快变水声信道中的确知信号检测方法和系统

摘要

本发明公开了快变水声信道中的确知信号检测方法和系统，所述方法将动态时间弯折技术与波束形成技术相结合，可以有效地消除因信号持续时间内多普勒频移发生非均匀变化造成的检测性能下降，同时通过时间弯折路径与接收阵列参数的联合优化，使参数的设置直接与检测结果相关，降低了波束形成对来波方向估计准确度的要求，更好地适应水下快变的传输环境。本发明还提供了实现上述水下确知信号检测方法的系统。本发明可以广泛用于水下通信和探测等领域中的确知信号检测，特别适用于多普勒频移、多途干扰、噪声等信道条件快速变化的确知信号检测。

说明书

技术领域

本发明涉及信号检测领域，特别是一种适用于快变水声信道的确知信号检测方法和系统。

背景技术

确知信号的检测技术在水声通信和探测等领域中有着重要的用途，例如水声通信中导频、前导码、时间同步信号、扩频码等信号的检测、信令的检测以及水声探测中的探测回波信号检测等。由于水声信道是一个极其复杂的时间-空间-频率变化、有限频带、长时延、大多普勒频移、强多途干扰和高噪声的信道，是自然界处理难度最大的无线通信信道之一，因此要准确地检测出水下的确知信号存在着较大的困难，尤其当多普勒频移、多途干扰、噪声等信道条件快速变化时，现有的技术均难以取得很好的效果。

声波传播速度低带来的较大的多普勒频移是水下确知信号检测的难点之一，它造成信号在时域上持续时间的压缩或扩张，使得传统的匹配滤波器、相关检测等检测方法性能大幅下降，因此在信号检测时通常都需要对其进行多普勒补偿，在估计出当前的多普勒频移后，采用插值变采样法或频域插值法等对频移后的信号进行校正。常用的多普勒频移估计方法主要有基于模糊度函数的估计和块多普勒频移估计两种，前者采用多个离散相关器对输入信号进行相关处理，用具有最大相关峰值的相关器来估计多普勒频移，但系统运算能力要求较高；后者通过测量接收信号帧在时域上的压缩或扩展来估计出多普勒频移因子。常用的多普勒频率补偿方法有插值变采样法和频域插值法，插值变采样法是用估计出的相对多普勒频移确定出新的采样点位置，然后用已知采样样本进行插值，计算出新的采样值，构成消除频移后的信号，频域插值法则是利用最大似然检测的手段在频域对数据进行恢复。

强多途干扰和高噪声是水下确知信号检测的另一个难点。基于阵列的波束形成是目前水声通信中抑制多途干扰和噪声的一种常用手段，它通过对不同阵元接收到的数据进行一系列的运算（如加权、延迟以及求和等），在信号的来波方向形成波束，只允许沿空间某一方向传播的信号通过，而抑制来自其他方向的干扰和噪声，从而获得空间增益，提高信噪比。通过波束形成，可以较有效地抑制水下通信中多径干扰和环境噪声。

尽管现有的水下确知信号检测方法在水声信道缓变的情况下可以取得较好的效果，但在多普勒频移、多途干扰、噪声等信道条件快速变化时，现有技术仍存在着较大的不足，主要有：（1）现有的多普勒频移和估计方法大多假设发收双方的相对运动速度或加速度一定，当多普勒频移变化较快、使得待检测信号持续时间内多普勒频移发生非均匀变化时，现有技术的性能将显著下降；（2）现有的波束形成方法是针对信号和噪声的来波方向进行优化的，并不直接与检测结果相联系，因此对来波方向估计的准确度较敏感，且其参数的自适应调整速度有限，在水声信道的多途结构和噪声特性变化较快时存在着较大的局限性；（3）在现有的确知信号检测方法中，多普勒频移补偿和多途干扰/噪声抑制两个步骤是相互独立、分开进行的，难以取得联合优化的效果。

