海洋环境噪声统计特性

第42卷第1期2021年1月哈㊀尔㊀滨㊀工㊀程㊀大㊀学㊀学㊀报Journal of Harbin Engineering UniversityVol.42ɴ.1Jan.2021海洋混响数据的SαS 分布建模王平波,卫红凯,娄良轲,代振(海军工程大学电子工程学院,湖北武汉430033)摘㊀要:为了有效抑制主动声呐混响,新型统计信号处理设计中常对海洋混响进行非高斯概率密度建模,本文在考察分析海洋混响数据的特点和SαS 分布的优势之后,将SαS 分布引入到混响非高斯概率密度建模中,给出了2种模型参数估计方法,并使用仿真和实测数据进行了验模,通过大量海试混响数据建模结果分析,对混响数据的SαS 分布规律进行归纳总结㊂研究表明:SαS 分布能够较好描述海洋混响的概率密度,其特征指数近半数集中在1.6~1.9㊂关键词:对称α稳定分布(SαS );高斯;声呐;非高斯;海洋混响;概率密度建模DOI :10.11990/jheu.201909030网络出版地址:http :// /kcms /detail /23.1390.u.20201215.0907.002.html 中图分类号:TN911.7㊀文献标志码:A㊀文章编号:1006-7043(2021)01-0055-06Oceanic reverberation probability density modeling basedon symmetric alpha-stable distributionWANG Pingbo 1,WEI Hongkai 1,LOU Liangke 1,DAI Zhen 1(College of Electronic Engineering,Naval University of Engineering,Wuhan 430033,China)Abstract :To effectively suppress the active sonar reverberation,new statistical signal processing methods based on non-Gaussian probability density modeling are often designed.In this paper,after the investigation of the character-istics of oceanic reverberation data and the advantage of alpha-stable distribution (SαS),the symmetric SαS is in-troduced to the probability density modeling of non-Gaussian reverberation.The parameter estimation methods are briefly discussed,and the modeling method is validated using numerical and experimental instances.Finally,by a-nalysis of several oceanic reverberation trial data modeling results,some laws and conclusions are reached.The re-sults show that SαS can precisely fit the probability density distribution of the oceanic reverberation.Almost half of the characteristic index αestimations for reverberation vary from 1.6to 1.9.Keywords :symmetric alpha-stable distribution (SαS);Gaussian;sonar;non-Gaussian;oceanic reverberation;probability density function modeling收稿日期:2019-09-09.网络出版日期:2020-12-15.作者简介:王平波,男,博士生导师;卫红凯,男,博士研究生.通信作者:卫红凯,E-mail:whk200605@.㊀㊀在传统的声呐信号处理中,高斯模型占据着主导地位㊂随着现代主动声呐体制向低频㊁大功率㊁大孔径方向发展,混响对声呐性能的影响日趋严重,如何有效地抑制混响干扰成为主动声呐信号处理的首要任务㊂大量实践表明,沿袭传统的高斯分布假设,往往不能取得理想的抗混响效果㊂因此,放弃高斯假设而采用非高斯分布假设在水声信号处理业界已成为一种趋势[1-2]㊂近年来,α稳定分布作为一种非高斯分布模型,具有统计分布的稳定性和概率密度函数(probability density function,PDF)的代数拖尾特点,在信号处理领域受到了广泛的重视,己成为常用的冲激信号统计模型[3-7]㊂作为唯一的一类构成独立同分布随机变量之和的极限分布[4],α稳定分布是广义的高斯分布,通过调整特征指数α的值实现对PDF 拖尾厚度的控制,可以对PDF 为单峰钟形随机信号统计特性进行灵活地描述,比高斯分布具有更广泛的适用性㊂而以混响为主的主动声呐背景干扰,其瞬时幅度样本是均值为零㊁正负样本量大致相等㊁上下包络线基本对称的随机信号[1-2],即其PDF 