基于小波能量特征的尾流光信号特征研究

郭虎生, 刘启忠, 刘金龙



基于小波能量特征的尾流光信号特征研究

郭虎生, 刘启忠, 刘金龙

(海军工程大学 兵器工程系, 湖北 武汉, 430033)

针对舰船尾流激光探测的信号检测与分析问题, 提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声, 有效地选取了含有目标的信号; 其次采用小波包分解方法并按频段的能量形成提取目标特征; 最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明, 提取的特征能有效地揭示不同性质下的尾流后向散射光信号, 提高了对尾流分析的能力。

激光尾流; 小波域能量特征; 特征提取; 后向散射; 自适应抵消器

0 引言

在利用激光对舰船尾流气泡探测时[1], 海水的散射效应和吸收是决定光在水中传播的基本过程[2], 也是制约激光水下探测能力的基本因素。散射会使探测系统接收到水体后向散射回波信号, 并且其能量远大于尾流散射回波信号, 使得接收的尾流散射信号可能会淹没在水体散射信号中; 吸收过程则减弱了激光传输时的能量, 使得远距离目标的回波信号很弱。因此, 把弱的尾流回波信号从强噪声中检测出来是水下目标激光回波信号分析的首要任务。另一方面, 尾流的回波信号包含了大量的目标特征信息, 因此通过特征提取方法构造有利与目标识别的特征信息, 对描述目标特性、指导目标识别也是十分重要的。

近年来, 利用信号处理的方法对尾流特征提取的研究工作得到了不断开展, 纪延俊等人应用短时Fourier变换推测舰船尾流的强弱[3], 张建生等人利用1D离散小波变换对尾流气泡幕的光学特性进行分析[4], 揭示了不同条件下尾流散射光信号的性质, 这些研究都为尾流特征提取方法提供了依据。本文尝试从舰船尾流回波信号中抽取小波域能量特征, 以期对舰船尾流的目标进行分类, 从而达到准确探测舰船后向光尾流的目的。

1 数据的预处理

激光在水下传输时会受到水体尤其是近距离水体后向散射的影响, 使得接收的尾流散射信号可能会淹没在水体散射信号中。为了能够从复杂的信号中提取出有用信号, 必须对原始数据进行一系列的预处理。去除水体的后向散射回波信号及杂散光、探测系统自身噪声等。常规的方法为背景相减法, 但是采集的数据起点不易对齐, 容易产生干扰信号, 影响对目标回波信号的提取。因此本文采用自适应抵消器的方法对采集信号进行处理[5], 即将水体回波信号和其他非感兴趣区域信号当作噪声, 并作为自适应抵消器的参考输入, 通过自适应滤波器的设计与调整, 将水体回波信号进行对消掉得到有用信息。自适应抵消法去除水体回波的原理框图如图1(其中,为探测系统接收的回波信号，为水体后向散射回波信号，为目标的回波信号，为抵消后输出)[6]。

自适应抵消器还可以通过对算法的改进, 进一步完善处理的效果和实时性。与背景相减法比较, 避免了因采集数据的时基漂移带来的干扰, 通过自适应抵消的方法对探测信号进行有效的处理, 消除水体后向散射信号的同时突出了目标信号, 为目标信号的抽取做了基础。本文运用自适应抵消器得到的处理结果参见图2。

图1 自适应抵消原理图

图2(a)中数据为接收的带目标的回波信号。图2(b)中数据为不含任何目标信息的回波信号, 可以看出，水体后向散射回波信号出现在采样点1 500~1 700之间, 目标的回波信号出现在采样点1 860~1 980之间, 目标信号与水体回波信号的信干比SIR=-9.731 3 dB, 可见若不对水体回波进行抑制, 则很难提取目标信号。图2(d)是以图2(b)中数据作为参考输入信号, 对图2(a)采用自适应抵消法得到的结果, 可发现自适应抵消法可以有效提取出目标的回波信号, 目标信号与水体回波信号的信干比SIR=5.741 0 dB。在时基未偏移的情况下, 采用直接相减法也可以得到很好的提取效果, 但是在实际探测中回波信号会出现时基偏移, 在这种情况下, 采用直接相减法显然失效, 见图2(c)中虚线。

