方世良 杜栓平 羅昕煒 韓 寧 徐曉男

1 東南大學(xué) 水聲信號處理教育部重點實驗室 南京 210096

2 杭州應(yīng)用聲學(xué)研究所 聲納技術(shù)重點實驗室 杭州 310023

水聲目標(biāo)識別技術(shù)是一種利用聲吶接收的被動目標(biāo)輻射噪聲、主動目標(biāo)回波以及其他傳感器信息提取目標(biāo)特征并判別目標(biāo)類型或艦型的信息處理技術(shù)，為人類海洋經(jīng)濟(jì)與軍事活動提供重要決策依據(jù)。隨著人類在海洋中的活動日益頻繁，水聲目標(biāo)識別技術(shù)得到越來越多的應(yīng)用，如漁業(yè)生產(chǎn)作業(yè)、海洋搜救、海底勘測、各種調(diào)查和科學(xué)研究等；其軍事應(yīng)用更為突出，第二次世界大戰(zhàn)以來，已成為水聲領(lǐng)域的重要研究方向，世界海軍強(qiáng)國十分重視該技術(shù)的研究。從 20 世紀(jì) 60 年代開始，美、英、法、日、蘇（俄）等國家就一直在水聲目標(biāo)識別相關(guān)研究工作中給予大量投入。美國國防部（DoD）專題預(yù)算長期對水聲目標(biāo)識別技術(shù)資助研究。美國國防高級研究項目局（DARPA）將“檢測、分類新技術(shù)”列為“被動聲吶信號處理”中最需要的技術(shù)之一。英國國防研究局（DRE）和 LOGICA 公司專門開發(fā)了聲吶分類驗證系統(tǒng) SoCS 及數(shù)據(jù)融合驗證系統(tǒng)，用于支持聲吶目標(biāo)分類識別等技術(shù)的研究。

根據(jù)所利用信息的不同，目標(biāo)識別主要分為被動目標(biāo)識別、主動目標(biāo)識別和多傳感器綜合目標(biāo)識別等。實際海上水聲目標(biāo)信號的獲取與識別的一般模型如圖 1 所示。

圖1 水聲目標(biāo)信號的獲取與識別模型

水聲目標(biāo)信號包括水中目標(biāo)輻射噪聲和水中目標(biāo)被聲波照射后的回波或散射信號。水聲目標(biāo)識別作為模式識別的一個分支，與多數(shù)目標(biāo)識別問題一樣，最核心的關(guān)鍵問題是提取“好的特征”。好的特征一般應(yīng)具備以下 4 個方面特性：① 良好類間可分性；② 明確的物理含義和較強(qiáng)的泛化能力；③ 對目標(biāo)運(yùn)動工況具有一定的不變性；④ 對水聲環(huán)境具有良好的寬容性等。同時，好的特征還要具備可提取性和可實現(xiàn)性。對于目標(biāo)輻射噪聲信號，水聲目標(biāo)的發(fā)聲機(jī)理復(fù)雜、目標(biāo)類型和航行工況多樣、海洋信道時變空變、平臺噪聲干擾等嚴(yán)重影響對目標(biāo)的分類和識別。對于目標(biāo)回波信號，隱身潛艇低目標(biāo)強(qiáng)度導(dǎo)致目標(biāo)特征越來越弱，復(fù)雜的水聲環(huán)境、信道畸變、強(qiáng)混響和大量雜波干擾等給主動目標(biāo)辨識帶來很大的困難。實際上，水聲目標(biāo)識別一直是國際公認(rèn)的難題。

此外，水聲目標(biāo)識別所利用的特征也是目標(biāo)檢測的重要依據(jù)，對隱身潛艇等弱目標(biāo)更是如此。水聲目標(biāo)特征提取與識別技術(shù)的發(fā)展將對目標(biāo)檢測、跟蹤等技術(shù)研究產(chǎn)生很強(qiáng)的輻射帶動作用，從而促進(jìn)聲吶技術(shù)的整體發(fā)展。

