在中国科学院声学研究所声场声信息国家重点实验室主任王海斌研究员的带领下，我国研究人员与法国勃艮第大学Le2I实验室共同提出了一种基于图像模式识别技术的新型水声目标特征分析方法。相关研究成果被第十四届IEEE信号处理国际会议（the 14th IEEE International Conference on Signal Processing, ICSP 2018）收录，副研究员李超代表研究团队向大会作了报告。
人工水声目标在工作的过程中会产生一定的辐射噪声，海洋生物也会发出各种叫声。这些噪声产生的机理不尽相同，往往具有独立、稳定的声学特性，可以用于被动目标探测与识别。水声目标探测受到复杂海洋环境的影响，需要对目标噪声进行特征提取以增强识别结果的可靠性。目前常用的可识别特征有频谱、调制、相位等特征。这些特征提取方法是在时间、频率或者相位等某一特定维度上进行，只能提供同质的单模态信息，限制了相关技术性能的提升。
时频分析原理图（图/李超）
时频分析是一种有效的水声信号分析方法。其原理基于短时傅里叶变换（Short-Time Fourier Transform, STFT），即按照一定的时间间隔截取长度相等的接收信号，然后对每段信号进行傅里叶变换，得到不同时刻的信号功率谱。将这些功率谱沿时间轴进行排列，就形成了时频分析图。这种分析结果同时含有时间、频率和调制三种特征信息，是一种典型的多模态融合特征，具有更高的可区分度，有助于提升水声目标识别技术的性能。
人工水声目标辐射噪声（左）与鲸鱼叫声（右）时频分析结果（左图/陈敬军等，一种提取LOFAR图中谱线的方法，声学与电子工程，2018年第2期；右图/ Douglas Gillespie, Detection and classification of right whale calls using an 'edge' detector operating on a smoothed spectrogram, Canadian Acoustics , 2004）
在此基础上，声学所研究人员引入图像模式识别技术，提出了一种新的水声目标特征分析方法。该方法发挥了时频分析图的多模态优势，利用目标噪声频谱的时间相关性，通过特征分解，将目标噪声与背景噪声分离开，达到低信噪比下提升系统可靠性的目的。仿真与海试数据验证结果表明，该方法可以在低信噪比下对人工目标的谱线进行有效的检测与追踪，具有很好的实用价值。
某人工水声目标噪声时频分析图与其时-频二维特征（图/李超）
基于时-频二维特征的人工目标线谱实时追踪结果（图/李超）
论文关键词：
时频分析；谱线追踪；主元素分析；谱线特征；被动探测
参考文献：
ZHANG Hairu, LI Chao, WANG Haibin, WANG Jun, YANG Fan. Frequency Line Extraction on Low SNR Lofargram Using Principal Component Analysis. 2018 IEEE 14th International Conference on Signal Processing (August, 2018).
论文链接：http://www.icsp-ieee.org/
