本发明涉及的是一种水声信号处理方法，具体地说是一种针对水下小目标声散射问题，提取主动声呐目标的单分量声散射回波信号的方法。
背景技术：
海洋环境的特殊性使得传统以电磁波为载体的通信、探测方法在水下无法实现，而声波作为目前已知的唯一能在水下进行远距离传输的手段，成为水下探测、通信的主要手段。对于安静型小目标，多数情况下只能采用主动声呐进行探测。同时，由于目标体积较小，使得以线性声学理论为基础的几何回波难以将目标回波与环境中其他障碍物的回波进行区分。而弹性声散射回波由于其携带了目标的材料、状态等信息，可以用于区分人工目标与非人工目标，在学术领域引起了一定的重视。
水下的主动声呐目标声散射回波通常包含几何与弹性回波两种回波分量，其产生机理存在较大差异，因而处理方法不同。几何回波产生过程简单，遵从线性声学规律，所以针对几何回波的信号处理方法比较成熟；而弹性回波产生机理复杂，不是所有入射角度下都稳定存在，并且一般情况下能量弱于几何回波，所以弹性回波的提取、分析存在较大困难。
传统的信号处理方法如时频分析、小波变换受由于分辨率的限制，难以获得较为纯净的单分量的声散射回波信号；匹配滤波对于几何回波能够得到很好的处理效果，但是对于弹性回波的处理存在困难。这是因为，匹配滤波需要已知大量的先验信息，而目前对于弹性回波的研究尚难以提供足够的先验信息满足匹配滤波的需要。
盲分离方法能够在先验信息未知的情况下获得对源信号的估计，但是该方法通常要求源信号彼此独立。在实验数据处理过程中发现，盲分离算法往往只能分别对几何回波与弹性回波进行加强，不能做到彻底分离的目的，这是因为实际情况中信号的独立性难以满足。夏峙，李秀坤提出将线性调频信号变换为单频信号并进行窄带滤波的方法，能够提取较为纯净的几何与弹性回波分量，但作者给出的窄带滤波器参数设计方法需要人为地进行指定，这就限制了算法的自动化应用。[水下目标弹性声散射信号分离，物理学报，2015，64(9)：348-355]。
技术实现要素：
本发明的目的在于提供一种不需要先验信息即可提取得到纯净单分量回波信号，能自动化提取水下主动声呐目标单分量声散射回波信号的水下小目标单分量声散射回波的变换域提取方法。
本发明的目的是这样实现的：
(1)变换域盲分离：将主动声呐回波信号变换到变换域；
(2)几何回波筛选：任意选取某个接收通道的声散射回波，并变换到变换域，将此信号在变换域中的形式作为模板，从盲分离的输出信号中筛选出几何回波被加强的通道；
(3)变换域特征提取：进行特征提取过程，所得特征参数用于声散射回波的分类与提取过程；
(4)弹性回波筛选：利用几何回波在频域的特征参数，设计陷波器，对盲分离输出通道进行滤波，去除其中的几何成分，然后筛选出弹性回波被加强的通道，并对此通道信号进行步骤(3)描述的特征提取过程，获取弹性回波在变换域中的特征参数；
(5)根据步骤(2)～步骤(4)获得的特征参数，设计窄带滤波器，对回波信号在变换域中进行窄带滤波，获得回波分量在变换域中的形式；
(6)对滤波输出进行反变换，得到纯净的声散射回波分量。
本发明还可以包括：
1、步骤(1)中所述将主动声呐回波信号变换到变换域，是将主动声呐回波信号利用公式变换到变换域，其中，k表示主动声呐发射的线性调频信号的调频斜率；f0表示线性调频信号的起始频率；为几何回波，m表示相对于信号参考时间零点，几何回波存在m个采样点的延迟、m＞0，或存在m个采样点的提前、m＜0；a(n-m)表示信号的复包络；为修正因子。