1 水聲目標(biāo)信號的主要聲源及目標(biāo)特征

1.1 水中目標(biāo)輻射噪聲及特征

水中目標(biāo)的輻射噪聲組成復(fù)雜，是艦艇中多種噪聲源與其所處的水介質(zhì)共同作用后產(chǎn)生的物理現(xiàn)象。水中目標(biāo)主要輻射噪聲源包括：推進(jìn)器、轉(zhuǎn)動和往復(fù)式機(jī)械、各種泵等。它們產(chǎn)生噪聲的機(jī)理各不相同，因此輻射噪聲的特征也比較復(fù)雜，主要包括機(jī)械噪聲、螺旋槳噪聲和水動力噪聲等。目標(biāo)的機(jī)械噪聲、螺旋槳噪聲和目標(biāo)空間行為狀態(tài)對應(yīng)的噪聲變化是水中目標(biāo)輻射噪聲信號的主要特征來源。

1.1.1 機(jī)械噪聲特征及提取

機(jī)械噪聲是指艦船上各種機(jī)械的振動源激勵水中船體，并通過船體向水中輻射而形成的水下噪聲，是艦船輻射噪聲在低頻段的主要成分。機(jī)械噪聲的聲源多且復(fù)雜，而寬帶信號疊加窄帶信號的信號形式很容易受到環(huán)境、多目標(biāo)干擾以及海洋信道影響，甄選出可以遠(yuǎn)距離傳播以及具有物理機(jī)理支持的特征具有現(xiàn)實意義。

殼體振動引起的輻射噪聲與目標(biāo)尺寸、材料、形狀相關(guān)，表現(xiàn)為功率譜上的低頻線譜成分，可采用基于薄殼振動及模態(tài)分解理論的殼體振動模型[1]進(jìn)行分析。目標(biāo)的瞬態(tài)信號有撞擊產(chǎn)生的沖擊振動信號，也有因設(shè)備間歇性運(yùn)行帶來的脈沖式信號，可采用彈簧衰減器系統(tǒng)線性疊加的多模態(tài)振動模型[2]進(jìn)行分析。殼體振動信號和目標(biāo)瞬態(tài)信號等與目標(biāo)平臺屬性和運(yùn)動狀態(tài)相關(guān)聯(lián)，是良好的分類識別特征。

1.1.2 水中目標(biāo)推進(jìn)噪聲特征

螺旋槳是水中運(yùn)動目標(biāo)的常見推進(jìn)器，螺旋槳噪聲是由水中旋轉(zhuǎn)的螺旋槳激勵并輻射的噪聲，包含了螺旋槳的轉(zhuǎn)速和葉片數(shù)等信息。雖然水聲目標(biāo)并非按照螺旋槳的特征來分類，但是不同類型目標(biāo)的螺旋槳參數(shù)和工況往往存在明顯差異。因此，螺旋槳相關(guān)特征是進(jìn)行目標(biāo)區(qū)分的重要判據(jù)。

螺旋槳噪聲是一種寬帶輻射噪聲，非均勻流場中槳葉旋轉(zhuǎn)又對螺旋槳噪聲進(jìn)行了周期調(diào)制，使螺旋槳噪聲信號的包絡(luò)幅度產(chǎn)生周期起伏。螺旋槳噪聲的產(chǎn)生與螺旋槳結(jié)構(gòu)和航行中空化狀態(tài)密切相關(guān)[3]。通過對螺旋槳噪聲信號的包絡(luò)分析可以獲取螺旋槳轉(zhuǎn)速和螺旋槳葉片數(shù)等信息。

1.1.3 目標(biāo)的空間及行為特征

在水聲環(huán)境中，目標(biāo)的運(yùn)動狀態(tài)和空間位置也是目標(biāo)分類識別的重要特征。目標(biāo)的深度位置、航速、各種工況及其變化狀態(tài)都會反映在目標(biāo)輻射噪聲的變化中。

