【技术实现步骤摘要】
本专利技术涉及水声信号处理，用于没有任何先验信息的主动声呐发射脉冲检测，获得发射脉冲的频率、带宽、脉宽、发射周期等信息，从而可进一步对接收信号进行匹配滤波、目标检测识别等处理，特别涉及一种主动声纳发射脉冲盲检测方法。
技术介绍
1、主动声纳是一种重要的水下探测装备，它通过发射特定形式的声波，然后接收和分析这些声波的反射回波，来确定目标的位置、速度和尺度等信息。主动声纳一般采用匹配滤波技术来提高回波信号的信噪比，但是匹配滤波算法的前提是知道目标信号的全部先验知识，但是在某些特定情况下，并不能知道发射信号的先验信息，比如声纳系统本身设计时未将发射参数与回波数据打包存储，或者声纳记录数据时保存的发射参数有误，或者某些声纳根本没有记录设备，只能直接用录音笔存储数据。这些数据中没有发射参数，无法通过匹配滤波处理来获取增益，只能进行简单的能量检测，大大降低了目标的检测概率。目前国内对于主动声纳信号处理的研究已经很深入，但是没有专门针对无发射参数的主动声纳信号处理的相关研究，而实际情况却是存在大量没有发射参数的主动数据有待分析。
2、因此，亟需寻找一种精确且快速从主动声纳回波数据中提取发射信号参数的方法，使得这些没有先验信息的数据也能进行匹配滤波处理，提高回波信号的信噪比，从而提高目标的检测概率。
技术实现思路
1、本专利技术的目的在于提供一种主动声纳发射脉冲盲检测方法，由于主动声呐接收的原始信号一般信噪比较低，无法通过能量检测或信噪比检测直接检测出目标，本专利技术首先要解决的问题是
2、为解决上述技术问题，本专利技术提供了一种主动声纳发射脉冲盲检测方法，包括以下步骤：
3、步骤s1：提取一段主动声纳回波数据，该回波数据包含多个扫描周期，且该回波数据中包含发射脉冲信号以及目标回波信号；
4、步骤s2：通过短时傅里叶变换对回波数据进行时频分析，以获得分段序列的频谱分布；
5、步骤s3：利用信号与噪声在时频特征上的差异挑选所有回波信号；
6、步骤s4：剔除目标回波，保留发射脉冲直达波；
7、步骤s5：对筛选出的每段信号进行短时傅里叶变换，利用信号的频谱数据计算筛选出的所有发射脉冲信号的信号参数。
8、优选的，所述步骤s2采用如下具体步骤：
9、步骤s2-1：首先将信号分解成长度为l的一系列小片段，假设共分成n小段，先对每段信号进行加窗处理：
10、y(t)＝x(t)·ω(t-τ0)；
11、其中，ω(t)是窗函数；
12、步骤s2-2：再对加窗后的信号进行傅里叶变换；
13、
14、由此得到分段序列的频谱分布s(ω,τ)。
15、优选的，所述步骤s3采用如下具体步骤：
16、s3-1：先寻找每段s(ω,τ)的最大值，将最大值在每段中的位置记为index(i),i＝1,...,n；
17、s3-2：然后寻找index(i)连续变化超过一定个数的片段，将这些片段的起始位置start1(i),i＝1,...,m和结束位置end1(i),i＝1,...,m记录下来；
18、s3-3：逐个检测筛选出的起始位置，若两个位置的距离差小于最大脉宽范围，则认为是同一个脉冲；其中起始点取第一个的起始点，结束点取第二个的结束点；筛选出的所有数据段的起始位置记为start2(i),i＝1,...,p，结束位置记为end2(i),i＝1,...,p。
19、优选的，所述步骤s4采用如下具体步骤：
20、s4-1：计算筛选出的数据段前后t个点的幅度均值，记为sigl(i)和sigr(i),i＝1,...,p，其中：
21、
22、
23、s4-2：根据前后t个点的幅度均值计算前后数据的幅度差异，
24、delta(i)＝20*log10(sigr(i)/sigl(i)),i＝1,...,p；
25、当差异小于3db的认为是目标回波，从序列中删除；重新整理筛选出的发射脉冲信号，起始位置记为start3(i),i＝1,...,q，结束位置记为end3(i),i＝1,...,q。
26、优选的，所述步骤s5中信号的频谱序列为s(i,j,k),i＝1,...,q；j＝1,...n,k＝1,....,k，其中n为fft点数，k为信号分片数；对每段信号每个分片k＝1,...k的频谱结果求模值，并取模值最大值在j＝1,...,n序列中对应的位置，记为max_index(i,k)，假设信号采样率fs，可根据上述数据计算所有发射脉冲信号的信号参数；其中发射脉冲信号的信号参数包括信号中心频率、信号带宽、信号脉宽和发射周期。
