基于高阶谱的LOFAR谱图特征在被动声纳信号自动识别中的应用

    0 引 言

    随着海洋开发及反潜战要求的不断提高,水下目标识别成为各先进科技国家水声领域的研究热点[1].模式识别的关键在于如何有效地提取用于分类识别的目标特征.但由于实际声纳目标的发声机理和反射声波的机理十分复杂[2],成份多样,既有宽带连续谱分量和较强的窄带线谱分量,又有明显的幅度调制成份,同时又受到水声信道的时变空变性以及水声信号传播的多途径效应的影响,造成水声信号具有较强的非平稳性和非高斯性.因此,靠单一的一种方法提取水下目标辐射噪声的特征向量,不论是时域的还是频域的特征都很难准确地描述其目标属性[3].水下目标的特征提取一直是水声信号处理领域的难题[4].

    1 LOFAR谱图和高阶谱简介

    目前,功率谱特征是目标识别中用得最多的特征之一.功率谱密度估计的经典方法是非参数化的周期图法.近年来基于AR,ARMA模型的现代谱估计已在水下目标识别中得到应用.为了进一步提高对水下目标识别的正确识别率,突破以往研究中关于信号平稳性的假设,人们纷纷研究用各种时间)频率分析方法来分析水声信号,从不同的角度提取分类信息,并提出了一些时间和频率联合域的特征提取方法,如短时傅里叶变换,Wigner-Ville分布及其各种改进,小波变换(WT),Gabor变换等.这些时)频分析方法,近年来深受工程技术界重视.无源声纳信号的LOFAR谱图分析是近年来发展起来的无源声纳信号处理方法之一[5],它通过对连续的采样数据作短时傅里叶变换而构成信号表达的三维立体图,可反映信号的非平稳性特征.信号的LOFAR谱图从时频两个角度对信号进行描述表达,得到LOFAR谱图的步骤如下:

    (1)将原始信号的采样序列分成连续的若干帧,每帧N个采样点.根据具体情况,帧间可有部分重叠.

    (2)对每帧信号采样样本L(n)作归一化和中心化处理:

    (3)对信号x(n)作短时傅里叶变换,得到LOFAR谱图:

X(X) =FFT〔x(n)〕

    另一方面,为了突破高斯性的假设,人们也在研究信号的高阶谱、高阶统计估计方法.高阶谱又叫多谱或累积量谱,下面给出K阶谱的定义:

    定义 假定累积量是绝对可和的,即

    特别当K =3时三阶谱又叫做双谱.常用的非参数双谱估计有直接法和间接法两种.下面仅给出直接算法,有关高阶谱估计的详细内容及间接算法请参考文献[6]或有关资料.

    直接算法:

    步骤1 将数据{x(1),,x(N)}分成K段,每段M个样本,即N= KM,并减去每段的样本均值.如果有必要的话,每段补零以便得到FFT的一习惯长度M.