目標(biāo)的方位距離信息包含在聲吶陣列的時空采樣數(shù)據(jù)中，通過陣列處理可解算出目標(biāo)空間位置參數(shù)。淺海信道的多路徑效應(yīng)或者不同的簡正波模式疊加有時會在功率譜上產(chǎn)生類梳狀的結(jié)構(gòu)，使得運(yùn)動目標(biāo)的輻射噪聲信號 LOFAR 譜產(chǎn)生強(qiáng)弱分明的干涉條紋，包含了不同深度運(yùn)動目標(biāo)時空信息。

1.2 目標(biāo)回波信號的產(chǎn)生及特征

在主動聲吶的工作過程中，發(fā)射信號經(jīng)入射信道的傳播，與主動目標(biāo)發(fā)生散射作用[4]并攜帶主動目標(biāo)特征，再經(jīng)反射信道到達(dá)接收陣列，主動目標(biāo)亦可視為二次聲源。目標(biāo)回波信號中將包含發(fā)射信號特征、聲波入射至目標(biāo)所經(jīng)過的傳輸信道特征、目標(biāo)散射特征、反射回波至接收陣所經(jīng)過的傳輸信道特征等。主動目標(biāo)識別的關(guān)鍵在于能否從包含以上諸多因素的回波信號中準(zhǔn)確提取出反映目標(biāo)物理本質(zhì)的特征。

1.2.1 材料特征

目標(biāo)的材料特征是指目標(biāo)表面的軟、硬邊界，也包括殼體層數(shù)、內(nèi)部填充、是否加肋等因素，主要表現(xiàn)為回波信號與發(fā)射信號之間的幅度差、相位差以及波形擴(kuò)展等現(xiàn)象。對于剛性散射體來說，聲波照射并不激發(fā)物體內(nèi)部的運(yùn)動，而對于一般的彈性散射體，則將激勵起內(nèi)部的聲場，不同的材料屬性使其聲散射信號中包含了相應(yīng)的特征。

1.2.2 幾何特征

目標(biāo)的幾何特征指目標(biāo)的尺度、形狀、強(qiáng)散射區(qū)分布等平面或立體結(jié)構(gòu)，主要引起目標(biāo)回波中各反射點的聲程差，表現(xiàn)為回波信號中各峰值的時延差。目標(biāo)回波包絡(luò)結(jié)構(gòu)中的峰值一般對應(yīng)于目標(biāo)中的強(qiáng)反射點，其結(jié)構(gòu)組成會隨目標(biāo)航向與照射方向夾角的改變而改變。

1.2.3 運(yùn)動特征

目標(biāo)的運(yùn)動特征指目標(biāo)速度、加速度及轉(zhuǎn)彎、上浮、下潛等運(yùn)動狀態(tài)。在頻域上，目標(biāo)的運(yùn)動特征表現(xiàn)為發(fā)射信號與回波信號的頻率差異（即多普勒頻移）；而在時域上，則表現(xiàn)為回波信號相對于發(fā)射信號的拉伸或壓縮。

2 水聲目標(biāo)特征提取方法

2.1 被動目標(biāo)特征提取方法

在海洋環(huán)境中，目標(biāo)輻射噪聲被水聲傳感器感知。特征提取利用傳感器獲取的時空采樣數(shù)據(jù)，經(jīng)過預(yù)處理、特征變換、特征檢測和參數(shù)估計，給出水聲目標(biāo)特征提取結(jié)果和相應(yīng)特征參數(shù)。

2.1.1 機(jī)械噪聲特征的提取

艦船的機(jī)械噪聲輻射信號具有近似平穩(wěn)的特性，功率譜分析成為最常用的機(jī)械噪聲分析手段。基于目標(biāo)噪聲產(chǎn)生機(jī)理、特征表征和功率譜分析可以構(gòu)造多個識別特征量，包括個體線譜分布、功率譜線譜連續(xù)譜能量相對分布、連續(xù)譜能量分布、線譜能量分布、特定頻段線譜數(shù)量、諧波特征和線譜的波動特征等。

