本發(fā)明屬于水聲，尤其涉及一種適用于多波束測深聲吶的抗底回波干擾目標檢測方法及系統(tǒng)。

背景技術：

1、隨著多波束測深聲吶在水下工程測量、水下搜救和海底管道監(jiān)測等領域的廣泛應用，近年來利用波束數(shù)據(jù)進行自動目標檢測的需求不斷增加。波束數(shù)據(jù)通過對陣元維數(shù)據(jù)在多個預設角度進行波束形成得到，能夠直觀地反映多波束測深聲吶發(fā)射波束覆蓋扇區(qū)內(nèi)的二維散射聲場，保存目標的位置與形狀信息。但是波束數(shù)據(jù)中不僅包含目標回波，也包含海底散射回波，靠近海底的目標回波會處在海底散射回波背景中，該背景會對目標檢測產(chǎn)生干擾。具體來說，海底散射回波的旁瓣較高，容易產(chǎn)生虛警，同時遮蔽弱目標產(chǎn)生漏檢。如何在底回波干擾情況下提升目標的檢測性能成為亟待解決的問題。

2、為實現(xiàn)波束數(shù)據(jù)中的目標自動檢測，科研人員將恒虛警(constant?false?alarmrate，cfar)技術引入到多波束測深聲吶目標檢測中。其中較為經(jīng)典的有單元平均恒虛警檢測(cell-averaged?cfar，ca-cfar)，單元平均選大檢測器(cell-averaging?greatest-ofselection?cfra，cago-cfar)，單元平均選小檢測器(cell-averaging?smallest-ofselection?cfra，caso-cfar)和有序統(tǒng)計檢測器(order?statistic?cfar，os-cfar)。這些經(jīng)典方法均是直接利用輔助數(shù)據(jù)對背景噪聲功率進行估計，然后通過自適應閾值對單個數(shù)據(jù)點進行判決，均未考慮底回波及其旁瓣對目標檢測產(chǎn)生的影響。針對上述問題，相關學者提出了一種自適應軟閾值去噪算法(adaptive?soft?threshold?denoising?algorithm，astda)，實現(xiàn)了底回波干擾下的目標檢測。該算法通過最大類間方差進行閾值分割，將波束數(shù)據(jù)劃分為目標噪聲混合區(qū)域和背景區(qū)域兩部分，然后基于航向圖確定目標所在的采樣點號區(qū)間，在波束陣列圖中將背景區(qū)域與目標噪聲混合區(qū)域進行分離，并剔除背景區(qū)域數(shù)據(jù)，最后通過自適應軟閾值確定旁瓣噪聲位置對旁瓣噪聲加以剔除實現(xiàn)目標檢測。

3、在實際應用中，astda存在三個明顯不足：一是在確定目標所在采樣點號區(qū)間時，需要用到大量該幀之前的波束數(shù)據(jù)進行統(tǒng)計分析，但是水下環(huán)境十分復雜，若之前幀數(shù)據(jù)中存在干擾，如游動的魚群和地形變化等，會導致目標區(qū)間統(tǒng)計錯誤；二是旁瓣抑制僅依賴于閾值選取，對于回波能量低于底回波旁瓣的目標會出現(xiàn)漏檢；三是閾值設置中存在需要人為調整的參數(shù)，會增加系統(tǒng)操作難度，同時也無法適用于無人平臺。

技術實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術缺陷，提出了一種適用于多波束測深聲吶的抗底回波干擾目標檢測方法及系統(tǒng)。

2、一方面，本發(fā)明提供了一種適用于多波束測深聲吶的抗底回波干擾目標檢測方法，包括：

3、步驟1：基于待檢測數(shù)據(jù)和構建的波束域稀疏信號模型，構造二元稀疏假設檢驗問題，其中，所述待檢測數(shù)據(jù)為當前幀中某個采樣時刻對應的波束數(shù)據(jù)，所述二元稀疏假設檢驗問題的檢驗統(tǒng)計量為背景噪聲功率和稀疏向量，由基于兩步廣義似然比準則設計實現(xiàn)的廣義似然比檢測器推導得到；

4、步驟2：求解所述背景噪聲功率，及基于目標的塊稀疏特性和貝葉斯學習求解所述稀疏向量；

5、步驟3：基于求解出的所述背景噪聲功率和所述稀疏向量，利用廣義似然比檢測器，判決所述待檢測數(shù)據(jù)中是否存在目標。

6、較優(yōu)的，通過以下方式構建所述波束域稀疏信號模型：

7、建立遠場目標對多波束測深聲吶接收陣的響應函數(shù)，所述多波束測深聲吶接收陣為多元等間距直線陣；

8、將回波角度離散化為多個角度單元，構造完備波束域導向向量字典；

9、根據(jù)構造的完備波束域導向向量字典和建立的響應函數(shù)，構建波束域稀疏信號模型。

10、較優(yōu)的，構建出的波束域稀疏信號模型為：

11、x＝ψw+n

12、其中，x為待檢測數(shù)據(jù)，ψ為觀測矩陣，w為稀疏向量，n為噪聲向量，i為單位矩陣，為背景噪聲功率譜密度。

13、較優(yōu)的，步驟1中構造出的二元稀疏假設檢驗問題為：

14、

15、其中，h0和h1分別代表無目標假設和有目標存在假設，x為待檢測數(shù)據(jù)，n為噪聲向量，zk為輔助數(shù)據(jù)，nk為輔助數(shù)據(jù)中的噪聲向量，假設nk之間滿足獨立同分布條件，k為輔助數(shù)據(jù)索引，取值范圍為1至k，ψ為觀測矩陣，w為稀疏向量。

