基于盲信号处理的舰船辐射噪声检测

　　1 引言

　　现代战争中是否能及时检测到目标信号是至关重要的,只有及时地检测到目标信号,才能为跟踪、定位和打击目标创造条件。作为水中兵器,目标信号检测的关键是提取信号的特征,能否提取目标的本质特征直接关系到目标信号检测的成败[1]。

　　非平稳性是水声信号的一个显著特点。在实际中,目标水声信号总是淹没在大量的杂波或干扰中,海洋多途效应、环境噪声、观察船自噪声以及多目标信号混迭等相互作用,大大复杂了声纳接收信号,降低了信噪比。常用的水声信号处理方法要求对环境信号和目标信号有一定的先验知识或统计特性,但这些难以获得。子带滤波、小波变换等方法虽有较好的信号/净化0作用,但在滤除干扰信号的同时也会使目标信号失真,且不能克服多途效应引起的信号畸变。更重要的是当干扰信号与目标信号的幅值分布、频率分布相重叠时,会同时滤掉感兴趣的目标信号[2]。

　　盲源分离是指从传感器接收到的混合信号中恢复出统计独立的源信号,除信号独立性假设外,没有系统和环境相关先验知识。由于对外界条件限制较少,因而盲源分离方法适用性很强,近年来在阵列信号处理、多用户通信和地震信号处理等领域得到广泛研究和应用。对于声纳信号处理,被声纳接收的不同舰船辐射噪声信号可以认为相互间独立且与环境噪声相互独立,符合盲源分离条件。

　　本文根据舰船辐射噪声的特性,采用盲信号处理方法从声纳接收信号中对舰船辐射噪声进行分离,该方法可以减少环境噪声及舰船间的相互干扰,提高舰船辐射噪声的信噪比。最后仿真研究了单船舶辐射噪声信号谐波成分的分离及多船舶辐射噪声混合信号的分离,结果表明该方法能够快速、有效的分离出舰船目标信号。

　　2 盲源分离算法

　　2.1 模型概述

　　盲源分离按照混合的模型可分为线性瞬时混合、卷积混合和非线性混合三种。若假设源信号数目与传感器数目相等且等于N,则瞬时线性混合情况下的简单盲源分离模型如图1所示。

　　s(t)=(s1(t),,,sM(t))^T表示t时刻M维源信号,其各分量si(t)为标量信号且互相统计独立,即:

　　式中:P(s)为s(t)的联合概率密度函数,Pi(si)为各分量si(t)的边缘概率密度函数。

　　假设A为MxM维混合矩阵,X(t)=(X1(t),,,XM(t))T表示t时刻M维源信号的混合信号;W为MxM维分离矩阵;Y(t)=(Y1(t),,,YM(t))T表示t时刻M维源信号的恢复信号。无噪声情况下源信号的混合过程用矩阵形式可表示为:

　　则分离过程可表示为:

　　式中:P是一置换阵,D是一对角阵。若经过计算使得分离矩阵W满足WA=PD,那么源信号便得以恢复[3]。恢复后的信号Y(t)与源信号S(t)相比,在幅度和顺序上可能有所变化,这被称为盲源分离的不确定性[3]。然而,这种不确定性通常不影响分离结果的正确性。例如,对于语音信号,通过简单的音量调节,即可将幅度调整过来。