由于艦船輻射噪聲源狀態(tài)變化、目標(biāo)運(yùn)動等因素的影響，也使得信號特征存在時變特性。LOFAR 分析實際上蘊(yùn)含了序貫檢測的思想——它利用輻射噪聲功率譜在時間上的累積效應(yīng)，以觀測時間的增加減小干擾的影響。通過 LOFAR 分析可以提高對弱線譜的提取能力，同時具備對時變線譜、瞬態(tài)信號的檢測提取能力。

此外，聽覺感知技術(shù)等仿生技術(shù)在水聲目標(biāo)特征提取中也得到應(yīng)用[5]。聽覺感知特征提取方法從聽覺的生理機(jī)制、耳蝸的頻率分解特性、掩蔽效應(yīng)、臨界帶寬及人耳感知聲音所表現(xiàn)出的聽覺特性出發(fā)，構(gòu)建基于響度、音調(diào)和音色等相應(yīng)聽覺特征，以期獲得接近聲吶員對聲音的良好辨識能力。

2.1.2 螺旋槳噪聲特征的提取

由于海洋中較強(qiáng)的低頻環(huán)境噪聲以及傳感器的工作頻段限制，難以直接利用時頻分析方法從艦船輻射噪聲中獲取螺旋槳結(jié)構(gòu)以及轉(zhuǎn)動節(jié)奏相關(guān)信息。DEMON 分析是獲取艦船螺旋槳特征的主要手段，其通過一組帶通濾波器覆蓋螺旋槳噪聲所在的頻段，將帶通信號做檢波處理并計算其低頻功率譜，得到信號的解調(diào)譜。對解調(diào)譜進(jìn)行諧波檢測則可以提取到螺旋槳相關(guān)信息，包括螺旋槳的軸頻、葉片數(shù)和槳支數(shù)等。解調(diào)譜中還可以進(jìn)一步挖掘線譜調(diào)制深度、調(diào)制載頻分布等特征信息，這些特征量反映出艦船目標(biāo)螺旋槳的某些狀態(tài)，在機(jī)理和試驗的支持下，可作為目標(biāo)分類識別特征。

DEMON 分析獲取的目標(biāo)螺旋槳轉(zhuǎn)速和葉片數(shù)等信息是目標(biāo)分類識別最重要的依據(jù)之一。但不同類型目標(biāo)的槳葉數(shù)以及航行時螺旋槳轉(zhuǎn)速范圍存在交叉重疊，螺旋槳轉(zhuǎn)速和葉片數(shù)并不是目標(biāo)分類識別的充分特征量。

2.1.3 目標(biāo)的空間及行為特征的提取

目標(biāo)的空間位置信息以及運(yùn)動狀態(tài)是判斷目標(biāo)類型，輔助判別目標(biāo)意圖和態(tài)勢的良好信息源。

通過主動聲吶、被動測距聲吶或者其他傳感器信息可直接提供目標(biāo)距離，解算并估計目標(biāo)速度，進(jìn)而估計目標(biāo)加速度，判斷出目標(biāo)的機(jī)動情況。

同時，對目標(biāo)輻射噪聲信號的 LOFAR 分析和 DEMON 分析同樣也可獲得有關(guān)目標(biāo)機(jī)動狀態(tài)的特征信息。如利用 LOFAR 譜中對條紋信息的檢測和提取，在海洋環(huán)境信息支持下，通過波導(dǎo)不變量的計算估計目標(biāo)位置信息[6,7]。

2.2 主動目標(biāo)特征提取方法

主動聲吶的目標(biāo)特征提取是指運(yùn)用信號分析或數(shù)據(jù)處理方法，從包含發(fā)射信號特征、傳輸信道特征和目標(biāo)散射特征等的回波信號中，準(zhǔn)確提取出反映目標(biāo)物理本質(zhì)的特征，即將高維的數(shù)據(jù)空間映射到較低維的特征空間。

