudes the Weak Target[J]. Applied Acoustics, 2010; 29(1): 11-16

[72] Cai L, Ma X, Li S. On Orthogonal Waveform Design For Mimo Sonar[C]//International Conference on Intelligent Control and Information Processing, Dalian, China: IEEE, 2010: 69-72.

[73] Huang J, Zhang L, Hou Y, et al. Modified Subspace Algorithms For DOA Estimation Using MIMO Array[C]//In- ternational Conference on Signal Processing, Beijing, China: IEEE, 2008, 195-198.

[74] Huang J, Zhang L, Zhang Q, et al. Performance Analysis Of DOA Estimation For MIMO Sonar Based On Experiments[C]//2009 IEEE/SP 15th Workshop on Statistical Signal Processing, Cardiff, UK : IEEE, 2009: 269-272.

[75] 劉雄厚. 密布式MIMO聲吶成像技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2014.

[76] 郭小虎. 共址MIMO探測方法及實驗研究[D]. 杭州: 浙江大學(xué), 2012.

[77] 張友文, 孫大軍. MIMO聲吶自適應(yīng)波束形成技術(shù)研究[C]//2009年度全國物理聲學(xué)會議, 西安: 中國聲學(xué)學(xué)會, 2009.

[78] 滕婷婷, 孫大軍, 劉鑫, 等. 波形分集MIMO成像聲吶技術(shù)研究[J]哈爾濱工程大學(xué)學(xué)報, 2013, 34(5): 581- 587.Teng Ting-ting, Sun Da-jun, Liu Xin, et al. The Techniques for Waveform Diversity MIMO Imaging Sonar[J]. Journal of Harbin Engineering University, 2013, 34(5): 581-587.

[79] Rice J, Creber B, Fletcher C, et al. Evolution of Seaweb Underwater Acoustic Networking[C]//OCEANS 2000 MTS/ IEEE Conference and Exhibition. Conference Proceedings (Cat. No.00CH37158), Providence, RI, USA, USA : IEEE, 2002.

[80] 趙瑞琴, 申曉紅, 姜喆. 水下信息網(wǎng)絡(luò)基礎(chǔ)[M]. 西安: 西北工業(yè)大學(xué)出版社, 2017.

[81] Honegger B. Naval Postgraduate School Pioneers “Seaweb” Undersea Sensor Networks[EB/OL]. (2003-02-15) [2018-10-16]. http://www.navy.mil/submit/display.asp?st- ory_id=55235/.

[82] Rice J. Seaweb Acoustic Communication and Navigation Networks[C]//Underwater Acoustic Measurements: Tech- nologies & Results, Heraklion, Crete, Greece, 2005.

[83] 喬鋼, 劉凇佐, 劉奇佩. 水聲通信網(wǎng)絡(luò)協(xié)議、仿真與試驗綜述[J]水下無人系統(tǒng)學(xué)報, 2017, 25(2): 151-160.Qiao Gang, Liu Song-zuo, Liu Pei-qi. Review of Protocols, Simulation and Experimentation for Underwater Acoustic Communication Network[J]. Journal of Unmanned Undersea Systems, 2017, 25(2): 151-160.

[84] Adams A E, Acar G. An Acoustic Network Protocol for Subsea Sensor Systems[C]//Europe Oceans 2005, Brest, France: IEEE, 2005.

[85] Acar G, Adams A E. ACMEnet: An Underwater Acoustic Sensor Network Protocol for Real-Time Environmental Monitoring in Coastal Areas[J]IEEE Proceedings-Radar, Sonar and Navigation, 2006, 153(4): 365-380.

[86] CORDIS. Underwater Acoustic Network[EB/OL]. (2008- 10-01)[2018-10-16]. http://cordis.europa.eu/project/rcn/ 87609_en.html.

[87] Sunrise: Building the Internet of Underwater Things [EB/OL]. (2013-01-01)[2018-10-16]. http://fp7-sun--rise.e u/index.php.

