本發(fā)明屬于水聲信號處理領域，更確切的說屬于水下主動聲納識別范疇，主要是一種混響背景下高分辨力目標亮點提取方法。

背景技術：

1、水下目標的識別技術是聲吶技術所要研究的主要技術之一，對水下目標的正確識別建立在有效地特征提取的基礎上。目標亮點模型是以回波的產(chǎn)生機理為基礎的一個實用的目標模型，目標亮點結構也是目前被廣泛應用的水下目標特征，因此目標回波亮點及亮點的提取成為了水下目標識別的關鍵。目前對目標回波亮點的研究主要可分為水下目標回波亮點的理論與預報研究、通過實測數(shù)據(jù)對目標回波亮點研究、基于亮點模型的目標回波仿真與識別研究這三大類。目標回波亮點中包含了目標的信息，對亮點提取的效果越好，對目標的識別越有利。對于目標回波亮點提取的研究目前可分為一維目標回波(即瞬時信號)亮點提取和二維目標回波(即波束域信號)亮點提取。一維目標回波亮點提取的研究以匹配濾波、時頻分析等方法為代表。二維目標回波亮點提取可以通過現(xiàn)有的圖像聲納配合陣列處理技術有效完成。近十年來低秩矩陣恢復理論快速發(fā)展，現(xiàn)在已被廣泛應用于圖像處理領域，近幾年也逐漸被應用于水聲工程。在目標亮點提取方面，朱廣平等人將依據(jù)目標回波與混響在時頻域上能量分布的相關性不同，在時頻域上實現(xiàn)了目標回波與混響的分離，這項工作為水下目標亮點提取提供了新思路。然而該項工作仍然存在魯棒性不足、性能受參數(shù)調(diào)整大、未考慮亮點聚類性、未從分辨力角度提升亮點性能等不足。

技術實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術存在的不足，而提供一種混響背景下高分辨力目標亮點提取方法，進一步提升亮點提取性能，為主動聲納識別提供技術基礎。

2、本發(fā)明的目的是通過如下技術方案來完成的。一種混響背景下高分辨力目標亮點提取方法，包括步驟如下：

3、步驟一：對主動聲納接收信號做時頻分析獲得其時頻分布；

4、步驟二：對表示混響時頻矩陣的低秩矩陣l進行貝葉斯建模；

5、步驟三：對接收信號時頻矩陣y進行貝葉斯建模，并對其中表示目標回波的非低秩部分賦予拉普拉斯與廣義逆高斯混合分布先驗；

6、步驟四：對時頻矩陣中的非低秩部分放置一階馬爾可夫隨機場，以保證目標回波亮點在時頻域的聚類效應；

7、步驟五：通過mcmc采樣實現(xiàn)模型的貝葉斯推斷，輸出表示混響的低秩部分和表示目標回波的非低秩部分；

8、步驟六：針對輸出的非低秩部分通過反卷積短時分數(shù)階傅里葉變換提升時頻分辨力后，輸出目標回波亮點提取結果。

9、所述的對主動聲納接收信號做時頻分析：對主動聲納接收信號做短時分數(shù)階傅里葉變化stfrft獲得其時頻矩陣，stfrft的表達式為

10、

11、其中，s(t)為發(fā)射信號，g(t)為窗函數(shù)，α為變換角度，kα(t,u)為變換核，u為分數(shù)階傅里葉變換的參數(shù)，

12、進一步地，將獲得的時頻矩陣y表示為

13、y＝l+s

14、其中，l為低秩矩陣表示混響的時頻矩陣，s為非低秩矩陣表示目標回波的時頻矩陣；

15、所述的對接收信號時頻矩陣進行貝葉斯建模為

16、

17、ηij～gig(p,a,b)

18、其中表示均值為aibjt，尺度為ηij的拉普拉斯分布，gig表示廣義逆高斯分布，p,a,b為超參數(shù)。

19、所述步驟四中，為了實現(xiàn)非低秩矩陣像素(時頻矩陣中的目標回波)的聚類效應，在中放置一階馬爾可夫隨機場，對與相鄰的像素點(i,j)和(p,q)定義一個勢函數(shù)