图2 试验数据与抵消结果曲线

2 目标信号的小波域描述

小波分析是一种局部性较好的方法, 能使被利用信号部分能量更加集中, 并从目标回波信号的频谱微结构特性中提取出表现目标本质的特征向量[7], 从而提高对目标回波信号分析的能力。不同条件下的目标回波信号在某些频段上的信号能量会表现出不同的特征, 利用这些特征可用于不同性质尾流的识别, 具体步骤: 在目标回波的频带内, 将通频带分为若干频段, 求出每一子带的能量。

将抽取的目标信号, 进行小波包分解以提取目标特征信息, 具体步骤如下。

1) 对提取的回波信号进行层小波包分解,分别提取第层从低频到高频2个频率段成分的信号特征。

4) 以能量为元素构造一个特征向量,特征向量构造如下

上式中已经对特征向量进行归一化处理,这样做还可消除由能量差异带来的偏差。

3 特征分析

图4是针对气泡浓度不同时探测数据的处理, 其中图4(c)是高浓度的尾流回波信号和特征向量分布, 图4(d)是低浓度的尾流回波信号和特征向量分布。可以发现，浓度不同时各频段的能量分布不同, 当浓度小时, 高频段的能量分布增加。

图3 气泡尺寸不同的气泡回波信号和特征分布

图4 不同浓度的气泡回波信号和特征分布

从分布图中可以看出，不同条件下的尾流在不同频段上能量分布有差异, 为了对所提取特征的可分性作出一些有益判决, 本文借助统计方法中的主成分分析法, 对各类目标特征进行降维及分析, 观察特征向量在低维空间上的投影。

主成分分析(principal component analysis, PCA)的目的就是通过线性变换, 将原多维变量组合成相互独立的少数几个能充分反映总体信息的新变量, 从而在不丢失主要信息的条件下避开自变量之间的共线性问题, 同时压缩自变量维数, 以便于随后的分类分析。在本文研究中, 采集到的特征为8D信号, 因此, 进行降维是十分必要的, 主成分分析降维可以按以下步骤。

1) 平移坐标系, 求出各类样本总体的均值, 并将其作为新坐标系的原点, 则维向量变换后的坐标为

通过观察3D投影图, 可对小波包能量特征提取的可分性有直观的感受。由图5及图6可以看出, 作为从不同条件下生成模拟尾流的探测信号中提取出的小波包分解能量特征在3D投影图中也大致分布在2个区域, 虽然提取的特征有较多的互相重叠, 无法给出确切的界限, 但也可看出，使用小波包分解抽取能量特征对不同属性的尾流进行分析是可行的。

图5 2种孔径下尾流小波包能量特征提取投影图

图6 2种压强下尾流小波包能量特征提取投影图

为了进一步对该特征提取方法的适用性进行说明, 选取海试数据进行分析, 试验数据为在某海域进行的海洋环境下分别对大小2种试验船尾流探测中获取的。试验中, 探测系统通过平台放置在海底。目标船从探测系统上方海面驶过时, 探测系统向海面发射激光脉冲并探测目标船尾流回波信号。按照本文方法对海上试验数据进行了6阶的小波包分解, 并对特征向量在低维空间上进行投影, 见图7和图8。

图7为分别对小试验船远近程的尾流信号进行小波包能量特征提取并在3D空间上的投影图。可以发现，小试验船的近程尾流信号和远程尾流信号提取的特征点相距较远, 但仍有特征点混杂分布, 这和小试验船生成尾流的距离较短、尾流纵向距离特征不明显有关。

图8是对大试验船的近程尾流区域与远程尾流区域分别选取10组探测信号处理后在3D空间的投影图, 可以看出, 2种距离处的特征点比较密集, 即特征点明显的按类群聚, 且大试验船远近尾流提取的2类特征点分布相距较远, 较容易进行分类区分。

图7 小试验船远近程信号能量特征分布3D图

图8 大试验船远近程信号能量特征分布3D图

通过上述分析可以发现, 小波包能量分解提取的特征对不同距离处的尾流具有可分性, 并利用其对目标进行分类是切实可行的, 其中对大试验船数据处理的结果要优于小试验船, 这是因为大试验船生成的尾流分布较广, 尾流在不同纵向距离的差异更大, 所以对远程和近程信号处理的结果差异更大, 特征提取的效果也更明显。

