本发明涉及水声目标识别技术领域，具体涉及一种波束域自相关水下目标识别方法。
背景技术：
水下目标识别在海洋目标监测中有重要应用。很多水下监测或水下制导系统只对水下目标感兴趣，需要识别所检测的目标是水下目标还是水面目标。
水下目标识别通常采用倒谱多径时延估计的方法，在信噪比较高的条件下，单个水听器能够检测出水面反射波的负峰，从而识别水下目标。随着水下目标减振降噪技术的发展，接收信号变得微弱，在海洋噪声背景的掩盖下，单个水听器很难再检测到水面反射负峰。因此，需要设法提高处理增益，使水面反射负峰能够被检测出来。
目前尚未有能够实现水下目标多径时延峰值的检测与目标识别方法。
技术实现要素：
有鉴于此，本发明提供了一种波束域自相关水下目标识别方法，能够实现水下目标多径时延峰值的检测与水下目标的识别。
为达到上述目的，本发明的技术方案为：一种波束域自相关水下目标识别方法，采用水平声基阵进行目标信号的接收，该方法包括如下步骤：
取水平声基阵的接收信号进行宽带频域波束形成处理，在目标方向上形成波束输出；宽带频域为带宽大于1/10中心频率的频域。
对波束输出的频域信号计算功率谱的指数幂。
对功率谱的指数幂进行延拓得到最终功率谱序列，对功率谱序列进行反傅里叶变换，并取实部，得到自相关函数序列。
对自相关函数序列中的负值进行平方运算后，再进行背景归一化处理，得到归一化序列。
将归一化序列逐点与设定的检测门限进行比较，若超过设定的检测门限的数据段宽度大于设定的宽度门限则将目标识别为水下目标；
取归一化序列的均值作为设定的检测门限，设定的宽度门限为经验值。
进一步地，对波束输出的频域信号计算功率谱的指数幂，具体为：
对波束输出的频域信号计算功率谱的α次幂，0<α<1。
进一步地，对功率谱的指数幂进行延拓得到最终功率谱序列，具体为：功率谱的指数幂中，带宽下限频率为kl，带宽下限频率为kh，将带宽下限频率kl处的功率谱值赋给0频到带宽下限频率kl之间的频段，将带宽上限频率kh的功率谱值赋给带宽上限频率kh到半采样频率之间的频段，得到第一功率谱序列，然后把第一功率谱序列反转，翻转后的序列第1个值用0代替，得到第二功率谱序列，将第一功率谱序列和第二功率谱序列拼接成最终功率谱序列。
进一步地，对自相关函数序列中的负值进行平方运算后，再进行背景归一化处理，得到归一化序列，具体为：
将自相关函数序列中大于0的值置0，得到自相关函数负值序列。
采用α滤波对自相关函数负值序列做短时平均，获得信号均值；其中短时平均中的短积分参数为ma；取ma小于10。
采用α滤波对自相关函数负值序列做长时平均，获得检测背景；其中长时平均中的长积分参数为mb；取mb大于10。
用信号均值逐点除以监测背景，得到归一化序列。
进一步地，将归一化序列逐点与设定的检测门限进行比较，若超过设定的检测门限的数据段宽度大于设定的宽度门限则将目标识别为水下目标，具体为：归一化序列逐点与检测门限比较，若存在一个数据段n1～n2之间所有的归一化序列取值均大于设定的检测门限，且n2-n1大于设定的宽度门限，则识别为水下目标。
有益效果：
本发明提供了一种波束域自相关水下目标识别方法，能够通过水平声基阵形成宽带频域波束，提高时频增益与空间增益，同时对倒谱多径时延估计进行改进，得到有一定时间宽度的水面反射峰，便于通过幅度与宽度门限进行检测并判决是否水下目标。该方法是波束形成后再自相关处理，能增强水下目标的多径反射信号，提取更清晰的水面反射峰值。由于采用波束处理，对波束外的各种干扰有很强的抑制能力，实现了水下目标多径时延峰值的检测与水下目标的识别。
附图说明