2.2.1 材料特征的提取

回波信號時域波形的突變性質(zhì)和目標(biāo)表面的反射特性有關(guān)。例如，具有大面積光滑表面的目標(biāo)，其產(chǎn)生的回波邊緣較為陡峭；而具有隨機(jī)起伏粗糙不平的表面或隨機(jī)分布的目標(biāo)，會使回波邊緣較為模糊。在較近距離高信噪比條件下，通過波形邊緣的準(zhǔn)確提取，可有效分析目標(biāo)表面的材料特質(zhì)；而在遠(yuǎn)距離低信噪比或強(qiáng)混響干擾條件下，回波的到達(dá)前沿淹沒于復(fù)雜、強(qiáng)烈的背景干擾中，需要通過更精細(xì)的波形設(shè)計及處理來分析提取目標(biāo)的材料特性。對于線性調(diào)頻回波信號的頻域特性[8]，可利用目標(biāo)回波的亮點模型并通過分?jǐn)?shù)傅里葉變換以實現(xiàn)剛性和彈性散射體差異特征的提取。

2.2.2 幾何特征的提取

目標(biāo)的幾何特征可由目標(biāo)回波的亮點結(jié)構(gòu)來體現(xiàn)，亮點結(jié)構(gòu)尤其適用于對大尺寸的軍用目標(biāo)（如水面艦艇和潛水艇等）進(jìn)行分析。不同亮點在聲軸上相互錯開，形成沿時間分布的特征。當(dāng)入射-反射方位發(fā)生變化時，亮點之間的相對距離和聲程隨之變化。

通常利用匹配濾波方法、通過脈沖壓縮從回波信號中提取目標(biāo)各亮點的相對時延差。由于發(fā)射信號的固有屬性即時間分辨率的限制以及旁瓣干擾的影響，利用常規(guī)匹配濾波方法準(zhǔn)確估計主動目標(biāo)的弱幾何散射信號的時延非常困難。針對這個問題，一方面通過發(fā)射信號的優(yōu)化設(shè)計以提高信號的時間分辨率，如使用由若干個子脈沖組成的組合脈沖，選擇合適的組合脈沖個數(shù)，即可在保證頻率分辨率一定的條件下，獲得所需的時間分辨率，以有效提高目標(biāo)幾何特征提取的精度。另一方面需改善回波信號的處理方法[9]，如利用目標(biāo)速度參數(shù)對發(fā)射信號進(jìn)行壓縮或擴(kuò)張預(yù)畸變，重構(gòu)與回波信號匹配度更高的拷貝信號。

2.2.3 運(yùn)動特征的提取

目標(biāo)的運(yùn)動特征主要體現(xiàn)為多普勒頻移，利用頻率估計方法、通過求取接收信號和發(fā)射信號的頻率差，可直接求得目標(biāo)的相對運(yùn)動速度。對于單頻信號，進(jìn)行 FFT 處理并由此估計目標(biāo)速度簡單易行，而直接對寬帶信號進(jìn)行頻率偏移估計則比較困難。針對這個問題，使用密集-稀疏復(fù)合方法可產(chǎn)生低旁瓣和高精度的距離-多普勒圖像[10]，通過改進(jìn)基于擴(kuò)展不變性原理的加權(quán)最小二乘法，能獲得精確的目標(biāo)位置和速度估計。對于將線性調(diào)頻信號作為發(fā)射信號的情況[11]，利用分?jǐn)?shù)階傅里葉變換方法和寬帶模糊度函數(shù)可估計目標(biāo)速度，并能從混響背景中分辨出真實目標(biāo)[12]。

3 目標(biāo)分類識別

基于水聲目標(biāo)特征的分類識別方法可主要有統(tǒng)計分類、模型匹配、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)等方法。

3.1 統(tǒng)計分類識別

統(tǒng)計分類識別是應(yīng)用最廣泛的一類分類器，該類方法主要利用目標(biāo)特征的統(tǒng)計分布，依賴于對已有樣本數(shù)據(jù)的統(tǒng)計分析和基于距離度量的模式匹配[13,14]。水聽器陣列數(shù)據(jù)經(jīng)過特征提取得到目標(biāo)特征向量。通過與參考模式進(jìn)行比較，結(jié)果得到此樣本向量被判定為各個參考模式的一組概率，常用的基于統(tǒng)計分布的分類器如貝葉斯分類器[13,14]、支持向量機(jī)（SVM）[15]等。該類分類器的優(yōu)點是算法簡單、分類速度快，但得到的匹配模板是固定的，適于高質(zhì)量的特征樣本和較高信噪比要求，難以適應(yīng)數(shù)據(jù)的劇烈變化，泛化率低。