2、步骤(2)中所述从盲分离的输出信号中筛选出几何回波被加强的通道，是利用公式从盲分离的输出信号中筛选出几何回波被加强的通道，其中，r(n)表示选定的信号模板；yi(n)表示盲分离算法的第i个输出通道，i＝1,2,...,N；N为盲分离算法输出通道数目；表示对向量yi(n)的转置；E(·)表示求期望。
3、步骤(4)中所述然后筛选出弹性回波被加强的通道，是利用公式筛选出弹性回波被加强的通道，其中，||·||2为向量的2-范数；i＝1,2,...,N，N为盲分离算法输出通道数目；yi(n)表示盲分离的第i个输出信号。
4、变换域特征提取的方法为：
第一步：二值化；将筛选得到的回波进行傅立叶变换，并获取幅度谱，寻找幅度谱的最大值，将此最大值乘以0～1之间的数值，作为门限对幅度谱进行二值化，小于门限记为0，大于门限记为1，将此二值化结果记为掩码；
第二步：区域合并；将二值化序列中连续为1或者连续为0的一段区间称为区域，寻找每个区域的局部峰值，在局部区域中重复第一步的过程，得到关于该局部区域的子掩码，然后对所有的子掩码进行或运算，得到新的掩码；
第三步：确定中心频率及频带；用第二步得到的掩码与幅度谱相乘以去除弹性回波成分，保留几何成分，然后依次在每个区域内部寻找信号的通频带，定义中心频率带宽比为信号中心频率与带宽之比，则中心频率带宽比作为区别几何回波与弹性回波的重要特征。
本发明提供的方法能够提取较为纯净的声散射回波分量，包括几何与弹性声散射回波。同时该方法能够自动化地执行这一特点拓宽了该方法的应用范围，使得该方法的大规模自动化应用成为可能。
相比于传统方法，本发明能够得到更为纯净的单分量回波信号，同时本方法能够自动化地执行，更具有实用价值。其原因在于：几何回波与弹性回波在变换域中的独立性得到增强，满足了盲分离算法对独立性的要求，使得分离效果要优于直接在时域的处理结果。另一方面，借助几何回波与弹性回波的筛选过程，解决了盲分离算法输出信号顺序随机这一难题。此外，从频域对盲分离算法的输出结果提取信号特征，避开了该算法输出幅度随机的问题。同时，几何与弹性回波筛选过程和特征提取过程使得本方法能够自动化地执行。最后，变换域的窄带滤波过程使得输出信号成分单一，得到较为纯净的单分量回波信号。
附图说明
图1(a)-图1(b)为实验数据分析，其中图1(a)实验数据时域图；图1(b)实验数据的WVD图。
图2(a)-图2(d)为直接使用盲分离算法提取回波分量的结果，其中图2(a)几何回波时域图；图2(b)几何回波WVD；图2(c)弹性回波时域图；图2(d)弹性回波WVD。
图3(a)-图3(d)为本发明的回波分量提取结果，其中图3(a)几何回波时域图；图3(b)几何回波WVD；图3(c)弹性回波时域图；图3(d)弹性回波WVD。
图4(a)-图4(b)为本发明提取的单分量回波汇总，其中图4(a)单分量几何回波时域图汇总；图4(b)单分量弹性回波时域图汇总。
图5变换域特征提取步骤流程图。
图6本发明实现过程流程图。
具体实施方式
本发明提供了一种自动化地提取水下主动声呐目标单分量声散射回波信号的方法，并且该方法不需要先验信息即可提取得到较为纯净单分量回波信号。本发明的实现过程主要包括如下步骤：
(1)变换域盲分离：将主动声呐回波信号利用公式(1)变换到变换域，利用变换域中几何与弹性声散射回波独立性被加强这一特点，在变换域中执行盲分离算法，将有效地改善分离效果。
(2)几何回波筛选：任意选取某个接收通道的声散射回波，并利用公式(1)进行变换，将此信号在变换域中的形式作为模板，结合公式(3)从盲分离的输出信号中筛选出几何回波被加强的通道，此通道的信号将被用于特征提取过程。