图1为本发明提供的一种波束域自相关水下目标识别方法流程图；
图2为本发明实施例中水下目标一帧数据的波束域自相关曲线与门限比较示意图；
图3为本发明实施例中水面目标一帧数据的波束域自相关曲线与门限比较示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种波束域自相关水下目标识别方法，其流程如图1所示，采用水平声基阵进行目标信号的接收，该方法包括如下步骤：
s1、取水平声基阵的接收信号进行宽带频域波束形成处理，在目标方向上形成波束输出；宽带频域为带宽大于1/10中心频率的频域；
s2、对波束输出的频域信号计算功率谱的指数幂；本发明实施例中，对波束输出的频域信号计算功率谱的α次幂，0<α<1。
s3、对功率谱的指数幂进行延拓得到最终功率谱序列，对功率谱序列进行反傅里叶变换，并取实部，得到自相关函数序列。
本发明实施例中，对功率谱的指数幂进行延拓得到最终功率谱序列，具体为：功率谱的指数幂中，带宽下限频率为kl，带宽下限频率为kh，将带宽下限频率kl处的功率谱值赋给0频到带宽下限频率kl之间的频段，将带宽上限频率kh的功率谱值赋给带宽上限频率kh到半采样频率之间的频段，得到第一功率谱序列，然后把第一功率谱序列反转，翻转后的序列第1个值用0代替，得到第二功率谱序列，将第一功率谱序列和第二功率谱序列拼接成最终功率谱序列。
s4、对自相关函数序列中的负值进行平方运算后，再进行背景归一化处理，得到归一化序列；本发明实施例中，具体为：
将自相关函数序列中大于0的值置0，得到自相关函数负值序列。
采用α滤波对自相关函数负值序列做短时平均，获得信号均值；其中短时平均中的短积分参数为ma；取ma小于10。
采用α滤波对自相关函数负值序列做长时平均，获得检测背景；其中长时平均中的长积分参数为mb；取mb大于10。
用信号均值逐点除以监测背景，得到归一化序列。
s5、将归一化序列逐点与设定的检测门限进行比较，若超过设定的检测门限的数据段宽度大于设定的宽度门限则将目标识别为水下目标；
本发明实施例中，该步骤具体为：归一化序列逐点与检测门限比较，若存在一个数据段n1～n2之间所有的归一化序列取值均大于设定的检测门限，且n2-n1大于设定的宽度门限，则识别为水下目标。
本发明实施例中，取归一化序列的均值作为设定的检测门限，设定的宽度门限为经验值。
本发明给出如下具体实施例。
对m元水平声基阵接收到的m路信号滤波放大后进行采样，采样频率fs，得到离散信号序列x1(n),x2(n),……,xm(n),n＝1,2,……,n，n是偶数。
step1、频域宽带波束形成
对序列x1(n),x2(n),……,xm(n)分别进行fft运算，得到复数序列x1(k),x2(k),……,xm(k),k＝1,2,……,n。
频域宽带波束形成在带宽fl～fh之间进行，把带宽fl～fh按fs/n间隔划分为若干窄带，在每个窄带上进行波束形成，然后把各个窄带的波束输出平均，得到宽带波束形成输出序列y(kl)～y(kh)，其中
式中，
step2、对波束输出求α次幂运算
y1(k)＝yα(k)，k＝kl～kh，带宽下限频率为kl，带宽下限频率为kh。
step3、求自相关函数序列
首先对y1(k)进行延拓处理，
y1(k)＝y1(kl)，k＝0～kl-1
y1(k)＝y1(kh)，k＝kh 1～n/2-1
这样得到一个长度为n/2点的序列y1(k)，k＝0～n/2-1。
把y1(k)时间反转，得到y2(k)，令y2(0)＝0。
把y2(k)拼接在y1(k)后，得到一个n点的新序列z(k),k＝0～n-1。
