一种数据与模型驱动的水下声学导引信号处理系统及方法与流程

本发明属于水声信号处理，具体涉及一种数据与模型驱动的水下声学导引信号处理系统及方法。

背景技术：

1、以无人水下航行器（uuv）为代表的水下无人系统被广泛应用于海洋观测、目标探测与识别、海底成像、信息中继和平台回收等任务。由于电磁波和可见光在水下衰减严重，声波是远距离水下感知、定位和通信的主要信息载体。水下声学导引信号通常兼具定位和通信功能：定位信号用于测距、测速和方位估计，通信信号用于传递状态、控制和任务信息。

2、水声信道具有传播速度慢、传播损失大、频率选择性衰落、多径时延扩展、多普勒扩展和时变性强等特点。对于远距离声学导引，低频信号传播损失较小但带宽受限；对于近程高精度对接，高频宽带信号能够提供更高时间分辨率但对环境更敏感。因此，导引信号的中心频率、带宽、功率、波形类型、脉冲长度和重复周期应与当前信道状态和导引阶段相匹配。

3、现有水下声学导引系统通常采用预设导引信号参数和固定接收处理流程，即发射端按照预先设定的中心频率、带宽、功率、波形类型、脉冲长度和重复周期发送声学导引信号，接收端采用匹配滤波、能量检测、到达时间差（time difference of arrival, tdoa）或到达角（direction of arrival, doa）估计等固定算法完成定位和导引。

4、上述开环或弱闭环处理方式在稳定水声环境中能够工作，但在远距离导引、浅海强多径、移动平台回收和复杂噪声干扰条件下面临以下技术瓶颈：

5、第一，固定参数与真实信道失配。 水下声速剖面、海面起伏、海底地质和平台运动状态持续变化，固定导引信号参数难以匹配当前声传播信道，导致检测概率下降、虚警率上升和定位误差增大。

6、第二，传统规则库式自适应能力不足。部分水声通信机或导引系统能够依据规则库切换调制方式、编码速率或发射功率，但该类方法依赖预设经验规则，不能利用实时信道估计和历史数据形成连续优化决策。

7、第三，导引信号旁瓣和多径干扰影响定位精度。线性调频（linear frequencymodulation, lfm）信号和常规伪随机序列的相关旁瓣会干扰到达时间估计，在远距离低信噪比和强多径条件下容易造成虚假峰值和测距误差。

8、第四，声学定位与惯性导航融合策略固定。单独声学定位在远距离传播损失下精度下降，惯性导航又存在随时间累积发散的问题。现有组合导航常采用固定权重或常规卡尔曼滤波，难以根据信道质量、检测置信度和运动状态自适应调整融合策略。

9、第五，纯数据驱动方法缺乏物理可解释性。深度学习等数据驱动方法能够从历史数据中学习复杂映射，但水下试验数据获取成本高、样本少，且纯数据模型在训练分布之外容易失效，难以满足工程应用中对可靠性和可解释性的要求。

10、因此，如何构建一种面向水下声学导引的闭环信号处理方法，使系统能够感知当前水声信道和导引任务状态，结合声传播模型、链路预算和历史数据，自适应决策导引信号参数与接收处理策略，并通过反馈持续更新，从而提高复杂水声环境下水下无人系统声学导引的作用距离、检测可靠性、定位精度和能量利用效率，是本领域亟待解决的技术问题。

技术实现思路

1、本发明所要解决的技术问题是，提供一种数据与模型驱动的水下声学导引信号处理系统及方法，通过实时环境感知、信道图谱更新、模型约束参数决策、数据驱动精细优化、自适应导引信号生成、智能接收检测、声学-惯性融合定位和闭环在线更新，实现水下声学导引系统从固定开环处理向认知闭环处理转变，以解决现有技术中固定参数与真实信道失配、规则库式自适应能力不足、导引信号旁瓣和多径干扰影响定位精度、声学定位与惯性导航融合策略固定以及纯数据驱动方法缺乏物理可解释性的技术问题。