[88] Alves J, Potter J, Guerrini P, et al. The Loon in 2014: Test Bed Description[C]//2014 Underwater Communications and Networking, Sestri Levante, Italy: IEEE, 2015.

[89] Martins R, Borges de Sousa J, Caldas R, et al. Sunrise Project: Porto University Testbed[C]//2014 Underwater Communications and Networking, Sestri Levante, Italy: IEEE, 2015.

[90] RAWFIE. Road-, Air-, And Water- Based Future Internet Experimentation[EB/OL]. (2017-12-01)[2018-10-16]. http: //www. rawfie.eu/

[91] Real-Arce D, Morales T, Barrera C, et al. Smart and Networking Underwater Robots in Cooperation Meshes: the Swarms Ecsel: H2020 Project[C]//7th International Work- shop on Marine Technology: MARTECH, 2016:19.

[92] SWARMs. Smart and Networking Underwater Robots in Cooperation Meshes[EB/OL]. (2015-07-01)[2018-10-16]. http://www.swarms.eu/overview.html.

[93] 許肖梅. 水聲通信與水聲網(wǎng)絡(luò)的發(fā)展與應(yīng)用[J]聲學(xué)技術(shù), 2009, 28(6): 811-816.Xu Xiao-mei. Development and Application of Underwater Acoustic Communication and Networks[J]. Technical Acoustics, 2009, 28(6): 811-816

[94] 郭忠文, 羅漢江, 洪鋒, 等. 水下無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J]計算機研究與發(fā)展, 2010, 47(3): 377-389. Guo Zhong-wen, Luo Han-jiang, Hong Feng, et al. Current Progress and Research Issues in Underwater Sensor Networks[J]. Journal of Computer Research and Development, 2010, 47(3): 377-389.

[95] Li B, Wang H, Shen X, et al. Deep-water Riser Fatigue Monitoring Systems Based on Acoustic Telemetry[J]Journal of Ocean University of China, 2014, 13(6): 951- 956.

[96] 秦川. 光纖布拉格光柵傳感解調(diào)技術(shù)及應(yīng)用研究[D]. 西安: 西北工業(yè)大學(xué), 2015.

[97] 李保軍. 海洋管線渦激振動監(jiān)測關(guān)鍵技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2015.

[98] 白衛(wèi)崗. 水聲通信網(wǎng)絡(luò)組網(wǎng)協(xié)議關(guān)鍵技術(shù)研究[D]. 西安: 西北工業(yè)大學(xué), 2018.

[99] Gao J, Shen X, Zhao R, et al. A Double Rate Localization Algorithm with One Anchor for Multi-Hop Underwater Acoustic Networks[J]Sensors, 2017, 17(5): 984.

[100]哈爾濱工程大學(xué)水聲通信與網(wǎng)絡(luò)實驗室. OFDM水聲通信網(wǎng)絡(luò)[EB/OL]. (2017-11-20)[2018-10-16]. http://uacan. hrbeu.edu.cn/1598/list.htm.

[101]房棟, 李宇, 尹力, 等. 水聲傳感器網(wǎng)絡(luò)MAC協(xié)議研究與實現(xiàn)[C]//全國水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會換屆改選會議. 大連: 中國聲學(xué)學(xué)會水聲學(xué)分會委員會, 2009.

[102]劉旬, 李宇, 張春華, 等. 水下自組織網(wǎng)絡(luò)AODV協(xié)議研究與應(yīng)用[C]//全國水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會換屆改選會議. 大連: 中國聲學(xué)學(xué)會水聲學(xué)分會委員會, 2009.

[103] 熊省軍, 周士弘. 水聲Modem混合自動重傳試驗研究[J]聲學(xué)與電子工程, 2010(4): 30-33.Xiong Sheng-jun, Zhou Shi-hong. Experimental study of Automatic Retransmission for Underwater Acoustic Modem[J]. Acoustics and Eletronic Engineering, 2010(4): 30-33.

