Page 258 - 应用声学2019年第4期

718 2019 年 7 月

图5中三种方法都可以检测到 CW脉冲信号的 LOFAR图中观察到，FOS的LOFAR谱结果背景噪
时间和频率。其中，FFT和MVDR的结果中旁瓣较 声较低，能很清晰地分辨出多根线谱。
高，表现为 LOFAR 谱的背景噪声起伏较大。FFT
0 0
谱估计的频率分辨率较低，只能粗略判断信号的频 1 -10
率，精确度不高。相较于以上两种方法，FOS处理结 ௑ᫎ/s 2 -20
果图像中的线谱显示清晰，几乎不存在旁瓣，并且能 3 -30
提供高频率分辨率的谱估计结果，准确估计出了信 138 140 142 144 146 148 150
ᮠဋ/Hz
号的频率、出现信号的时刻和信号持续的时间。
(a) FOS
之前的仿真中体现了 FOS 算法具有很好的
0 0
多线谱检测性能，接下来实验数据处理中采用 1 -10
SWellEx-96 Event S59 的数据来验证其性能。在该 ௑ᫎ/s 2 -20
实验过程中，船只拖曳两个声源并发射不同频率的 3 -30
信号，两个声源分别处在深度9 m 和54 m 处。在此 138 140 142 144 146 148 150
ᮠဋ/Hz
主要分析 138 ∼ 149 Hz 这一频率范围内接收到发
(b) FFT
射信号，这一频率范围内的发射信号参数如表 2 所 0 0
示。利用 FOS、FFT、MVDR 三种方法对接收信号 ௑ᫎ/s 1 -10
进行谱估计并用 LOFAR 图显示，其中窗长 5 s，滑 2 -20
3
动窗长为4 s，处理结果如图6所示。 -30
138 140 142 144 146 148 150
表 2 SWellEx-96 Event S59 实验数据中 ᮠဋ/Hz
138∼149 Hz 频率的发射信号参数 (c) MVDR
Table 2 138∼149 Hz transmitted signal
图 6 SWellEx-96 Event S59 实验数据的处理结果
parameters in SWellEx-96 Event S59 data
Fig. 6 Processing results of experimental data
频率/Hz 发射声源级/dB
根据上述实验数据处理结果可以得出，不论是
139 124(较深处声源) CW脉冲信号还是在对含有多根线谱的信号进行谱
140 噪声频率 估计时，FOS 算法可以较准确地搜索到信号频率，
给出高频率分辨率、低旁瓣的谱估计结果。
142 120(较深处声源)
143 噪声频率
4 结论
145 158(较浅处声源)
本文将快速正交搜索算法应用于水声信号的
148 158(较深处声源)
谱估计中，该方法能提供高频率分辨率、低旁瓣的谱
根据图 6 显示的利用三种方法获得的多线谱估 估计结果，并能同时估计信号各个分量的幅度、初
计结果， 始相位。相较于传统的基于傅里叶变换的谱估计方
除了 139 Hz 和 142 Hz 处这两个发射声源级较 法，FOS能利用较少的数据样本获得高频率分辨率
低的线谱未被检测到以外，其余线谱均可被三种谱 的谱估计结果。同MVDR 方法相比，FOS不会存在
估计方法检测到。FFT的谱估计结果频率分辨率较 模型失配的现象，并且不需要过多的数据快拍就可
低，由于旁瓣较高，LOFAR 图中的背景噪声较大。 以保证足够的频率分辨率，在信噪比较低的情况下
相比于 FFT，MVDR 算法能提供较高的频率分辨 仍能提供较好的谱估计结果。仿真和实验数据处理
率，但是对于信噪比较低的信号的谱估计结果不是 结果表明，基于FOS算法的谱估计能够对信噪比较
十分理想。相较于FFT和MVDR，FOS对于所有能 低的水声信号以及包含多线谱的信号进行高频率
检测到的线谱都能提供较高频率分辨率的谱估计 分辨率、低旁瓣的处理，在水下信号的探测识别中
结果，并且能检测到由于声源运动而引起的频率的 具有重要的应用前景。若所需频率分辨率很高，搜
细微变化。FOS 的谱估计结果旁瓣较低，所以能从 索步长则需设置得很小，FOS的运算量会相应增加，