徐海珠，袁延艺，刘雄厚，余 赟

(海军装备研究院，北京 100161)

线阵声诱饵对抗智能鱼雷尺度识别效果分析

徐海珠，袁延艺，刘雄厚，余 赟

(海军装备研究院，北京 100161)

针对智能鱼雷常用的目标尺度识别方法，建立了线阵声诱饵模型。采用边发边收和多点协同应答的方法，模拟尺度目标高频回波。采用方位走向法和视在张角法对该模型进行尺度识别分析，仿真结果证明线阵声诱饵具有尺度目标的方位延展特性，可有效对抗智能鱼雷的尺度识别。

线阵声诱饵；尺度识别；方位走向；视在张角

0 引 言

近年来，随着鱼雷技术的发展，声自导鱼雷普遍具备一定的智能性，其显著特点是有较强的目标识别能力[1-2]。水声目标识别主要采用目标辐射噪声特征识别和回波特征识别方法，由于舰船辐射噪声特征主要分布在低频段，鱼雷自导基阵因孔径限制只能工作在高频段，因而鱼雷声自导常用目标回波特征识别。文献[3]分析了方位走向识别法，根据目标回波短时方位序列的线性变化特点，将目标的一个回波从时间上分成多个子回波，估计每个子回波的方位信息，通过最小二乘法估计目标的方位角跨度，若超过门限则认为是尺度目标。文献[4]指出尺度目标和鱼雷可构成一个以鱼雷为顶点的视在张角，视在张角若超过门限则认为是尺度目标。文献[5]研究了回波相位谱宽度识别方法，指出由于目标尺度较大，各亮点回波相位差异使相位谱宽度较大，而点源声诱饵的相位谱宽度较小。文献[6]采用 MUSIC 方法，利用信号子空间和噪声子空间的正交性获得空间扫描谱，对目标多亮点进行方位估计，从而实现目标尺度的识别。然而，通过相位谱宽度法可以分辨出尺度目标和点源声诱饵，却难以分辨尺度目标和噪声干扰器[3]，MUSIC 方法在回波信噪比较低或者未知目标亮点数目时，识别效果较差[7]，视在张角法和方位走向法具有更高的工程可行性[1-2]。

针对传统点源声诱饵易被智能鱼雷识别的缺点，本文首先探讨体目标和点目标的回波信号差别，在分析方位走向和视在张角等常用尺度识别原理的基础上，建立线阵声诱饵的物理模型和回波模型。采用方位走向法和视在张角法对该模型进行尺度识别数值仿真，分析线阵声诱饵对抗智能鱼雷尺度识别的效果。

1 鱼雷尺度识别原理分析

1.1 体目标回波特点分析

理论分析和试验证明，体目标的高频回波主要由若干个亮点的回波叠加而成，因而体目标可以等效成若干个亮点的组合[8]。传统声诱饵（回波应答器）回波信号是一个点目标信号，在目标方位上可近似为一个点的方位，而舰艇目标是一个具有一定空间分布和延展的体目标。与点目标相比，体目标多亮点模型可表现出目标体积展布、各部位反射能力差异和各部位之间的遮蔽效应，因而使目标特征得到了更真实的反映[9]。

相对于发射信号，体目标的高频回波主要具备以下特征[10-11]：1）目标在距离方向上的散布造成回波时延和脉冲展宽；2）目标不同部位的反射能力差异造成回波信号的包络起伏；3）目标和鱼雷的相对运动使回波产生了多普勒频移；4）目标在方位方向上的尺度特性造成了回波方位延展和相位起伏。

常用的点源声诱饵可模拟体目标的回波时延和脉宽增大、包络幅度起伏和多普勒频移，但是难以模拟体目标由于尺度特性造成的方位延展和相位起伏。根据以上差异，智能鱼雷可采用尺度识别的方法区分体目标和点源声诱饵，工程上常用的尺度识别方法包括视在张角法和方位走向法等[12]。

1.2 视在张角法工作原理

以鱼雷为顶点，鱼雷与目标两端的连线为两边，形成的夹角称为鱼雷的视在张角，如图 1 所示。通过鱼雷自导基阵直接测量目标长度，该值与鱼雷所处的舷角、目标几何长度、声速和发射脉冲波长有关，测量精度较差。若将目标有效长度和鱼雷构成视在张角，雷目距离在一定范围内时，点目标与体目标的视在张角差别悬殊，可通过一定的门限来区分。