3.2 模型分類識別

基于模型的分類方法，它先將樣本空間模型化，通過模型的分解和參量化表達(dá)出有意義的子空間。需要目標(biāo)模型、背景模型、環(huán)境模型等實現(xiàn)模式的最佳匹配。該分類器算法簡單，但因水聲目標(biāo)信號機(jī)理復(fù)雜，精確建模難度較大，適應(yīng)性仍需提高。

3.3 神經(jīng)網(wǎng)絡(luò)的分類識別

基于神經(jīng)網(wǎng)絡(luò)的分類方法，神經(jīng)網(wǎng)絡(luò)是由大量非線性處理單元廣泛互聯(lián)而成的網(wǎng)絡(luò)，它具有大規(guī)模并行處理、分布式信息存儲、非線性動力學(xué)和網(wǎng)絡(luò)全局作用等特性。神經(jīng)網(wǎng)絡(luò)方法通過網(wǎng)絡(luò)本身的學(xué)習(xí)獲取知識，構(gòu)成權(quán)系數(shù)，實現(xiàn)訓(xùn)練樣本空間的較好類別劃分，并對新樣本進(jìn)行運(yùn)算判決[16]。這類系統(tǒng)在樣本空間較完備時分類準(zhǔn)確度高，具有很強(qiáng)的自適應(yīng)和學(xué)習(xí)能力，能充分逼近復(fù)雜的非線性關(guān)系。但需要完備的訓(xùn)練樣本數(shù)據(jù)，對水聲目標(biāo)難度較大，同時不能觀測中間的學(xué)習(xí)過程，物理意義不明確。

3.4 專家系統(tǒng)識別方法

為了降低目標(biāo)識別性能對樣本數(shù)量的依賴，水聲目標(biāo)識別還利用了專家系統(tǒng)識別方法。專家系統(tǒng)識別方法是基于領(lǐng)域?qū)＜业慕?jīng)驗知識建立的推理識別系統(tǒng)，構(gòu)建的知識庫具有一定的普遍性和代表性，因此具有對樣本依賴性小的優(yōu)點。在這種識別系統(tǒng)中，傳感器數(shù)據(jù)經(jīng)過特征提取得到的目標(biāo)特征送入推理機(jī)中，推理機(jī)分析并與知識庫中的條件進(jìn)行對比從而得出識別結(jié)果。

4 問題與建議

4.1 當(dāng)前存在的問題

水聲目標(biāo)分類識別當(dāng)前存在的問題可以歸納為以下 5 個方面。

（1）水中目標(biāo)聲特征受多種因素影響，發(fā)聲機(jī)理復(fù)雜，建模困難。水中目標(biāo)輻射噪聲與自身的動力裝置、船體結(jié)構(gòu)、目標(biāo)的航行工況、觀測方位等密切相關(guān)，同時水中目標(biāo)的輻射噪聲往往帶有很強(qiáng)的空間指向性；水聲目標(biāo)散射回波特性包含了目標(biāo)材料、外部結(jié)構(gòu)特性、入射角度、探測信號波形、目標(biāo)與觀測之間的運(yùn)動態(tài)勢等多種信息。水下目標(biāo)聲特性的影響因素如此龐雜，無論是基于理論分析還是基于數(shù)據(jù)測量統(tǒng)計分析，要全面掌握其產(chǎn)生機(jī)理、準(zhǔn)確建立聲模型還需要大量而長期的投入。

