主动声纳抗混响空时自适应处理关键技术应用研究_李玉强.pdf

舰 船 电 子 工 程2022 年第 11 期1引言主动声纳研究需重点关注三方面，分别为发射信号形式、水介质传输信道、回波信号处理。相比于深海，浅海水域水声环境十分复杂多变，混响干扰也更为严重1，主动声纳的探测性能受到很大的制约和影响。抗混响技术研究旨在提高主动声纳探测性能，相关研究主要集中在两大方面。一是发射信号形式设计，信号形式和中心频率一经选定，目标跟踪性能、系统时域分辨力及频域分辨力、抗混响能力等也基本同步确定 2；二是后置信号处理算法研究3。本文将简要介绍主要抗混响方法类别并重点研究空时自适应处理（space-time adaptive processing，STAP）抗混响算法，为其工程实践应用提供参考。2抗混响算法研究2.1抗混响算法概述混响背景干扰下的抗混响算法，主要在常规匹配滤波信号处理基础上开展4，包括预白化处理、子空间处理、特征空间检测方法和空时自适应处理。预白化处理：简要描述为为获得抗混响效果，将混响中有色噪声过滤成白噪声，再进行常规波束收稿日期：2022年5月13日，修回日期：2022年6月26日作者简介：李玉强，男，硕士，工程师，研究方向：水声信号处理。李玉伟，男，硕士，工程师，研究方向：水声信号处理。蒋小勇，男，高级工程师，研究方向：水声信号处理。主动声纳抗混响空时自适应处理关键技术应用研究李玉强1李玉伟2蒋小勇1（1.上海船舶电子设备研究所上海201108）（2.海军装备部驻上海地区第七军事代表室上海201108）摘要在主动声纳系统中，抗混响算法同发射信号形式一样起着十分重要的作用，文章简要介绍了预白化处理、子空间处理、特征空间处理抗混响算法，并重点研究了空时自适应处理（STAP）技术。文中详细分析了空时自适应处理算法原理和流程，对关键技术进行了分析和应用。对实际海试数据进行了STAP处理及算法稳定性研究，对比常规处理取得了较佳的抗混响效果，为其后续工程实现提供了有益的支撑。关键词主动声纳；抗混响算法；空时自适应处理（STAP）中图分类号TP301.6DOI：10.3969/j.issn.1672-9730.2022.11.038Application Research on Key Technologies of Anti-reverberationSpace-time Adaptive Processing for Active SonarLI Yuqiang1LI Yuwei2JIANG Xiaoyong1（1.Shanghai Marine Electronic Equipment Research Institute，Shanghai201108）（2.The 7thMilitary Representative Office of the Navy Equipment Department in Shanghai Area，Shanghai201108）AbstractReverberation algorithm of active sonar plays important role in system as well as the transmitted signal waveform.This article briefly introduced several anti-reverberation algorithm including pre-whitening，subspace processing，space of eigenvalue processing and focused on the space-time adaptive processing（STAP）.It analyzes the principle and process of the algorithm ofSTAP detailed and given analysis and application of the key technology.It processes sea trial data of reverberation，compares withtraditional method，STAP achieves a better effect in anti-reverberation and provides beneficial support for its engineering implementation.Key Wordsactive sonar，anti-reverberation algorithm，space-time adaptive processing（STAP）Class NumberTP301.6总第 341 期2022 年第 11 期舰 船 电 子 工 程Ship Electronic EngineeringVol.42 No.11177总第341期形成和匹配滤波处理5。主分量反转处理（子空间处理）：探测中高速运动目标时，目标反射回波会同发射波差异，体现为频域存在多普勒频移，利用目标回波频移与混响目标反射回波的频移差异，从而将目标回波子空间从混响噪声子空间隔离开来，实现抗混响效果6。特征空间检测：由于混响是非平稳非高斯的干扰，传统基于统计特性构造的时不变接收器的检测方法无法获得最佳的检测能力，现代信号处理的手段给出了一些新的基于特征空间的检测7，包括时频特征、高阶统计特征以及非线性特征等。空时自适应处理：算法充分利用接收混响回波的空时结构特性，针对多基元阵列接收的信号回波，进行空域、时域二维最优匹配滤波自适应处理，在理论上可获得最佳的探测能力89，是主动声纳系统进行混响抑制的较为行之有效方法。2.2声纳空时自适应处理算法研究2.2.1最优空时自适应处理原理20世纪70年代克莱姆等提出STAP技术并成功应用于预警雷达杂波抑制，其算法实质为将时间或空间一维自适应滤波技术推广到时间与空间二维域中，自适应同步完成空域波束形成及频域多普勒分析，理论上其具备更优的检测性能10。