通过时间相关性增强实现抗干扰的水下激光斑点检测与识别

《Optics & Laser Technology》：Anti-Interference underwater Laser-Spot detection and recognition via temporal correlation enhancement

水下光学检测面临强背景噪声、散射效应和低照度等挑战，本文提出基于M序列扩频编码与差分相关增强的检测方法。实验表明，该方法在强背景光、高散射及低照度条件下，可将SNR从6.7 dB提升至45 dB以上，目标识别精度提高56.25%，显著扩展检测范围和灵敏度。

　　在复杂的水下环境中，光学检测技术面临诸多挑战。其中，背景噪声、阳光干扰以及水的散射效应是影响目标信号质量的关键因素。这些干扰会显著降低信号与噪声的比值（SNR），进而影响系统的检测性能。特别是在高强度背景光、低光照条件或水体高度浑浊的情况下，目标的光斑容易被掩盖，导致信号识别困难，影响目标定位和追踪的准确性。因此，开发一种能够在复杂水下环境中稳定工作的高灵敏度和高鲁棒性的光学光斑检测与识别方法，成为当前水下光学探测技术研究的重点之一。

随着自主水下航行器（AUV）在海洋探索和环境监测中的广泛应用，对水下光斑的高效检测和识别变得尤为重要。水下光学检测以其高分辨率和实时性，成为定位和识别目标的重要手段。然而，光信号在水中的传播受到水吸收和散射的严重影响，这导致了有效传输距离的大幅缩短和目标信号SNR的急剧下降。特别是在远距离或低光条件下，目标的光斑容易被各种干扰信号所淹没，使得目标的稳定获取和识别变得困难。此外，水下环境中还存在强烈的环境光干扰，如阳光、人工照明以及不同频率的闪烁光源。这些干扰信号具有复杂的时空变化特性，容易掩盖目标光斑，进一步增加了检测的难度和复杂性。

为了解决上述问题，本文提出了一种基于M序列伪随机调制和差分相关增强的水下光斑识别方法。该方法在发射端使用M序列对激光进行调制，而在接收端则通过差分积累策略和滑动相关匹配对图像序列进行处理。M序列具有强自相关特性，这使得目标信号能够在时域中被有效识别，并实现对干扰信号的抑制。与传统依赖空间特征的方法相比，本文提出的方法利用时域调制特性，能够更有效地区分目标信号与非相关干扰。此外，该方法不需要硬件同步，大大简化了系统实现过程，提高了系统的灵活性和可靠性。

在实验部分，我们搭建了一个实验平台，在一个尺寸为80厘米×30厘米×80厘米的水箱中验证了所提出方法在复杂水下环境中的性能。实验平台包括一个波长为532纳米的绿色激光二极管模块、工业级全局快门CMOS相机以及ESP32开发板。实验结果显示，通过使用所提出的方法，目标光斑的SNR在恒定高强度背景光干扰下从6.7 dB提升至40.5 dB，而在强阳光干扰下从4.21 dB提升至43.72 dB。在1 kHz闪烁LED干扰下，目标光斑的SNR从5.45 dB提升至44.5 dB，显示出该方法在抑制高频闪烁噪声方面的有效性。在高度浑浊的水体中，目标光斑的强度提高了56.25%，有效缓解了散射造成的掩盖效应。此外，在低光照条件下，即使只有46微瓦的入射光功率，系统仍能够实现SNR高于45 dB的稳健检测，最大SNR提升可达38 dB，从而大大扩展了检测范围和灵敏度。

从原理来看，本文提出的水下光斑检测系统基于M序列调制和差分相关增强技术。系统结构主要包括三个部分：发射模块（激光调制单元）、接收模块（CMOS相机）以及信号处理模块。在发射端，M序列信号发生器产生特定的伪随机序列，该序列被用于调制激光。在接收端，通过差分积累策略对图像序列进行处理，利用滑动相关匹配方法识别和增强目标信号。这种方法能够有效利用M序列的强自相关特性，在时域中实现对目标信号的识别，同时抑制背景噪声和干扰信号。相比传统的空间域方法，本文提出的方法更加注重时域特征的提取和利用，从而提高了系统的鲁棒性和检测能力。