[104] Been R, Jespers S, Croaluppi S, et al. Multistatic Sonar: A Road to a Maritime Network Enabled Capability[C]//in Undersea Defence Technology Europe, La Spezia, Italy, 2007.

[105]Georgescu R, Willett P, Marano S, et al. Predetection Fusion in Large Sensor Networks with Un-Known Target Locations[J]ISIF Journal of Advances in Information Fusion, 2012, 7(1): 61-77.

[106]Coraluppi S, Grimmett D, Theije P D. Benchmark Evaluation of Multistatic Trackers[C]//2006 9th International Conference on Information Fusion, Florence, Italy: IEEE, 2007: 1-7.

[107]Chair Z, Varshney P K. Optimal Data Fusion In Multiple Sensor Detection Systems[J]IEEE Transactions on Aerospace & Electronic Systems, 2007, AES-22(1): 98-101.

[108]Reibman A R, Nolte L W. Optimal Detection and Performance of Distributed Sensor Systems[J]Aerospace & Electronic Systems IEEE Transactions on, 2000, AES- 23(1): 24-30.

[109] Tenney R R, Sandell N R. Detection with Distributed Sensors[J]Aerospace & Electronic Systems IEEE Transactions on, 1981, AES-17(4): 501-510.

[110] Tsitsiklis J N. Decentralized Detection[J]Advances in Statistical Signal Processing, 1993(2): 297-344.

[111]Tsitsiklis J N. Extremal Properties of Likelihood-Ratio Quantizers[J]IEEE Transactions on Communications, 1989, 41(4): 550-558.

[112]Warren D, Willett P. Optimum Quantization for Detector Fusion: Some Proofs, Examples, and Pathology[J]Journal of the Franklin Institute, 1999, 336(2): 323-359.

[113]Theije P A M D, Moll C A M V. An Algorithm for the Fusion of Two Sets of (Sonar) Data[C]//Europe Oceans 2005, Brest, France: IEEE, 2005.

[114]Theije P A M D, Moll C A M V, Ainslie M A. The Dependence of Fusion Gain on Signal-Amplitude Distributions and Position Errors[J]IEEE Journal of Oceanic Engineering, 2009, 33(3): 266-277.

[115]Krout D W, Morrison D. PDAFAI vs. PDAFAIwTS: TNO Blind Dataset and SEABAR'07[C]//2009 12th International Conference on Information Fusion, Seattle, WA, USA: IEEE, 2009: 1845-1850.

[116]Krout D W, Hanusa E. Likelihood Surface Preprocessing with the JPDA Algorithm: Metron Data Set[C]//2010 13th International Conference on Information Fusion, Edinburgh, UK: IEEE, 2011: 1-7.

[117]Coraluppi S, Carthel C. Multi-stage Data Fusion and the MSTWG TNO Datasets[C]//2009 12th International Con- ference on Information Fusion, Seattle, WA, USA: IEEE, 2009: 1552-1559.

[118]Guerriero M. Statistical signal Processing in Sensor Networks[D]. CT: University of Connecticut, 2009.

[119] Guerriero M, Coraluppi S, Willett P. Analysis of Scan and Batch Processing Approaches to Static Fusion in Sensor Networks[C]//SPIE Defense and Security Symposium, Orlando, Florida, United States: SPIE, 2008.

[120]Georgescu R, Willett P. Random Finite Set Markov Chain Monte Carlo Predetection Fusion[C]//14th International Conference on Information Fusion, Chicago, IL, USA: IEEE, 2011: 1-8.

[121]李嶷, 李啟虎, 孫長瑜. 多基地聲吶定位誤差最小的模板法[J]系統(tǒng)仿真學(xué)報, 2011, 23(11): 2465-2470.

