0 引言

水声通信在海洋安全相关领域的应用，促进了低检测概率（Low Probability of Detection， LPD）声呐信号的发展。这些领域包括但不限于潜艇的搜索和调查、海洋监测节点和水下无人航行器的探测与通信。常见的 LPD 波形设计方法将信号伪装成海洋环境噪声或以低于海洋环境噪声级的功率发射来实现其隐蔽性。然后，通过编码增益使得接收机在低信噪比条件下实现信号检测。然而，这种方式为了降低检测概率，通常需要以较低的声源级进行信号发射。这一特点限制了声呐的作用距离。为了解决这一问题，受海洋生物叫声的启发，仿生信号被越来越多的学者应用在声呐系统中^[1-5]。如图1 所示，将声呐信号伪装成某种海洋哺乳动物的叫声，既能够实现信号的高功率传输，又可以使用海洋生物声音来欺骗探测器。

早在 2007 年，国内便有学者对海豚和现代声呐定位的性能进行了比较。研究证实了海豚水声定位是较当时的工程水声定位精度和可靠性更高的自适应系统^[6]。随着声呐系统与水声技术的发展，研究人员逐步意识到海洋生物叫声是很好的水声伪装信号。因此，人们利用某些海洋生物通过声音感知海洋这一特点，以多种方式将信息隐藏于采集到的叫声样本中，以期迷惑非合作接收器^[7-12]。这些研究大多基于接收器即便探测到人为传输的生物信号，进行信息解码与识别的概率也很小的假设。然而，发声海洋生物在大洋中的分布非常广泛，而且不同种群有其特定的活动区域^[13-16]。这一特点限制了仿生声呐信号的应用。此外，对于不同的任务（如水声通信、探测、定位）需要选择适合的叫声样本以提高声呐性能。例如，文献^[17]研究了基于 2 类鲸鱼叫声仿生通信信号的识别方法。更进一步地，文献^[18]对识别仿生声呐信号与真实生物叫声的方法进行了研究。

针对广泛应用的海洋生物叫声，本文重点关注其作为主动声呐信号的特性。基于不同应用任务需求提出仿生信号波形的分析与应用方案，以解决在大量采集信号样本中，挑选适合声呐系统的生物叫声波形。本文使用傅里叶压缩变换技术对采集到的生物叫声进行信号重构，从而去除采集噪声使发射信号更贴近真实海域环境噪声。以海豚哨声信号为例，考虑声呐系统常用技术指标，对重构后的信号从时频、频谱、自相关性、互相关性以及时间频率分辨率的角度进行分析。上述分析方案能够帮助声呐系统选取恰当的仿生信号进行隐蔽声信息传输。

本文各节内容安排如下：第 1 节系统性地介绍了基于仿生信号的声呐系统波形设计方案，第 2 节详细地介绍了针对声呐系统的海洋生物叫声信号重构方法，第 3 节以重构的 6 类海豚哨声信号为例，进行了声呐系统应用可行性分析，最后在第 4 节中总结全文并指出后续研究方向。

1 仿生声呐系统波形设计方案

声音对海洋中的某些哺乳动物十分重要，他们依赖声音的产生和接收来导航、交流、狩猎和避开黑暗或视力有限的水域中的掠食者。以宽吻海豚为例，它可以发出哨声（whistles）和类似呻吟（moans）、颤音（trills）、咕哝（grunts）、吱吱声 （squeaks）、咔嗒声（click）和门嘎吱声（creaking doors）的声音。它们可能在任何时间和深度发出这些声音。这些声音的音量、波长、频率和模式各不相同。例如，宽吻海豚发出声音的频率范围为 0.2 kHz~150 kHz。较低频率的发声（约 0.2 kHz~50 kHz）可能用于社交交流；社交信号在低于 40 kHz 的频率下具有最大的能量；较高的频率咔嗒声 （40 kHz~150 kHz）主要用于回声定位；标志性哨声的频率通常在 7 kHz~15 kHz 之间，持续时间不到 1 s。由此可见，海洋哺乳动物叫声具有复杂和多样的信号结构。

图2 展示了基于海洋生物叫声应用效能分析的声呐系统波形设计方案。为了更好地设计声呐信号，首先应该根据任务海域进行生物种类选择。表1 列举了一些常见的发声海洋哺乳动物及其分布海域。由表可见其分布具有明显的地域性。因此，以任意采集的叫声信号作为研究样本会导致违背生物常识，从而增加暴露风险。正如前文所述，每一类发声海洋动物都拥有丰富的叫声。对于它们来说，这些叫声可能用于不同的用途，或携带着某种特殊的信息。因此，需要针对声呐实际应用场景，从众多叫声样本中选择应用种类。需要注意的是，由于叫声样本采集时间、场地、环境参差不齐，录制的声音中往往含有大量的噪声和杂波。因此，对叫声样本的提取十分必要。在去噪时频域中对叫声信号进行重构，才能进行合理且有效的性能分析。若该信号满足声呐设备对于主动信号的各项指标要求，即可以进行部署应用。反之，则需要进入样本库重新选择与分析，直到获得可用波形。

2 基于同步压缩变换的生物叫声重构

海洋生物叫声信号可以表示为调幅模式和调频模式的叠加。对于时频分析，可以将这类信号表示为解析信号的和

式中：${\varphi }_k$是信号相位，其时间导数 $\mathrm{d}{\varphi }_k（t）/\mathrm{d}t$对应瞬时频率。当精确相位未知时，可以使用傅里叶同步压缩变换技术来进行估计。