恰好是以0为中心左右对称的单峰钟形曲线㊂因此,本文将原点位置对称α稳定分布(SαS,symmetric alpha-stable distribution)引入到混响非高斯PDF 建模中,并使用仿真和实测数据对这一建模方法的可行性和正确性进行检验,最后通过大量海试混响数据建模结果哈㊀尔㊀滨㊀工㊀程㊀大㊀学㊀学㊀报第42卷分析,对混响数据的SαS 分布规律进行归纳总结㊂1㊀混响的特点与SαS 分布简介1.1㊀混响数据的特点海洋混响是海洋信道中一切散射作用的总和㊂从瞬时幅度上看,它是紧跟在发射之后㊁总体由强至弱的一连串衰减(可能还有起伏震荡)波形㊂图1给出了一段典型的主动声呐阵元级接收数据波形,从中可以分析归纳混响数据的一般特点㊂图1㊀一段典型的主动声呐阵元级接收数据波形Fig.1㊀A typical waveform of active sonarᶄs receiving data引发这段数据的发射信号是4s 脉宽的HFM 脉冲㊂前4s 为发射脉冲直达声,称为直达声区㊂事实上,发射伊始即引发混响,亦即,直达声区中也有不完整发射脉冲引发的混响,但因其混叠于直达声中难以分离,且此处视为主动声呐近程盲区,一般不对其内的混响进行研究㊂直达声结束后,数据幅度从与直达声等高度逐渐衰减,直至不再明显降低,大致如图中的4~12s 段所示,这一段是典型混响区域,称为混响限制区,该区域内,混响强度高于背景噪声,是声呐的主要背景干扰㊂大致从12s 向后,混响淹没于背景噪声之中,以海洋环境噪声为主的背景噪声成为主要的背景干扰,混响的影响可以忽略,而背景噪声是宽平稳的,故接收数据幅度不再明显变化,此段称为噪声限制区㊂根据声呐量程,噪声限制区可以延续很长,这里仅给出一部分㊂不难理解,研究混响数据的统计特性,要基于混响限制区内的数据进行㊂从图1中还直观可见,混响数据是0均值的㊁正负样本量大致相等㊁上下包络线基本对称,这意味着,可以使用0均值对称单钟型曲线来对混响数据的概率密度函数进行拟合建模㊂零均值高斯分布㊁混合高斯分布,和下面要介绍的SαS 分布,其PDF 恰好就是这样一类曲线㊂1.2㊀SαS 分布简介若随机变量X 具有如下形式的特征函数[3]:φ(t )=E [exp(i tX )]=exp{i μt -γt α[1+i βsgn(t )ω(t ,α)]}(1)则称X 服从α稳定分布,记为X ~S (α,β,γ,μ)㊂其中,ω(t ,α)=tan πα2(),αʂ1-2πln t ,α=1ìîíïïïï,sgn(t )=1,t >00,t =0-1,t <0ìîíïïï式中:α为特征指数,表征稳定分布脉冲特性强弱,αɪ(0,2],值越小,则所对应分布的拖尾越厚,非高斯脉冲特性越显著;γ为离差,亦称为尺度参数㊁分散系数,表征稳定分布随机变量偏离其均值或中值的程度,γɪ(0,ɕ),定义σ=γ1/α为标准离差;β为偏斜指数,表征稳定分布的偏斜程度,βɪ[-1,1],β=0㊁β>0和β<0时,分别对应稳定分布无偏斜(对称)㊁右偏斜和左偏斜情况;μ为位置参数,表征稳定分布的均值(α>1时)或中值(αɤ1时),μɪ(-ɕ,ɕ)㊂α稳定分布特征函数与其PDF 是一对傅立叶变换[3],可通过对特征函数进行傅立叶变换得到PDF:f (x ;α,β,γ,μ)=1πʏɕ0exp{-γt α}cos[(x -μ)t +γt αβω(t ,α)]d t(2)㊀㊀除几组特殊参数取值外,式(2)一般没有封闭的解析表达式,需要以数值积分方式计算[8-9]㊂图2给出了以这种方式计算绘出的不同参数取值时的α稳定分布的PDF 曲线比较㊂从各图中参数变化时的PDF 曲线对比,可以清晰地看到对应参数的物理意义体现㊂一些常见分布可以看作是α稳定分布S (α,β,γ,μ)的特例[3],比如:当α=2㊁β=0时,S(2,0,γ,μ)就是高斯分布(μ,2γ);当α=1㊁β=0时,S(1,0,γ,μ)就是柯西分布(μ,γ)㊂当偏斜指数β=0时,α稳定分布称为对称α稳定分布,记为SαS 分布㊂不难发现,高斯分布㊁柯西分布都是SαS 分布的特例㊂正常状态下的主动声呐背景干扰数据,包括混响数据,其样本都是无偏斜且0均值的,故可用位置参数μ=0的SαS 分布来拟合其PDF,可把这种分布称为原点位置SαS 分布,简记作S α(γ)㊂可以看到,S α(γ)分布仅有2个参数:特征指数α和离差γ,就像常用的高斯分布一样简洁㊂值得指出,在对混响数据进行非高斯PDF 建模时,堪用的模型,即使最简洁的二阶0均值混合高斯模型ZMGM(2),也有3个参数[1]㊂相对少的参数意味着相对快捷而精确的参数估计算法,在这一点上,S α(γ)具有无可比拟的优势㊂㊃65㊃第1期王平波,等:海洋混响数据的SαS分布建模图2㊀不同参数下的S (α,β,γ,μ)分布PDF 变化Fig.2㊀PDFs of S (α,β,γ,μ)with different parameters2㊀混响数据SαS 分布建模方法获取合格而足量的混响样本数据后,即可以原点位置SαS 分布对其进行建模㊂而建模的核心任务是,如何构建S α(γ)的2个未知参数α和γ估计器㊂一般的α稳定分布S (α,β,γ,μ)参数估计问题,已经有很多文献研究[3,8,10]㊂如前分析,混响数据实际上可以简化的α稳定分布,即S α(γ)分布进行PDF 建模,故针对这一特点,本文从诸多方法中予以选取并简化改进,建立了如下2种方法:正负矩法和对数矩法㊂2.1㊀正负矩法设随机变量X ~S