水声技术▏发展新型声呐系统的几个科学问题
声呐是以声波探测水下目标的装备，并经常特指其为水下军事应用装备。依据声呐所处的运载平台及其主要作战任务不同，其关键技术有显著的不同点。例如，舰艇载声呐可容许基阵孔径的中尺度设计、发射功率的大容量设计与空化阈的提升设计，但须考虑复杂的噪声抑制与多普勒处理；岸基声呐系统可允许基阵孔径的大尺度部署、空时信号处理算法的大规模复杂性设计、以及多视多快拍的联合处理设计；而航空载声呐受到体积、重量、规模的限制以及滞空时间约束，必须考虑超越单装备使用方式的独特设计。上述的声呐设计重点虽各有侧重，但基本的设计焦点是最小可检测信噪比。为此，基本的设计方法是在某些“标准” 海洋环境中针对静态的“标准”目标，利用单拍或少量拍的有限观测数据进行信噪比优化。当然，改善信噪比的目的是更有效地从传感器数据中获得水下空间的解释。传统声呐设计止步于信噪比改善设计， 关于水下空间及目标的信息解析较薄弱。各种拓展传感器孔径尺度的工程设计与技术实现上的巨大努力是重要的，但从本质上讲也属于低频段信噪比增益的设计范畴。理论上检验设计的工具是静态的确定性的声呐方程。试验上考核设计的方法是离散的、相对稳定的、合作已知目标状态下的测量与检验，而且，测量结果必须向双“标准”条件进行映射。
所谓新型声呐就是突破单声呐传统设计制约而获得的更符合实际使用场景与状态的装备。所谓新型声呐系统就是一个运载平台上多声呐联合设计的信息系统，以及多平台构成的更大的信息系统。
传统上，以声基阵为粒度定义一部声呐，多个基阵或多部声呐被集中控制，各部声呐检测结果被集成表达，因此组成垂直逻辑结构的声呐系统。在这样的系统里，关键技术及其科学问题主要源自传统的单体声呐设计。在所谓的一体化声呐系统里，各声基阵的阵元域数据被灵活地“订阅”，继而被动态地组合，期待通过系统设计而产生综合处理效益，这便是平行逻辑结构的声吶系统，具有小规模分布式传感器的形态，但不等同于分布式传感器网络。无论是舰艇载声呐还是航空载声呐，其工作环境时变、空变，其探测对象非合作、非静态。在规定环境条件下对合作目标的探测能力考核难以解释或预测在复杂环境中探测对抗性目标的实战性能，这里不仅涉及多元非线性关系问题，更有环境不确定性、信息不完全性、竞争人因性等复杂问题。从这个角度看，仅从信噪比等传统技术角度考核与定义一部声呐是不够的，应该在应用环境中进行系统地、动态地综合，应该有超越信噪比描述的广义目标函数。
进一步地，多舰艇载声响、预设海底固定声呐、潜浮标声呐等组成更大规模的探测系统。当该系统作为多基地体制声呐，其研究命题较明确，也有相关的研究成果报道。当作为信息系统以及协同信息系统时，该探测系统如何被定量地描述其效能，而效能与其规模或复杂度之间又是怎样的关系，效能应如何被优化与提升等问题，显然是重要但尚未被深入研究的命题。
综上，声呐的真正内涵不局限于以基阵为标志的单体装备，不局限于以信噪比余量为标志的简单设计要素，不局限于静态描述。由此，声呐系统的广义内涵不局限于多个单体装备或多载体装备的集合。新型声呐系统不仅是在系统综合效能最优化驱动下的设备、模型、数据、以及规则策略机制的有效组合，而且是一个具有自适应学习能力的动态组合。这里， 从捕获不确定性目标的连续观测系统、自学习系统、动态可重构系统、融入数据知识的智能型系统等若干视角思考新型声呐系统的几个科学技术问题。
一、不确定性