考虑一主动声纳（等距线列阵）空时数据，N为阵元数，K为时域数据采样点数，X为空时二维数据。下面开展空时自适应算法推导。y=n=1Nk=1Kw*nkxnk（1）Xsk=x1kxnkT(N*1维)X=XTs1XTskT(NK*1维)（2）式中，Xnk表示第n阵元第k次采样数据，wnk表示加权系数。n=1，2，N，k=1，2，K，T为转置，*为复数的共轭操作。s.t WHS=1minWHRWW=w11，w11，wnkT（3）可以看出上式为线性约束下最小化求解问题，通过推导获得空时自适应处理的核心要素，空时二维最优处理器的权矢量Wopt，即最优的加权系数如下。Wopt=R-1s；=（SHR-1S）-1R=E XXH；S=StWtSsWs（4）上式中：为归一化复常数，S表示空时二维导向矢量，R表示由接收数据以特定估计方式开展求得的协方差矩阵，一般采用最大似然估计。StWt表示时域导向矢量，SsWs表示空域导向矢量，为kronecker乘积，Wt表示时域角频率，Ws表示空域角频率。此处考虑接收信号阵列为等距线阵，时域与空域导向向量StWt和SsWs分别表现为以下的形式：St(wt)=1exp(jwt)exp(j(K-1)wt)TSs(ws)=1exp(jws)exp(j(N-1)ws)Twt=2fd/fs；ws=2dcos/（5）式中wt、ws分别表示归一化的时域、空域角频率，fs为时间采样频率；d为线阵相邻阵元间隔，fd为多普勒频移，为锥角，为目标回波波长。通过以上推导过程可以发现，信号输出的组成为混响数据协方差逆矩阵及目标矢量数据，即在对包含目标的混响数据预白化处理后，对其进行时域匹配滤波和空域波束形成。通过对待检目标回波数据附近混响干扰及背景噪声的统计特性进行实时估计，充分利用混响干扰及背景噪声的平稳性（或部分平稳性），实时求解待检数据的最优加权系数，以达到最优的处理效果，其核心仍为维纳广义最优匹配滤波器。2.2.2降维空时自适应处理原理全维STAP通过获取实时最优加权系数对回波数据进行适应性处理，在理论上获得了最佳的处理效果，但不可避免带来的难题是数据计算量的指数级增长，从而导致系统复杂度增加、稳定性下降。同时混响背景的实时估计带来的不稳定性，对最佳空时自适应处理性能带来较大的不利影响，需开展降维方法分析，在较佳性能及算法稳定性、系统运算量等方面达到最优的平衡状态。为此，开展降维空时处理研究是算法工程实现的主要方向，总体思路基本一致，即通过转置矩阵T（NK*R维，NKR）加权对原始空时数据和其他矢量进行转换，从而实现从NK维降维至R维，在大大降低运算量和系统运算时间的同时，最大的保留最佳自适应处理的性能。经变换后的最佳权值为WT=RT-1ST；XT=THXST=THS；RT=THRT（6）其中XT、ST、RT分别为变换后空时数据、目标导向矢量、协方差矩阵。以上转换中，选择不同转置矩阵T代表不同的处理方法，也是决定处理性能的关键。需要特别加以关注的是，要保证算法性能稳定性，转换矩阵T必须满足列满秩为R的条件。李玉强等：主动声纳抗混响空时自适应处理关键技术应用研究178舰 船 电 子 工 程2022 年第 11 期其中降维潜力较大，在工程应用较多的的方法，主要有以下两种。时空级联处理：基本思想是设计一批多普勒频域滤波器，通过适当分割混响谱，从而实现单个多普勒滤波通道输出的混响在空域上仅留存在有限的区域，再进行自适应空域波束形成处理，滤除此特定区域的残存混响信息11。需要注意的是，本方法主混响区的滤除能力受到限制，低速目标检测困难。局域联合处理：方法用毗邻目标通道的指定方形区域内的时空数据，对数据进行波束-多普勒转换后，进行空时自适应检测。本方法中对降维的通道数十分敏感，一般要求不低于3*3维以达到稳定的处理效果12。2.2.3降维空时自适应算法流程图空时自适应降维处理简要描述如下，将夹杂目标信息的混响数据预白化处理，并进行正交解调处理。依据探测信号中心频率确定合适的采样率对数据进行降采样并选择恰当长度数据作为待检测样本X。明确R（数据协方差矩阵）和S（阵列空时导向向量）来求解WT加权系数（均为转换矩阵T转换完成降维处理后的），并对应加权到转换后的待检回波数据XT上，然后根据设定好的检测阈值对输出结果进行最终判定，从而达到最优处理效果。图1降维空时自适应算法流程图2.2.4空时自适应处理关键技术研究1）算法稳健研究（对角加载技术）空时自适应处理算法属最优自适应处理范畴，当数据样本中含期望信号时，会产生信号“自消”，性能受到到一定的影响。为了提高其稳健性，非常有必要对采样数据协方差矩阵开展专门的对角加载处理，即添加一个增加载入量来对协方差矩阵开展实时的修正，在不改变矩阵特征向量结构的条件下，达到抑制噪声波束、压缩干扰信号、提高收敛速度的目的。2）空时平滑处理与子组相干叠加在选取数据生成协方差矩阵有时会产生降秩问题，这主要由混响信号中包含相干信号导致。为解决此问题，行业主要使用空间平滑技术13。即使用前后向平滑实现空间和时间的扩展，相当于增加了估计样本数，如下图所示：时间采样拍数K123456N1234阵元个数图2空时数据平滑子组划分示意图可以看出，通过待检数据前后平滑处理划分出多个子组（如方框所示），提高了估计精度，但同时带来了一定空时孔径损失。通过推导得知，不同的待检子组经空时自适应处理后，不同输出子组数据间具有特有的相位关系，故可以进行相干叠加，即可以对不同子组输出信号的相位进行对应补偿，实现在减小空时孔径损失的同时，提高输出信混比的目的。3海试数据空时自适应处理结果本次处理使用夹杂混响的原始海试数据进行处理，海试设备母船发射信号形式为CW信号，中心频率6kHz，脉宽50ms，海试配合船目标回波方位为150，航行相对速度12节，信混比为-15dB。下面给出常规处理与空时自适应处理的对比图。3.1常规处理图3常规处理信号方位/速度图对实际海试混响数据片段进行预白化处理，通过常规波束