在实验验证过程中，我们评估了所提出方法在不同水下干扰条件下的抗干扰性能和系统稳定性。此外，我们还分析了系统的响应延迟，以评估其是否适用于实时部署。实验中，干扰源使用与目标激光相同的波长，以更好地模拟实际环境中可能遇到的复杂干扰情况。通过实验数据的对比分析，我们发现所提出的方法在不同干扰条件下均表现出优异的性能，尤其是在高背景光和强阳光干扰下，目标信号的识别能力得到了显著提升。在低光照条件下，即使在极低的入射光功率下，系统仍能够实现高SNR的稳定检测，这表明该方法在扩展检测范围和提高系统灵敏度方面具有显著优势。

本文所提出的方法不仅在提升目标信号质量方面表现出色，还在系统实现和部署方面具有明显优势。由于该方法不需要硬件同步，因此降低了系统实现的复杂性，提高了系统的灵活性和适用性。此外，该方法在处理不同类型的干扰信号时表现出良好的适应能力，能够有效应对高强度背景光、强阳光、高频闪烁光源以及高度浑浊水体等复杂情况。这些特性使得所提出的方法在水下光学探测领域具有广泛的应用前景，特别是在远距离定位、高精度识别以及目标追踪等方面。

在当前水下光学探测技术的研究中，许多方法主要依赖于空间域的亮度或形态特征，但在复杂背景干扰下往往难以实现有效识别。例如，传统的窄带光学滤波器虽然能够过滤掉大部分非目标波长的背景光，从而提高目标信号的SNR和可检测性，但这种方法高度依赖于波长差异，难以应对与目标信号具有相同或相似波长的干扰光源。此外，一些基于强度的图像处理方法虽然能够提高定位精度，但在处理复杂干扰时仍然存在局限性，尤其是在低SNR和高干扰条件下，容易导致误报或漏检。

为了提高系统的鲁棒性和检测能力，一些研究者尝试引入预测跟踪框架。例如，结合Camshift图像分布估计和卡尔曼滤波运动预测的方法在一定程度上提高了在动态背景下的光斑跟踪稳定性。然而，这种方法在处理更复杂的水下干扰条件时仍然存在不足，特别是在强环境光干扰和动态光源的情况下，其有效性尚未得到充分验证。因此，开发一种能够在复杂水下环境中实现高鲁棒性和高灵敏度的光斑识别方法，成为当前研究的重点。

本文提出的方法通过引入M序列伪随机调制和差分相关增强技术，有效解决了上述问题。在发射端，M序列对激光进行调制，使得目标信号在时域中具有独特的特征。在接收端，通过差分积累策略和滑动相关匹配对图像序列进行处理，从而实现对目标信号的识别和增强。这种方法能够在不依赖硬件同步的情况下，实现对目标信号的高精度识别和检测，显著提高了系统的灵活性和可靠性。

在实际应用中，该方法能够有效应对各种复杂的水下干扰，包括高强度背景光、强阳光、高频闪烁光源以及高度浑浊的水体。这些特性使得所提出的方法在水下光学探测领域具有广泛的应用前景，特别是在远距离定位、高精度识别以及目标追踪等方面。此外，该方法在低光照条件下仍然能够实现高SNR的稳定检测，这表明其在扩展检测范围和提高系统灵敏度方面具有显著优势。

综上所述，本文提出了一种基于M序列调制和差分相关增强的水下光斑识别方法，该方法在提升目标信号质量、增强系统抗干扰能力以及实现高精度识别方面表现出色。实验结果验证了该方法在不同水下干扰条件下的优异性能，特别是在高强度背景光、强阳光、高频闪烁光源以及高度浑浊水体等复杂环境下，目标信号的识别能力得到了显著提升。此外，该方法在低光照条件下仍然能够实现高SNR的稳定检测，从而大大扩展了系统的检测范围和灵敏度。这些特性使得所提出的方法在水下光学探测领域具有广泛的应用前景，特别是在远距离定位、高精度识别以及目标追踪等方面。