大多数作战效能模型的基本架构不外乎两种：确定性模型与随机性模型。确定性模型可用一组闭合的关系式描述系统里的所有状态。声呐方程的优质因数表达式， 就是表达目标、传播环境与单体声呐空时处理设备之间能量状态的闭合式。这是论证与估算声呐作用距离的一般基础。即便当目标、传播环境状态是确定的并可定量获得，声呐方程的计算结果也是一次观测下的概率性结果，其具体的经典含义是虚警率1‰、检测概率0.9情况下对目标一次观测的信噪比余量。可以进一步考虑多次连续观测情形，建立检测功效与声呐首次发现概率之间的幂函数关系但是，连续观测是有条件的，在警戒方式下，主要取决于目标留存在预成波束宽度内的有效观测时间，该时间显然与目标距离以及目标相对运动密切相关，不完全取决于声呐基阵技术。因此，在未进入跟踪方式下，声呐的警戒能力度量应考虑目标相对位置与相对运动的复杂性因素，应附加允许连续观测时间的约束条件。该约束条件的提出，将自然地引出声呐自主建立跟踪的技术需求、以目标（含疑似目标） 管理为中心的设计理念， 另一方面也明确揭示出实际搜索或警戒距离将小于声呐方程估算的作用距离。
目标无意识情况下的警戒搜索问题，将归结于目标位置及相对运动状态的某种概率分布下声呐的最短接触距离、搜索效率测算。换一个角度讲，是某个距离上首次发现目标的概率测算。这里强调的概率，不仅是关于目标与环境的不确定性，而是即使熟知环境与合作目标情况下也会出现的不确定性。
上述允许连续观测时间，还应进一步关联目标的对抗规避行为。原则上，在目标有意识对抗行为产生后，声呐系统的反应将来自于规则化、策略性的计算结果， 其目的是保持或最快恢复对目标的接触，这是对信息系统作战辅助决策的最高要求。当舰艇载、航空载多声呐进行联合反潜时， 将产生更为复杂的概率优化问题。
排除军事系统的不确定性是工程技术人员与作战人员的共同目标。随着系统越来越精确，这一目标也越来越突出。“基于效果的作战”思想就是追求精确性。但是这种概念对系统的约束异常严格，只有很小一部分可用信息能满足要求，而且需要大量传感器的投入及相关的庞大研究投入。随之而来的疑问，是关于从大规模分布式传感器能获得多大的实际效果。也就是说，是否传感器部署越多，水下空间就越明晰？创建决策循环模型（即信息战OODA环）的JohnBoyd从数学和物理学的3个定理概念出发，解释了为什么复杂传感器网络所取得的微弱成功与其高额成本不成比例。第一，歌德尔不完备性定理表明，在判断由测量表达的水下空间状态是否匹配客观现实时，总会受到限制，换句话说，我们无法判断系统的一致性，如果我们身处其中；第二，海森堡的测不准原理是所有类波系统的内秉特性，测量的不确定性是基础性质；第三，热力学第二定律表明，一个封闭的传感器系统的信息熵不会减少。这三个科学定律所体现的道理是：在一个孤立系统内，对于任何为提高观测与现实之间的匹配度而所做出的持续、细化的努力，都只会扩大失谐的程度。
因此， 我们或许要跳出系统来寻求信息输入，或许要建立概率模型并基于这样的模型描述系统效能与优化系统效能，或许要在系统中加入决策与控制，让系统中的信息流程运转得更快一些，至少比对手快，以此建立信息优势。
归纳起来说，尽管可以努力减少关于目标、环境的不确知程度，但这类不确知性是无法根本消除的客观存在。对于环境问题，声呐技术尚可付诸一些努力，例如以较小的性能损失代价实现宽容性、以复杂计算的代价获取有限的适应性对于目标的各种不确知问题，需要付诸足够的、可信的努力，甚至需要建立全新的科学命题，而这些命题是新型声呐系统概念中不可或缺的重要组成。
二、动态性
