《基于非线性预测模型的海底混响中信号检测》由会员分享,可在线阅读,更多相关《基于非线性预测模型的海底混响中信号检测(3页珍藏版)》请在金锄头文库上搜索。
1、基于非线性预测模型的海底混晌中信号检测姜可宇蔡志明( 海军工程大学电子工程学院湖北武汉4 3 0 0 3 3 )P r e d i c t i o nm o d e lb a s e ds i g n a ld e t e c t i o ni ns e ab o t t o mr e v e r b e r a t i o nJ I A N GK e - y 1 1 C A IZ h i - m i n g但M e t r i c a lE n g i n e e r i n gC o l l e g e ,N a v a lU n i v e r s i t yo f E n g i n
2、e e r i n g ,W t t h a n4 3 0 0 3 3 ,C h i n a )1 引言强海底混响背景下的微弱信号检测一直是探雷声纳信号处理的一个难题,研究的热点主要在空间滤波处理、新的信号处理算法及抗海底混响波形设计等方向上。对掩埋雷或较远距离上的沉底雷检测来说,空间滤波后的目标回波信混比可能仍然较弱,常规的信号处理方法难以对其进行有效检测。应用基于混沌理论的非线性处理方法来检测强干扰背景中的微弱信号是目前雷达、声纳、通信等专业领域 1 , 2 1 微弱信号检测的研究热点,具体方法有很多种,如随机共振法。预测抵消法口1 等。预测抵消法是首先对强干扰背景信号进行非线性动力学分析
3、,根据分析结果运用各种方法建立强背景干扰的预测模型,然后对可能含有微弱信号的背景干扰进行预测,模型对于背景干扰的预测误差大小将反映出背景干扰中是否含有不同于背景干扰的微弱信号。对单频脉冲激励下的湖底混响非线性动力学分析表明,混响可以在4 维的相空间中去相交,说明混响不同于一般的带限噪声。如果能对混响进行高精度的建模,而目标回波与混响之间存在较大的非线性动力学特征差异,则即使非常微弱的目标回波也会使得混响预测模型出现很大的预测误差,甚至目标回波也可以分离出来。2 基于R B F 神经网络预测模型的信号检测器2 1R B F 神经网络模型R B F 网络是一种前馈式神经网络,对非线性函数具有最佳逼
4、近和全局最优的性能1 3 1 。该网络输入层有 个节点,输入矢量X 1 = ( 五,置,L ,工。) ,隐层有C 个节点,每一个节点都与输入层的个节点相连接,输出层有 f 个节点,每一个节点都与隐含层的C 个节点按一定权值相连接。由于隐层节点的基函数R ( X ) 是非线性的,因此从输入空间到隐层空间的变换是非线性的。R B F 神经网络的训练算法有多种,一般将其训练分为独立的两步:第一步,确定隐单元个数,并为每个隐层节点选择适当的中心矢量c 。及方差 一,训练方法一般是非监督学习,如K - M e a n s 方法、基于自组织映射神经网络的方法 3 1 等;第二步,调整隐层节点到各个输出节点
5、的权矢量F K ,使得输出值疋( X ) 与期望值E 的误差达到最小,一般用最小二乘 法解出该权矢量。 2 2 检测器用基于R B F 神经网络的预测模型来对混响背景建模,则该预测模型在一定精度上拟合了混响背景的变化规律。如果有一目标回波信号叠加到混响背景上,则根据纯混响背景建立的预测模型在目标回波段会有较大的预测误差,用模型的预测误差作为检验统计量即可实现对目标回波的检测。基于R B F 神经网络预测模型的检测器如图l 所示。图1 基于R B F 神经网络预测模型的检测器结构1 1 53 湖试数据处理 3 1 湖试数据本文所用混响数据来自于一次湖试。目标处于5 5 6 米深处的湖底,距收发换
6、能器约3 4 m ,位于接收阵的法线方向。发射单频脉冲信号的中心频率为2 0 K H z ,脉宽为0 2 m s 。接收信号经带通滤波、能量归一等预处理后,形成一1 5 0 到1 5 0 方向的3 1 个波束,提取每个波束的包络信号,其中0 0 对应接收阵的法线方向。3 2 混晌中的目标回波检测由于接收阵工作于2 0 K H z 时的波束宽度约为5 。,在偏离目标方向( 0 0 ) 的波束信号中也含有信混比较小的目标回波。下面用基于R B F 神经网络的检测器来检测- 6 。波束信号中的目标回波。一6 。波束信号的包络如图2 ( a ) 所示,在3 6 米到3 7 米之间有一目标回波,信混比约
