简介：这是一份基于MATLAB的主动声纳水下目标检测仿真示例，面向信号处理与声纳系统方向的学习者，重点演示浅水多径环境中目标回波的建模与检测流程。压缩包内共6个文件，其中4个.m脚本分别实现主程序、多径信道构造、路径绘制和球形投影仪阵列配置，另附.ray与.arr文件保存声线传播及到达数据，整体仅78KB，运行轻量。示例构建了100米深、声速1520m/s的浅水信道，考虑五条传播路径并引入0.5dB底部损耗，设置一远一近、目标强度不同的两个静止目标，通过各向同性球形投影仪阵列与单个水听器接收反向散射信号，直观呈现直接路径与多径贡献。已有829人学习，适合具备一定MATLAB基础、希望理解主动声纳原理及多径效应影响的读者动手复现与扩展。 如果你接到一个“用主动声纳系统做水下目标检测”的仿真任务，大概率会遇到两种资料：一种通篇都在推公式，从声纳方程讲到匹配滤波，逻辑很完整，但你看完还是不知道代码第一行写什么；另一种直接甩给你一堆 MATLAB 脚本，复制粘贴能跑，但改个参数就崩，你根本不知道哪里出了问题。我前前后后做了好几轮主动声纳目标检测的仿真验证，这套链路其实可以拆得很清楚：信号设计、信道作用、回波接收、脉冲压缩、背景估计、阈值判决，每一块都有明确对应的 MATLAB 实现手段，也有绕不过去的坑。这篇文章就把我实际搭建这套系统的完整过程、参数取值逻辑和调参心得写出来，适合正在做声纳信号处理仿真的学生，也适合水下探测项目里需要快速验证算法的工程师。
1. 主动声纳仿真链路里到底要放哪些模块
1.1 主动声纳和被动声纳的检测逻辑差异
主动声纳的思路很简单：发射换能器向水中发射一个声脉冲，声脉冲碰到目标后产生反射回波，接收阵捕获回波，再根据回波的有无、时延和强度来判断目标是否出现、在哪里。被动声纳只是“听”，靠目标自身辐射的噪声来定位，而主动声纳是自己“喊一嗓子”再听回声，所以能量预算、波形设计、背景干扰处理都完全不同。也正因为主动声纳要处理自己发射信号的残余和散射干扰，检测难度往往比被动声纳更大。
在 MATLAB 里搭主动声纳仿真，本质上是在模拟这条完整的物理链路。发射端要生成波形，信道端要加上传播损失、吸收衰减和噪声，目标端要赋予一个反射强度，接收端要做波束形成和匹配滤波，最后判决端要在干扰背景下判断目标是否存在。任何一个环节的参数不合理，最终检测结果都会失真。
1.2 仿真能做到什么程度才够用
很多初学者一上来就想把信道建模做得极其精细，什么声速剖面分层、海底地形散射、内波影响全都要加进去。实际做目标检测算法验证时，这种复杂度反而会掩盖算法本身的问题。我的建议是分两阶段走：第一阶段先把能量关系和信号处理链路做对，用简化的球面扩展加吸收衰减模拟传播损失，用散射点叠加模拟混响，噪声用实测或带限高斯噪声；第二阶段再去细化信道模型，针对具体海区环境校准参数。对于“验证检测算法能不能工作”这个目标，第一阶段的模型精度已经足够。
这套仿真适用的场景很广，比如声纳浮标的目标探测、无人水下平台的避障声纳、鱼探仪的信号处理算法验证，核心链路都是一样的。你只需要改波形参数、频率范围和目标强度，就能在不同场景之间切换。
2. 先算声纳方程再动手：所有仿真的参数起点
2.1 主动声纳方程各项怎么取值
我搭仿真链路之前一定会先手算一遍声纳方程，不然后面所有参数都是空中楼阁。主动声纳的信号余量（Signal Excess）用下面的式子表达：
SE = SL - 2TL + TS - (NL - DI)
其中 SL 是发射声源级，TL 是单程传播损失，TS 是目标强度，NL 是环境噪声级，DI 是接收指向性指数。SE 大于 0，理论上才能检测到目标。这个式子虽然简单，但它把整个仿真系统的能量关系约束住了，后面设定的信号幅度、噪声功率、目标回波强度都必须跟它一致。
传播损失 TL 的简化模型包括几何扩展和吸收衰减两部分：
TL = 20·log₁₀(R) + α·R
第一项是球面扩展损失，距离 R 每增加 10 倍，损失增加 20 dB；第二项是海水吸收损失，α 是吸收系数，单位是 dB/km，它和频率强相关。注意这里的距离单位必须和 α 的单位统一，我见过不少人栽在这个细节上。