环境与声呐性能的联系如此紧密，以致于对环境的分析与适应成为现代声呐系统构成的一部分，即声呐使用辅助支持。这里所述的环境是广义的声学环境，包含作为声传播的海洋波导以及声呐背景声环境。声呐使用辅助支持的核心是声呐性能模型，由狭义的环境模型、基础声学模型和适当的信号处理模型组合而成，用于求解特定的声呐应用问题，如潜艇探测、水雷猎取、鱼雷自导和海洋测深。狭义的环境模型包括用于量化边界条件（海面与海底） 与海洋体积效应的经验算法，例如声速、吸收系数、海面与海底反射损失、以及海面、海底与体积后向散射强度。
基础声学模型由传播（传播损失）、噪声与混响模型组成。随着应用问题的针对性、个性化越来越强，由狭义环境模型、基础声学模型向声呐性能模型的演进越来越个性化，各个模型的通用性变差。也就是说，声呐使用辅助支持的实现越来越有针对性，模型及其计算的应用范围局限在特定声呐系统的特定使用样式中。一个传播模型可适合于一大类应用问题，而任何特定设计的声呐性能模型只能用于一小类明确定义的声呐问题。
声呐性能建模问题的复杂性，缘于这些模型所支持的海军作战行动。例如， 在现代海战编队行动中，必须沿多种路径计算传播损失，而这些路经联结相隔很远的若干声源和接收机？来自附近友舰的噪声干扰必须与远处的商船和本地天气导致的环境噪声一起加入到声呐性能的计算中。此外，由海底特征结构和海水中假目标引起的散射和混响，也必须被有效且实际地建模。计算效率和数据库管理方面的要求也是巨大的。水声建模专家在现有数学方法方面面临许多挑战。更有甚者，随着包含多组分置声源和接收机的多基地方式的出现， 真正的三维建模已不再是理论上的奢望，而是一种现实上的需要。随着对浅海声呐作战的日益关注，情况还将变得更为复杂。
声波与强变异性海底地貌及底质组成的交互作用，进一步复杂化原本已是高强度的散射计算与混响计算。而且，浅海区域的声速场具有强时空变异性。因此，为了获得浅海环境中富有意义的有源声呐性能预报结果，还将不得不使用统计的方法。
总结起来说，声呐探测信号类型是可选可变的，以适应不同的探测需求与战术目的； 声呐信号处理算法以及系统全局参数是可选可变的，以适应不同的海洋声道的特性与传感器输入信号的现实属性；进一步地，基础声学模型以及声呐性能模型是动态改变的，以适应特定的声呐系统的工作体制及使用样式，即适应具体空间位置、具体距离跨度、特定时间上的海洋模式、特定频段上特定精度或分辨率的海洋物理与声学问题。
声呐系统内含要素的如此多样性，随即产生选择困难以及结果相容性问题。由此，Elier与Holmes等人提出所谓的模型操作系统（MOS）。MOS针对不同建模技术建立了标准化的框架， 使复杂的声呐性能建模问题可规范地分解成一系列通用组件，每个通用组件解决有明确定义的、可解算的子问题，通过应用自动化数据系统， 实现数据驱动计算。MOS可自组织各类模型的恰当选用，可组织针对任何给定声呐性能问题的多个解。由不同模型获得的分歧结论可提醒用户注意潜在的系统使用问题，例如关于输入或初始化规格不匹配、或者关于模型固有物理机制（即适用范围的越界或意想不到的建模病态）。无法解释的分歧，可被图形化地表示为包迹，以展示预报结果的散布。
MOS解决如何组织与应用模型的问题。由数学物理模型向计算模型的转化还将面临未被重视的障碍：尽管计算能力在持续进步、更有效的算法在不断发展、数据库在迅速扩大，但是，随着越来越复杂的模型出现，对可用计算资源的挑战仍然延续着。为此，一方面期待单位资源的计算能力进步或者期待资源扩充，但另一方面，担心因资源组织结构变化使现有声呐系统的功能必须重新部署、重新调试、重新测试，因为声呐系统功能的传统设计方法不考虑计算任务分配及相互通信结构的变化。