(3)变换域特征提取：针对几何与弹性回波在变换域的差异，设计了特征提取过程，所得特征参数将用于声散射回波的分类与提取过程。
(4)弹性回波筛选：利用几何回波在频域的特征参数，设计陷波器，对盲分离输出通道进行滤波，去除其中的几何成分。然后利用公式(4)筛选出弹性回波被加强的通道。然后，并对此通道信号进行步骤(3)描述的特征提取过程，获取弹性回波在变换域中的特征参数，这些参数将被用于提取弹性回波。
(5)根据步骤(2)～步骤(4)获得的特征参数，设计窄带滤波器，对回波信号在变换域中进行窄带滤波，获得回波分量在变换域中的形式。
(6)对滤波输出进行反变换，得到较为纯净的声散射回波分量。
下面举例对本发明做更详细的描述。
关于图1(a)-图1(b)的分析：图1(a)-图1(b)展示了声呐接收到的声散射回波，从时域波形与WVD(Wigner-Ville分布)中可以看到，回波存在多个回波分量，并且这些分量在时域、频域均存在混叠。此外，由于几何回波能量较强并且WVD中有交叉项的存在，而弹性回波能量较弱，所以在接收信号的WVD图中几乎不能分辨出弹性成分。
步骤(1)：此步骤将信号从时域变换到变换域再进行盲分离算法处理。具体变换方式按照公式(1)进行。由于几何回波遵循线性声学规律，除幅度调制因子与相位跳变因子外，几何回波与入射回波高度相关。考虑到实际探测过程中常用线性调频信号作为主动声呐的发射信号，故用带有幅度调制因子的线性调频信号作为几何回波。不失一般性，公式(1)讨论了具有一定时延的线性调频信号变换的过程。可以看到，在变换域中，具有不同时延的几何回波表现为不同频率的单频信号，并且单频信号的频率随着时延线性变化。
对实验数据观察发现，弹性回波调频斜率发生改变。这将导致公式(1)变换过程中产生调频斜率失配的问题，使得弹性回波不能变换成为单频信号的形式，而继续保留了线性调频信号的形式。而这种斜率失配将显著的提高信号在变换域中的独立性，进而提高盲分离算法的分离效果。
其中，k表示主动声呐发射的线性调频信号的调频斜率；f0表示线性调频信号的起始频率；为几何回波，m表示相对于信号参考时间零点，几何回波存在m个采样点的延迟(m＞0)，或存在m个采样点的提前(m＜0)；a(n-m)表示信号的复包络；为修正因子。
公式(1)变换结果是导致了几何与弹性回波之间的独立性被加强，所以更加符合盲分离算法对源信号独立性的要求，因而能得到更好的分离效果。盲分离算法实现信号分离的原理如公式(2)所示。
其中，S＝[s1(n),s2(n),...,sr(n)]T为统计独立的源信号；A称为混合矩阵；X表示观测信号；A与S均为未知。W称为解混矩阵；D是只有对角元素非零的对角阵，作用是对源信号幅度进行缩放；P为置换矩阵，作用是对源信号顺序进行任意的排列；盲分离的任务就是估计出合适的W使得Y＝DPS。
公式(2)说明，盲分离算法的输出信号顺序为源信号的某个排列，幅度为源信号幅度乘以某个常系数，这两个特点通常称为盲分离算法的顺序不确定性与幅度(能量)不确定性，这是盲分离理论模型固有缺陷导致的，必须通过别的方法才能予以修正。
当源信号统计独立时，盲分离算法能够在仅知道观测信号矩阵X的情况下获得对源信号的估计，而不需要其他先验信息。但是，统计独立这一条件过于苛刻，真实的物理过程中各种源信号之间往往存在不同程度的耦合，由此导致盲分离算法在实际的处理过程中难以做到完全分离的目的，只能在不同的输出通道中分别对某个源信号进行加强。