16、較優(yōu)的，步驟3中設計的廣義似然比檢測器為：

17、

18、其中，和分別為無目標假設h0和有目標存在假設h1下待檢測數(shù)據(jù)x的概率密度函數(shù)，為背景噪聲功率和w為稀疏向量，η為檢測閾值。

19、較優(yōu)的，所述步驟2中基于目標的塊稀疏特性和貝葉斯公式求解稀疏向量，包括：

20、通過滑窗方法對波束域稀疏信號模型進行擴展，得到擴展后的波束域稀疏信號模型，其中，擴展后的波束域稀疏信號模型中包含新的塊稀疏向量，新的塊稀疏向量中存在已知的塊結構；

21、求解新的塊稀疏向量；

22、根據(jù)矩陣運算，利用求解出的新的塊稀疏向量恢復出稀疏向量。

23、較優(yōu)的，求解新的塊稀疏向量，包括：

24、假設新的塊稀疏向量服從高斯分布，并且每個塊內(nèi)元素存在相關性，不同塊之間相互獨立，根據(jù)貝葉斯公式，建立新的塊稀疏向量的后驗分布函數(shù)，其中，建立的后驗分布函數(shù)中包含超參數(shù)；

25、利用第二類最大似然算法估計所述超參數(shù)；

26、將估計出的所述超參數(shù)代入建立的稀疏向量的后驗均值，得到新的塊稀疏向量。

27、較優(yōu)的，建立的新的塊稀疏向量的后驗分布函數(shù)為：

28、

29、其中，

30、

31、λ＝diag{ξ1b1,ξ2b2,…,ξp-h+1bp-h+1}

32、其中，we為新的塊稀疏向量，x為待檢測數(shù)據(jù)，ξi和bi分別均為第i個第一超參數(shù)和第二超參數(shù)，i為觀測矩陣塊的索引，p為回波角度離散化為角度單元的個數(shù)，h為滑窗窗長，μ為新的塊稀疏向量的均值向量，∑為新的塊稀疏向量的協(xié)方差矩陣，λ為對角矩陣，ψe為擴展觀測矩陣，為背景噪聲功率譜密度，i為單位矩陣，h表示共軛轉置，-1表示逆矩陣。

33、較優(yōu)的，利用第二類最大似然算法估計所述超參數(shù)，包括：

34、建立如下代價函數(shù)：

35、

36、其中，表示超參數(shù)；

37、利用期望最大化算法對上述代價函數(shù)進行優(yōu)化求解，得到所述超參數(shù)。

38、另一方面，提供了一種基于上述的適用于多波束測深聲吶的抗底回波干擾目標檢測方法的系統(tǒng)，包括：問題構造單元、求解單元和檢測單元；其中：

39、所述問題構造單元，用于基于待檢測數(shù)據(jù)和構建的波束域稀疏信號模型，構造二元稀疏假設檢驗問題，所述待檢測數(shù)據(jù)為當前幀中某個采樣時刻對應的波束數(shù)據(jù)，所述二元稀疏假設檢驗問題的檢驗統(tǒng)計量為背景噪聲功率和稀疏向量，由基于兩步廣義似然比準則設計實現(xiàn)的廣義似然比檢測器推導得到；

40、所述求解單元，用于求解背景噪聲功率，及基于目標的塊稀疏特性和貝葉斯學習求解稀疏向量；

41、所述檢測單元，用于利用廣義似然比檢測器，基于求解出的背景噪聲功率和稀疏向量，判決待檢測數(shù)據(jù)中是否存在目標，其中，所述廣義似然比檢測器基于兩步廣義似然比準則設計實現(xiàn)。

42、與現(xiàn)有技術相比，本發(fā)明的優(yōu)勢在于：

43、1、在設計過程中考慮利用波束數(shù)據(jù)模型和目標的塊稀疏特性等先驗信息，實現(xiàn)了對目標先驗知識的充分挖掘，提高了聲吶對環(huán)境的感知能力；

44、2、將波束數(shù)據(jù)的數(shù)學模型融入到檢測器的設計中，利用稀疏恢復算法極大提升了對底回波旁瓣干擾的抑制能力；

45、3、僅基于當前幀的波束數(shù)據(jù)即可實現(xiàn)干擾抑制和目標檢測，無需利用前后幀的輔助數(shù)據(jù)；

46、4、不存在需要人為調整的參數(shù)，在保證目標檢測性能的同時還具備cfar性能，可以直接應用于無人平臺。