α(γ),则有[3]:E(X p)E(X-p)=C (p ,α)C (-p ,α)=2tan(p π/2)αsin(p π/α),0<p <min(α,1)(3)式中:MX(p ) E(X p )=C (p ,α)γp /α(4)C (p ,α)=2p +1Γ[(p +1)/2]Γ(-p /α)απΓ(-p /2)(5)㊀㊀这里,Γ(㊃)为伽马函数,定义为[8]:Γ(x )ʏɕ0t x -1e -t d t(6)㊀㊀由式(3)~(5),有:sincp πα()=sin(p π/α)(p π/α)=2tan(p π/2)p πM X (p )M X (-p ),0<p <min(α,1)(7)㊀㊀通过样本统计得到X 的p 阶和-p 阶矩估计M^X (p )和M ^X (-p )后,代入(7)即可解出特征指数估计值^α,再代入式(4)即可解出离差估计值^γ,完成S α(γ)分布参数估计㊂不难发现,这种方法的起点是X 的正㊁负p 阶矩估计,故称为正负矩法,简记为NM㊂阶数p 的设定是正负矩法的关键之一,但多数文献中仅给出一范围指示[3,10],并无深入探讨㊂针对混响建模实际,本文采取如下做法:首先要根据经验确定待建模数据的特征指数下限值αmin (这一经验值的获取可通过下文所述的对数矩法建模总结),确保p 取值小于αmin 或1;为提高估计精度,可设置多组阶数值p i 通过式(7)得到多组估值^αi ,进行平均得到最终估值㊂2.2㊀对数矩法设随机变量X ~S α(γ),则由式(4)有:E(X p )=E(e p ln X )=C (p ,α)γp /α(8)㊀㊀引入负阶矩和分数阶矩概念后,式(8)在p =0处连续[3]㊂定义随机变量Y =ln X ,则Y 的矩母函数为:E(e pY ) ðɕk =0E(Y k)p k k !=C (p ,α)γp /α(9)㊀㊀故Y 的任意k 阶矩都是有限的,且满足:E(Y k)=d k d pk [C (p ,α)γp /α]p =0(10)㊀㊀k =1时可得Y 的一阶原点矩(均值)为:μY =E(Y )=1α-1()c e +1αln γ(11)式中c e 为Euler 常数㊂同理可得Y 的二阶中心距㊃75㊃哈㊀尔㊀滨㊀工㊀程㊀大㊀学㊀学㊀报第42卷(方差)为:σ2Y=E{[Y -E(Y )]2}=π261α2+12()(12)㊀㊀混响建模实际应用中,可首先根据样本统计得到Y =ln X 的均值和方差估计^μY 和^σ2Y ,然后把^σ2Y值代入式(12)解得特征指数估计值^α,最后再根据式(11)解得离差估计值^γ,完成S α(γ)分布参数估计㊂可以看到,这种方法的起点是X 的对数变换及其一㊁二阶矩估计,故称为对数矩法,简记为LM㊂应当指出,式(11)与(12)中已无矩母函数自变量(亦即正负矩法的中阶数)p ,这就是说,对数矩法不需要p 初值设定,恰与正负矩法形成补充,二者估计结果可以相互印证㊂2.3㊀仿真实例首先使用PDF 可设定的仿真数据检验S α(γ)分布对高斯和非高斯PDF 的拟合能力㊂图3是一段标准正态分布随机序列的建模拟合情况㊂其中图3(a)为波形图,图3(b)为PDF 曲线对比,虚线为使用设定的高斯分布参数[μ,σ2]=[0,1]绘出的曲线,代表PDF 真值;实线为使用对数矩法S α(γ)分布参数估计[^α,^γ]=[2.0,0.5]绘出的曲线,代表PDF 拟合值㊂2条曲线几乎完全重合,这说明对于高斯数据,S α(γ)具有良好的PDF 拟合性能㊂图3㊀SαS 分布S α(γ)对高斯数据PDF 的拟合性能Fig.3㊀PDF fitting performance of S α(γ)for Gaussian data㊀㊀图4是一段非高斯随机序列的建模拟合情况㊂非高斯序列按参数[εI ,σ2B ,σ2I ]=[0.1,1,100]的混合高斯分布以复合抽样法[1]生成㊂(a)为波形图,从中可观察到大量 毛刺 (尖峰脉冲)突出,故这是一种比较严重的非高斯情形㊂图4(b)为PDF 曲线对比,虚线为使用设定的混合高斯参数绘出的曲线,代表PDF 真值;细实线为使用对数矩法S α(γ)分布参数估计(^α,^γ)=[1.4,0.7]绘出的曲线,代表PDF 拟合值㊂可以看到,这两条曲线几乎完全重合,这说明对于非高斯数据,S α(γ)同样具有良好的PDF 拟合性能㊂为了比较,图4(b)图中还绘出了以高斯分布拟合的PDF 曲线,参数估计为[^μ,^σ2]=[0,10.1],如粗实线所示,可见,这条曲线已远远偏离PDF 真值,说明高斯建模在这种情况下已不可用㊂图4㊀SαS 分布S α(γ)对非高斯数据PDF 的拟合性能Fig.4㊀PDF fitting performance of S α(γ)for non-Gaussian data3㊀混响数据的SαS 分布特性分析本节以数组低频主动拖曳线列阵声呐(0411三亚海试)数据分析为例,验证以混响为主的主动声呐背景干扰数据(即图1所示中的混响限制区内数据,简称为混响)SαS 分布PDF 建模方法的正确性,并初步归纳混响PDF 的SαS 分布规律㊂3.1㊀建模方法验证(0411三亚海试)发射3种主动脉冲信号:Ⅰ表示脉宽为432ms㊁频率为750Hz 的CW 脉冲,称为窄带短脉冲;Ⅱ表示同样脉宽㊁频带为650~850Hz 的LFM 脉冲,称为宽带短脉冲;Ⅲ表示脉宽为1296ms㊁同样频带的LFM 脉冲,称为宽带长脉冲㊂使用80元拖曳线列阵接收回波数据㊂进行PDF 