从图2(a)-图2(d)的时域波形与WVD可以看到，直接应用盲分离算法只能得到几何与弹性回波被分别加强的输出信号，而不能得到较为纯净的单分量信号。由于目标回波存在多个几何与弹性回波成分，彼此之间除了时延不同外相差不大，所以此处仅展示了一个几何回波与弹性回波的时域波形与WVD。
步骤(2)：利用几何回波能量多数情况下强于弹性回波这一特点，任意选定某一接收通道的接收信号并以此信号在变换域中的形式作为模板进行几何回波的提取。由于接收信号中同时存在几何与弹性成分，所以直接利用此信号进行特征提取可能会导致错误的结果。盲分离的输出通道中包含几何回波被加强、弹性回波被抑制的输出信号，只需利用模板信号从输出通道中挑选出几何回波被加强的盲分离输出信号，则该信号中弹性回波所占能量远小于接收信号，更加有利于几何回波特征提取过程的进行,尽可能减少错误结果。几何回波的筛选过程如公式(3)所示。
其中，r(n)表示选定的信号模板；yi(n)表示盲分离算法的第i个输出通道，i＝1,2,...,N；N为盲分离算法输出通道数目；表示对向量yi(n)的转置；E(·)表示求期望。
步骤(3)：本步骤实现了变换域特征提取方法。对于公式(3)筛选得到的信号，其中几何回波能量较强，弹性回波被抑制，能量较弱，所以可以从能量的角度对几何回波进行特征提取，从而尽可能地降低弹性回波对特征参数的影响(该方法对于公式(4)筛选得到的信号也适用)。从公式(1)可以看到，几何回波在变换域表现为幅度调制的单频信号的形式，在频域变现出较高的聚集性，而弹性回波由于调频斜率不匹配，使得弹性回波在变换域仍然表现为线性调频信号的形式，在频域的聚集性比单频信号差。利用这个特点可以设计出几何与弹性回波特征提取方案，描述如下。
变换域特征提取方法：
第一步：二值化。将筛选得到的回波进行傅立叶变换，并获取幅度谱。寻找幅度谱的最大值。将此最大值乘以0～1之间的数值，作为门限对幅度谱进行二值化，小于门限记为0，大于门限记为1，将此二值化结果记为掩码。
第二步：区域合并。当信号幅度变化剧烈时，可能导致第一步产生误判，如某个连续区域被从中间隔断。进行区域合并是对第一步的补充，能够降低二值化门限选择不合理带来的误判问题。为了表述清晰，下面定义区域这一概念。
定义：将二值化序列中连续为1或者连续为0的一段区间称为区域。
寻找每个区域的局部峰值，在局部区域中重复第一步的过程，得到关于该局部区域的子掩码。然后对所有的子掩码进行或运算(只要一个值为1，则结果为1)，得到新的掩码。
第三步：确定中心频率及频带。用第二步得到的掩码与幅度谱相乘以去除弹性回波成分，保留几何成分。然后依次在每个区域内部寻找信号的通频带，例如，可以寻找信号的-3dB带宽作为信号的特征。定义中心频率带宽比为信号中心频率与带宽之比，则中心频率带宽比也可以作为区别几何回波与弹性回波的重要特征。这是因为，不同的几何回波在变换域中的表现形式是单频信号，其频率由各自的时延决定。所以，几何回波在变换域的带宽是相等的，但中心频率不同。所以此指标可以用于区分不同的几何回波分量。另一方面，弹性回波在变换域中仍然为线性调频信号的形式，所以其带宽明显大于几何回波的带宽。不同的弹性回波分量之间主要是时延存在差异，这种差异在变换域中表现为线性调频信号的起始频率不同，时延越大，起始频率也就越高。这就导致弹性回波的中心频率随着时延线性变化。所以，中心频率带宽比也同样适用于弹性回波的区分，此特征将用于区分几何与弹性回波以及不同时延的几何回波与不同时延的弹性回波。
至此，变换域特征提取步骤完成。图5展示了此变换域特征提取的流程图。