傅里叶同步压缩变换是基于在谱图函数中实现的短时傅里叶变换。对于某些类型的非平稳信号，同步压缩变换类似于时频重排，因其产生比传统变换更清晰的时频估计。傅里叶同步压缩变换确定了函数 f 的短时傅里叶变换，使用谱窗函数 g，通过下式计算

与传统傅里叶变换定义不同，此处有一个额外的因子 $\mathrm{e}\mathrm{x}\mathrm{p}（j2\pi \eta t）$。通过压缩变换值，使信号能量集中在时频平面中的瞬时频率曲线周围。得到的同步压缩变换的形式如下

其中瞬时频率由下式的相位变换进行估计

分母上的变换减小了窗口的影响。与时频重排不同，同步压缩变换是可逆的，因此可以重构组成信号的单个模式。可逆性对短时傅里叶变换的计算施加了一些约束：1）离散傅里叶变换点的数量等于指定窗口的长度；2）相邻窗口段之间的重叠比窗口长度小于 1；3）仅在频率上执行重新分配。

图3 展示了海洋生物叫声的重构流程。首先，采用傅里叶同步压缩变换重新赋予固定时间内频率中的能量，在时频平面中定位能量，使得样本信号时频平面中显示为一个局部脊线。这一操作起到了锐化频谱的作用。随后，从时频矩阵和频率向量中提取最大能量的时频脊。最后，使用逆傅里叶同步压缩变换重构去噪后的样本信号。

3 仿生信号波形效能分析

本节以重构的 6 类海豚哨声信号为例，将它们编码为 S1~S6。从主动声呐信号分析的角度，验证海洋生物叫声在声呐系统中的应用效能。

由图4 时频分析比较结果可知，海洋生物叫声的声纹特征非常明显。无论对于人耳还是基于人工智能的检测，都可以对其进行有效的分类识别。因此，基于仿生信号的隐蔽水声通信，更为重要的是根据生物的习性与发声特点进行间断性发射，尽量避免规律性、长簇编码发射。而主动声呐探测、定位或信道感知恰恰满足这样的发射特点。在这些应用场景下，声呐只需要单次或多次脉冲发射，即可得到探测结果。

主动声呐信号的频谱分析十分必要。一方面，对于发射端，仿生信号的主要能量需要集中在发射换能器的频带响应范围内，以获得较大的发射功率和较小的信号失真。另一方面，对于接收端，频谱的宽度应该小于接收机的通带宽度，以防止信号能量损失以及抑制带外噪声干扰。由图5 可知，本节所研究的 6 种海豚信号主要能量集中在 2 kHz~9 kHz，符合低频主动声呐的应用频带特点。此外可以发现，S3 样本频带范围更窄（3.5 kHz~4.5 kHz），这有利于仿生信号应用在性能并不是很高的发射换能器上。

匹配滤波处理是主动声呐中常采用的信号处理方法，其数学表达在形式上与信号的自相关函数相似。良好的自相关性质能够使得接收机获得额外的处理增益。这一优点不仅可以降低发射功耗，也可以增加探测距离。由图6 可知，6 种叫声样本都具有较好的自相关特性，即主旁瓣比很高。而那些主旁瓣比较低的叫声样本，则不适合应用在声呐系统中。

然而，自相关性只能反映叫声样本可获取的处理增益。对于海洋监测网络或集群声呐系统的应用场景，还需要考虑信号之间的多址性，即应用在不同设备上的能力。该多址性类似于发声海洋生物的声纹，它们能够标记某一个体而不产生混淆。这一指标可通过信号的互相关矩阵进行表征。由图7 可知，6 种海豚信号之间具有良好的分辨能力。在归一化的相关矩阵对比中，还可以对比不同海豚信号可获得的相关处理增益的差异。例如，S3 样本在六类信号中具有最高的处理增益，而 S2 样本信号的相关处理增益则低 3.35 dB 左右。需要注意的是，处理增益并非越高越好，具体的信号选择还应考虑信号频带和持续时长，甚至特定任务下的时间和频率分辨能力来综合分析设计波形。

主动声呐信号的时间与频率分辨力可以通过模糊度函数进行表示，该函数定义为^[19]

式中：$\tau$为信号时延；$\xi$为信号的频移。以$|\chi （\tau ，\xi ）|$绘制成的三维图形称为信号的模糊度图，信号模糊度图下降到 0.707 倍（–3 dB）处的界面图可以用来衡量信号在时间和频率上的分辨能力。图8 以主动声呐系统中常用的线性调频（Linear Frequency Modulated，LFM）信号作为参考，对比了 6 种仿生信号的时频分辨能力。对于每一样本，使用相同时长、带宽的 LFM 信号进行了对比。从仿真中可以看出，6 种信号的时间分辨能力均大于对应指标参数下的 LFM 信号，并且其频率分辨能力也与 LFM 信号非常近似。这也验证了海洋生物叫声可以作为主动声呐应用的信号波形。

4 结束语

本文针对日益广泛的仿生伪装水声探测需求，提出了一种海洋生物叫声在主动声呐系统中应用效能分析的方案。分析方案表明需要根据发声海洋生物的生活习性合理地选择叫声样本。基于主动声呐信号分析的仿真表明，恰当选取的海洋生物叫声具有良好的信号特性。良好的自相关性可以提高接收机处理增益；突出的互相关特性适合水下编队集群应用；较高的时间频率分辨率在满足低识别概率的基础上，提升了仿生信号的主动声呐应用价值。但需要指出，基于海洋生物叫声的伪装声呐信号常采用录音回放或信号重构的方式进行发射。这些明显的人为痕迹可以通过信号统计分析手段进行真伪识别。因此，如何从采集的海洋生物叫声中，提取并重构更为真实的仿生信号，需要进行更深入的研究。

参考文献