建模前数据已经过带通滤波ң波束形成ң移频ң降采样ң幅值归一化等处理[1,11]㊂图5~7分别给出了3段3种脉冲混响数据的波形图和SαS 分布PDF 建模拟合图㊂为便于比㊃85㊃第1期王平波,等:海洋混响数据的SαS 分布建模较,图5~7(b)图中同时绘出了:①使用柱状图统计法得到的PDF 曲线,图中标记为HS㊂在足够样本量下,HS 曲线可视为真实分布㊂②使用正负矩法S α(γ)参数估计得到PDF 拟合曲线,图中标记为NM㊂③使用对数矩法S α(γ)参数估计得到PDF 拟合曲线,图中标记为LM㊂NM 和LM 方法得到的α㊁γ参数估计值也同时标记于图5~7(b)图上方㊂图5㊀一段窄带短脉冲混响数据SαS 分布验模Fig.5㊀SαS PDF fitting performance for a reverberation segment of narrow-band shortpulse图6㊀一段宽带短脉冲混响数据SαS 分布验模Fig.6㊀SαS PDF fitting performance for a reverberation segment of wide-band shortpulse图7㊀一段宽带长脉冲数据SαS 分布验模Fig.7㊀SαS PDF fitting performance for a reverberation segment of wide-band long pulse㊀㊀由图可见,负阶矩法㊁对数矩法2种参数估计方法得到的参数估计值几乎完全相同,拟合的NM 和LM 曲线几乎完全重合㊂而此二者又与统计得到的HS 曲线几乎完全重合㊂这说明,这2种参数估计方法具有几乎完全相同的PDF 建模精度,都能够真实反映数据的PDF 特性㊂换言之,SαS 分布S α(γ)可以精确反映混响数据的PDF,其参数估计选用正负矩法或对数矩法皆可㊂从运算速度看,对数矩法略优㊂下文选用对数矩法㊂3.2㊀建模结果分析选取(0411三亚海试)中不同方位通道㊁不同距离处的Ⅰ㊁Ⅱ㊁Ⅲ3种发射信号引起的混响数据各5430段,以对数矩法进行SαS 分布建模㊂由于离差估值^γ仅反映数据值偏离中值或均值的程度,亦即基本反映数据功率的大小,而与数据的非高斯性关系不大,故这里仅考察特征指数估值^α的统计规律㊂表1给出了这些数据的建模结果㊂3组共计16290段数据的^α值皆分布于1.1~2.5,将1.1~2.0间隔0.1长度分为1段,得9个区间,由小到大表征依次削弱的非高斯性,而ȡ2.0则合为1个区间,表征高斯属性㊂表中第1列即显示了这种区间划分;第2~4列统计出各组数据^α值分别位于10个区间的百分比,统计的基数都是5430段;第5列则是3组综合的百分比,统计基数为16290段㊂由表可见,各组数据的^α没有低于1.1的值,少部分位于1.1~1.6,多数位于1.6~2.0,各有30%左右^αȡ2.0㊂考虑到时间平均量代替了统计平均量以及样本量的不足,可以把^αȡ1.9的情况视为近高斯分布,则各组占比分别为:信号Ⅰ组55.4%,信号Ⅱ组56.0%,信号Ⅲ组52.2%;把^α<1.9的㊃95㊃哈㊀尔㊀滨㊀工㊀程㊀大㊀学㊀学㊀报第42卷情况视为典型非高斯分布,则各组占比分别为:信号Ⅰ组44.6%,信号Ⅱ组44.0%,信号Ⅲ组47.8%;把^α<1.6的情况视为强非高斯分布,则各组占比分别为:信号Ⅰ组6.0%,信号Ⅱ组1.1%,信号Ⅲ组3.2%㊂表1㊀海试混响数据α估值分布区间统计Table1㊀Statistics ofα-estimation intervals for the sea trialdata^α分布区间信号Ⅰ混响/%信号Ⅱ混响/%信号Ⅲ混响/%所有信号混响/%[1.1,1.2)0.0184000.0061 [1.2,1.3)0.0921000.0307 [1.3,1.4)0.62620.01840.05520.2333 [1.4,1.5) 1.91530.16570.75510.9454 [1.5,1.6) 3.29650.9392 2.3573 2.1977 [1.6,1.7) 6.3536 4.6041 6.0773 5.6783 [1.7,1.8)11.933713.388614.806613.3763 [1.8,1.9)20.386724.917123.775323.0264[1.9,2.0)19.539626.556226.758724.2848[2.0,ɕ)35.837929.410725.414430.221统计基数54305430543016290注:信号Ⅰ为窄带短脉冲;信号Ⅱ为宽带短脉冲;信号Ⅲ为宽带长脉冲㊂因此,可以说,混响数据的SαS分布特征指数近半数位于1.6~1.9,表现出一定的非高斯性㊂相较而言,宽带长脉冲信号引发的混响数据非高斯性略强,而窄带短脉冲信号引发的混响数据的特征指数分布范围更广(信号Ⅰ组有少量^α值散布于1.1~1.3,而信号Ⅱ㊁Ⅲ组则无)㊂4㊀结论1)SαS分布可对主动声呐背景干扰进行较好的概率密度拟合;2)在混响限制区内,主动声呐背景干扰的特征指数α近半数集中在1.6~1.9,表现出一定的非高斯性㊂参考文献:[1]王平波.主动声纳非高斯信号处理技术研究[D].武汉:海军工程大学,2006.WANG Pingbo.Study on non-Gaussian signal processing in active sonar[D].Wuhan:Naval University of Engineer-ing,2006.[2]王汗青.基于对称Alpha稳定分布的水声信号处理技术研究[D].