Li Yi, Li Qi-hu, Sun Chang-yu. Deployment Algorithm of Multistatic Sonar Based on Minimum Localization Error[J]. Journal of System Simulation, 2011, 23(11): 2465- 2470.

[122]白士君, 凌國民. 水聲網(wǎng)絡(luò)探測節(jié)點的一種運動目標(biāo)參數(shù)估計算法[J]艦船電子工程, 2010, 30(5): 186-189.Bai Shi-jun, Ling Guo-min. A Moving Target Parameters Estimation Algorithm Used FRO Underwater Acoustic Networks Detection Nodes[J]. Ship Electronic Engineering, 2010, 30(5): 186-189.

[123]谷秀明, 李博. 聲吶信息融合技術(shù)研究[J]科技資訊, 2011(3): 6.

Gu Xiu-ming, Li Bo. On Sonar Information Fusion Technolugy[J]. Science & Technology Information, 2011(3): 6.

[124]張寧. 水聲目標(biāo)的多陣聲吶信息綜合識別技術(shù)研究[D]. 南京: 東南大學(xué), 2008.

[125]金惠明, 李建勛. 反潛直升機吊放聲吶搜潛策略分析[J]電光與控制, 2011, 18(8): 26-28.Jin Hui-ming, Li Jian-xun. Submarine Searching Strategies for Dipping Sonar on Antisubmariine Helicopter[J]. Electronics Optics & Control, 2011, 18(8): 26-28.

[126]鄒吉武. 多基地聲吶關(guān)鍵技術(shù)研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2012.

[127] 劉若辰, 王英民, 張群. 基于線性最小二乘估計的雙基地聲吶定位優(yōu)化算法[J]魚雷技術(shù), 2011, 19(6): 428-432.

Liu Ruo-chen, Wang Ying-min, Zhang Qun. Optimum Localization Algorithm Based on the Linear Least Squares Estimate for Bistatic Sonar[J]. Torpedo Technology, 2011, 19(6): 428-432.

[128]韓崇昭, 朱洪艷, 段戰(zhàn)勝, 等. 多源信息融合[M]. 北京: 清華大學(xué)出版社, 2010.

[129]何友, 王國宏, 關(guān)欣. 信息融合理論及應(yīng)用[M]. 北京:電子工業(yè)出版社, 2010, 16-20.

[130]敬忠良, 肖剛, 李振華. 圖像融合: 理論與應(yīng)用[M]. 北京: 高等教育出版社, 2007.

[131] 潘泉, 程詠梅, 梁彥, 等. 信息融合理論及應(yīng)用[M]. 北京: 清華大學(xué)出版社, 2012.

[132] Thode A M, Kuperman W A, D’Spain G L, et al. Localization Using Bartlett Matched-Field Processor Sidelobes[J]Journal of the Acoustical Society of America, 1999, 107(1): 278-286.

[133]Ma Y, Yan S, Yang K. Matched Field Noise Suppression: Principle With Application To Towed Hydrophone Line Array[J]Chinese Science Bulletin, 2003, 48(12): 1207- 1211.

[134] Yan S F, Ma Y L. Matched Field Noise Suppression: A Generalized Spatial Filtering Approach[J]Chinese Sci- ence Bulletin, 2004, 49(20): 2220-2223.

[135] Finette S, Mignerey P C. Stochastic Matched-Field Localization of an Acoustic Source Based on Principles of Riemannian Geometry[J]Journal of the Acoustical Society of America, 2018, 143(6): 3628-3638.

[136]Fink M. An Overview of Time Reversal Acoustics[J]Journal of the Acoustical Society of America, 2008, 123(5): 3183-3183.

[137]Montaldo G, Tanter M, Fink M. Revisiting Iterative Time Reversal Processing: Application to Detection of Multiple Targets[J]Journal of the Acoustical Society of America, 2004, 115(2): 776-784.