发明内容

针对现有水下确知信号检测方法的不足，本发明提供了一种适用于快变水声信道的确知信号检测方法，该方法将动态时间弯折技术与波束形成技术相结合，可以有效地消除因信号持续时间内多普勒频移发生非均匀变化造成的检测性能下降，同时通过时间弯折路径与接收阵列参数的联合优化，使参数的设置直接与检测结果相关，降低了波束形成对来波方向估计准确度的要求，更好地适应水下快变的传输环境。本发明还提供了实现上述水下确知信号检测方法的系统。本发明可以广泛用于水下通信和探测等领域中的确知信号检测，特别适用于多普勒频移、多途干扰、噪声等信道条件快速变化的确知信号检测。

本发明提供的快变水声信道中的确知信号检测方法，对于接收阵列在一段时间（可以为设定时间）内接收的信号，采用以下步骤来检测其中是否包含待检测的确知信号：

步骤1：初始化接收阵列的权值矩阵；

步骤2：第一次执行本步骤时采用步骤1初始化后的权值矩阵，若不是第一次则采用步骤4调整后的权值矩阵，对接收阵列的输入信号进行增强，将待检测的确知信号与增强后输出的信号进行时间对准，并计算它们之间的相似度；

步骤3：如果当前的相似度与前一次迭代得到的相似度之间的改变量小于预设的阈值（如果是第一次计算步骤2所述相似度，则可以视所述前一次迭代得到的相似度为0），或者迭代数超过预设次数时，则转步骤5；

步骤4：调整阵列的权值矩阵，使沿步骤2中时间对准路径对准的待检测的确知信号和增强后的输入信号间的相似度最大，转步骤2；

步骤5：检查待检测的确知信号与增强后输出的信号进行时间对准后两者之间的相似度是否大于给定值，如果是，则输入信号中检测出确知信号，否则输入信号中未检测到确知信号。

上述步骤1中的权值矩阵初始化，首先估计信号的来波方向，然后采用波束形成的方法得到接收阵列的初始权值矩阵。

上述步骤2中，待检测的确知信号和增强后输出的信号的时间对准采用动态时间弯折技术进行，具体包含以下步骤：

步骤2.1：计算待检测的确知信号与增强后输出的信号沿不同时间路径对准的累积相似度；

步骤2.2：找出一条累积相似度最大的时间对准路径，将待检测的确知信号与增强后输出的信号按该路径进行时间对准。

上述步骤4中，权值矩阵采用以下方法进行调整：

步骤4.1a：将时间对准后的待检测确知信号和增强后的输入信号间的相似度表示为权值矩阵的函数；

步骤4.2a：计算相似度对于权值矩阵的梯度函数；

步骤4.3a：采用梯度下降法调整权值矩阵；

步骤4.4a：采用新的权值矩阵对时间对准后的输入信号进行增强，并计算增强后的信号与待检测确知信号之间的相似度，如果当前的相似度与前一次迭代的相似度变化量小于给定值，或迭代次数超出预设次数，则输出权值矩阵并结束，否则转步骤4.3a。

上述步骤4中，权值矩阵还可以采用以下方法进行调整：

步骤4.1b：将时间对准后的待检测确知信号和增强后的输入信号间的相似度表示为权值矩阵的函数；

步骤4.2b：将相似度对权值矩阵中的每个元素求偏导，并令偏导等于0；

步骤4.3b：将得到的方程组成方程组并求解，得到当前最优的权值矩阵。

本发明提供的快变水声信道中确知信号检测系统，由换能器阵列、多路数据采集模块、波束形成模块、动态时间弯折匹配模块、权值矩阵调整模块、检测判决模块共同构成，其中换能器阵列、多路数据采集模块、波束形成模块、动态时间弯折匹配模块、检测判决模块顺次连接，权值矩阵调整模块与波束形成模块、动态时间弯折匹配模块连接。换能器阵列完成多路水声信号的接收；多路数据采集模块对换能器阵列接收到的多路信号进行采集、放大和模数转换；波束形成模块采用波束形成的方法，根据权值矩阵的设置对输入的多路阵列信号进行来增强；动态时间弯折匹配模块采用动态时间弯折技术来实现待检测的确知信号与增强后输出的信号的时间对准；检测判决模块完成对输入信号中是否存在待检测的确知信号的判断；权值矩阵调整模块完成波束形成时阵列的权值矩阵的调整。