对z(k)进行反fft处理，取其实部，得到自相关函数序列z(n),n＝0～n-1。
step4、背景归一化
自相关函数序列z(n)是左右对称的，后续处理只使用前n/2点。
首先对序列z(n),n＝0～n/2-1中大于0的点赋0值，然后对每个值平方运算，得到序列p(n),n＝0～n/2-1。
采用α滤波对序列p(n)分别做短时平均和长时平均运算。短时平均获得信号均值
长时平均获得检测背景
其中初始值
用
step5、门限比较与判决
检测门限取序列c(n)的均值。
序列c(n)逐点与门限比较，如果c(n1)与c(n2)之间的数据都大于检测门限，且n2-n1大于宽度门限，则满足判决条件，识别为水下目标。宽度门限是经验值，一般大于20，以避免尖脉冲干扰。
图2是水下声源一帧数据波束域自相关函数曲线与门限比较的情况，幅度与宽度门限满足门限要求，判决为水下目标。图3是水面目标一帧数据波束域自相关函数曲线与门限比较的情况，幅度与宽度门限不满足门限要求，判决为水下目标。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种波束域自相关水下目标识别方法，其特征在于，采用水平声基阵进行目标信号的接收，该方法包括如下步骤：
取所述水平声基阵的接收信号进行宽带频域波束形成处理，在目标方向上形成波束输出；所述宽带频域为带宽大于1/10中心频率的频域；
对波束输出的频域信号计算功率谱的指数幂；
对功率谱的指数幂进行延拓得到最终功率谱序列，对所述功率谱序列进行反傅里叶变换，并取实部，得到自相关函数序列；
对自相关函数序列中的负值进行平方运算后，再进行背景归一化处理，得到归一化序列；
将所述归一化序列逐点与设定的检测门限进行比较，若超过所述设定的检测门限的数据段宽度大于设定的宽度门限则将所述目标识别为水下目标；
取所述归一化序列的均值作为所述设定的检测门限，所述设定的宽度门限为经验值。
2.如权利要求1所述的方法，其特征在于，所述对波束输出的频域信号计算功率谱的指数幂，具体为：
对波束输出的频域信号计算功率谱的α次幂，0<α<1。
3.如权利要求1所述的方法，其特征在于，对功率谱的指数幂进行延拓得到最终功率谱序列，具体为：
所述功率谱的指数幂中，带宽下限频率为kl，带宽下限频率为kh，将带宽下限频率kl处的功率谱值赋给0频到带宽下限频率kl之间的频段，将带宽上限频率kh的功率谱值赋给带宽上限频率kh到半采样频率之间的频段，得到第一功率谱序列，然后把第一功率谱序列反转，翻转后的序列第1个值用0代替，得到第二功率谱序列，将第一功率谱序列和第二功率谱序列拼接成最终功率谱序列。
4.如权利要求1～3所述的方法，其特征在于，所述对自相关函数序列中的负值进行平方运算后，再进行背景归一化处理，得到归一化序列，具体为：
将所述自相关函数序列中大于0的值置0，得到自相关函数负值序列；
采用α滤波对自相关函数负值序列做短时平均，获得信号均值；其中短时平均中的短积分参数为ma；取ma小于10；
采用α滤波对自相关函数负值序列做长时平均，获得检测背景；其中长时平均中的长积分参数为mb；取mb大于10；
用所述信号均值逐点除以所述监测背景，得到所述归一化序列。
5.如权利要求4所述的方法，其特征在于，所述将所述归一化序列逐点与设定的检测门限进行比较，若超过所述设定的检测门限的数据段宽度大于设定的宽度门限则将所述目标识别为水下目标，具体为：
所述归一化序列逐点与所述检测门限比较，若存在一个数据段n1～n2之间所有的归一化序列取值均大于所述设定的检测门限，且n2-n1大于所述设定的宽度门限，则所述识别为水下目标。
技术总结