目标强度 TS 是目标反射能力的度量，一个 1 米半径的刚性球体，TS 大约是 -10 dB 左右，实际水下目标的 TS 变化范围很大，从 -30 dB 到 +20 dB 都可能。环境噪声级 NL 在浅海通常比深海高很多，航船、风浪、生物活动都会抬升噪声基底。
2.2 用一组典型参数算一遍真实量级
我举一组我实际仿真用过的参数。发射声源级 SL 取 210 dB，目标距离 1 km，接收指向性指数 DI 取 10 dB，环境噪声级 NL 取 60 dB，目标强度 TS 取 -15 dB，频率取 10 kHz，对应的吸收系数 α 大约 1 dB/km。各项计算如下：
TL = 20·log₁₀(1000) + 1×1 = 60 + 1 = 61 dB
SE = 210 - 2×61 + (-15) - (60 - 10) = 23 dB
这个信号余量很充足，检测难度不大。把距离拉远到 10 km，TL 就变成 20×4 + 10 = 90 dB，SE 直接掉到 -35 dB，这种情况下单靠能量检测已经不可能发现目标，必须靠波形设计、脉冲压缩增益和长时间积累来把有效信噪比拉回来。这个计算过程我建议你在仿真前一定要做一遍，它能直接告诉你：目标距离定多少、发射功率要多大、信号处理需要多少增益，整套参数体系是关联的。
3. LFM 波形设计：主动声纳的“默认选项”不是没有理由
3.1 为什么线性调频能同时兼顾能量和分辨力
主动声纳的经典波形式是 CW 脉冲和线性调频（LFM）脉冲。CW 脉冲实现简单，多普勒敏感，但距离分辨力很差，长脉冲的能量大但分辨力低，短脉冲分辨力高但能量不够。LFM 通过在一个脉冲宽度 T 内让频率从 f0 线性扫到 f1，把能量分散到带宽 B = |f1 - f0| 里，再用匹配滤波把能量在时间上压缩回来。
这里有两个核心关系。距离分辨力 ΔR = c / (2B)，只由带宽决定，带宽越大，分辨力越高；匹配滤波处理增益等于时间带宽积 TB，脉宽和带宽的乘积越大，压缩后信噪比提升越多。关键优势在于：LFM 可以同时用长脉宽保证能量、用大带宽保证分辨力，两者互不冲突。所以它在主动声纳里几乎成了默认选项。
实际计算时要注意水声环境下的典型参数。声速 c 取 1500 m/s，脉宽 T 取 0.5 s，带宽 B 取 200 Hz，那么距离分辨力 ΔR = 1500 / (2×200) = 3.75 m，处理增益 TB = 0.5×200 = 100，也就是 20 dB。这个增益在中远距离检测里非常宝贵，上一节算的 10 km 距离信号余量是 -35 dB，如果加上脉冲压缩的 20 dB，再配合波束形成增益，才勉强有检测的可能。
3.2 用 MATLAB 生成 LFM 信号并做脉冲压缩
MATLAB 里有现成的 chirp 函数，生成 LFM 信号非常直接。我常用的参数是采样率 fs 取 4000 Hz，脉宽 0.5 s，起始频率 1000 Hz，截止频率 1200 Hz。生成发射信号的代码如下：
fs = 4000; T = 0.5; t = 0 : 1/fs : T - 1/fs; f0 = 1000; f1 = 1200; tx = chirp(t, f0, T, f1);模拟目标回波时，先按距离算出双程时延，再乘上传播损失的幅度衰减系数。假设目标距离 500 m，双程时延 td = 2×500 / 1500 ≈ 0.667 s，回波信号就是发射信号的延时衰减版本：
td = 2 * 500 / 1500; nt = round(td * fs); rx = [zeros(1, nt), tx * 0.1, zeros(1, 2000)];这里的乘 0.1 是粗略模拟幅度衰减，实际应该按照声纳方程算出来的 TL 和 TS 来确定具体衰减量，但为了看脉冲压缩效果，先这么处理。匹配滤波的实质是把接收信号和发射信号的共轭反折做卷积，MATLAB 里直接用 conv 或者 filter 都行：