与现有技术相比，本发明有以下主要优点：

（1）宽带信号的多普勒频移在时域上表现为信号持续时间的压缩或扩张，本发明采用动态时间弯折技术将待检测的确知信号和输入信号进行时间上的对准，然后再进行比较检测，与现有技术相比可以更好地处理多普勒频移变化较快、待检测信号持续时间内多普勒频移发生非均匀变化的情况；

（2）本发明中，接收阵列权值矩阵的调整目标与检测结果直接相关，对来波方向估计的准确度具有较高的鲁棒性，并且能根据当前接收的数据和待检测的确知信号自动最优地设置，没有参数的自适应调整速度的限制，因此与现有技术相比更能适应水声信道中快变的多途结构和噪声特性；

（3）本发明中，多普勒频移补偿和接收阵列的权值矩阵调整是联合优化的，因此能够取得比现有技术更好的检测性能。

说明书附图

图1为本发明实施例1的系统结构框图.

图2为本发明实施例1中水下确知信号检测方法流程图。

图3为本发明实施例1中采用动态时间弯折技术进行时间对准的流程图。

图4为本发明实施例1中接收阵列权值矩阵调整的流程图。

图5为本发明实施例2中接收阵列权值矩阵调整的流程图。

具体实施方式

下面结合附图和实施例对本发明的具体实施作进一步说明，但本发明的实施和保护范围不限于此。

本发明实施例1的系统结构框图如图1所示，由换能器阵列、多路数据采集模块、波束形成模块、动态时间弯折匹配模块、权值矩阵调整模块、检测判决模块共同构成，其中换能器阵列、多路数据采集模块、波束形成模块、动态时间弯折匹配模块、检测判决模块顺次连接，权值矩阵调整模块与波束形成模块、动态时间弯折匹配模块连接。换能器阵列包括L个接收换能器，用以接收多路水声信号；多路数据采集模块对换能器阵列接收到的多路信号进行采集、放大和模数转换，采用多路数据采集卡来实现；波束形成模块、动态时间弯折匹配模块、检测判决模块和权值矩阵调整模块采用微处理器来实现，其中波束形成模块采用波束形成的方法，根据权值矩阵的设置对输入的多路阵列信号进行增强，动态时间弯折匹配模块采用动态时间弯折技术来实现待检测的确知信号与增强后输出的信号的时间对准，检测判决模块完成对输入信号中是否存在待检测的确知信号的判断，权值矩阵调整模块完成波束形成时阵列的权值矩阵的调整。

本发明实施例1中，采用以下步骤来实现快变水声信道中的确知信号检测，其流程如图2所示（以下符号、式子或函数除特别说明的外，均为本领域常规的表达）：

步骤1：初始化接收阵列的权值矩阵；

实施例1中，权值矩阵的初始化分两步进行，首先估计信号的来波方向，然后根据信号的来波方向采用波束形成的方法得到接收阵列的初始权值矩阵。信号来波方向估计和波束形成目前已有多种成熟的方法，在实施例1中，信号的来波方向采用MUSIC算法来估计，确定信号的来波方向后，采用MVDR波束形成算法来得到接收阵列的权值矩阵初始值。

步骤2：采用权值矩阵对接收阵列的输入信号进行增强，将待检测的确知信号与增强后输出的信号进行时间对准，并计算它们之间的相似度；

设接收阵列的输入信号为X[n]=(x₁[n],x₂[n],…,x_L[n])^T，L为接收换能器的数目，则增强后的输出信号为y[n]=w^TX[n]，其中W为接收阵列的权值矩阵，( )^T表示矩阵的转置，在实施例1中，W=[w₁,w₂,…,w_L]^T。记增强后的输出信号为Y(y[1],y[2],…y[M])，长度为M，待检测的确知信号为S=(s[1],s[2],…,s[N])，长度为N，在实施例1中，采用动态时间弯折技术对待检测的确知信号S与增强后输出的信号Y进行时间对准，其流程如图3所示，具体实施步骤如下：