武汉:海军工程大学,2012. WANG Hanqing.Study on underwater acoustic signals pro-cessing based on symmetrical Alpha stable distribution[D]. Wuhan:Naval University of Engineering,2012. [3]邱天爽,张旭秀,李小兵,等.统计信号处理 非高斯信号处理及其应用[M].北京:电子工业出版社,2004. QIU Tianshuang,ZHANG Xuxiu,LI Xiaobing,et al.Sta-tistical signal processing:non-Gaussian signal processing and application[M].Beijing:Publishing House of Elec-tronics Industry,2004.[4]SHAO M,NIKIAS C L.Signal processing with fractional lower order moments:stable processes and their applica-tions[J].Proceedings of the IEEE,1993,81(7):986-1010.[5]SHAO Min,NIKIAS C L.Signal detection in impulsive noise based on stable distributions[C]//Proceedings of 27th Asilomar Conference on Signals,Systems and Comput-ers.Pacific Grove,CA,USA,1993:218-222. [6]RUPI M,TSAKALIDES P,NIKIAS C L,et al.Robust constant modulus arrays based on fractional lower-order sta-tistics[C]//1999IEEE International Conference on Acous-tics,Speech,and Signal Processing.Phoenix,AZ,USA, 1999:2945-2948.[7]陈思佳.Alpha稳定分布噪声下的自适应滤波算法研究[D].杭州:杭州电子科技大学,2020. CHEN Sijia.Research on adaptive filtering algorithm under alpha stable distribution noise[D].Hangzhou:Hangzhou Dianzi University,2020.[8]彭成.基于分数低阶统计量的非高信号处理技术研究[D].武汉:海军工程大学,2014.PENG Cheng.Study on non-Gaussian signal processing based on fractional lower order statistics[D].Wuhan:Na-val University of Engineering,2014.[9]彭成,王平波,刘旺锁.Alpha稳定分布序列的数值仿真方法[J].声学技术,2014,33(5):473-476. PENG Cheng,WANG Pingbo,LIU Wangsuo.Numerical simulation method of Alpha stable distribution sequence [J].Technical acoustics,2014,33(5):473-476. [10]王余,王本猛,卫红凯,等.对称α稳定分布特性及其参数估计方法研究[J].舰船电子工程,2017,37(4): 116-121.WANG Yu,WANG Benmeng,WEI Hongkai,et al.Sym-metrical Alpha stable distribution and its parameter estima-tion method[J].Ship electronic engineering,2017,37(4):116-121.[11]WANG Pingbo,WEI Hongkai,HU Jinhua,et al.An a-daptive beamforming algorithm for underwater acoustic sig-nal based onα-stable distribution[C]//2014IEEE Work-shop on Electronics,Computer and Applications.Ottawa, ON,Canada,2014:657-659.本文引用格式:王平波,卫红凯,娄良轲,等.海洋混响数据的SαS分布建模[J].哈尔滨工程大学学报,2021,42(1):55-60.WANG Pingbo,WEI Hongkai,LOU Liangke,et al.Oceanic reverberation probability density modeling based on symmetric alpha-stable distribution[J]. Journal of Harbin Engineering University,2021,42(1):55-60.㊃06㊃。