由于舰艇回波可看做自身多亮点的子回波叠加而成，信号反射过程会引起信息模糊。信息模糊导致的尺度损失主要位于回波的开始和结束点，即目标的首尾段。图 1 的态势中，设鱼雷位于 T 点，舰艇的实际长度和有效长度分别为 l0，l；鱼雷与舰艇首部、中部、尾部的距离分别为 r1，r，r2；鱼雷位于舰艇的舷角 q 处，鱼雷的目标视在张角 ∠A1TAN的计算方法为：

1.3 方位走向法工作原理

体目标的高频回波可由若干个点目标的回波叠加而成，且体目标回波的短时方位序列呈现出线性变化趋势，因而可采用方位走向法进行目标尺度识别。本文采用短时方位序列分裂波束互谱法估计目标的方位走向，其步骤为：

1）确认检测到目标回波时，将该帧回波分为 N 个子帧。第 i 个子帧进入分裂波束的左右通道，分别记为s1（t）和 s2（t）。

2）经 FFT 变换后得到相位谱 a1（i）和 a2（i），该子帧的目标方位角为 a（i）= a1（i）– a2（i）；

3）对 N 个方位角数据利用最小二乘法进行一元线性拟合，得到 N 个子回波的方位角序列，并计算出目标的方位走向（方位角跨度）为 Tr，该数值超过一定门限则判断为体目标。

2 线阵声诱饵模型的建立

基于舰艇高频回波的多亮点理论，声诱饵需要实现寻的信号检测并采用多亮点应答；为实现对鱼雷的诱骗脉冲、时间—频率分集信号的检测和应答，声诱饵需要实现边发边收能力；为精细模拟尺度目标的回波特征，需要实现多亮点的协同应答。

2.1 声诱饵的物理模型

设线阵声诱饵有 N 个发射单元，文献[7]指出 N 的数值范围一般为 3～7，接收单元的数量可为 1～N，因而线阵声诱饵模型有 1 收 N 发模型、2 收 N 发模型和N 收 N 发模型。其中 1 收 N 发模型测向精度最低，但需要的接收模块最少，结构最简单；N 收 N 发模型测向精度最高，但需要的接收模块最多，且收发隔离要求导致线阵也最长；2 收 N 发模型可以很好的兼顾模拟精细度和经济性。因而本文采用 2 收 N 发模型，即在线阵的两端分别设置接收模块保证鱼雷测向和测频精度，中间设置多个发射模块实现多亮点回波，且进行收发模块隔离实现边收边发能力（见图 1)。

2.2 声诱饵的回波模型

为实现精细化对抗，线阵声诱饵需要模拟尺度目标回波的时域、频域、空域特性，其中目标回波时域特性主要指目标回波时延、脉冲展宽和传播衰减，频域特性主要指各点的多普勒频移和反射相位跳变，空域特性主要是目标不同部位对不同方位的反射能力差异。

图1 显示的态势中，设雷目距离为 r（波数为 k）；第 i 个亮点的反射强度为 TSi，其位于鱼雷的舷角为qi，且与相邻亮点的距离为 li；水中的声速为 c，舰艇航速为 v，鱼雷寻的信号中心频率为 ω0，可得：

1）回波包络分析。回波包络中需要考虑传播衰减、反射强度和回波展宽，经分析可得传播衰减模型为 ejkr/r，亮点反射强度为 10TSi(θ)/20，亮点的回波展宽为 τi=2licosqi/c。

3）多普勒频移。鱼雷与舰艇深度差可忽略，一般鱼雷已经对自身运动进行多普勒补偿，可得多普勒频移为 ωi=2ω0vcosqi/c。

4）亮点相位跳变。入射声波遇到亮点后反射，回波信号中引入了相位跳变 φi，是一个在（0,2π）内均匀分布的随机变量。p(t)=p0(t)e−jω0t

设鱼雷发射的窄带脉冲信号为 ，其中 p0（t）为脉冲包络，则 N 个亮点的线阵声诱饵的回波模型为：

3 线阵声诱饵对抗尺度识别仿真分析

根据以上理论分析和线阵声诱饵模型，设舰艇目标几何长度为 120 m，鱼雷寻的信号为频率 25 kHz、脉宽为 50 ms 的 CW 信号，接收信噪比为 15 dB。采用视在张角法和方位走向法对线阵声诱饵回波进行尺度识别，分析线阵声诱饵对抗鱼雷尺度识别能力。