mf = conv(rx, conj(fliplr(tx))); mf = mf / max(abs(mf)); % 归一化方便观察 plot(abs(mf));跑完之后你会看到一个明显的窄峰，峰值位置对应目标的时延，峰值宽度对应距离分辨力。我在第一次跑通这个流程时有个很直观的感受：时域上完全淹没在背景里的回波，经过匹配滤波后峰值一下就凸出来了，这就是处理增益在起作用。
4. 混响才是主动声纳的真正对手：如何用散射点叠加模拟
4.1 为什么不能拿白噪声搪塞混响
被动声纳的背景干扰主要是环境噪声，可以近似看成平稳随机过程；主动声纳多了一个非常棘手的干扰——混响。它是发射信号自身被海水中的不均匀体、海底、海面散射后返回接收机的“寄生回波”。混响和信号本身高度相关，能量衰减也不是白噪声那种平直谱，而且在发射刚结束的一段时间内混响强度非常大，随着时间推移逐渐衰减。
仿真里如果把混响简单替换成白噪声，检测算法在低信噪比下的表现会被严重高估。因为白噪声与发射信号不相关，匹配滤波对它没有增益，而混响与发射信号相关，匹配滤波会对它产生部分压缩效果，但实际混响的空时结构非常复杂，各散射体之间的干涉效应会产生类似“衰落”的现象。要在仿真里做真实的混响模型，需要求解散射积分，计算量很大。工程上最常用的是散射点叠加法。
4.2 散射点叠加法的 MATLAB 实现思路
散射点叠加法的核心思想是：把混响看成大量随机分布在水体或边界上的散射点对发射信号的反射叠加。每个散射点贡献一个幅度随机、时延随机的信号副本，大量散射点叠加在一起，就形成了类似真实混响的接收信号。实现代码如下：
rng(42); K = 500; % 散射点数量 mix = zeros(1, length(tx) + 8000); for k = 1:K delay = rand * 2.0; % 随机时延，单位秒 nd = round(delay * fs); amp = (0.8 / (1 + delay * 20)) * randn; if nd + length(tx) <= length(mix) mix(nd+1 : nd+length(tx)) = mix(nd+1 : nd+length(tx)) + amp * tx; end end这个模型虽然粗糙，但它保留了混响的两个本质特征：与发射信号相关、随时间衰减。把这段混响叠加到含目标回波的接收信号上，再去做匹配滤波和检测，算法性能才会更接近真实情况。
我在实际使用中发现，散射点数量 K 的选取影响很大。K 太小，混响的起伏过于剧烈，看起来像稀疏脉冲串；K 太大，计算时间明显增加。一般取 300 到 1000 之间都能得到比较稳定的混响统计特性。另外幅度衰减的形式要根据仿真场景调整，浅海混响衰减慢，深海混响衰减快，这里可以按简单指数衰减处理，也可以查相关文献用更精确的衰减曲线。
5. CFAR 阈值判决：为什么固定门限在声纳里不靠谱
5.1 固定门限的问题与 CA-CFAR 的基本原理
匹配滤波输出的信号包络里，既有目标峰值，也有混响残余和噪声的峰值。最直观的判决方式是设一个固定阈值，超过就判有目标。但声纳环境的背景能量是不断变化的——混响在近程很强、远程很弱，噪声级随海况变化，固定阈值要么在强背景区域产生大量虚警，要么在弱背景区域漏掉目标。
恒虚警检测（CFAR）的思路是：对待检测单元附近的背景功率进行实时估计，用估计结果自适应地设定门限。其中最经典的单元平均 CFAR（CA-CFAR）做法是：在待检测单元两侧各选取 N 个参考单元，参考单元与待检测单元之间隔几个保护单元，避免目标能量泄漏进参考单元导致估计被抬高。两侧参考单元的平均功率 Z 就是背景功率估计值，检测门限为 α·Z，其中 α 由参考单元总数和期望虚警率共同决定。
CA-CFAR 的阈值因子 α 计算式为：
α = N_ref · (Pfa^(-1/N_ref) - 1)