20、

21、ψ(λij,λpq)＝exp{-α|logλij-logλpq|}

22、其中通過參數(shù)α來控制先驗的強度。

23、所述步驟六中，對輸出的矩陣s通過反卷積短時分數(shù)階傅里葉變換rlstfrft提升時頻分辨力，輸出目標亮點提取結果，rlstfrft的迭代更新表達式為

24、

25、其中表示相關運算，k為迭代次數(shù)，初值rlfrft0設置為frft。

26、本發(fā)明的有益效果為：本發(fā)明首先對主動聲納的接收信號做短時分數(shù)階傅里葉變換(stfrft)將接收信號轉化到時頻域。當發(fā)射信號為線性調(diào)頻信號時，回波信號在時頻域上為少量的斜線呈現(xiàn)稀疏性，而帶寬內(nèi)的混響存在相關性在時頻域上呈現(xiàn)低秩性。在馬爾可夫貝葉斯魯棒矩陣分解(mbrmf)模型下對混響構成的低秩矩陣進行貝葉斯建模，并對目標回波構成的稀疏矩陣賦予拉普拉斯和廣義逆高斯混合分布先驗。并為了保證目標回波亮點時頻矩陣元素的聚類性，向稀疏矩陣元素間放置一階馬爾可夫隨機場。然后通過mcmc采樣實現(xiàn)貝葉斯模型中參數(shù)的推斷，從而實現(xiàn)低秩稀疏分解即混響與目標亮點的分離。對由目標亮點構成的稀疏矩陣通過反卷積短時分數(shù)階傅里葉變換(rlstfrft)實現(xiàn)分數(shù)階域上的反卷積，進一步提升目標亮點的分辨力，全面提升亮點的性能。仿真和實驗結果表明，本方法對目標回波亮點提取是有效的。

技術特征：

1.一種混響背景下高分辨力目標亮點提取方法，其特征在于：包括步驟如下：

2.根據(jù)權利要求1所述的混響背景下高分辨力目標亮點提取方法，其特征在于：所述的對主動聲納接收信號做時頻分析：對主動聲納接收信號做短時分數(shù)階傅里葉變化stfrft獲得其時頻矩陣，stfrft的表達式為

3.根據(jù)權利要求2所述的混響背景下高分辨力目標亮點提取方法，其特征在于：將獲得的時頻矩陣y表示為y＝l+s

4.根據(jù)權利要求3所述的混響背景下高分辨力目標亮點提取方法，其特征在于：所述步驟四中，在中放置一階馬爾可夫隨機場，對與相鄰的像素點(i,j)和(p,q)定義一個勢函數(shù)

5.根據(jù)權利要求4所述的混響背景下高分辨力目標亮點提取方法，其特征在于：所述步驟六中，對輸出的矩陣s通過反卷積短時分數(shù)階傅里葉變換rlstfrft提升時頻分辨力，輸出目標亮點提取結果，rlstfrft的迭代更新表達式為

技術總結
本發(fā)明提出了一種混響背景下高分辨力目標亮點提取方法，屬于水聲信號處理領域，具體涉及主動聲納識別研究領域。為了提升亮點提取的性能，依據(jù)時頻域混響與目標回波相關性的差異，將二者分別建模為低秩矩陣和非低秩矩陣。并在貝葉斯框架下對低秩矩陣建模，對非低秩部分賦予拉普拉斯和廣義逆高斯混合分布先驗以增強矩陣恢復的魯棒性。通過MCMC采樣完成貝葉斯推斷后，對得到的混響抑制后目標回波構成的時頻矩陣進行RLSTFRFT處理，以提升時頻分辨力，全面提升了亮點提取的性能。仿真和實驗結果驗證了本方法有效性，且相較于已有方法性能有了明顯的提升。本成果實現(xiàn)了亮點提取性能的提升，也為水下目標識別提供了技術基礎。

技術研發(fā)人員：王成,王方勇,谷新禹,朱廣平,毛雨晴
受保護的技術使用者：中國船舶集團有限公司第七一五研究所
技術研發(fā)日：
技術公布日：2025/5/8