3.1 视在张角法识别效果仿真分析

图2 为雷目距离 500 m 时，体目标和点目标视在张角随舷角的变化。图 3 为舷角为 90° 时，体目标和点目标视在张角随雷目距离的变化。

由图 2 和图 3 的仿真结果可知，所提出的线阵声诱饵模型可模拟尺度目标高频回波的方位延展特性，基于视在张角的尺度识别方法无法分辨该诱饵和真实目标，说明该诱饵可有效对抗基于视在张角的智能鱼雷尺度识别。仿真还可得出视在张角识别法具有以下特点：

1）舷角在 [30°，150°] 内有较好的识别能力，其中在 [60°，120°] 内识别效果最好。鱼雷位于首尾方向时，子回波相互重叠导致视在张角数值较小，与点目标难以区分。

2）识别距离远，雷目距离 ≤1 000 m 时，具有较好的识别能力。

3）抗干扰能力强，一般在 SNR ≥ 0 dB 时具有较好的识别能力。

3.2 方位走向法识别效果仿真分析

图4 为舷角为 60° 时体目标和点目标方位走向对比。图 5 为体目标和点目标方位走向跨度随舷角的变化。

图4 和图 5 显示，所提出的线阵声诱饵模型可模拟尺度目标高频回波的方位延展特性，基于方位走向的尺度识别方法无法分辨该声诱饵和真实目标，说明线阵声诱饵可有效对抗基于方位走向法的智能鱼雷尺度识别。仿真还可得出方位走向法具有以下特点：

1）鱼雷处于舰艇舷角为 [30°，60°] 度和 [120°，150°] 时识别效果较好，鱼雷处于目标正横、首尾方向时识别效果较差。鱼雷处于舰艇目标正横附近时回波方位数据发散较大因而方位走向较小，鱼雷处于舰艇艏艉方向时子回波相互重叠导致方位跨度值较小。

2）识别距离远，雷目距离 ≤ 1 000 m 时，具有较好的识别能力。

3）抗干扰能力强，一般在 SNR ≥ 0 dB 时具有较好的识别能力。

4）脉宽较小时识别能力较差，一般在脉宽大于 10 ms时具有较好的识别能力。

4 结 语

针对传统点源声诱饵易被智能鱼雷识别的缺点，本文提出了线阵声诱饵的物理模型和回波模型，并采用常用的视在张角法和方位走向法分别进行尺度识别的仿真分析。仿真结果显示，该线阵声诱饵模型可有效对抗智能鱼雷尺度识别，对线阵声诱饵的工程研制和试验具有一定的指导意义。

[1]王华奎, 黄海宁, 叶青华. 自航式拖曳声诱饵对抗声自导鱼雷的初步研究[J]. 舰船科学技术, 2008, 30(4): 165–167. WANG Hua-kui, HUANG Hai-ning, YE Qing-hua. The research of swim-out towed array acoustic decoy antagonizing acoustic-guided torpedo[J]. Ship Science and Technology, 2008, 30(4): 165–167.

[2]陈迎春, 吴碧, 蔡旭东. 自航式声诱饵对抗声自导鱼雷的策略[J]. 舰船科学技术, 2012, 34(6): 38–42. CHEN Ying-chun, WU Bi, CAI Xu-dong. Optimal strategy for swim-out acoustic decoy to countermeasure torpedo[J]. Ship Science and Technology, 2012, 34(6): 38–42.

[3]马国强, 徐德民, 王新晓. 基于目标方位走向的水下目标尺度识别技术仿真研究[J]. 舰船科学技术, 2004, 26(3): 39–42. MA Guo-qiang, XU De-min, WANG Xin-xiao. A study of simulation for underwater target scale identification with the technique of target azimuth tendecy[J]. Ship Science and Technology, 2004, 26(3): 39–42.