4 结束语

通过对尾流探测信号进行自适应抵消后可以有效地得到目标的回波信号, 并由此得到尾流是否存在的信息, 这在实际中具有重要意义, 因为只要确定了尾流的存在, 就可以实现水下兵器对舰船的跟踪攻击。文中通过小波包分解的方法提取目标信号各频带的能量信号作为信号的特征向量, 经过试验分析发现, 尾流中气泡尺寸大小、气泡的浓度会对提取的特征向量分布造成较大差异, 正是这种差异隐含了尾流的特征。不过, 如何通过特征向量的分布具体地描述尾流特性还有待于深入研究。

[1] 张晓晖, 雷选华, 饶炯辉, 等．舰船尾流激光制导方法的研究[J]. 激光技术, 2005, 29(5): 494-500． Zhang Xiao-hui, Lei Xuan-hua, Rao Jiong-hui, et al. Study of Homing Means for Laser-wake-homing Torpedoes[J]. Laser Technology, 2005, 29(5): 494-496．

[2] 夏珉, 杨克成, 郑毅, 等．水体光学参数对水中气泡场激光雷达探测影响的研究[J]．激光技术, 2008, 29(1): 72-74. Xia Min, Yang Ke-cheng, Zheng Yi, et al. Study on the In- fluences of Different Water Optical Parameters on Under- water Bubble Layer Lidar Detection[J]. Laser Technology, 2008, 29(1): 72-74．

[3] 纪延俊, 何俊华, 郑黎, 等. 应用短时Fourier变换对尾流光学信号分析[J]. 光子学报, 2004, 33(12): 1533-1536. Ji Yan-jun, He Jun-hua, Zheng Li, et al. Analyzing Signal Applying Time-dependent Fourier Transform[J]. Acta Photonica Sinica, 2004, 33(12): 1533-1536.

[4] 张建生, 林书玉, 苗润才, 等. 小波分析在气泡幕散射光信号处理中的应用[J]. 光子学报, 2007, 36(3): 557-564. Zhang Jian-sheng, Lin Shu-yu, Miao Run-cai, et al. Wavelet Analysis on Managing of Scattered Optical Semaphore from Bubble Film[J]. Acta Photonica Sinica, 2007, 36(3): 557-564.

[5] 谢胜利, 何昭水, 高鹰. 信号处理的自适应理论[M]. 北京: 科学出版社, 2006: 60-66．

[6] Jacob B, Silviu C. A Robust Variable Forgetting Factor Recursive Least-Squares Algorithm for System Identifica- tion[J]. IEEE. Signal Process, 2008, 15(5): 597-600．

[7] 张国华, 袁中凡, 李彬彬. 心音信号特征提取小波包算法研究[J]. 振动与冲击, 2008, 27(7): 47-49. Zhang Guo-hua, Yuan Zhong-fan, Li Bin-bin. Research On Wavelet Packet Algorithm for Feature Extraction Of Heart Sound Signal[J]. Journal of Viberation and Shock, 2008, 27(7): 47-49.

Laser Wake Signal Feature Extraction Based on Wavelet Package Energy Feature

GUO Hu-sheng, LIU Qi-zhong, LIU Jin-long

(Department of Weaponry Engineering, Naval University of Engineering, Wuhan 43003, China)

For detection and recognition of the laser wake of a surface ship, a novel method for detecting the wake backscattering signal by making use of the wavelet package energy feature vector is presented. An adaptive noise canceller based on variable forgivable factor is designed to filter the backscattering signal and system noise, so as to effectively select the target signal. The wave package energy feature vector is extracted by using wavelet package decomposition method and different energy formation of frequency range. The dimension of the feature vector is reduced with the principal components analysis method. Experimental results show that the proposed method can effectively recognize the features of different wake backscattering signals of a surface ship.

laser wake; wavelet package energy feature; feature extraction; backscatter; adaptive canceller

TJ630.34; TN247

A

1673-1948(2012)01-0033-05

2010-11-19;

2011-05-10.

郭虎生(1986-), 男, 在读博士, 主要研究方向为鱼雷探测与制导.

(责任编辑: 杨力军)