7、7 7 6 d B 。取输入层节点数N = 4 ,训练集大小,= 4 0 0 ,预测集大小 ,= 8 0 0 ,对波束信号进行块处理,预测误差序列如图2 0 , ) 所示。可以看出,在目标回波出现的位置,R B F 神经网络的单步预测误差比其它地方的单步预测误差大了很多,信混比约为7 8 7 9 d B ,信混比改善量为7 1 0 3 d B 。与图2 ( a ) 的包络相比,混响背景得到了极大的抑制,尤其是2 0 米左右的强混响也得到了抑制。1 5髻1 0 53例2 磐1。i 2 03 04 05 06 02 0距离,m3 04 05 0距离,m图26 。波束信号的包络殿基于R B F 神经
8、网络的单步预测误差序列( a ) 包络:( b ) 包络的预测误差序列4 小结本文提出用R B F 神经网络对海底混响进行建模,并以模型的单步预测误差为检验统计量来检测混响中的目标回波信号。该模型可以大大抑制混响干扰,降低检测的虚警概率。研究中发现基于R B F 神经网络的检测器性能对网络输入层节点个数、隐层节点个数C 、训练数据长度,等参数比较敏感,这些参数的选取原则尚需利用大量的实验数据来进一步研究。参考文献:【1 S i m o n H a y k i na n d X i a o b o L i D e t e c t i o no fs i g n a l s i nc h a o
9、s J P r o c e e d i n g so f t h e I E E E ,1 9 9 5 ,8 3 ( 1 ) :9 5 - 1 2 2 , 2 】H e n r yL e u n ge ta I C h a o t i cr a d a rs i g n a lp r o c e s s i n go v e rt h es e a J I E E EJ o u r n a lo f O c e a n i cE n g i n e e r i n g ,1 9 9 3 ,1 8 ( 3 ) :2 8 7 2 9 5 【3 S i m o nH a y k i n N e u
10、r a lN e t w o r k s :AC o m p r e h e n s i v eF o u n d a t i o n M ,B e i j i n g :T s i n g h u aU n i v e r s i t yP r e s s ,2 0 0 1 作者简介:姜可宇男,湖南省沅江人。博士生,主要研究方向为水声信号处理、混沌信号处理。E m a i l :j i a n g k y 8 2 8 1 6 3 c o r n1 1 6基于非线性预测模型的海底混响中信号检测基于非线性预测模型的海底混响中信号检测作者:姜可宇, 蔡志明 作者单位:海军工程大学电子工程学院,湖北
11、武汉,430033相似文献(1条)相似文献(1条)1.期刊论文 姜可宇.蔡志明.胡金华.陆振波.JIANG Ke-yu.CAI Zhi-ming.HU Jin-hua.LU Zhen-bo 基于混沌理论的海底混响中目标回波提取 -声学技术2006,25(6)提出了基于混沌理论的混响中目标回波提取新方法.该方法主要得益于一种新的预测模型,该模型基于径向基函数神经网络,综合利用了时间序列的前 向和后向预测,解释了该模型用于混沌信号分离的基本原理,用几种混沌时间序列分析了该模型用于混沌信号建模和谐波信号提取的性能.该方法用于湖试 混响中目标回波提取的结果表明:该模型可以用于提取信混比不小于1dB的目标回波.本文链接:http:/ 授权使用:国防科技大学(gfkjdx),授权号:fea50b54-1e42-4c98-9bef-9e92009fc8bd 下载时间:2011年2月22日