27、优选的，所述信号中心频率采用如下公式计算：
28、
29、优选的，所述信号带宽采用如下公式计算：
30、b(i)＝[max_index(i,k)-max_index(i,1)]*fs/n,i＝1,...,q。
31、优选的，所述信号脉宽采用如下公式计算：
32、t(i)＝[end3(i)-start3(i)]/fs，i＝1,...,q。
33、优选的，所述发射周期采用如下公式计算：
34、r(i)＝[start3(i+1)-start3(i)]/fs，i＝1,...,q-1。
35、本专利技术与现有技术相比，具有如下有益效果：
36、1、本专利技术利用信号与噪声在时频特征上的差异，建立了信号粗筛模型。相对于传统的能量检测或信噪比检测模型，对信噪比要求降低，更适用于原始信号的检测，且计算量小，鲁棒性强。
37、2、本专利技术利用发射脉冲直达波与目标回波的混响差异特性，建立了发射脉冲细筛模型。该模型突破传统从信号本身特征来区分不同类型的目标的限制，创造性地通过发射脉冲直达波与目标回波的邻近数据的差异特性来区分，该方法计算量小，且稳定易行。
本文档来自技高网...【技术保护点】
1.一种主动声纳发射脉冲盲检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤S2采用如下具体步骤：
3.如权利要求2所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤S3采用如下具体步骤：
4.如权利要求3所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤S4采用如下具体步骤：
5.如权利要求4所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤S5中信号的频谱序列为S(i,j,k),i＝1,...,Q；j＝1,...N,k＝1,....,K，其中N为FFT点数，K为信号分片数；对每段信号每个分片k＝1,...K的频谱结果求模值，并取模值最大值在j＝1,...,N序列中对应的位置，记为max_index(i,k)，假设信号采样率Fs，可根据上述数据，计算所有发射脉冲信号的信号参数；其中发射脉冲信号的信号参数包括信号中心频率、信号带宽、信号脉宽和发射周期。
6.如权利要求5所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述信号中心频率采
7.如权利要求5所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述信号带宽采用如下公式计算：
8.如权利要求5所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述信号脉宽采用如下公式计算：
9.如权利要求5所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述发射周期采用如下公式计算：
...【技术特征摘要】
1.一种主动声纳发射脉冲盲检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤s2采用如下具体步骤：
3.如权利要求2所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤s3采用如下具体步骤：
4.如权利要求3所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤s4采用如下具体步骤：
5.如权利要求4所述的一种主动声纳发射脉冲盲检测方法，其特征在于，所述步骤s5中信号的频谱序列为s(i,j,k),i＝1,...,q；j＝1,...n,k＝1,....,k，其中n为fft点数，k为信号分片数；对每段信号每个分片k＝1,...k的频谱结果求模值，并...
【专利技术属性】
技术研发人员：李玉娟，郭瑞，侯晓迁，高貂林，
申请(专利权)人：海鹰企业集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。