其中 N_ref 是参考单元总数，Pfa 是期望的虚警概率。比如参考单元总数取 28，期望虚警概率取 1e-4，算出来的 α 大约是 4.7 左右。这个值直接决定了检测门限相对于背景水平的倍数。
5.2 手写一个轻量版 CA-CFAR 及参数调整心得
MATLAB 的 Phased Array System Toolbox 里有现成的 phased.CFARDetector，封装得很完整，但我建议初学者先手写一个简单版本，能直观看到每个参数的作用。下面是我用过的一个简化实现：
function det = myCfar(rp, guard, ref, pfa) N = length(rp); nRef = 2 * ref; alpha = nRef * (pfa^(-1/nRef) - 1); det = false(1, N); for k = ref + guard + 1 : N - ref - guard left = rp(k-ref-guard : k-guard-1); right = rp(k+guard+1 : k+guard+ref); z = (sum(left) + sum(right)) / nRef; det(k) = rp(k) > alpha * z; end end输入 rp 是匹配滤波输出的包络。调用时我常用的参数是 ref = 14，guard = 4，pfa = 1e-4，效果比较稳定。保护单元的设置非常关键，如果设成 0，目标本身的强峰值会泄漏到参考单元，背景估计被明显抬高，门限升上去之后反而把目标自己“掐死”了。目标峰值宽度和脉冲压缩后的主瓣宽度有关，保护单元数至少要覆盖主瓣宽度的一半。
6. 实际跑链路时最容易踩的几个坑
6.1 衰减系数和单位混用
吸收系数 α 的单位是 dB/km，但很多论文里给的是 dB/m 或者 dB/kyd，换算关系搞错会让传播损失差出几个数量级。我在早期仿真里就吃过这个亏，把 0.1 dB/km 当成 0.1 dB/m 用，导致远距离回波幅度被压到几乎为零。建议在代码开头把单位统一换算好，并加一行注释说明当前使用的单位体系。
6.2 采样率选得太高导致内存爆掉
水声信号频率比较低，很多初学者习惯性地按射频思维把采样率拉到几十 kHz。假设采样率 40 kHz，一个双程时间 40 秒的长距离探测场景，单通道数据就有 160 万个点，再加混响叠加和匹配滤波，内存消耗非常快。合理做法是：采样率只要满足带通采样或略高于最高频率的 2 倍即可。比如信号最高频率 1200 Hz，采样率取 4000 Hz 已经足够，再高除了增加计算量没有任何收益。
6.3 CFAR 参考单元数量与目标分布不匹配
如果场景中有多个目标距离很近，CA-CFAR 会把相邻目标当成背景，导致相互抑制。这种情况下可以改用 GO-CFAR（选大）或 OS-CFAR（有序统计），牺牲一点检测灵敏度换取更强的抗干扰能力。仿真验证时建议把单目标、双邻近目标、强混响三类场景都跑一遍，评估算法在不同条件下的表现差异。
6.4 匹配滤波副本没对齐带来的增益损失
发射信号在通过发射换能器和功率放大器时会有幅度畸变和相位延迟，直接用理想信号的副本做匹配滤波，增益会下降。实际系统中如果接收机能同步采集一部分发射信号，用实测副本做匹配滤波效果会好很多。仿真里也要注意，回波延迟如果不是采样周期的整数倍，会出现峰值幅度抖动和位置偏移，需要做插值或者精细时延处理。
这套链路我跑了很多轮，最大的体会是：主动声纳仿真里的每个模块单独看都不难，难点全在参数之间的关联上。声纳方程决定能量框架，波形设计决定分辨力和处理增益，信道模型决定干扰特性，CFAR 决定最终判决质量，任何一环的参数改动都会传导到其他环节。你搭建好自己的仿真平台之后，试着把目标距离从 1 km 拉到 5 km、把混响强度提高 10 dB，再观察检测结果的变化，这样对整个系统的理解会比只看理论公式深刻得多。每轮仿真记得把波形参数、信道参数和检测结果存成结构化记录，对比实验时你就知道调参的价值了。
本文还有配套的精品资源，点击获取
