马龙双 许枫 刘佳 蒋立军

(1 中国科学院声学研究所 北京 100190)

(2 中国科学院大学 北京 100049)

0 引言

侧扫声呐系统[1](Side-scan sonar system,SSS)以其分辨率高、能呈现连续二维海底图像的优势，广泛应用于地貌探测和沉底小目标搜探中。底混响是侧扫声呐进行沉底小目标探测的主要干扰。底混响是由发射信号引起的，其谱结构与发射信号具有一定的相似性，常被视为是一种非平稳、非高斯的带限噪声[2−3]。目前，混响抑制[4−8]主要包括3个途径：(1)设计窄波束；(2)改善声呐的发射波形；(3)对声呐接收端信号进行后处理。

国内外学者针对混响抑制问题做了大量的研究工作。文献[2]假设混响局部平稳，提出了基于自回归(Auto-regressive,AR)模型预白化处理的方法，将非高斯有色混响预白化。文献[9]通过仿真和实验数据的处理，证明了基于AR模型的预白化处理可提高匹配滤波的增益。在强混响条件下，白化后进行匹配滤波的处理结果不甚理想。文献[10–12]利用分数阶傅里叶变换进行滤波处理以实现混响抑制，但这种方法只适用于线性调频信号。文献[13–14]基于信号子空间理论，利用主元求逆(Principal component inverse,PCI)算法实现了混响和信号的分离，但其定阶困难。为了提高侧扫声呐对沉底静态小目标的检测性能，本文提出采用一种次最佳检测与多分辨二分奇异值分解(Multi-resolution binary singular value decomposition,MBSVD)算法相结合的侧扫声呐底混响抑制方法。该方法首先利用改进Burg算法估算分段数据的AR模型并造白化滤波器，对观测信号进行预白化处理；然后利用MBSVD方法，将观测信号逐级分解为目标信号和混响信号；……