（2）高噪聲和強(qiáng)干擾的水聲環(huán)境制約了弱目標(biāo)特征提取精度。聲吶在實際工作中需要識別分析的目標(biāo)信號通常在 0 dB 以下，高價值水下目標(biāo)的信噪比往往在 -10 dB 以下，同時還會接收到大量低價值的水面強(qiáng)干擾目標(biāo)數(shù)據(jù)。因此，水聲目標(biāo)識別屬于高噪聲和強(qiáng)干擾背景下的信號處理問題，其特征提取的準(zhǔn)確性受信噪（干）比的嚴(yán)重制約。

（3）復(fù)雜的水聲傳播信道和失配的接收系統(tǒng)均制約著目標(biāo)聲特征的準(zhǔn)確提取。一方面，目標(biāo)輻射噪聲/回波信號在海洋環(huán)境中傳播，將受多次海面、海底界面的反射和散射以及暗流、內(nèi)波的影響，同時海水介質(zhì)對聲波的吸收等作用都會導(dǎo)致目標(biāo)信號強(qiáng)度急速衰減，信噪比急速下降；海洋信道系統(tǒng)引起聲波產(chǎn)生時間擴(kuò)展、頻散效應(yīng)、頻譜強(qiáng)度周期性起伏等現(xiàn)象會導(dǎo)致目標(biāo)聲特征畸變；海洋環(huán)境劇烈的時變空變特性會加劇海洋信道對聲特征的影響。另一方面，在信號處理過程中參數(shù)失配也會導(dǎo)致聲特征的畸變?；谠擃惖托旁氡?、特征畸變的目標(biāo)信號，實現(xiàn)準(zhǔn)確的特征提取是一個巨大的挑戰(zhàn)，很多情況下傳統(tǒng)的譜分析和時頻分析工具都無法獲取有效的目標(biāo)特征。

（4）水下目標(biāo)類型多樣，不同類型目標(biāo)的聲特征分布交叉重疊，可分性受限。一方面，水中常見目標(biāo)包括水面艦船、潛艇、商用船只、魚雷、無人航行器等，其龐大的目標(biāo)數(shù)量和多樣的目標(biāo)類型為水下目標(biāo)識別帶來了很大的困難。另一方面，聲吶目標(biāo)識別需要區(qū)分的是不同功能類型的目標(biāo)，然而由于不同類型目標(biāo)的聲特性分布交叉重疊，甚至類內(nèi)特征差異大于類別間的特性差異，這極大地增加了基于聲特性目標(biāo)分類識別的難度。

（5）代表性強(qiáng)、質(zhì)量高的數(shù)據(jù)稀少，獲取代價高昂。代表性強(qiáng)、質(zhì)量高的數(shù)據(jù)樣本對目標(biāo)特征提取和識別新方法的提出以及性能驗證等都是必不可少的，但目前水聲目標(biāo)的數(shù)據(jù)資源十分匱乏，有效的標(biāo)注數(shù)據(jù)更加稀少。一方面，由于感興趣的水下目標(biāo)數(shù)量少、目標(biāo)運(yùn)動速度慢且水聲信號傳播距離短，這些固有的低密度接觸特點使水聲目標(biāo)數(shù)據(jù)收集困難，需要大規(guī)模的水聲試驗條件，耗費(fèi)巨大，數(shù)據(jù)獲取代價十分高昂。另一方面，水下目標(biāo)聲信號往往涉及國家軍事機(jī)密，其數(shù)據(jù)信息的測量、獲取、交流都受到嚴(yán)格的控制，也是水中目標(biāo)數(shù)據(jù)信息稀少的原因之一。

4.2 研究建議

（1）進(jìn)一步加強(qiáng)基礎(chǔ)研究，挖掘目標(biāo)物理特征，提高識別正確性和寬容性。重視水聲目標(biāo)特性基礎(chǔ)研究，充分掌握并挖掘水中目標(biāo)物理特征。以目標(biāo)噪聲源發(fā)聲或散射的物理機(jī)理為保障，有效提高目標(biāo)識別的正確率及其對海洋環(huán)境和運(yùn)動工況的寬容性。