在由软件定义功能的现代电子信息系统模式中， 声呐系统功能的潜在危机被迅速放大，即功能成熟稳定极为不易，功能缺陷甚至崩溃的出现概率却迅速增加。另外，原则上说，全体计算资源不能被视为稳固可信的，就像作战平台不能被视为绝对无损的。所以，声呐系统功能必须可持续地可靠扩展，以适应计算资源的有计划静态变化；声呐系统功能应有稳健的品质，以适应计算资源的非预期动态重组。本质上， 必须有先进的声呐系统计算框架技术，才能支持声呐系统功能的动态、静态重构， 才能适应特定问题的求解模型变化与升级。在这方面，基于中间件的重构技术、高性能计算与可信计算技术等研究进展值得借鉴，但全舰计算环境体系结构和系统集成框架模型尚未在理论上提炼信号与信息处理的计算特征，尚未在技术上明晰开放式体系架构的真正内涵与底层支撑。况且，符合声呐领域计算特征的框架技术或许无法直接外借而得。
声呐系统的信息表达与指挥控制也是一个重要课题。分布式网络化作战环境是高复杂度的无尺度环境度量系统复杂性的一种方法是看其能以多少种方法才能有效地描述其状态。完全有序与完全无序的系统都可被简单地描述，因此是低复杂度的。分布式网络化作战环境需考虑其诸多因素的相关性描述，是高复杂度的。尺度是描述系统的清晰程度。完全有序的系统，其表达尺度可能需要很精细；完全无序系统，其表达尺度可以很粗。
一般而言，高复杂度系统的表达尺度是介于上述两者之间的。在防空作战环境中，不同级别人员将得到基本相同的作战显示内容，是尺度不变的环境表达。在水下战环境中，尚无法专门设计对声呐信号进行数字识别的岗位，因为对声呐员的素质要求是相当综合的，为他设计的音视频信息内容也是复杂多元的。底层级声呐员希望得到未被剪裁处理的必要内容； 舰艇指挥人员则希望得到以作战平台为中心的，包含周围所有水中目标的相对位置、特征属性、机动过程与威胁程度的内容；而分布式网络系统（如编队系统）指挥所希望得到在大比例尺海图上不断更新的融合信息，需突出关于水下威胁目标的最后一次存在时间与位置以及关于其意图的判断。因此，从大系统上看，这是一个无尺度的环境，最佳的观察尺度与决策尺度相关联。对于所有无尺度问题来说，不存在普适的常规解决方法，需要在多尺度表示方法、以及多尺度表达之间的信息保真上设立命题，进行优化研究。
综上所述，如果各种模型的运用是自适应的，模型的集合是自组织的，模型的计算实施是可重构的，计算的结果是被无失真地表达并适配于决策需求的，那么，新型声呐系统将是智能型的。
三、增量性
上述讨论均以模型为中心。换句话说，经典声呐系统是模型驱动的系统。在迅速发展的人工智能技术的启示下，以数据为中心正在成为声呐系统的另一个平行的设计理念。这种设计思想意味着对现场数据的直接解读，而不是通过模型来应用数据。显然，水中高价值目标的稀疏性与非合作性，导致其数据切片样本的数量是稀少的，在初级阶段将远未达到大数据量级，更不用说，对于一个独立声呐系统来说，其自产的可用数据将非常局限。数据量不足将严重限制对目标数据的知识解读。因此，一个组织累积数据、规格化控制数据、一致化标注数据、数据流转管理与增量管理的数据工程建设成为必须。注意到，在以数据为中心的思想指导下，声呐系统必然是开放的系统，特定的声呐系统仅仅是数据工程中的一个数据产生者与消费者。声呐系统之所以能获得水下空间信息优势，其知识产生不仅来源于声呐系统本身的模型赋能，还来源于输入其中的数据赋能。声呐系统不仅加工传感器的流式数据，还将利用从数据中心下载的大量历史数据，是高速信号处理与中速信息处理的复合系统。这其中的一个重要命题，是关于大量历史数据的增量式运用。原则上，应确保数据的积累增长将持续改进关于目标与环境知识的不完备状态。举例来说，目标的类别是多样性，归属不同目标的有效数据样本量将对基于机器学习的识别判决结果产生较大影响。由于不同目标的数据样本增量速度不一样，可能造成目标识别的机器学习效果随着数据的不均衡增加而起伏。相类似地，数据的增加是否意味着机器学习机制重新启动，即是否因为新增数据而必须对全体历史数据进行批量训练，若如此，即为非持续性的学习。这种数据运用模式将带来结果的不稳定与训练时间的不可抑制性增长，无论哪种后果都是实用声呐系统所难以承受的。