2、本发明的技术解决方案是，提供一种数据与模型驱动的水下声学导引信号处理方法，包括以下步骤：

3、采集水下声学导引链路的接收声信号、声速剖面、噪声功率谱、平台距离、平台深度、平台速度和任务阶段信息，并根据所述接收声信号估计信道冲激响应、多径时延扩展和多普勒扩展；

4、信道图谱更新步骤，将所述声速剖面、噪声功率谱、信道冲激响应、多径时延扩展、多普勒扩展、平台距离、平台深度、平台速度和任务阶段信息写入空间-频率-时间三维信道图谱，形成当前导引链路状态；

5、导引参数决策步骤，根据所述当前导引链路状态和任务阶段，利用模型驱动路径和数据驱动路径联合决策导引信号参数；其中，所述模型驱动路径基于声传播模型确定所述导引信号参数的可行区间，所述数据驱动路径在所述可行区间内输出所述导引信号参数；

6、导引信号生成步骤，根据所述导引信号参数生成并发射水声导引信号；

7、接收处理步骤，接收所述水声导引信号，分别获得模型驱动检测器输出和数据驱动检测器输出，并根据声学信噪比、信道估计残差、模型预测残差和数据驱动输出置信度确定动态融合权重，对所述模型驱动检测器输出和所述数据驱动检测器输出进行融合，得到声学测量结果及其置信度；

8、融合定位步骤，将所述声学测量结果与惯性导航数据进行融合，得到平台定位结果，其中声学测量观测噪声协方差根据所述声学测量结果的置信度、声学信噪比和模型预测残差自适应调整；

9、闭环反馈步骤，将所述接收处理步骤和/或所述融合定位步骤的结果反馈至所述信道图谱更新步骤和/或所述导引参数决策步骤。

10、本发明通过实时环境感知、信道图谱更新、模型约束参数决策、数据驱动精细优化、自适应导引信号生成、智能接收检测、声学-惯性融合定位和闭环在线更新，实现水下声学导引系统从固定开环处理向认知闭环处理转变。

