STAP在主动声纳中的应用 祝恒年

STAP在主动声纳中的应用祝恒年1赵航芳(杭州应用声学研究所声纳技术国防科技重点实验室浙江杭州310012)Space-Time Adaptive Processing for Active Sonar SystemsZhu hengnian Zhaohangfang(Hangzhou Applied Acoustics Research Institute， P.O.BOX 1249，Hangzhou, Zhejiang, P.R.China 310012)1引言自从 1973 年 Brennan 和 Reed 把 STAP(SpaceTime Adaptive Processing)的概念引入雷达领域后， STAP受到广泛的关注，许多研究者进行了大量的研究。以往STAP的研究大部分是结合机载雷达进行的， 近几年来，国外一些研究者也把STAP应用到声纳中【2,3,4】，在国内尚未见到将STAP应用到声纳中的文献公 开发表。在信号处理中，当时间变量和空间变量有函数依赖关系时，有必要采用空时联合处理的方法。在主动 声纳中，由于混响的多普勒频移和混响的到达方位角之间存在一定的函数关系，因此有必要采用空时联合 处理的方法。本文从理论分析到数值仿真来验证STAP方法在主动声纳中应用的可行性。本文第二部分主 要给出STAP处理的主动声纳信号模型，第三部分给出空时自适应滤波器的构成，第四部分进行数值仿真 与实际数据处理，第五部分为总结。2主动声纳的信号模型在主动声纳中，对于N元均匀线阵，小于等于半波长布阵，采用CW脉冲信号，利用一个回波周期信 号x m = x (tm )表示在tm = mT s时刻N元均匀线阵的输出，其中T = 1/ F代表时间采样间隔。 xp = (xp，xP+M_1)表示接收阵在M个连续时刻的输出向量。本文中和*分别表示矩阵转置和 Hermitian操作。定义x = s + r + n为信号加混响、非相干噪声。目标s可以表示为具有复幅度匕，入 射方向为3 t，多普勒频移为匕。可以写成如下的形式：s = a (d (3 , f + f)区d (f + f) = a d (3 , f + f)(1)t s t c tf c tt s, f t c t在式子中表示Kronecker积，d, (3, f + f)为N维的空间驾驶向量，各个元素为 ej (fc+ft四* Pt (n = 0,., N -1)，其中d为阵元的间距，C为水下声速；df (f + f)为M维的时间(多普勒)驾驶向量，各个元素为e-jgfc+ft)mTs (m = 0,., M -1)。混响可以建模为从不同方向具有相应的多普勒频移的独立反射信号的叠加，混响的协方差矩阵可以写 成如下的形式：C =2 v (3, f + f )d (3, f + f )d (3, f + f )*(2)x, r0 k c k s, f k c k s, f k c kk其中f,为混响的多普勒频移，匕(p ,f + f)是在参考阵元上从3方向具有相应的多普勒频移A的反射 k0 k c kkk信号的能量谱密度。fk可以由下式确定：f - 2V f cos 3 / C(3)kp ck其中Vp为自身平台的速度，C为声速，f为发射信号的中心频率。3空时自适应滤波器的构成 空时处理器是一个空时二维线性滤波器，它把一个距离门的数据线性组合起来，产生一个标量输出， 波束形成和多普勒分析同时进行。这个处理器可以可以由一个MN维的权向量表示，处理器的输出可以 表示为z = *x对于给定的波束方向3 0，多普勒频率为f，使信混噪比最大化的最佳权向量为：op广 Cx,r,nds, f(30, fc + f0)(4)其中C/为混响噪声协方差矩阵。在实际中，混响噪声协方差矩阵是未知的，需要从接收数据中*对其进行估计：Cx r, n = （1/K）zK= xkxk，其中xk是在目标距离门附近的数据，假设在这个估计 中没有包含目标信号。这个估计值用来计算（4）式的权向量，从而可以得到处理器的输出。4仿真与实际数据处理接收线阵有16个阵元，频率为5.25 kHz。发射信号为CW信号，中心频率为5 kHz，混响由不同方 向相互独立的散射叠加而成。仿真的情景如图1所示。参数如下：脉冲长度0.1s ,M=64个样本，L=5个 脉冲，K=500个快拍每个脉冲。本舰的速度是20kts，两个目标距离本舰1700m，速度分别是30kts和70kts。 常规处理和STAP处理的仿真结果分别如图2和图3所示：-m a 吓图1仿真情景图2 常规处理图3 STAP处理图4和图5为某次海试实际混响数据的多普勒频移与方位的关系:发射PCW信号，中心频率1500Hz,采样率6000Hz，脉宽分别为2s和4s，本船速度6节。图4多普勒频移与方位的关系（脉宽2s）图5多普勒频移与方位的关系（脉宽4s）从以上仿真结果可以看出，对于慢目标，常规处理目标很可能被混响所掩埋，而空时自适应处理则 能很好地抑制混响，检测出目标。从实际海试数据处理看出混响的多普勒频移随方位的变化而变化。而 且较好地吻合式子（3），因此STAP可以用来抑制混响。5总结本文从理论分析和仿真、实际数据处理验证7STAP在主动声纳中应用的可行性。STAP能较好地抑制 混响，对检测慢目标具有优于常规方法的效果。由于缺乏实际运动目标的数据，下一步的工作是进行试 验验证，进一步检验STAP在主动声纳中用来抑制混响的效果。参考文献1 Brennan,L.E. and Reed,I.S. “Theory of adaptive radar” IEEE Transactions on Aerospace and Electronics Systems,AES-9,2（Mar.1973）2 Klemm,R. “Interrelations between matched-field processing and airborne MTI radar” IEEE Journal ofOceanic Engineering 1993,18,（3）3 Maiwald,D. ,Benen,S., Hostermann,H., and Schmidtschierhorn,H. “Space-time adaptive processing foractive towed array sonar systems” Proceedings of Underwater defence technology Europe ,Hamburg,Gemany,20014 Parsons,N. “Adaptive reverberation suppression” Proceedings of Underwater defence technology Europe ,Hamburg,Germany,20011作者简介：祝恒年，男，杭州应用声学研究所硕士研究生，研究方向为水声信号处理。