面临着运算成本高和计算机存储空间不足的困难，限制着数值方法的应用。
综合以上分析可知，能够以明确方式显示声场与目标声学参数之间的关系，得到波动方程闭合形式的解析解是研究目标散射的最高期望。虽然解析方法计算量小、精度高、计算速度快，但是只适用于几何形状和结构相对简单的目标。基于网格剖分的数值计算方法可以近似求解波动方程，通过迭代可以解决复杂目标散射问题，对目标形状的局限比较小，得到的结果也比较精确，但计算量巨大，难以应用于实际工程中。
在上面基础理论的基础上，研究人员从不同角度对其进行改进，比如逆向应用傅里叶衍射定理对水下目标进行快速散射场预报、多极边界元方法等。
运用衍射定理预报散射声场的思路，该方法无需网格剖分和迭代运算，可实现目标散射特性的快速预报。由于采用了快速变换，并通过对频域数据的采样直接得到空间散射波参数，因此与FEM和FDTD相比，该方法在计算速度方面实现了突破。
相对于常规边界元等数值方法，多极边界元在仍旧采用直接声场积分保证精度的前提下，降低了迭代求解的维数，可以实现大尺度刚性目标外形引起的声散射特性计算；并且多极边界元可以计算复杂场源如多极子声源激励下，近场与远场任意接收点的声场，可用于复杂大尺度目标收发合置、收发分置声散射特性研究。加上并行计算技术，有望解决目前大尺度目标高频声散射计算瓶颈。
四、散射特性的前沿研究
4.1 散射信号分解
目标声散射信号特征是主动声纳对水下人工目标探测与识别的重要依据. 水下人工目标的声散射信号主要有两种, 一种是声波在目标表面散射形成的几何声散射, 另一种是由目标结构共振引起的弹性声散射. 其中弹性声散射携带了目标的结构与材质等信息, 可以用来区分形状近似, 但材质不同的水下目标, 是水下目标声散射特性研究的重点之一。在声散射机理研究成果的基础上, 为准确识别水下目标, 需要分析回波中包含的声散射成分的类型和特性, 提取其中有关目标特征的信息。
对于分离目标声散射信号中的几何声散射，常用的方法包括利用匹配滤波器获得时间-角度信息，或利用傅里叶变换获得频率-角度信息。 但实际中由于水声信道存在随机起伏以及目标的散射特性的影响, 回波中含有随机的畸变成分, 使得匹配滤波器难以达到理论性能, 而傅里叶变换对所分析信号的性质有所限制. 时频分析方法能够给出信号的时间-频率二维信息, 诸如短时傅里叶变换、Wigner-Ville分布等能够较好地分析声散射回波特性, 但这些方法或者受到时频分辨能力的限制, 或者分量间的影响严重, 仍然难以达到理想的分析效果; 另外在此基础上难以提取能够用于自动识别的特征参数. 作为一种时频分析方法, 分数阶傅里叶变换具有与理想条件下匹配滤波相同的脉冲压缩性能, 但其参考信号可以自动调整以便最佳匹配接收信号, 而且存在反变换, 可以获得处理后的时域波形。
对于目标声散射信号中的弹性声散射分量，在声纳接收端处较容易观察到的弹性声散射成分是由第一阶亚音速反对称Lamb 波(??0?波) 引起的. ??0?波在圆柱壳表面的传播轨迹为螺旋线形, 分别有顺时针与逆时针两条传播轨迹. 这
两条不同轨迹的??0?波向外辐射时会相干叠加。 由于??0?波的能量在频域主要分布在中高频范围, 所以在某些文献中也称这种弹性声散射为中频增强回波(mid-frequency enhancement echo, MFE)。 MFE 的频率与重复周期可以反映目标的物理特性, 如目标的壳体直径与厚度等。MFE 的频谱特征与声波入射角度有关, UXO 探测项目通过测量数种炮弹目标的在声波入射角度连续变化下的声散射信号, 分析各目标的MFE 在角度-频率谱上干涉条纹的差异, 并采用时频分析方法对MFE 进行分析, 结果表明从目标声散射的角度-频率谱上提取特征识别形状相同但材质不同的圆柱形弹性目标模型是可行的。
