基于矢量声场极化特征的目标深度分类方法

本发明属于水声信号处理，具体涉及一种基于矢量声场极化特征的目标深度分类方法。

背景技术：

1、在复杂海洋环境中，精确获取目标的深度属性对于整体态势感知以及后续的目标识别具有关键的工程价值。由于海洋声速剖面、海底地形边界、水体内部垂向分层（如跃层）以及多径传播效应的综合作用，浅海信道内的声场沿垂直维度展现出强烈的模态干涉现象。声源所处的深度位置会直接决定各阶简正波的激发效能，进而影响接收端声场的矢量构成、能量占比及极化形态。因此，在复杂浅海条件下稳定提取目标的深度类别特征，具有极其重要的实际应用意义。

2、传统的深度反演技术大多建立在垂直阵列与匹配场处理（mfp）的基础之上。此类算法高度依赖于对海洋环境的精准先验建模，通过比对实测与理论计算声场来推算声源位置。然而，在真实海况下，声速剖面的动态时变、海底参数的未知性，加之传感器布放及阵列姿态的偏差，极易引发严重的环境失配。这往往造成深度估计结果出现空间模糊、旁瓣电平抬升以及判决结果震荡等缺陷。

3、为了削弱对精确环境参数的依赖，研究重心已从“绝对深度数值反演”转向“深度区间类别判别”，即仅需判定目标是处于近表层还是深水区域。尽管利用陷获与自由模态能量分布、波导不变量、模态闪烁指数及匹配子空间等声场统计特征，能够在一定程度上实现上述区间分类，但此类方案依然无法摆脱对大尺度空间采样孔径（如大型垂直阵或水平阵）的刚性需求。这导致其在搭载平台空间狭小、预算受限或要求隐蔽作业的实战化场景中难以落地。

4、在此背景下，矢量水听器展现出巨大的应用潜力，能够在单一空间节点同步采集声压与三维质点振速分量，具备优异的空间方向感知能力，为打破传统大孔径阵列的束缚提供了全新路径。对于由多个模态叠加形成的浅海声场，水平和垂直质点振速之间的相干关系、主极化方向能量占比以及极化状态不确定性都与模态能量分布相关，而模态能量分布又受到声源深度调制。若能构造一个反映矢量声场二阶统计结构的极化算子，即可在小孔径甚至单点观测条件下形成用于目标深度分类的稳健特征。

5、因此，有必要提出一种基于矢量声场极化特征的目标深度分类方法。

技术实现思路

1、为解决现有技术存在的问题，本发明提出一种基于矢量声场极化特征的目标深度分类方法。本发明构建了物理含义清晰的二阶极化统计量，利用声源深度通过模态投影改变矢量声场协方差矩阵谱结构的特性，最终根据极化度完成水面目标与水下目标的二分类判决。

2、本发明为解决技术问题所采用的技术方案如下：

3、本发明提供的一种基于矢量声场极化特征的目标深度分类方法，包括以下步骤：

4、步骤一、在待监测浅海区域布放矢量水听器，采集目标声场的水平质点振速分量和垂直质点振速分量；

5、步骤二、选取目标线谱或目标频带，对目标信号进行频域变换和频带截取，得到多个频率单元或多个时间快拍下的二维矢量振速样本；

6、步骤三、对选定频带内的二维矢量振速样本构造二阶极化协方差矩阵；

7、步骤四、对二阶极化协方差矩阵进行特征值分解，得到按降序排列的两个实非负特征值；

8、步骤五、根据特征值计算极化度；

9、步骤六、将极化度作为目标深度分类特征，与分类阈值进行比较，输出浅源/深源分类结果。

10、进一步的，步骤二中，根据目标线谱或目标频带设置合适的时间窗，对目标信号进行分段处理；对获取的每段信号进行傅里叶变换，获得信号的频域复振幅。

11、进一步的，步骤二中，单矢量水听器的接收深度为，接收由深度为的声源辐射的声场，则频率处的振速矢量表示为：

12、；

13、其中，为水平振速，为垂直振速；

14、在简正波理论框架下，矢量声场可表示为模态叠加形式如下：

15、；

16、其中，为与声源深度相关的模态激励系数，为深度处的模态函数，为第阶模态对应的水平-垂直极化方向向量，其数学表达式为：

17、；

18、其中，为水平波数，，ρ为密度，z为深度。

19、进一步的，步骤二中，对于点声源，与声源深度相关的模态激励系数表示为对模态基函数的投影：

20、；

21、其中，为源频谱项，为声源深度处的模态函数，为频率。

22、进一步的，步骤三中，引入统一二阶统计算子：

23、；

24、其中，为单矢量水听器的接收深度，为声源深度，为共轭转置，v为振速矢量，为数学期望；

25、该一二阶统计算子表征矢量声场在二维极化子空间中的二阶极化协方差矩阵，其等价形式为：

26、；

27、其中，表示复共轭，为水平质点振速分量，为垂直质点振速分量。

28、进一步的，步骤三中，在满足线性模态叠加、频率独立性、模态相位独立性条件下，该二阶极化协方差矩阵可分解为：

29、；

30、其中：

31、；

32、；

33、其中，为第阶模态对应的水平-垂直极化方向向量；

34、因此：

35、；

36、最终映射链为：

37、。

38、进一步的，步骤四中，对二阶极化协方差矩阵r进行特征值分解，其数学表达式为：

39、；

40、其中，为特征值对应的特征向量；，特征值表示矢量声场在主极化方向与次极化方向上的能量分布，特征值对应主导相干分量，特征值对应多模态干涉残差分量。

41、进一步的，步骤五中，所述极化度刻画主极化方向的能量主导程度，其定义为：

42、；

43、其中，，特征值表示矢量声场在主极化方向与次极化方向上的能量分布，特征值对应主导相干分量，特征值对应多模态干涉残差分量。

44、进一步的，步骤六中，当目标信号的极化度p大于分类阈值η时，为深源；当目标信号的极化度p小于分类阈值η时，为浅源。

45、本发明提供的基于矢量声场极化特征的目标深度分类方法，与现有技术中已经成熟应用的多种目标深度分类方案相比，本发明具备的有益效果可梳理如下：

46、(1) 仅需单只矢量水听器即可完成目标深度分类的完整流程，不需要搭建体积庞大、布设维护难度高的大孔径水听器阵列，大幅降低了部署门槛；

47、(2) 不需要预先精确获知海洋环境先验信息、海底地形地质参数等前期背景内容，减少了前期勘测准备的工作量；

48、(3) 整体分类流程的计算量小，算法复杂度低，便于在实际海洋探测工程中实现分类过程的实时运算输出；

49、(4) 对接收信号的信噪比要求低，在信号较弱的探测场景下依然可以输出可靠结果，整体分类性能保持稳定，不会出现大幅波动；

50、(5) 可以适配复杂多变、干扰因素多的浅海波导环境，对于不同水文条件、不同海底地形的探测场景都能够正常工作，具有较强的鲁棒性与环境适应性。