声探测技术用声传感器阵列接收各种军事目标运动所产生的特征声信号，运用阵列信号处理、信号识别、信息融合等技术，确定目标的位置、航迹、类型。声探测技术具有被动探测、不受电磁干扰、能够全天候工作、成本较低等突出优点，特别是在夜间、雾天及能见度不良、通视度较差的情况或者复杂电磁环境下，是战场信息感知不可缺少的重要手段之一。
并行DSP处理的目的是采用多个处理单元(DSP)同时对任务处理以减少任务的执行时间。多DSP并行处理系统设计的核心是实现多DSP之间的统筹协调、任务分配、数据交换、信号处理及通信控制。
因此，应用高性能DSP作为数据实时处理单元，借助多DSP并行处理技术实现实时性强、精度高、动态范围大和高数据吞吐量的大规模并行处理系统，既打破了单处理器性能提升空间的限制，又大大增强了系统的兼容性和在线升级能力，为声探测系统的研制提供了强大的技术支持。
TMS320C67x是TI公司C6000上具有最高性能的浮点DSP, 具有第二代的超长指令字(VLIW)结构。本文基于国内外日益发展的声探测技术研究成果和先进成熟的电子技术，提出一种以多片TMS320C6711D DSP为信号处理单元,用FPGA实现各DSP的EMIF接口总线互联，从而构成松耦合级、可再编程的多DSP并行处理模式，实现了一种具有高实时性、良好的扩展性和容量可变等特点的多DSP声探测系统。
1 系统设计
系统由前端声传感器基阵和声探测系统两大部分构成。
声传感器基阵是由若干个传声器组成的阵列，利用传声器阵列接收目标辐射噪声（如直升机飞行时旋翼扰动空气引起的噪声和发动机自身辐射的噪声信号）。
声探测系统由模拟电路、数字电路和控制电路组成。模拟电路完成对传声器阵列送来的微弱信号的放大、调理、均衡，并将预处理后的信号送至后端电路处理。数字电路实现对目标声信号的采集、定向算法、识别算法、增益控制、电路逻辑控制以及外部接口功能。控制电路由电源管理和人机界面组成。图1为系统构成图。

2 硬件设计
2.1 模拟电路
根据声目标信号的特征及探测对信号拾取和处理的要求，传声器及相应各通道间应具有较好的低频响应特性，而且相位一致性必须很好。
为保证各个模拟信号通道的电路一致性，特别是放大滤波电路部分，在设计中采用了厚膜电路技术实现。通过对放大滤波电路的深入分析，确定影响电路相位的各种因素和关键的阻容元件的允许误差范围，将其应用到厚膜电路的设计中，并筛选阻容器件，以控制系统的稳定性。
最终通过对前端模拟电路的二次集成方法来确保产品的一致性，更好地保证传声器相位一致性，提高探测精度。模拟电路功能组成如图2所示。　　

2.2 数字电路
数字信号处理采用基于FPGA的多DSP并行处理模式，增强处理能力和实时性。FPGA实现类似AD DSP的LINK PORT功能，形成了分布式松耦合系统；完成数字电路的逻辑控制功能、外部通信接口协议（RS232、FSK、并行通信等）、DSP之间的波形数据采集存储、交换以及相互间的通信。
用于实现高速数字信号处理的DSP，一片作为主DSP，实现信号的预处理、增益控制、外界通信、数据关联等工作；另一片作为目标识别DSP，完成已定向目标的类型识别功能。其余5片，完成主DSP分配的目标频点的信号处理及定向。每片DSP具有独立的程序、数据空间。数字电路设计模块图如图3所示。

2.3 控制电路
控制电路主要实现电源管理、人机界面功能。
电源管理主要完成对模拟和数字电路的电源分配、滤波处理以及控制。
人机界面完成对目标的重要信息的显示(目标方位、目标类型、批次)、参数的设置(编号、传输方式、测试)及检测功能。
控制电路以C8051F020单片机为核心器件。其功能框图如图 4所示。

3 软件设计
声探测系统软件完成对数字化声信号采集、模拟电路放大电路的增益动态实时调整、系统参数的初始化配置，核心是实现声目标信号的高速实时处理后的定向、识别功能。软件分为两大部分，即目标定向软件和目标识别软件。软件构成如图5所示。