[4]刘朝晖, 付战平, 王明洲. 基于方位走向法和互谱法的水中目标识别[J]. 兵工学报, 2006, 27(5): 932–935. LIU Zhao-hui, FU Zhan-ping, WANG Ming-zhou. Underwater target identification based on the methods of bearing and crossspectrum [J]. Acta Armamentarii, 2006, 27(5): 932–935.

[5]陈春玉. 尺度目标识别中的若干技术问题[J]. 鱼雷技术, 2003(3): 9–13. CHEN Chun-yu. Some technical problems in target scale recognition[J]. Torpedo Technology, 2003(3): 9–13.

[6]周浩, 蒋兴舟, 袁志勇. 基于波束域MUSIC方法的高分辨方位估计[J]. 海军工程大学学报, 2007, 19(2): 72–75. ZHOU Hao, JIANG Xing-zhou, YUAN Zhi-yong. Study of the high resolution DOA estimation technology based on the beam space MUSIC algorithm[J]. Journal of Naval University of Engineering, 2007, 19(2): 72–75.

[7]陈辉, 王永良. 空间谱估计算法结构及仿真分析 [J]. 系统工程与电子技术, 2001, 23(8): 76–80. CHEN Hui, WANG Yong-liang. The frame of spatial spectrum and simulation[J]. Systems Engineering and Electronics, 2001, 23(8): 76–80.

[8]汤渭霖. 声呐目标回波的亮点模型[J]. 声学学报, 1994(2): 56–60. TANG Wei-lin. Light spot model of sonar target echo[J]. Acta Acustica, 1994(2): 56–60.

[9]石敏, 陈立纲, 蒋兴舟. 具有亮点和方位延展特征的线列阵声诱饵研究[J]. 海军工程大学学报, 2005, 17(1): 58–62. SHI Min, CHEN Li-gang, JIANG Xing-zhou. On linear array acoustic bait with light spot and azimuth-range extension feature[J]. Journal of Naval University of Engineering, 2005, 17(1): 58–62.

[10]崔怀林, 杨云川, 李志舜. 水下体目标回波空间方位特性仿真研究[J]. 系统仿真学报, 2006(6): 86–91. CUI Huai-lin, YANG Yun-chuan, LI Zhi-shun. Research on spatial bearing characteristics simulation method of underwater target echo based on circular arc array[J]. Journal of System Simulation, 2006(6): 86–91.

[11]王新晓, 黄建国, 张群飞. 基于复包络的目标回波信号高效仿真方法[J]. 系统仿真学报, 2005(12): 45–50. WANG Xin-xiao, HUANG Jian-guo, ZHANG Qun-fei. Efficient simulation method of underwater target echo based on complex envelopes[J]. Journal of System Simulation, 2005 (12): 45–50.

[12]张波, 安天思, 韩静. 水下复杂目标宽带回波精细特征提取[J]. 哈尔滨工程大学学报, 2010(7): 87–91. ZHANG Bo, AN Tian-si, HAN Jing. Extracting fine details in broadband echoes from complex underwater targets[J]. Journal of Harbin Engineering University, 2010(7): 87–91.

On performance analysis of linear array decoy in confronting smart torpedo

XU Hai-zhu, YUAN Yan-yi, LIU Xiong-hou, YU Yun
(Naval Academy of Armament, Beijing 100161, China)

According to target dimension recognition method used by the smart torpedo, we establish a linear array decoy model in this paper. We use the sequentially transmit and receive method and the multiple point replying method to simulate the high-frequency target echo. Furthermore, we utilize the bearing varying method and the apparent angle method to evaluate the linear array decoy. Simulation results show that the linear array decoy has the characteristic of dimension expanding, suggesting that the linear array decoy is capable of countering the target dimension recognition of the smart torpedo.

linear array decoy；target dimension recognition；bearing varying；apparent angle

TB55

A

1672–7619(2017)05–0135–04

10.3404/j.issn.1672–7619.2017.05.027

2016–11–28；

2017–01–03

国家自然科学基金资助项目(11404406)

徐海珠(1983–)，男，工程师，研究方向为水声工程。