[138]Walker S C, Roux P, Kuperman W A. Synchronized Time-Reversal Focusing with Application to Remote Imaging from a Distant Virtual Source Array[J]Journal of the Acoustical Society of America, 2009, 125(6): 3828- 3834.

[139]Kim J, Douglass A, Choi P, et al. Blind Deconvolution of Simple Communication Signals Recorded in Laboratory Water Tank[J]Journal of the Acoustical Society of America, 2015, 137(4): 2212-2212.

[140] Shimura T, Watanabe Y, Ochi H, et al. Long-range Time Reversal Communication in Deep Water: Experimental Results[J]Journal of the Acoustical Society of America, 2012, 132(1): EL49-EL53.

[141]Song H C. Time Reversal Communication with a Mobile Source[J]Journal of the Acoustical Society of America, 2013, 134(4): 2623-2626.

[142]Tiemann C O, Thode A M, Straley J, et al. Three-dimen- sional Localization of Sperm Whales Using a Single Hydrophone[J]Journal of the Acoustical Society of America, 2006, 120(4): 2355-2365.

[143] 段睿. 深海環(huán)境水聲傳播及聲源定位方法研究[D]. 西安: 西北工業(yè)大學(xué), 2016.

[144] Gervaise C, Kinda B G, Bonnel J, et al. Passive Geoacoustic Inversion with a Single Hydrophone Using Broadband Ship Noise[J]Journal of the Acoustical Society of America, 2012, 131(3): 1999-2010.

[145]McCargar R, Zurk L. M. Depth-based Signal Separation with Vertical Line Arrays in the Deep Ocean[J]Journal of the Acoustical Society of America, 2013, 133(4): EL320-EL325.

Ocean Acoustic Target Detection Technologies: a Review

YANG Yi-xin, HAN Yi-na, ZHAO Rui-qin, LIU Xiong-hou, WANG Yong

(School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an 710072, China)

Ocean acoustic target detection contains many different technological approaches. It is one of the important ways to the development of ocean acoustic target detection technology that underwater acoustic communication networking technology is adopted to connect active and passive detection nodes into underwater acoustic detection networks and to fuse the receivedmulti-source information. This paper analyzes the development of ocean acoustic target detection technology with respect to four aspects — passive detection, active detection, underwater communication network, and multi-source information fusion, and introduces the characteristics of relevant theories and methods. Their advantages and disadvantages are discussed. And the influence of ocean acoustic channel on target detection is revealed. Moreover, the developing trends of the ocean acoustic target detection technologies are predicted from the above-men- tioned four aspects: 1) From the perspective of spatial processing, passive detection technology will develop towards robust array processing technology for large aperture arrays, new sensors and their arrays, and full combination of signal processing and hydroacoustic physical models; 2) For active detection technology, low-frequency and high-power detection technology, multi-base network detection technology and new-system active detection technology will be continuously developed, at the same time, intelligent active detection technology and eco-friendly detection technology will be the development trend; 3) The future development of underwater communication networking technology will focus on making use of network protocols to improve communication reliability, cross-media networking protocols, task-oriented network resource scheduling, and on construction of standardized underwater acoustic network experimental platform; and 4) For multi-source information fusion detection technology, it is necessary to further conduct modeling research on the complementary relationship between measurement information and information.

acoustic target detection; passive sonar; active sonar; underwater acoustic communication; information fusion

TJ630.34; TB566; P733.23

R

2096-3920(2018)05-0369-18

10.11993/j.issn.2096-3920.2018.05.001

2018-10-09;

2018-10-17.

國家重點研發(fā)計劃(2016YFC1400200).

楊益新(1975-), 男, 博士, 教授, 主要研究方向為水聲信號處理

楊益新, 韓一娜, 趙瑞琴, 等. 海洋聲學(xué)目標(biāo)探測技術(shù)研究現(xiàn)狀和發(fā)展趨勢[J]. 水下無人系統(tǒng)學(xué)報, 2018, 26(5): 369-386.

(責(zé)任編輯:陳 曦)