步骤2.1：计算待检测的确知信号与增强后输出的信号沿不同时间路径对准的累积相似度。本领域的专业人员应当知道，相似度可以采用多种衡量的方式，例如信号的均方误差、互相关等，在实施例1中，信号的相似度采用均方误差来衡量，均方误差越小，则相似度越高，均方误差越大，则相似度越低。将Y的长度M作为矩阵的行维数，S的长度N作为矩阵的列维数，y[i]和s[j]的均方误差作为矩阵中(i,j)元素的值，可构成一个M×N的误差矩阵，从误差矩阵(1,1)元素出发到(M,N)元素的一条路径即为一条Y和S时间对准的路径，Y和S沿该时间路径对准后的累积均方误差为：

$>d[Y,S]=\underset{q=1}{\overset{Q}{\Sigma }}{\left(y\right[i_q]-s[j_q\left]\right)}^2$>

其中Q为该对准路径的长度，(i_q,j_q)为该对准路径上的一个点。累积均方误差越小，则沿该时间对准路径对准后的Y和S的累积相似度越大。

步骤2.2：找出一条累积相似度最大的时间对准路径，将待检测的确知信号与增强后输出的信号按该路径进行时间对准。在实施例1中，累积相似度最大的时间对准路径通过动态时间弯折技术来寻找，方法为：限定误差矩阵中的任一元素(i,j)只可能有一条搜索路径通过，对于(i,j)，可到达该元素的前一个元素只能是(i-1,j-1)、和(i-1,j)中的一个，则(i,j)一定选择这3个元素中累积均方误差最小者作为前续元素，并通过该元素将路径延伸至(i,j)，这时此路径的累积均方误差为：

$>D(i,j)={\left(y\right[i]-s[j\left]\right)}^2+\min \left(\begin{array}{c}D(i,j-1)\\ D(i-1,j-1)\\ D(i-1,j)\end{array}\right)$>

其中，D(i,j)代表了(1,1)到(i,j)之间的最小累积均方误差。这样从(1,1)元素出发，对每一个(i,j)都存储相应的前一元素及相应的累积均方误差D(i,j)，搜索到(M,N)时，即可得到一条最佳的时间对准路径，D(M,N)即为Y和S的沿该路径进行时间对准后的累积均方误差。

步骤3：如果当前的相似度与前一次迭代得到的相似度之间的改变量小于预设的阈值，或者迭代次数超过预设次数，则转步骤5。在实施例1中，将当前的D(M,N)与前一次迭代得到的D(M,N)进行比较，如果改变量小于预设的阈值，或迭代次数超过了预设的次数，则转步骤5。

步骤4：调整阵列的权值矩阵，使沿步骤2中时间对准路径对准的待检测的确知信号和增强后的输入信号间的相似度最大，转步骤2。

设时间对准后的待检测确知信号与增强后的输入信号间分别为S＇和Y＇，长度为K，在实施例1中，权值矩阵采用以下方法进行调整：

步骤4.1a：将时间对准后的待检测确知信号与增强后的输入信号间的相似度表示为权值矩阵的函数。将S＇和Y＇之间的相似度表示为S＇和Y＇之间的均方误差

$>\xi =E[{\left(s^{\prime }\right[n]-y^{\prime }[n\left]\right)}^2=E[{\left(s^{\prime }\right[n]-W^T{X}^{\prime }[n\left]\right)}^2]=E[s{\left[n\right]}^2]+W^T\mathrm{RW}-2P^{T}W$>

其中X＇[n]是接收阵列的输入信号X[n]按Y到Y＇时间扩展的路径扩展后的输入信号，$>P=E\left[s^{\prime }\right[n\left]X^{\prime }\right[n\left]\right]=E\left[s^{\prime }\right[n\left]x_0^{\prime }\right[n],s^{\prime }[n\left]x_1^{\prime }\right[n],...,s^{\prime }[n]{x_L^{\prime }\left[n\right]]}^T$>，R为X＇[n]的自相关矩阵；

