Page 141 - 《应用声学》2021年第2期
P. 141
第 40 卷 第 2 期 王功兵等： 基于数学形态学的主动声呐探测信息净化方法 309
式 (1) 中，P 表示阵列收的目标信号个数；s i (t) 表示
0 引言
参考阵元接收的第 i 个目标信号；t m,i 表示第 m 个
主动声呐系统在目标检测时，由于 (海底/海 阵元接收的第 i个目标信号相对于参考阵元的时延；
w m (t) 表示第 m 个阵元接收的背景噪声，在此假设
面/体积) 混响，拖船自噪声和其他水面舰船、海上
各阵元接收的背景噪声互不相关。
作业平台等的连续辐射噪声影响，会在主动探测画
面中产生大面积混响干扰和被动的条状干扰，导致 声呐基阵信号经过滤波、快速傅里叶变换(Fast
Fourier transformation, FFT) 等信号预处理，然后
本身就微弱的水下小目标更加难以检测，尤其当目
进行 (常规或自适应) 波束形成、匹配滤波、规格化
标与被动条状干扰在方位上重合，或在混响干扰区
(规格化处理是为了保证显示性能，又满足画面显示
域内，目标回波将被淹没。如何抑制强混响、强被动
要求) 等处理后，最后输出主动方位历程图像，主动
条状等干扰背景，加强回波信号的显示效果，是提
声呐信号检测流程如图1所示。
高主动声呐检测性能的重要手段之一。目前，大多
数方法是对信号做背景均衡处理 [1−4] ，使声呐显示 ܦ η ฉ Ӝ
器的背景均匀，实现有效的恒虚警检测。文献[1] 将 չ Ղ ౌ ᦡ ಫ Ց ௭ᇨѼх
Ꮆ
۳
ᮕ
ॎ
ӑ
中值滤波和排序截断平均(Order truncate average, ܫ ੇ ฉ ܫ ܫ
ေ
η
OTA)算法结合，并对波束域数据进行背景均衡。文 Ղ ေ ٨ ٨ ေ
献[2]提出一种差分邻域均衡算法，在均衡背景噪声
图 1 主动声呐信号检测流程
的同时可以较好地保留目标信号。但这些算法大多
Fig. 1 The process of active sonar signal detection
计算复杂，需设置参数较多，且性能受参数选择影响
较大。 规格化后所有波束数据为X，其表达式为
T
数学形态学是基于积分几何和随机集论建立 X = [X 1 (l), · · · , X N (l)] , (2)
起来的非线性图像 (信号) 处理和分析的工具，已
式 (2) 中，l 为波束号，0 6 l 6 L，L 为波束数；N 为
广泛应用于图像处理、计算机视觉等领域 [5−6] ，近
主动画面距离维扫描线数，对于一个声呐系统来说，
年来在电力系统、振动信号处理 [7] 、声呐信号处
N 是一个定值。
理 [8−10] 等领域中逐步得到应用。文献 [7] 中系统分
主动方位历程图中，受被动目标 (声呐系统搭
析了数学形态滤波器的频率响应特性，表明形态学
载平台、水面舰船、钻井平台等) 辐射噪声和混响干
滤波器具有良好的低通特性；文献 [8]针对被动声呐
扰，图像中背景复杂，使本身就微弱的水下目标更加
目标检测问题，利用数学形态学滤波器进行噪声背
难以检测和识别，尤其当水下目标与水面目标在方
景归一化，该方法可大幅度降低目标检测的虚警概
位上重合，或处于混响干扰区域内，主动目标将被淹
率；文献 [9]利用水下目标几何亮点回波与混响在时
没。在探测背景较为复杂的情况下，从纯粹的时域、
频平面上的形态特征差异，对回波时频图像进行形
频域或空域信号处理角度出发，很难有效滤除被动
态学滤波，实现了目标几何亮点识别与混响抑制。
目标干扰和混响干扰，因此难以进行目标检测。所
本文从图像后置处理的角度，在主动声呐进行
以得到方位历程图像后需要进行图像后置处理 (背
检测前，利用数学形态学方法，对主动探测画面进行
景均衡化或探测信息净化)，抑制图像中的混响、噪
形态滤波处理，有效滤除被动条状干扰，抑制背景噪
声等干扰，从而有利于目标检测。
声的非平稳性，使点状目标在图像中表现更为明显，
1.2 主动探测画面干扰成因
更有利于声呐操作人员发现目标。
主动声呐接收的信号由 3部分组成：噪声、混响
1 主动声呐探测原理 和目标回波。噪声产生源很多，本文主要针对被动
目标辐射噪声，如其他水面舰船辐射噪声、海上作
1.1 主动声呐信号检测流程
业平台等。被动目标辐射噪声幅度大、频带广，时域
主动声呐信号处理系统接收到声呐基阵信号， 上无法与目标回波信号区分，且频域上覆盖频段与
其中第m个阵元输出信号为 发射信号重合。在声呐探测画面中，会在主动探测
p
∑ 历程图中产生大量的条状干扰。从历程走向上看，
x m (t) = s i (t − t m,i ) + w m (t), (1)
在较短时间内，条状干扰源方位保持不变或近似缓
i=1