步骤(4)：在此步骤中，依据步骤(3)得到的信号特征，设计陷波器以去除盲分离算法输出通道中的几何回波成分。然后，依据公式(4)筛选出盲分离算法输出通道中包含较强弹性回波的通道。弹性通道的筛选过程如公式(4)所示。
其中，||·||2为向量的2-范数；i＝1,2,...,N，N为盲分离算法输出通道数目；yi(n)表示盲分离的第i个输出信号。
在得到弹性通道之后，对弹性通道执行步骤(3)中描述的特征提取过程，得到弹性通道在频域的特征参数。
步骤(5)与步骤(6)：根据步骤(2)～步骤(4)得到的信号的频域特征，设计带通滤波器，对接收信号在变换域中进行带通滤波，然后再进行公式(1)的反变换即可得到各个声散射回波分量的时域形式。
图2(a)-图2(d)展示了利用盲分离算法直接提取回波分量的结果。图2(a)展示了提取得到的几何回波时域波形，图2(b)展示了该信号的WVD。从图2(b)的WVD中可以看到，相比于图1中的接收信号，在2.5×10-3s时间附近的几何回波成分被加强，其他类型的信号被抑制，但是仍有一定的残留，具体表现是图2(b)的WVD图较为杂乱，存在多个交叉项，这是该回波分量不够单一的体现。
图2(c)-图2(d)展示了对弹性回波的提取结果。同样可以看到，该信号也存在多个单分量回波。需要注意的是，弹性回波存在于4.5×10-3s时间附近，而在2.5×10-3s时间附近的是另外一个几何回波。图2(c)和图2(d)都可以看到，相比于原始信号，该信号中弹性回波被加强，但是仍然比几何回波要弱一些，这是因为在原始的接收信号中弹性回波就明显弱于几何回波，且二者存在一定程度的耦合，导致盲分离算法不能直接得到比较纯净的单分量回波信号。另外，由于盲分离方法的固有缺陷，导致分离信号损失了幅度信息：从图1(a)中可以看到，原始信号的幅度为0.02左右，但是在图2(a)与图2(c)中回波分量的幅度为3左右，回波分量的幅度明显大于原始回波信号的幅度，这是不合理的。这种幅度上的不合理问题在本发明中被很好地解决。
图3(a)-图3(d)展示了本发明方法提取的回波分量。图3(a)与图3(b)展示了一个几何回波分量，且该分量与图2(a)～图2(b)是同一个几何分量。可以明显地看到，本发明方法提取得到的几何回波分量成分单一，其他类型的回波分量都被极大地抑制，几乎为0。从图3(b)的几何回波WVD中也可以看到，WVD中只存在一个信号，没有其他信号。
图3(c)与图3(d)展示了本发明方法提取的弹性回波分量。在图3(c)的时域波形中可以看到，该分量信号成分较为单一，其他分量能量极小。从图3(d)的WVD中可以看到，该弹性回波分量被极大地增强，只存在很弱的交叉项，这是接收信号中弹性回波能量弱导致的。但相比于图2(d),弹性回波的提取效果得到了明显的提高。此外，从图3(a)与图3(c)可以看到，本发明方法得到的回波分量完整地保留了回波信号的幅度信息，这是盲分离算法所做不到的。
图2(a)-图2(d)～图3(a)-图3(d)只从提取得到的一个几何回波与弹性回波分量对本发明方法进行了说明，图4(a)-图4(b)展示了本发明方法提取得到的单分量回波信号汇总。图4(a)展示了提取的全部几何回波分量的时域波形。图4(b)展示了本发明方法提取的全部弹性回波分量。可以看到，在每个输出通道中只存在1个单分量回波信号，其他的信号则被很好地抑制；从幅度上可以看到，这些信号保留了每个回波信号的原始幅度信息；同时，该方法对几何回波与弹性回波进行了分组，解决了盲分离方法的输出顺序随机问题，这些都体现了本发明方法的优越性。