（2）深化目標(biāo)特征與海洋環(huán)境信息的耦合研究，提高環(huán)境適應(yīng)性。近年來，高度重視海洋環(huán)境和目標(biāo)干擾對聲吶裝備探測與識別性能的影響，強(qiáng)調(diào)裝備要有對環(huán)境自主感知和適應(yīng)的能力，并提出了環(huán)境自適應(yīng)技術(shù)的概念，基于先驗和現(xiàn)場目標(biāo)與環(huán)境信息實現(xiàn)聲吶參數(shù)設(shè)置和控制的最優(yōu)化，有望使聲吶的性能達(dá)到最佳，大幅度提高聲吶探測與識別的環(huán)境適應(yīng)性。

（3）增強(qiáng)目標(biāo)信號的保真獲取能力，設(shè)計抗干擾/畸變的目標(biāo)特征精細(xì)化提取方法。海上目標(biāo)信號一般通過聲吶陣列獲取，在陣列處理中的參數(shù)失配以及海洋環(huán)境中多目標(biāo)強(qiáng)干擾等問題都會影響后續(xù)的特征提取和分類識別處理。開展自適應(yīng)的波束形成技術(shù)，時空頻域的多目標(biāo)干擾辨識，信號特征預(yù)畸變處理等研究，設(shè)計精細(xì)化的特征獲取方法以保障目標(biāo)信號聲特征的有效獲取。

（4）系統(tǒng)、有序開展水聲行業(yè)數(shù)據(jù)工程建設(shè)，提升水聲目標(biāo)數(shù)據(jù)支持能力。系統(tǒng)性的數(shù)據(jù)是水聲目標(biāo)特征掌握與目標(biāo)識別的基礎(chǔ)。而水中目標(biāo)特別是感興趣的軍用目標(biāo)數(shù)量少、海洋面積大、目標(biāo)運(yùn)動速度慢、水聲信號獲取的作用距離近等特點，嚴(yán)重制約了與關(guān)心目標(biāo)的聲學(xué)接觸概率。另外，目標(biāo)設(shè)計制造工藝與工況的復(fù)雜多變，水聲數(shù)據(jù)受“污染”程度高，包含大量的加性或乘性干擾，混雜了目標(biāo)和自身平臺的各種信號，加大了水聲有效數(shù)據(jù)的獲取、分析、運(yùn)用難度。因此，必須舉全行業(yè)、國家的整體力量，規(guī)范、有序、長期開展水聲數(shù)據(jù)獲取、處理與管理工作，強(qiáng)化水聲行業(yè)數(shù)據(jù)工程建設(shè)，提升水聲目標(biāo)數(shù)據(jù)支持能力。

（5）針對水聲目標(biāo)信號特點，理性開展人工智能水聲目標(biāo)識別技術(shù)研究。人工智能、深度學(xué)習(xí)[17]等技術(shù)的蓬勃發(fā)展為目標(biāo)識別開創(chuàng)了新的途徑，在視覺、語音和文本處理等智能識別領(lǐng)域中獲得了良好的應(yīng)用效果。但是這種通過網(wǎng)絡(luò)訓(xùn)練自主學(xué)習(xí)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(jī)會。因此，應(yīng)針對水聲目標(biāo)信號特點，理性開展人工智能水聲目標(biāo)識別技術(shù)研究，在自主學(xué)習(xí)特征和傳統(tǒng)頻譜特征的關(guān)聯(lián)性，自主學(xué)習(xí)特征的可讀性和可解釋性等方面進(jìn)一步深入探索，開展基于人工智能的強(qiáng)化學(xué)習(xí)[18]和遷移學(xué)習(xí)[19]等技術(shù)研究，以適應(yīng)樣本不充分條件下的應(yīng)用。

5 結(jié)語

水聲目標(biāo)特征提取與識別具有重要的軍事意義和研究價值，也是國際公認(rèn)的難題，需要深入的機(jī)理研究、長期的數(shù)據(jù)積累、先進(jìn)的特征分析提取及目標(biāo)識別方法等支持。特別是隨著目標(biāo)對象在隱身、特征控制等方面的不斷發(fā)展，難度更大，更需要堅持不懈的探索與研究。