改进次最佳检测在侧扫声呐底混响抑制中的应用

• 作者: 马龙双 许枫 刘佳 蒋立军
• 来源期刊: 应用声学
• 学科: 物理学
• 关键词: 侧扫声呐 底混响 自回归模型 多分辨二分奇异值分解
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 142-148
• 页数: 7页
• 分类号: O427.9
• 语种: 中文
• DOI: 10.11684/j.issn.1000-310X.2021.01.017

摘要

侧扫声呐进行沉底小目标探测时,底混响是主要背景干扰.底混响通常是一种非平稳、非高斯的带限噪声,它使得白噪声条件下的滤波器性能受到限制.在混响背景下常利用自回归模型对接收信号进预行白化处理,但对于实际侧扫声呐应用,白化后直接匹配滤波的处理效果不甚理想.针对此问题,在自回归模型预白化的基础上,提出采用一种次最佳检测与多分辨二分奇异值分解相结合的改进方法.该方法首先对接收信号进行分段处理,利用改进Burg算法估计每段数据自回归模型的系数及阶数;然后构造白化滤波器对分段数据预白化,并对白化后的数据进行多分辨二分奇异值分解;最后应用ostu方法对原始声图和处理后的声图进行目标检测.仿真与实验结果表明,该方法明显提高了信混比,改善了侧扫声呐沉底静态小目标的成图质量,有利于后期实现基于图像的目标自动检测.