基于时延神经网络模型的舰船辐射噪声目标识别*

水声目标被动识别是水声信号处理领域的研究热点之一。海洋环境中存在的不规则噪声干扰,使得基于传统方法的水声目标被动识别技术在实际的应用场景中效果不佳。本文采用一种基于时延网络(Time Delay Neural Network,TDNN)模型的舰船辐射噪声目标识别方法,该方法利用目标的短时平稳特性和长时关联特性对目标的声纹特征进行建模,使用梅尔谱图提取目标信号的初级特征,再通过融合注意力机制和时延神经网络的深度学习模型实现高级特性提取,最后再利用余弦相似度实现不同目标的类别划分。该方法在ShipsEar数据集和自行采集的数据进行测试验证,目标识别准确率分别达到79.2%和73.9%,可证明本文方法的有效性。     

高速铁路轮轨滚动噪声的分形描述及分形维估计

提出基于分形分析的轮轨滚动噪声研究方法,研究了不同尺度下轮轨滚动噪声增量的统计特性,证明轮轨滚动噪声具有分形特性,可由分形布朗运动描述。在此基础上,利用分形布朗运动的小波系数方差与分形维的幂律关系估计了轮轨滚动噪声的分形维,并估计了以裂纹扩展为代表的钢轨伤损声发射信号的分形维,对比研究发现:轮轨滚动噪声分形维本身具有随机性,不同车速下的轮轨滚动噪声分形维估计以1.5666为均值随机分布在小于2的小区间内;分形维是轮轨滚动噪声的固有特征,与车速无关,不同车速的轮轨滚动噪声可由统一的分形布朗运动模型描述;裂纹扩展信号与轮轨滚动噪声不同,其分形维估计大于2,不满足分形布朗运动模型的要求,但分形维可作为二者的区别特征。研究提取了轮轨滚动噪声的分形维作为固有特征,为高速轮轨滚动噪声描述及轮轨伤损检测提供了有效的分析方法。      

基于极限环的舰船噪声信号非线性特征分析及提取

特征分析及提取是目标分类识别的重要环节．首先应用非线性分析方法分析了舰船噪声的极限环现象,结果表明振动噪声作为舰船噪声的主要成份,其极限环在相空间上存在倍周期或混沌行为．其次,利用分形维数和分布密度比来描绘舰船噪声在相平面上极限环的奇异性和空间形状,并给出了一种新的分维数计算算法．最后,以此作为舰船目标的特征参数送入神经网络分类器用于分类识别水面和水下两大类目标．实验结果表明。从噪声极限环中提取的非线性特征能较准确地区分我们现有的水面和水下两大类目标．、为舰船噪声信号的特征提取提供了一条新的思路     

舰船辐射噪声超混沌现象研究

水下弱目标探测和识别一直是水声信号处理领域中研究的难点。从Lyapunov指数谱、吸引子相空间轨迹的演化、分形维数等方面，对船舶辐射噪声是否存在超混沌现象进行了研究。实验结果表明，船舶辐射噪声信号确实存在至少两个正的Lyapunov指数，即存在超混沌现象。辐射噪声吸引子在相空间中的轨迹具有多方向伸展的趋势，且不同类型目标的吸引子具有不同的分形维数。研究结果为建立精确描述辐射噪声信号的非线性模型、为水下弱目标信号探测和识别提供一定的理论依据。     

基于相空间重构理论的舰船辐射噪声非线性特性研究

以相空间重构理论为基础,用TAKENS延时法对时序序列进行相空间重构,在超维相空间中研究舰船辐射噪声的非线性特性,利用相似序列计算出空间轨迹点与其自身的重复度（RPT）参数,绘制了舰船辐射噪声重复度曲线并分析其非线性特性。结果表明,在超维相空间中,舰船辐射噪声表现出具有界于随机的高斯白噪声和确定性的LORENZ吸引子之间的空间几何特性。并且同类目标之间具有相似性,不同类目标之间具有可分性,本文所提出的方法为水声目标的非线性研究开辟了一个新的途径．     

舰船多辐射声源近距离通过特性的仿真

由于舰船三个特定部位(尾部、中后部、中部)的辐射噪声具有明显不同的功率谱特征,利用这些特征具有实际的意义。我们采用简化的近距离舰船辐射噪声三亮点模型来逼近舰船这三个特定部位的辐射噪声中的连续谱结构,采用时间滑动的卷积算法来重构舰船某一辐射噪声源的噪声序列,重构的噪声序列同时具有要求的幅度概率分布和功率谱形状。在重构不同辐射声源时域信号的基础上,对舰船辐射噪声的通过特性以及三个辐射噪声源在不同的接收位置的影响进行了仿真。仿真结果与实测的某型舰船的通过频谱结果相比较,表明其频域特征是大体一致的。     