步骤4.2a：计算相似度对于权值矩阵的梯度函数。均方误差函数的表面梯度由均方误差ξ对权值矩阵W求偏导得到

$>▿=\frac{\mathrm{\delta \xi }}{\mathrm{\delta W}}={\left(\begin{array}{cccc}\frac{\mathrm{\delta \xi }}{\delta w_0}& \frac{\mathrm{\delta \xi }}{\delta w_1}& ...& \frac{\mathrm{\delta \xi }}{\delta w_L}\end{array}\right)}^T=2\mathrm{RW}-2P$>

步骤4.3a：采用梯度下降法调整权值矩阵，并计算相应的相似度。实施例1采用梯度下降法来调整权值矩阵W，其计算方法为

$>W_{k+1}=W_k+\mu (-{▿}_k)$>

其中k是迭代次数，μ是调整步长的常数且，λ是自相关矩阵R的最大特征值。将梯度项代入可得

$>W_{k+1}=(I-2\mathrm{\mu R})W_k+2\mathrm{\mu P}$>

步骤4.4a：采用新的权值矩阵对时间对准后的输入信号进行增强，并计算增强后的信号与待检测确知信号之间的相似度，如果当前相似度与前一次迭代的相似度变化量小于给定值，或迭代次数超出预设次数，则输出权值矩阵并结束，否则转步骤4.3a。采用新的权值矩阵对X＇[n]进行增强，计算增强后的信号与S＇之间的均方误差，如果当前均方误差与前一次迭代的均方误差变化量小于给定值，或迭代次数超出预设次数，则输出权值矩阵并结束，否则转步骤4.3a，如图4所示。

步骤5：检查待检测的确知信号与增强后输出的信号进行时间对准后两者之间的相似度是否大于给定值，如果是，则输入信号中检测出确知信号，否则输入信号中未检测到确知信号。在实施例1中，将步骤4.4a中得到的增强后信号与S＇之间的均方误差与预设的阈值相比较，如果小于预设的阈值，则在输入信号中检测出确知信号，否则则在输入信号中未检测到确知信号。

在本发明的实施例2与实施例1的不同之处在于步骤4中，如图5，权值矩阵采用以下方法进行调整：

步骤4.1b：将时间对准后的待检测确知信号与增强后的输入信号间的相似度表示为权值矩阵的函数。该函数与实施例1中的步骤4.1a相同。

步骤4.2b：将相似度对权值矩阵中的每个元素求偏导，并令偏导等于0。在实施例2中，相似度为Y＇和S＇的均方误差函数，对其求偏导，并令偏导等于0，可以得到一组方程：

$>\left(\begin{array}{c}\frac{\mathrm{\delta \xi }}{\delta w_1}\\ \frac{\mathrm{\delta \xi }}{\delta w_2}\\ .\\ .\\ .\\ \frac{\mathrm{\delta \xi }}{\delta w_L}\end{array}\right)=\left(\begin{array}{cccc}{x}_1^{\prime 2}\left[n\right]& x_1^{\prime }\left[n\right]x_2^{\prime }\left[n\right]& ...& x_1^{\prime }\left[n\right]x_L^{\prime }\left[n\right]\\ x_2^{\prime }\left[n\right]x_1^{\prime }\left[n\right]& x_2^{\prime }\left[n\right]& ....& x_2^{\prime }\left[n\right]x_L^{\prime }\left[n\right]\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_L^{\prime }\left[n\right]x_1^{\prime }\left[n\right]& x_L^{\prime }\left[n\right]x_2^{\prime }\left[n\right]& ...& x_L^{\prime 2}\left[n\right]\end{array}\right)\left(\begin{array}{c}{w}_1\\ w_2\\ .\\ .\\ .\\ w_L\end{array}\right)-2E\left(\begin{array}{c}{s}^{\prime }\left[n\right]x_1^{\prime }\left[n\right]\\ s^{\prime }\left[n\right]x_2^{\prime }\left[n\right]\\ .\\ .\\ .\\ s^{\prime }\left[n\right]x_L^{\prime }\left[n\right]\end{array}\right)=\left(\begin{array}{c}0\\ 0\\ .\\ .\\ .\\ 0\end{array}\right)$>

步骤4.3b：将得到的方程组成方程组并求解，得到当前最优的权值矩阵。

如上即能实现本发明并取得所述技术效果。