热带海洋环境下水下声通信信道建模及研究随着人类对海洋的探索和利用程度不断提升，水下通信逐渐成为人们关注的热点话题，尤其是在热带海洋环境下的水下通信。

由于热带海洋环境下水质、水温、海流等因素的不稳定性，导致水下通信信道的传输特性具有不确定性和时变性，因而研究热带海洋环境下水下声通信信道建模成为当今水下通信领域的热点和难点问题。

一、热带海洋环境下水下声通信信道热带海洋环境下水下声通信信道，是指发生在热带海洋环境下的通信信道，代表了热带海洋环境下水下通信中的物理层面，具体包括了信号在水中传输的整个过程，这个过程包括了信号的散射、多径效应、声衰减等方面的影响。

热带海洋环境下的水下通信信道研究是水下通信领域的一个热点，它和传统的水下通信信道研究相对比存在以下的不同点和难点:1.热带海洋环境下水下通信信道中，噪声的影响很大。

这主要是由于热带海洋环境下的生物声、风浪声等因素，对水下通信信号的干扰比较严重，因此需要建立相应的噪声模型进行研究；2.热带海洋环境下水下通信信道中，多径信道的影响非常严重。

在浅海中，由于地形、潮汐、微生物等多种原因，信号会产生多路径传输，并形成多条信号传输途径。

因此，需要建立多径信道模型，对信号的传输进行研究；3.热带海洋环境下水下通信信道中，由于海水温度、盐度、压力等因素的影响，信号的传输特性呈现明显的时变性。

这也就意味着，传统的信号传输模型难以精确描述信号的传输过程。

因此，在研究热带海洋环境下的水下通信信道时，需要借助现代信号处理技术，对信号进行时变建模及处理。

二、热带海洋环境下水下声通信信道建模热带海洋环境下水下声通信信道的建模是水下通信领域中的核心问题，是确定水下通信系统参数的重要前提。

目前对于热带海洋环境下的水下声通信信道建模，研究者们主要采用以下三种方法：1.经验模型法：经验模型法是一种将实际现象转化为数学表达形式的方法，它是基于大量实验数据的统计分析方法，通过对统计数据进行分析得出相应的数学模型。

声波在水中的传播特性和水中目标探测的研究摘要：1912年4月19日，英国刚刚研制成功的一艘14000吨级的新邮轮“巨人号”，在加拿大纽芬兰岛南部海域被一座浮动冰山撞沉。

结果1500余人遇难。

在第一次世界大战期间，德国人利用新发明的U型潜艇，击沉了大量协约国的军舰和商船。

两件重大事件促使科学家、发明家对声纳的研制和改进加快了进程。

声纳的用途十分广泛。

在军舰、潜艇、反潜飞机上安装声纳之后，可以准确确定敌方舰艇、鱼雷和水雷的方位。

同时，它还能区别前方的目标是鲸鱼还是潜艇，是敌方潜艇还是我方潜艇呢。

在民用方面，可以使轮船在黑夜和雾天航行时及时发现前方的船只或暗礁；可以告诉渔民哪儿有鱼群；还可以用来研究海洋地质，搜寻海下沉船，进行水下通信联系等等。

关键词：声纳组成和工作原理简史现状发展趋势英文翻译：Acoustic wave propagation in the water and the water target detection researchName: Liu Yi Yao Tian Units: College of Nanjing University of Technology and Engineering ZijinAbstract:April 19, 1912, the United Kingdom has just been successfully developed a new 14,000-ton cruise "giant" in the southern island of Newfoundland, Canada, was a sea of floating iceberg sank. Results More than 1,500 people died. During the First World War, the German use of the new invention of the U-shaped submarine to sink a lot of Xiediguo warships and merchant ships. Two major events prompted scientists, inventors of the sonar in the development and expedite the process of improving. Sonar uses very wide-ranging. In warships, submarines, anti-submarine sonar installed on the aircraft, can be accurately determined enemy ships, torpedoes and mines position. At the same time, it can also distinguish between the target is a whale in front of the submarine or is our enemy submarines or submarine it. In the civil context, will enable vessels navigating in the darkness and fog at the time found in front of the vessel or reefs; can tell fishermen where there are fish, but also can be used to study the marine geology and search under the sea shipwrecks, underwater communication links etc..Key words: sonar composition and working principle history Status Quo Development Trend正文：作为弹性波的声波在水中传播具有损耗小、传播距离较远的优点，所以声纳已成为海洋开发和研究中不可缺少和行之有效的探测设备．但根据海洋声学的基本特性，海水中声波的传播速度受海水的温度、盐度和水压等环境因素影响较大，这对声纳探测，特别是测深的影响非常大，它直接改变海水中声波传播轨迹：声速变化为正梯度时，水下声源发出的声线向海面弯曲；声速变化为负梯度时，声线向海底方向弯曲。