四、人因性
声呐系统面向一线操作员的应用场景，具有两个鲜明特点：其一，有价值的水下目标在时空上是稀疏的，其出现事件是低概率事件；其二，没有更多的其它中远程警戒手段可以辅助或联合，某些情况下（潜艇应用场景）声呐系统甚至是唯一的、全程的依靠。
一般而言，声呐操作员是执行有价值目标拾取与判断任务的重要角色，但面临着大量目标的混杂干扰以及海洋声道时空起伏变化的影响，在长周期作业中还将受到人的正常意识清醒状态（大脑意识水平第3级）维持时间的限制。本质上，声呐系统是人机系统，优化的装备子系统与作为子系统的人相结合，未必是整体联合最优的。这里存在人机匹配的命题以及对人的声学文化塑造问题。所谓对人的声学文化塑造，就是运用沉浸式仿真技术的模拟训练过程。
这种训练功能不是独立于声呐系统之外的，而应是声呐系统内嵌的必要组成。仿真点取在声呐系统前端，仿真对象是声呐传感器上的各类声场信号，仿真算法精度甚至比声呐处理分辨力高一个数量级，仿真算法速度与声呐处理速度一样应达到实时量级。这就是工程级仿真的要求。一体化声呐系统的广泛内涵，除了多功能一体化、多传感器部署一体化等以外， 应该包括作战与训练一体化的概念。
还有一部分信息将难以从现场数据获取，这就是作战博弈对方的主观策略。举例来说， 假若可变深声呐系统的探测对象也是可变深的机动平台（如潜艇），双方共同拥有一致的海洋声学环境条件，因此双方各自深度选择所造成的探测增益与被探测几率也是相同的、且互易的。如果处于搜索警戒中尚未接触阶段，声呐系统的使用模式优化问题是否可归属于完全信息静态博弈问题？如果是，进一步的问题将是有否占优策略或均衡点是什么。如果已经发生接触，可否从中获得对方的策略选择（深度、航向、航速等），并基于这些知识可否展开动态博弈、重复博弈。
也就是说，新型声呐系统是真正面向作战的信息系统，还应考虑对抗过程中的人因性。
五、总 结
针对声呐探测目标对象的非合作性与对抗性，探测过程应被建模为基于复杂概率模型的优化过程，期望新型声呐系统具备适应目标不确定性的优化决策功能。将探测过程看成连续不断的逼近过程，希望“探测决策探测”的循环具有快速性。针对声呐工作的海洋环境动态变化性，对海洋声学分析的模型多样性，对应的新型声呐系统将是复杂多模型的自组织系统、计算架构的自适应可重构系统、信息粒度多尺度的复杂系统。与模型驱动相并列的数据驱动，面临数据组织与数据逐步增量的问题，新型声呐系统必须具有持续的机器学习能力。最后， 面向作战应用，新型声呐系统不仅需要在线训练功能，而且需要博弈决策的支持。
【作者简介】文章作者/刘清宇 蔡志明，分别来自海军研究院和海军工程大学；文章来自《声学学报》（2019年第2期），参考文献略，用于学习与交流，版权归作者及出版社共同拥有，图片系本平台加载，转载也请备注由“溪流之海洋人生”微信公众平台整理。
相关阅读推荐
公众号
溪流之海洋人生
微信号▏xiliu92899
用专业精神创造价值
用人文关怀引发共鸣
您的关注就是我们前行的动力
投稿邮箱▏452218808@qq.com