Page 160 - 《应用声学》2025年第1期

156 2025 年 1 月

是基于频域掩码的分离方法 [3] ，其可以与经典的
0 引言
信号处理方法相容，比如波束形成 [4] 。这种方法
的编码和解码可以使用傅里叶变换和逆傅里叶变
传统被动定位系统利用目标辐射噪声、线谱或
换，这就意味着在变换域中可以用相对比较成熟的
有规信号 [1] ，通过测量目标相对于各阵元的声程差
对目标进行定位。由于不需要与目标合作，也不需 频域信号处理技术，比如波束形成、最小方差无失
要在目标上加装设备，这种方法使用方便，可以适用 真响应(Minimum variance distortionless response,
于水下靶场。但由于定位精度较差，它需要通过后 MVDR) 等。这使基于时域掩码的分离方法可以非
常方便地嵌入分离框架中 [5] ，且不需要产生额外成
置处理 (如卡尔曼滤波) 来提高精度。此外，这种方
法的定位算法较复杂，易受环境噪声影响。在低信 本。此外，它的掩码具有较强的可解释性，如果用傅
噪比的情况下，传统被动定位方法的研究关注仅仅 里叶变换在频域做编码，其操作目标就是幅度谱，这

在于如何提高被动定位的算法优化而没有涉及到 样其掩码就具有非常明显的可解释性。而对于网络
如何提高信噪比。因此，需要开展通过提高信噪比 而言，如果将网络的抽取过程理解为一个特征表示
从而提高定位效果的被动定位的研究。 过程，随着网路层数的递进，其特征所代表的维度也
信号分离是一种在放大目标信号的同时屏蔽 就不同，其近似对信号做域的变换，这个域的特征
掉噪声 [2] 的技术。这种技术可以使机器像人一样能 需要足够的稀疏和结构化。比如快速傅里叶变换和
分辨出哪些是感兴趣的信号，哪些是不感兴趣的信 傅里叶变换，其频谱就足够的稀疏和结构化，这样
号。在海洋环境中，如果机器可以将关注点放在目 其掩码的可解释性就充分了。但是其缺点也比较明
标信号上，对目标信号进行放大处理，屏蔽海洋噪 显，第一，其用傅里叶变换作为三段式框架的编码和
声，就能减小噪声和传播损失对于水声信号处理的 解码这是一种比较通用的变换思路，这种变换对于
影响。在真实的海洋环境中，稳健的信号处理可能 分离这一任务而言并不是最优的。因为其选取特征
需要信号分离技术，但是目前在水声信号处理中，这 并不是选取谱特征，而是一些其他特征。第二，其准
个技术罕有运用，通常使用的方法基本上是信号增 确的相位重建比较困难。因为对于频域而言其编码
强和信号降噪两种处理方法。 是傅里叶变换，用到的是幅度谱，这是在幅度谱估计
信号分离技术通常应用于空气声或语声领域 声源的掩码之后，就得到了声源的输出，之后反变换
中，并且已经发展得相当成熟，取得了十分有效的 到时域需要恢复相位，通常使用混合信号的相位进
效果。起初这项技术是为了让机器可以像人一样 行重建，由于混合信号的相位不同于目标信号的相
具有区分目标信号的能力。人的听觉系统可以有 位，这样就导致分离并变换到时域之后会产生失真，
效地区分出哪些是感兴趣的信号，哪些是不感兴 要想解决这个问题，需要付出更大的代价，而且效果
趣的噪声。这种能力使得人类在心里放大目标信 不一定理想。第三，其需要较高的分辨率且延迟大，

号的同时屏蔽噪声，即为 “信号分离” 能力。受此启 不适用于实时性要求较高的场景。
发，在水声信号中，如果定位系统将注意力放在目 另一种是基于时域的分离方法。这种方法利用
标信号上的同时屏蔽噪声，这样所获取信号的信噪 端到端的模型结构，其通过对数据进行编码、解码，
比将会显著提高。此外，这也有益于提升定位、识 让模型自动选择适合于自己的特征 [6] 。同时，时域
别、检测等任务的性能。同时，信号分离并不会影响 分离任务通常是在实数域变换，其相位信息包含在
传统的提高信噪比手段。这是由于信号分离仅是分 线性变换中。这样，就不需要在逆变换中加入相位
离，并不会影响信号本身。因此，无论是对于单频 信息，也不需要进行处理相位重建问题。此外，由
(Continuous wave, CW) 信号做滤波处理，还是对 于在定位中往往希望可以获得一个实时的定位结
线性调频 (Linear frequency modulation, LFM) 信 果，基于时域的分离网络其时延远远小于基于频
号做分数阶傅里叶变换，提高信噪比和信号分离任 域的分离网络，因此本文采用基于时域的端到端模
务并不冲突，反而可以做到相互补充。 型进行信号分离，从而实现高精度、低时延的深海
在信号分离技术中，目前有两种选择。一种 定位。