第9卷第3期导航定位学报 Vol.9，No. 3 2021年6月Journal of Navigation and Positioning Jun.，2021引文格式：陈刚，于丽娜. 多种环境下GNSS-RTK监测噪声特性分析[J]. 导航定位学报, 2021, 9(3): 92-97.（CHEN Gang, YU Lina. Analysis of noise characteristics of GNSS-RTK monitoring in various environments[J]. Journal of Navigation and Positioning, 2021, 9(3): 92-97.）DOI:10.16547/ki.10-1096.20210315.多种环境下GNSS-RTK监测噪声特性分析陈刚1，于丽娜2（1. 中海石油技术检测有限公司，天津300452；2. 天津大学建筑工程学院，天津300350）摘要：为了获取实时动态差分模式下全球卫星导航系统（GNSS）实时动态差分（RTK）在不同环境下监测的噪声特性，提出一种改进的自适应噪声完备集合经验模态分解（CEEMDAN）算法分离噪声：首先采用CEEMDAN进行信号分解，然后以有效系数和相关系数相结合的筛分标准，选择和重构固有模式函数（IMF）分量；通过仿真信号验证改进算法的可靠性；然后对GNSS-RTK实测信号进行噪声分解，并进一步分析不同环境下噪声分量的时频特性。

研究结果表明：在一般环境下，GNSS-RTK监测多路径误差主要集中在0.05 Hz范围内，基于改进CEEMDAN算法能够有效分离GNSS-RTK多路径误差和仪器白噪声。

关键词：全球卫星导航系统；实时动态差分；多种环境监测；噪声特性；改进的自适应噪声完备集合经验模态分解中图分类号：P228文献标志码：A 文章编号：2095 4999(2021)03 0092 06Analysis of noise characteristics of GNSS-RTK monitoring in various environmentsCHEN Gang1, YU Lina2（1. Technical Inspection Co., Ltd., CNOOC, Tianjin 300452, China;2. School of Civil Engineering,Tianjin University,Tianjin 300350, China）Abstract：To analyze the monitored noise characteristics by Global Navigation Satellite System (GNSS) Real Time Kinematic (RTK) in different environments,an improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) algorithm was proposed to decompose the noise components: At first, CEEMDAN was used for signal decomposition,next the effective coefficient and correlation coefficient were employed as the thresholds to sift the Intrinsic Mode Function (IMF) components. The reliability of improved CEEMDAN algorithm was verified by simulation signal. Then,the algorithm was used for noise decomposition of GNSS-RTK measured signals. In addition, the characteristics of noise components in different environments were analyzed. The results show that the multipath error of GNSS-RTK is mainly within 0.05 Hz in general environments,and the improved CEEMDAN algorithm can effectively separate the multipath error and instrument white noise of GNSS-RTK.Keywords：global navigation satellite system; real time kinematic; monitoring in various environments; noise characteristics; complete ensemble empirical mode decomposition with adaptive noise0引言新兴的全球卫星导航系统（global navigation satellite system, GNSS），由于具备自动化程度高，受环境影响小，支持全天候监测，可直接获取三维坐标信息等诸多优势，目前已广泛应用于遥感、测收稿日期：2020 09 14第一作者简介：陈刚（1976—），男，天津人，大学，工程师，研究方向为海洋石油设备设施检验检测。