在目标弹性声散射信号特征提取过程中, 目标弹性声散射与其他声散射成分在时域、频域上的混叠是影响目标弹性声散射特征提取的一个重要原因. 已有的研究中采用共振隔离和识别技术(method of isolation and entification of resonances,MIIR) 提取目标的弹性声散射信号, 该方法采用极短脉冲作为发射信号, 目标回波中几何声散射与弹性声散射之间具有较大的时间间隔, 所以可以在时域上分离出弹性声散射信号. 该方法的缺点在于目标回波信号能量较弱, 介质声吸收与混响会影响该方法在实际水声环境下的应用效果.最近有文献提出了一种阵列处理方法, 根据不同基元获得的目标弹性声散射信号在时频域上的相关性, 通过子空间分解的方法提取目标弹性声散射信号, 从实验数据处理结果来看, 该方法可以在一定程度上提高目标弹性声散射的可辨识性。
当主动声纳发射线性调频信号时, 根据弹性目标回波的亮点模型, 目标声散射成分可以简化认为是入射信号不同时延的拷贝, 并且具有基本一致的线性调频特性. 有一种线性信号映射方法, 将目标声散射信号映射为单频信号, 并理论推导出了映射结果与目标声散射结构间的线性对应关系, 实现了通过窄带滤波的方式分离目标回波中各声散射成分, 提取出目标弹性声散射信号。如图4.1与图4.2分别是利用线性信号映射方法分离散射信号的结果。
图4.1 分离前的信号分析(a) 时域波形; (b) 匹配滤波; (c) 功率谱; (d) 时频分布
图4.2 分离后的弹性散射分量(a) 时域波形; (b) 匹配滤波; (c) 功率谱; (d) 时频分布
4.2 浅海波导中的散射声场
复杂的海洋环境中影响目标声散射的因素很多,尤其是浅海环境,海面、海底以及水体声速分布,都会对目标声散射产生影响,致使在浅海波导中的目标声散射与自由场中有着显著的差别。在理论分析方法上,波导中的目标散射与自由场中相比也变得更为复杂。年代末国际上开始对海洋环境中的目标散射问题进行理论研究,其中包括界面附近的目标散射问题和波导中的目标散射问题。近年来,国内也有人开始研究海洋环境中的目标声散射问题。但是这些研究只涉及了界面附近的情况,如沉底水雷的探测等,对于浅海波导中的目标声散射问题目前国内尚未见到有关的研究报道。一些研究就浅海波导中目标声散射特性进行理论研究,通过数值计算给出浅海环境中诸因素对刚性球声散射场的空间分布及信号结构产生影响的理论结果。
求解自由场中的散射问题的主要方法有变量分离法,即本征函数法,积分方程法、 T矩阵方法。如果要研究与海洋信道相结合的目标散射问题,以本征函数法和T矩阵法最为普遍。但是T矩阵法计算起来很繁琐,而且计算细长目标时会有很多不便,所能计算的波数限制在中低波数。在高频大波数时可以考虑物理声学方法,虽然这种方法对物理机理有描述不准确的地方,但是结果仍然可以接受。目前关于波导中目标的散射问题的解法大多是在Ingenito的本征函数展开法基础上发展而来。这种算法不存在奇异值问题,没有频率的限制,计算不像一矩阵那样繁琐,在与求局地简正波的程序KRAKENC相结合后可以计算波导水体中声速不均匀的情况。
Ingenito的本征函数展开法是本征函数法解算波导中散射问题的一般思路针对波导中刚性球目标的一个具体方法。Ingenito采用本征函数展开法,把格林函数和入射声场展开为简正波形式,然后把径向函数汉克尔函数展开为球谐函数的叠加,利用球函数在球表面的正交性确定球谐函数的系数。其中忽略了多次散射的存在。
五、目标识别简介