3.1 目标定向软件设计
诸如直升机、坦克等目标，其辐射噪声是一种宽带信号，能量主要集中在500 Hz以下的低频段。由于其在结构上具有周期转动机制（螺旋桨、发动机等），声信号的功率谱具有鲜明特征：主要是由离散谱叠加在连续谱上组成的，存在稳定的基频和较强的线谱，且线谱间具有明显的谐波关系。
目标定向软件完成了对单个或多个声目标的远距离声学被动定向。软件利用目标的宽谱和多谐波特性，采用了多频段、多频点模式的窄带子空间类高分辨阵列信号处理方法，并结合时域累积置信度方法和数据处理后的关联和跟踪滤波，较好地实现了对相互靠近的多个声目标的有效跟踪。
目标定向软件由1个主DSP和5个从DSP完成。主从DSP之间通过FPGA构建数据交换通道，完成并行处理。
3.1.1 主DSP软件设计
主DSP实现了目标频点检测和定向跟踪。目标频点检测是在目标信号的宽谱和多谐波特征基础上的目标频点提取。在频点检测中，设计了合适的检验统计量与准则，并且通过大量外场实验验证，获得了理想的恒虚警似然比门限。
定向跟踪完成了对目标频点的管理，实现了对各个从DSP的频点目标定向结果的关联与融合处理及伪目标的消除，同时采用角度和角速度的二维信息跟踪方法，实现对复杂噪声条件下目标的稳定跟踪。
主DSP软件流程如图6所示。

3.1.2 从DSP软件设计
从DSP的目标定向特征是根据获取的频点信息，针对性地对目标信号在指定频点上进行检测，采用MUSIC方法逐个解算各频率对应的定向结果。将各谐波信号与对应的定向结果以及频率能量信息建立文件记录，并传送给主DSP 进行综合处理，获得目标定向结果。目标定向软件的软件流程如图 7所示。

3.2 目标识别软件设计
目标识别软件是采用数学和智能方法对各种传感器信号进行统计、分析、学习和融合，提取和选择目标特征，与目标样本库进行比较和匹配，确定复杂环境下的目标类型。软件采用了包括特征参数提取及其筛选、分类器训练和识别等方法。
波束形成是一种空域滤波器，能无失真地接收感兴趣方位或区域内的目标噪声信号，同时抑制其他方位获取区域内的干扰及噪声，能显著提高目标信号的信噪比，改善探测方向的灵敏度。考虑到本设计针对的目标噪声特性和后续处理要求，波束形成器设计为宽带的，频带范围覆盖3～5个倍频程，在全空间形成多个相互叠加的固定波束，通过目标方位估计结果选择对应波束输出进行直升机特征参数提取。
针对系统对实时性要求较高且硬件资源优化的要求，功率谱估计采用改进的平均周期图法估算其功率谱，获得目标辐射噪声大类区分。功率谱估计方法包括参数法和非参数法。
目标特征提取是通过对各种诸如直升机、坦克等声目标信号的多次分析，从时、频二维抽取典型特征量，如幅度、周期等，作为对信号判断与识别的依据，结合各种参数的数学统计特征和模式可分性进行反复的算法仿真，优选出一些最有效、最有代表性的特征参数。主要方法有时频分析、小波变换、短时傅立叶变换等。
人工神经网络分类算法由输入层节点、输出层节点、隐层节点组成。对于输入信号，要先向前传播到隐节点，经过作用函数后，再把隐节点的输出信息传播到输出节点，最后给出输出结果。算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐单元层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，使得误差信号最小。与传统计算机技术相比，人工神经网络计算机具有处理速度快、容错性好、抗干扰性好、自组织性好(能自动找出规律)等优点。
谐波集检测方法的特征是：对提取的所有线谱频率向量，逐个选择目标主频范围内的频率及其谐波集合, 寻找能量最强的一组作为主谐波集合。在剩余的频率向量和谐波向量中，对照目标类型模板，寻找能量最强的一组为次谐波集合，最终实现声目标的主次谐波集检测。目标识别软件流程如图 8所示。

4 系统验证
声探测系统设计完成后，经过大量的试验测试可知，各类指标满足要求，具有较强的实用性。
声探测系统利用多DSP并行处理方式，解决大容量数据的实时处理和目标辐射噪声的宽带处理问题。利用一种创新的方法，综合运用多手段、多技术和宽带处理方法，实现了对低空和超低空声目标的微弱辐射噪声信号提取、远距离预警探测和目标识别。
参考文献
[1] TMS320C6711D floating-point digital signal processor(Rev.B) [M].USA：TI，2006.
[2] Virtex-II platform FPGAs：complete data sheet(v3.5)[M].USA：Xilinx，2007.
[3] 张贤达.现代信号处理（第二版）[M].北京：清华大学出版社，2002.
[4] 边肇祺.模式识别(第二版)[M].北京：清华大学出版社，2000.