水声通信中的抗干扰算法研究一、引言水声通信作为一种在水下环境中进行信息传输的重要手段，具有广泛的应用前景，如海洋科学研究、水下资源勘探、军事通信等。

然而，由于水下环境的复杂性和特殊性，水声通信面临着诸多干扰因素，如噪声、多径传播、多普勒频移等，这些干扰严重影响了通信的质量和可靠性。

因此，研究有效的抗干扰算法对于提高水声通信系统的性能具有重要意义。

二、水声通信中的干扰因素（一）噪声干扰水下环境中的噪声主要包括海洋环境噪声、船舶噪声、生物噪声等。

这些噪声具有随机性和宽频带特性，会淹没有用信号，导致接收端信号的信噪比降低，从而增加了信号检测和处理的难度。

（二）多径传播干扰由于水下介质的不均匀性和反射特性，水声信号在传播过程中会经历多条不同路径的传播，从而产生多径效应。

多径信号之间的相互叠加会导致信号的时延扩展和幅度衰落，严重影响通信的可靠性。

（三）多普勒频移干扰当发射端和接收端之间存在相对运动时，会产生多普勒频移。

多普勒频移会导致接收信号的频率发生变化，从而破坏了信号的频谱结构，影响了信号的解调和解码。

三、常见的抗干扰算法（一）自适应滤波算法自适应滤波算法是一种根据输入信号的统计特性自动调整滤波器参数的算法。

在水声通信中，常用的自适应滤波算法包括最小均方（LMS）算法、递归最小二乘（RLS）算法等。

这些算法能够有效地抑制噪声干扰，提高信号的信噪比。

（二）多径分集接收算法多径分集接收算法通过对多径信号进行分离和合并，以充分利用多径信号中的能量，提高接收信号的质量。

常见的多径分集接收算法包括等增益合并（EGC）算法、最大比合并（MRC）算法等。

（三）多普勒补偿算法多普勒补偿算法通过对接收信号的频率进行校正，以消除多普勒频移的影响。

常见的多普勒补偿算法包括基于频域的补偿算法和基于时域的补偿算法。

四、新型抗干扰算法的研究进展（一）基于深度学习的抗干扰算法随着深度学习技术的发展，越来越多的研究开始将深度学习应用于水声通信的抗干扰领域。

1.1海洋中为什么使用声？答：在人们迄今所熟知的各种能量形式中，在水中以声波的传播性能最好。

无论是光波还是电磁波，他们在水中的传播衰减都非常大，因而在海水中的传播距离十分有限，远不能满足人类海洋活动的需要。

1.2声波在水中得以应用的根本？ 答：R=ct ，它能将距离与时间进行互换。

1.3海洋中声传播的特点、规律、研究方法。

答：突出特点：由于海洋环境非常复杂，海洋中的声传播非常复杂。

规律：短距离，三维传播，球面扩展，海洋环境的影响较小，采用确定性研究方法；长距离上，二维传播，柱面扩展，海洋环境影响很大应优先考虑，用统计方法研究。

1.4水声学主要研究课题？答：主要研究携有某种信息的声波在水中的产生、传播和接收。

水声物理研究声波在海水中的传播规律，水声工程研究声波的产生和接收，包括水声系统设计和水声技术两部分。

2.1一维线性波动方程及其一般形式与含义答：一维线性波动方程2222210p p xc t∂∂∂∂-=，一般形式为222210p c tp ∂∂∇-=，其含义是将声波随空间的变化与声波随时间的变化联系起来。

2.2何为简谐波，谐波解？答：随时间t 作正弦或余弦规律的运动，一般称为简谐振动，产生的波是简谐波。

谐波解为()(,)j t kx p t x e ω-=。

2.3 Helmholtz 方程：22()()0p x k p x ∇+=。

2.4自由空间中的声：()(,)j t kx a p t x p e ω-= 质点振速：()(,)j t kx a u t x u e ω-= ， 00ap a c u ρ=；声阻抗率：p uZ =，特征阻抗：00c ρ声强：200111220a Tp a a Tc I pudt p u ρ===⎰；声功率：2004ap c W IdS πρ==⎰2.5声压与声强的对数表示 声压级：20lg refp p SPL = dB re p ref =1μP a声强级：10lgrefI I SIL = dB re I ref =6.76×10-19W/m 2 。

海洋工程中的环境监测与评估在当今世界，随着人类对海洋资源的开发和利用不断深入，海洋工程的规模和数量日益增加。

然而，这些活动在为人类带来巨大利益的同时，也不可避免地对海洋环境造成了各种影响。

为了实现海洋资源的可持续利用和保护海洋生态平衡，海洋工程中的环境监测与评估工作显得至关重要。

海洋环境是一个极其复杂和敏感的生态系统，它包括了海水的物理、化学和生物特性，以及海底地形、海洋气候等多个方面。

海洋工程，如海上油气开采、港口建设、海底电缆铺设等，可能会导致海洋水质污染、海洋生态破坏、海洋生物栖息地丧失等一系列环境问题。

因此，通过科学的环境监测和评估，我们能够及时了解海洋环境的变化情况，预测可能出现的环境风险，并采取有效的措施加以防范和治理。

环境监测是海洋工程环境管理的重要手段之一。

它通过对海洋环境中的各种参数进行定期或连续的观测和测定，获取有关海洋环境质量和生态状况的信息。

监测的内容通常包括海洋水质、海洋沉积物、海洋生物、海洋气象和海洋水文等方面。

例如，对海水中的化学污染物（如石油、重金属、农药等）的监测，可以了解污染物的种类、浓度和分布情况，评估其对海洋生态系统的潜在危害；对海洋生物的监测，可以了解生物多样性的变化、生物种群的数量和结构的改变，以及生物的生长、繁殖和健康状况，从而反映海洋生态系统的稳定性和功能。

在海洋工程环境监测中，监测技术和方法的选择至关重要。

目前，常用的监测技术包括现场采样和实验室分析、遥感监测、自动监测站等。

现场采样和实验室分析是传统的监测方法，它可以提供较为准确和详细的环境数据，但监测周期长、成本高，而且难以实现大面积和连续监测。

遥感监测则利用卫星、飞机等遥感平台，获取大范围的海洋环境信息，具有快速、宏观、动态的优点，但监测精度相对较低。

自动监测站可以实现对海洋环境参数的实时连续监测，数据时效性强，但建设和维护成本较高。

为了提高监测效率和数据质量，通常需要将多种监测技术和方法相结合，形成一个综合的监测体系。