水下目标识别是现代声纳系统与水声对抗的一个重要的组成部分,它的研究一直受到许多学者、工程技术人员以及军事部门的极大关注。
水下目标识别是潜艇及水面舰艇在海战中,先敌发现并有效地对敌进行水声对抗,先敌使用武器攻击,克敌制胜的前提,也是我海军目前各型潜艇和水面舰艇急需解决的关键技术。然而, 如何根据声纳接收到的舰船辐射噪声和目标反射回声对目标进行分类识别,是长期困扰人们的问题。传统的识别方法根据声纳员的经验和主观判断来确定目标的类型,此法有一定弊病。在当今作战环境下,随着各种传感器形式的增多、各种信息量的增大、水下运载体所产生的噪声信号的降低以及更高级灵敏声纳系统的出现,目标识别问题变得越来越复杂。
近十多年来, 声纳的探测距离和定位精度有了显著的提高, 各式各样的舰壳声纳、吊放声纳、拖线阵声纳正在不断地更新。人工识别与先进的探测技术相比, 显得极不相称。实际上,目标识别问题已经成为当前水声装备技术发展的主要障碍。如何利用声纳信号本身来完成目标自动识别是迫在眉睫的重大研究课题,显然只有兼备探测与识别功能的新型声纳才能完成高新技术条件下我国海军对敌作战的艰巨任务。
水下目标识别系统的总体框架如图5.1所示
图5.1 总体框架
接收信号即声呐探测到的信号；预处理就是对接收到的信号进行噪声及干扰抑制；特征提取就是对预处理后的信号提取出能够用于区分不同目标的特征信号；分类器设计就是利用不同的特征信号判别是属于哪一种目标的标准；类别判定就是执行目标识别的最后步骤。其中最重要的是特征提取这一部分。
5.1 信号接收
水下航行体的辐射噪声通常由水动力噪声、机械噪声及螺旋桨空化噪声三大部分组成。其中机械噪声及螺旋桨空化噪声在大多数情况下是主要的辐射噪声。噪声谱有两种类型: 一种是有连续谱的宽带噪声, 另一种是具有非连续谱的单频噪声，这种噪声由出现在离散频率上的线谱组成。水下航行体的辐射噪声在很大频率范围内由这两类噪声叠加而成。
同时，也可以利用声呐接收到的信号形成声呐图像，展现目标的轮廓之类的信息。
5.2 预处理
信号预处理过程，是将被动声纳采集的目标信号和干扰信号进行处理，提取
出目标信号的成分，将干扰噪声抑制、消除，从而提高信噪比，为后续的特征提取和识别打下良好的基础。自适应滤波技术对噪声进行处理，主要是应用LMS和RLS自适应降噪方法对目标噪声信号进行预处理。
对于声呐图像的预处理，还可以利用数字图像助理中的处理过程，如中值滤波、平滑滤波等。
六、特征提取
关于特征提取部分，首先要区分接收信号的形式，比如脉冲信号与声呐图像。对于脉冲信号，我们可以对其时域以及频域进行分析提取特征信号，对于声呐图像，我们就可以利用数字图像处理的方法来对声呐图像进行处理，来实现声呐图像的特征提取。
6.1 信号时域频域分析
舰船目标原始信号的时域波形结构中含有丰富的目标类别特征信息。通过对信号的过零点分布、峰间幅值分布、波长差分布等方面的特性分析, 可以得到信号波形结构的多维特征向量。
定义噪声信号波形的过零点波波长分布概率函数为:
P(?i)?S(?i)?S(?j?1N (6-1)
j)式中?i认表示一个过零点波的波长,S(?i)表示一个信号样本中波长为?i的过零点波的个数;?S(?j)表示一个信号样本过程的总持续时间。
j?1N 定义噪声信号波形的峰间幅值分布概率函数为:
P(?i)?S(?i)?S(?j?1N (6-2)
j)设在一个样本波形的峰谷序列中，最大的峰间幅值为H?max(Ak)，归一化后将峰间幅值划分为N各等间隔的分组区间?i(i?1,2,...,N)，S(?i)表示峰间幅值落在?i区间的峰谷个数。
相邻两个过零点波波长之差的分布情况就是波形的波长差分布。定义波长差分布概率函数为:
P(?i)?S(?i)?S(?j?1N (6-3)
j)