11、作为优选，所述导引参数决策步骤中，所述数据驱动路径将当前状态映射为候选参数：

12、

13、最终决策参数通过下式确定：

14、

15、其中，为模型驱动路径给出的可行参数集合，为综合目标函数。

16、作为优选，所述导引信号生成步骤中，所述水声导引信号的波形为经循环周期算法优化的伪随机序列或经加权循环周期算法优化的伪随机序列；

17、所述经循环周期算法优化的伪随机序列通过最小化旁瓣水平之和isl获得：

18、

19、其中，为发射序列的自相关函数，为序列长度；

20、所述经加权循环周期算法优化的伪随机序列通过最小化加权旁瓣水平之和wisl获得：

21、

22、其中，为权重系数。

23、作为优选，所述接收处理步骤中，所述模型驱动检测器与数据驱动检测器融合的方式为动态加权融合：

24、

25、其中，为数据驱动输出，为模型驱动输出，为动态融合权重；

26、所述动态融合权重根据信噪比、信道估计残差、模型预测误差和数据驱动置信度确定：

27、

28、其中，为 sigmoid 函数，为数据驱动输出置信度，为模型预测残差，为信噪比。

29、作为优选，所述接收处理步骤中，所述模型驱动检测器与数据驱动检测器融合的方式为残差校正结构：

30、

31、其中，为模型驱动检测器输出， 表示数据驱动模型学习得到的模型误差残差；

32、所述数据驱动模型的训练损失函数为：

33、

34、其中，为监督误差，为物理约束损失，为平滑约束损失，和为权重系数。

35、作为优选，所述融合定位步骤中，声学测量观测噪声协方差根据声学检测置信度、信噪比和模型残差自适应调整：

36、

37、其中，为基准观测噪声协方差，为观测噪声缩放函数，为声学检测置信度，为信噪比，为模型预测残差。

38、本发明还提供一种数据与模型驱动的水下声学导引信号处理系统，包括：

39、环境感知模块，用于采集水声信道环境信息；

40、信道图谱与状态估计模块，用于根据所述环境信息更新信道图谱，获得当前导引链路状态；

41、导引参数决策模块，用于根据所述当前导引链路状态和任务阶段，利用模型驱动路径和数据驱动路径联合决策导引信号参数；其中，所述模型驱动路径基于声传播模型确定所述导引信号参数的可行区间，所述数据驱动路径在所述可行区间内输出所述导引信号参数；

42、自适应导引信号生成模块，用于根据所述导引信号参数生成并发射水声导引信号；

43、接收端智能处理模块，用于接收所述水声导引信号，利用模型驱动检测器与数据驱动检测器融合的方式进行检测和参数估计，输出声学测量结果；

44、声学-惯性融合定位模块，用于将所述声学测量结果与惯性导航数据进行融合，得到平台定位结果；

45、闭环更新模块，用于将所述接收端智能处理模块和/或所述声学-惯性融合定位模块的结果反馈至所述信道图谱与状态估计模块和/或所述导引参数决策模块。

46、作为优选，所述自适应导引信号生成模块生成的水声导引信号的波形为经循环周期算法优化的伪随机序列或经加权循环周期算法优化的伪随机序列；

47、所述自适应导引信号生成模块根据导引阶段选择不同的波形类型：远程归航阶段选择低频窄带线性调频信号或双曲调频信号；中程导引阶段选择经加权循环周期算法优化的扩频信号；近程对接阶段选择高频宽带通信-导航一体化信号。

48、作为优选，所述接收端智能处理模块中，所述模型驱动检测器包括匹配滤波检测器、最大似然估计检测器、维纳滤波检测器、卡尔曼滤波检测器和序贯检测器中的至少一种；所述数据驱动检测器包括卷积神经网络、长短期记忆网络、transformer网络和图神经网络中的至少一种；

49、所述数据驱动检测器用于提取多阵元、多快拍和多频段特征，输出信号存在概率、时延估计、方位估计和置信度。

50、作为优选，所述声学-惯性融合定位模块采用扩展卡尔曼滤波器、无迹卡尔曼滤波器、粒子滤波器、因子图优化器、滑动窗口优化器或随机有限集滤波器中的任一种实现声学测量与惯性导航数据的融合；所述声学测量包括到达时间、到达时间差、到达角、距离或距离率中的至少一种。

51、与现有技术相比，本发明具有以下优点：

52、1. 导引适应性更强。由于系统实时感知信道状态并更新信道图谱，导引参数不再固定，而是根据当前传播损失、噪声、多径、平台距离和任务阶段自适应决策，因此能够减少信道失配导致的检测和定位性能下降。

53、2. 能量利用效率更高。由于发射功率、带宽和重复周期由链路预算与任务需求共同约束，系统可在满足检测概率和定位精度的前提下降低不必要的大功率发射，从而提高水下平台长期作业能力。

54、3. 定位精度更高。由于can/wecan序列降低相关旁瓣，接收端动态融合模型驱动和数据驱动估计结果，并根据信道质量自适应调整声学-惯性融合权重，因此能够降低多径、旁瓣和低质量观测导致的定位误差。

55、4. 可解释性和泛化能力更好。由于数据驱动模型受到声传播模型、链路预算和物理约束损失限制，模型输出具有明确物理边界，降低了纯数据驱动方法在分布外环境中产生异常结果的风险。

56、5. 工程部署灵活。本发明采用模块化架构，可根据平台算力和任务需求选择是否启用ai增强检测、wecan波形优化、通信-导航一体化信号或可选干扰抑制模块，便于嵌入现有水下声学导引设备。