纹理高阶分形特征在海面舰船目标检测中的应用

针对复杂海面环境下的舰船目标检测，分析了高阶分形特征缝隙在纹理分类中的应用，提出了一种基于分形维与缝隙的目标检测新方法，并利用该方法对海面舰船目标进行了检测。实验结果表明利用纹理分形维与缝隙特征进行海面舰船目标检测，可以取得较单一分形维检测更高的准确率。     

非均匀海洋环境噪声中的匹配场处理舰船辐射噪声级估计方法

在实际舰船辐射噪声测量过程中,受非均匀海洋环境噪声的影响,导致常规测量方法的性能急剧下降,基于此,提出了一种非均匀海洋环境噪声背景中的垂直阵舰船辐射噪声测量方法。根据水声信道传播理论,建立了由海面多个空时独立均匀分布噪声源构成的非均匀背景噪声场模型,推导了非均匀海洋环境噪声场中垂直阵舰船辐射噪声估计的理论公式。针对典型的浅海水声信道,进行计算机仿真实验,分析了该方法的测量性能并与常规匹配场测量方法进行对比,结果表明:(1)该方法能有效克服非均匀海洋环境噪声对测量结果的影响,测量误差较小;(2)相同测量条件下,该方法测量性能优于常规匹配场舰船辐射噪声级测量方法;(3)当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。      

非均匀海洋环境噪声中的匹配场处理舰船辐射噪声级估计方法

在实际舰船辐射噪声测量过程中,受非均匀海洋环境噪声的影响,导致常规测量方法的性能急剧下降,基于此,提出了一种非均匀海洋环境噪声背景中的垂直阵舰船辐射噪声测量方法。根据水声信道传播理论,建立了由海面多个空时独立均匀分布噪声源构成的非均匀背景噪声场模型,推导了非均匀海洋环境噪声场中垂直阵舰船辐射噪声估计的理论公式。针对典型的浅海水声信道,进行计算机仿真实验,分析了该方法的测量性能并与常规匹配场测量方法进行对比,结果表明:(1)该方法能有效克服非均匀海洋环境噪声对测量结果的影响,测量误差较小;(2)相同测量条件下,该方法测量性能优于常规匹配场舰船辐射噪声级测量方法;(3)当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。     

基于虚拟时间反转镜的垂直阵舰船辐射噪声级测量方法

研究了利用垂直阵测量舰船辐射噪声过程中因水声信道的多径效应对测量性能产生的影响,建立了基于声场模型的舰船辐射噪声测量的数学模型,推导了基于虚拟时间反转镜辐射噪声测量的理论公式,提出了一种基于虚拟时间反转镜技术的垂直阵舰船辐射噪声级测量方法。该方法首先采用基于波束积分的SCOOTER模型,根据海洋环境参数计算出辐射声源至测量水听器之间的信道传输函数,然后,用计算出的信道传输函数对接收信号做虚拟时反处理,以消除或减弱信道多径效应对接收信号的影响,从而提高舰船辐射噪声级测量精度。针对典型的浅海声信道,进行了计算机仿真试验。结果表明,该方法能有效地进行舰船宽带辐射噪声测量,当阵元个数满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。      

水声目标辐射噪声的低维动力学成分提取及应用

基于非线性动力学理论的水声信号相空间处理,是水声信号处理的一种新途径。实际水声信号在相空间中分析时的首要问题是降噪。本文应用局部几何投影法提取不同目标辐射噪声的低维成分,输出相图呈现出较明显的低维吸引子。在此基础上,用吸引子维数和反映动力学模型差异的交叉预测误差对样本进行了分类研究,结果表明,综合这两种分别反映几何性质和动力学性质的特征,可达到一定的分类效果。     

基于组合支持向量机的水声目标智能识别研究

为解决水声目标小样本模式识别问题,有效地提高复杂海洋环境中的识别精度,提出了一种基于经验模式分解(EMD)、特征距离评估技术(FDET)和组合支持向量机(CSVMs)的水声目标智能识别方法。首先,将滤波、Hilbert包络解调和EMD等信号处理方法对水声目标的辐射噪声信号进行预处理,提取7个包含原始信号和预处理信号的时域和频域统计特征的特征集。然后,通过FDET从原始特征集中选择出7个敏感特征集。最后,将7个敏感特征集输入到7个支持向量机分类器中,利用遗传算法对7个分类器的结果进行合并,构成CSVMs分类器,从而实现对水声目标的智能识别。将该方法应用于舰船等水声目标的识别中,研究结果表明,该方法的识别性能优于单一SVMs分类器:同时,经过FDET得到的敏感特征集能明显地提高识别精度。     

水下声目标的梅尔倒谱系数智能分类方法

传统水下声目标识别分类方法具有较强的人机交互特性,无法满足未来水下无人平台智能识别分类水声目标的需求。针对这一问题,提出了一种基于梅尔倒谱系数（MFCC）的水下声目标智能识别分类方法,该方法通过提取水下声目标梅尔倒谱系数特征,采用长短时记忆网络（LSTM）构建了智能识别分类模型。使用实际水声信号对该方法进行了验证,结果表明,基于梅尔倒谱系数的水下声目标智能识别分类方法能够在不依赖人工提取特征的情况下,对目标噪声进行识别分类,具备智能化识别分类能力。     

