林 伟, 王汗青, 苑秉成, 王平波



基于SαS的水声信号噪声统计分布建模

林 伟, 王汗青, 苑秉成, 王平波

(海军工程大学 兵器工程系, 湖北 武汉, 430033)

0 引言

目前, 绝大多数自导鱼雷都以水声场作为控制场的自导系统, 即通过分析、处理接收到的水声信号完成对目标的探测和跟踪。传统的水声信号处理都是在背景噪声满足高斯分布假设的前提下, 采用基于2阶统计量的方法进行的[1]。然而, 在实际应用中, 由于海洋生物、人为噪声, 尤其是在主动自导条件下产生的混响噪声, 鱼雷自导系统接收到的水声信号背景噪声并不是高斯分布的, 主要体现在其概率密度分布具有厚拖尾现象。在这种非高斯噪声环境下, 若仍然采用高斯假设, 则会导致鱼雷自导系统性能退化。目前, 用于非高斯水声信号噪声描述的模型主要有瑞利分布、分布、混合高斯分布等[2-4]。

1 SαS稳定分布

式(1)满足如下条件

2 基于SαS分布模型水声试验数据验模

分别取水池、湖试及海试3种典型水声环境, 并默认为环境噪声比重依次增加, 混响噪声比重依次降低。

2.1 水池试验数据SαS分布模型验模

试验水槽长25 m, 宽2.5 m, 水底平整, 细沙底质, 厚度0.4 m, 水槽水深度及收发换能器高度可调。

图1 SαS分布模型对水池试验数据概率分布函数的拟合性能

Fig. 1 Fitting performance of probability distribution funtion(PDF) of symmetric α-stable(SaS) distribution model for tank trial data

2.2 湖试数据SαS分布模型验模

试验区选在水域开阔、安静, 底部多为泥土夹杂沙石砾, 属硬底质类的湖域。试验进行时, 天气晴好, 湖上有微风。

图2 SαS分布模型对湖试数据PDF的拟合性能

2.3 海试数据SαS分布模型验模

试验地点, 天气晴朗, 风速3~4级, 海况2级, 海深约76~84 m, 海底平坦, 声速153 2~153 8 m/s, 微正声速梯度。……