Page 87 - 《应用声学》2024年第6期
P. 87

第 43 卷 第 6 期          王微等: 多分量双曲调频信号解卷积广义参数化时频变换方法                                         1263


                    1850                                        1850
                   ᮠဋ/Hz  1800                                 ᮠဋ/Hz  1800

                    1750
                                                                1750
                    1700                                        1700
                       0    2.5   5.0   7.5  10.0  12.5  15.0      0    2.5   5.0   7.5  10.0  12.5  15.0
                                       ௑ᫎ/s                                        ௑ᫎ/s
                         (a) 5~15 s๒ត஝૶D-GPTFTᄊOtsuካขೝ฾ፇ౧            (b) 5~15 s๒ត஝૶GPTFTᄊOtsuካขೝ฾ፇ౧

                    1850                                        1850
                   ᮠဋ/Hz  1800                                 ᮠဋ/Hz  1800
                    1750
                                                                1750
                    1700                                        1700
                       0    2.5   5.0   7.5  10.0  12.5  15.0      0    2.5   5.0   7.5  10.0  12.5  15.0
                                       ௑ᫎ/s                                        ௑ᫎ/s
                         (c) 5~10 s๒ត஝૶D-GPTFTᄊOtsuካขೝ฾ፇ౧            (d) 5~10 s๒ត஝૶GPTFTᄊOtsuካขೝ฾ፇ౧

                                图 17  不同长度观测数据的 D-GPTFT 和 GPTFT 的 Otsu 算法检测结果
                Fig. 17 Detection results of Otsu algorithm for D-GPTFT and GPTFT of observed data with different length

                                                                 [2] Sun W, Wang F Y, Huang Q, et al. Study on bistatic
             7 结论                                                  scattering characteristics of an ellipsoidal object[C]. 2017
                                                                   IEEE International Conference on Signal Processing,
                 为了分析多基地声呐系统接收的多分量回波                               Communications and Computing(ICSPCC), 2017: 1–4.
             信号,本文提出了一种基于 Lucy-Richardson 解卷                     [3] Goddard R P. The sonar simulation toolset, release 4.1:
                                                                   science, mathematics and algorithms[EB/OL]. [2023-07-
             积的频域GPTFT算法。与其他时频变换方法相比,
                                                                   10]. https://ntrl.ntis.gov/NTRL/dashboard/searchResults/
             该算法实现了在抑制噪声及混响的同时提高了时                                 titleDetail/ADA430617.xhtml.
             频分辨力。首先,该算法结合了HFM信号频谱的解                             [4] Qujano J E, Zurk L M. Use of the invariance principle for
             析表达式,根据 GPTFT 中旋转算子的性质推导出                             target tracking in active sonar geometries[C]. OCEANS
                                                                   2006, 2016: 1–5.
             适用于 HFM 信号的核函数,改善了 STFT 在使用
                                                                 [5] 薛城, 顾怡鸣, 宫在晓, 等. 参数化时频分析在连续波有源探
             固定核函数分析非平稳信号时存在的时频分辨力                                 测中的应用 [J]. 兵工学报, 2022, 43(7): 1655–1666.
             低的问题;接着,将多分量信号的 GPTFT 表示为                             Xue Cheng, Gu Yiming, Gong Zaixiao, et al. Parame-
                                                                   terized time-frequency analysis in continuous-wave active
             位于各分量信号到达时刻的冲激函数与发射信号
                                                                   detection[J]. Acta Armamentarii, 2022, 43(7): 1655–1666.
             的 GPTFT 的卷积,利用解卷积算法进一步提高了                           [6] 李希友, 黄福锦. 基于 FRFT 的强时频干扰抑制方法 [J]. 舰
             GPTFT 在时间维度上的分辨力,同时增强了其噪                              船科学技术, 2017, 39(11): 83–87.
                                                                   Li Xiyou, Huang Fujin. Reveberation suppression based
             声及混响的抑制能力。仿真实验和海试数据的分析
                                                                   on fractional fourier transform[J]. Ship Science and Tech-
             结果表明,本文算法具有更高的时频分辨力及背景                                nology, 2017, 39(11): 83–87.
             干扰抑制能力,有利于时频域上的目标检测以及目                              [7] 李秀坤, 杨阳, 孟祥夏. 水下目标回波与混响的时频形态特征
                                                                   域盲分离 [J]. 声学学报, 2017, 42(2): 169–177.
             标回波亮点信息的提取。该算法可根据已知信号设
                                                                   Li Xiukun, Yang Yang, Meng Xiangxia.  Morphologi-
             计匹配的核函数,因此也适用于多分量线性调频信                                cal characteristics separation of underwater target echo
             号等。此外,在处理未知信号时,需要进一步考虑自                               and reverberation in time and frequency domain[J]. Acta
                                                                   Acustica, 2017, 42(2): 169–177.
             适应核函数来避免核函数失配。
                                                                 [8] 朱广平, 宋泽林, 殷敬伟, 等. 混响背景下低秩矩阵恢复的目
                                                                   标亮点特征提取 [J]. 声学学报, 2019, 44(4): 471–479.
                                                                   Zhu Guangping, Song Zelin, Yin Jingwei, et al.  Ex-
                            参 考     文   献
                                                                   tracting target highlight feature based on low-rank matrix
                                                                   recovery in reverberation background[J]. Acta Acustica,
              [1] Rui L Y, Ho K C. Efficient closed-form estimators for  2019, 44(4): 471–479.
                 multistatic sonar localization[J]. IEEE Transactions on  [9] 韩泽洋, 徐友根, 刘志文. 多径传播条件下宽带线性调频信号
                 Aerospace and Electronic Systems, 2015, 51(1): 600–614.  波达方向估计方法 [J]. 信号处理, 2019, 35(8): 1293–1299.
   82   83   84   85   86   87   88   89   90   91   92