基于边缘链码高阶分形特征的舰船目标检测算法

针对舰船目标和海杂波轮廓结构的不同,提出了基于边缘链码高阶分形特征的舰船目标检测算法,算法利用相对链码对5类舰船目标轮廓进行编码,分别计算分形维和缝隙,得到了舰船目标的4个分形特征的范围。实验结果表明边缘链码的4个分形特征能有效区分舰船目标和海杂波。     

一种基于奇异值分解的舰船辐射噪声目标识别算法

本文针对舰船辐射噪声目标识别问题,提出了一种基于奇异值分解(SVD)的辐射噪声爿标识 别算法。该算法充分利用了不等权值SVD的空间滤波作用,来消除辐射噪声中复杂的干扰成分;结 合二阶累积量谱进行特征分析及提取;然后根据所要解决的实际问题,设计了合适的概率密度函数, 并对其进行训练,作为识别模板;进而根据距离分类准则设计了分类函数,以完成识别分类。运用实 际的舰船辐射噪声数据,进行了仿真实验,结果表明了本文算法的可行性和有效性。     

感知线性预测在水下目标分类中的应用研究

提出了基于感知线性预测(PLP)的模仿人耳听觉特性来提取水声信号鲁棒特征的方法。运用听觉心理学的三个概念: (1)临界带谱分析、(2)等响度曲线、(3)强度响度听觉幂率,形成估计听觉谱的方法,可获得一个12阶全极点模型的鲁棒特征矢量。运用这一特征矢量进行训练和识别的实验结果表明:(1)在不同的频率段内,人耳对6类目标辐射噪声信号敏感程度是不同的。(2)提取的基于听觉感知水下目标特征具有鲁棒性。(3)通过此方法提取的特征维数较低,运算速度快,识别的正确率比以往有所提高。     

船舶辐射噪声的混沌现象研究

水下弱信号的检测和识别是当今水声信号处理领域中存在的难题．应用混沌、分形理论，从根空间轨迹、Lyapunov指数和关联维等方面研究了船舶辐射噪声的混饨现象，发现船舶辐射噪声信号的确存在混沌吸引子，且不同类别的信号具有不同的吸引子维数．这一结果将为水声信号处理，为水下目标探测和识别提供崭新的理论手段。     

支持向量机对舰船噪声DEMON谱的分类识别

本文采用径向基核函数的支持向量机的分类算法,实现了对舰船目标的分类识别。对两类不同类型的舰船的辐射噪声的DENOM谱建立了支持向量机模型,并进行了分类识别试验。试验结果表明,在结构风险最小的准则下,采用网格搜索法确定,径向基核函数的参数σ取值0.23、惩罚系数C值取13为最优的分类识别参数。并通过留一法验证,该模型具备良好的推广能力,总体正确识别率为91.2%。     

基于模型匹配的舰船螺旋桨噪声特征精细分析

在双螺旋桨舰船噪声包络建模的基础上,研究了双桨目标调制谱谐波族特征的结构问题,并对海试中发现的"伪桨"现象进行了分析,从理论上解释了谐波族结构发生畸变的原因。进一步采用模型基特征提取技术,研究了基于模型匹配的舰船螺旋桨噪声特征精细分析方法,提取了舰船噪声包络波形精细结构特征。海试信号分析表明,舰船螺旋桨噪声特征精细分析有助于提取更多的螺旋桨物理特征及周期性调制信息,进而提高舰船目标的识别率。      

匹配场处理舰船辐射噪声级估计方法

针对水声信道对舰船辐射噪声声传播的影响,进而导致声源级测量结果不准确的问题,提出了基于匹配场处理的舰船辐射噪声级估计方法。在海洋环境噪声为空间均匀高斯白噪声的假设下,当海洋环境参数已知、信噪比满足一定要求时,匹配场处理能有效地给出被测噪声源的位置信息及该位置处的能量响应。从能量估计角度出发,推导了声源位置处匹配场输出响应的能量修正因子计算公式,从理论上证明了匹配场处理在被测声源位置处输出响应与能量修正因子的乘积为真实声源级的最小方差无偏(MVU)估计。该方法首先选择合适的声场计算模型计算拷贝场向量,对接收到的辐射噪声信号进行匹配场处理,得出接收信号级和被测声源位置;其次利用该位置所对应的拷贝场向量替换能量修正因子公式中的真实信道传输函数以计算能量修正因子的估计值;最后由接收信号级与能量修正因子估计值相乘得出舰船辐射噪声声源级的MVU估计。针对典型的浅海水声信道,进行了计算机仿真试验,结果表明:该方法能有效地进行舰船辐射噪声测量,当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。