水下目标辐射噪声的非线性检验

由于非线性是混沌产生的必要条件,所以讨论一个观测时间序列是否具有非线性,对进一步利用混沌时间序列方法分析观测时间序列很有意义。本文讨论水下目标辐射噪声信号中非线性问题,运用替代数据方法,根据实验数据与替代数据之间峭度和自相关两个量的差异性,分析了水下目标辐射噪声信号中的非线性成分,得出结论：水下目标辐射噪声信号中存在非线性成分,且这种非线性不是由于静态测量函数的非线性引起的,为利用非线性时间序列分析方法分析水下目标噪声信号提供了理论依据。     

基于盲分离技术的水下多源环形阵定位方法研究

根据水下自动探测的工程实际技术发展需求,本文基于盲分离技术研究了环形阵对水下目标辐射噪声信号进行定位的方法,利用水声信号统计特性,通过构建针对水中目标的非线性函数和学习因子等,对自然梯度算法进行了改进,实船信号的盲分离实验结果表明,该方法改进了分离效果。在此基础上,建立了基于线性瞬时混合情况下的定位模型,完成了对六个水中目标的定位研究,取得了令人满意的结果。     

基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。     

基于变分模态分解和对称相关的目标舰船线谱检测

线谱检测是水下目标识别中的一个重要研究方向。针对舰船辐射噪声线谱信号检测与提取的需求,该文改进提出了一种基于变分模态分解和对称相关的降噪处理方法,研究了与目标线谱信号不相关的加性高斯噪声消除办法。假设舰船辐射噪声除线谱成分外均为高斯噪声,对舰船辐射噪声中线谱成分进行检测。理论推导、仿真计算与实验数据处理结果均表明,该文提出的方法能较好地检测加性高斯噪声背景下的线谱成分,较传统的相关方法更为有效。     

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。     

阵列信号源中的窄带噪声实时生成与时延控制技术研究

针对鱼雷声自导测试信号源中的目标辐射信号模拟问题,集中探讨窄带噪声的生成及其通道间时延控制算法。首先研究窄带噪声实时生成算法,基于线性同余法生成均匀噪声,以其作为查询噪声池的地址,产生宽带噪声,并通过带通滤波得到窄带噪声。为保证模拟目标的方位角精度,精确控制各个通道的时延量,提出适用于宽带信号的延时滤波算法,基于多采样率信号处理技术,通过对噪声信号进行插值、延迟、选抽、滤波等操作,提高时延控制精度。结合算法原理分析,得到延时滤波的简化算法。数字仿真表明,提出算法适用于窄带信号实时生成,时延控制精度高。     

基于Hilbert-Huang变换的水声信号特征提取及分类技术

水下目标噪声信号是一种典型的非线性非平稳随机信号，Hilbert-Huang变换较传统方法在处理此类信号时具有很大优势，据此本文提出了一种基于Hilbert-Huang变换的水下目标噪声特征提取方法。本文将环境噪声当作一类目标，利用上述方法对涉及两种航行船舶、海洋生物和海洋环境噪声的四类目标信号的特征进行了详细分析，最后对各类目标噪声信号进行了分类识别实验。实验结果表明基于Hilbert-Huang变换提取的特征对各类目标具有较好的可分性，达到了较高的识别率。     

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．     

随机共振法估计二水听器时延差

针对二元阵航船目标方位估计问题,提出了一种基于随机共振滤波的航船辐射噪声双水听器时延差估计方法。设计了一种随机共振滤波器,提取航船螺旋桨旋转噪声在水听器接收信号中出现的本地时间,并通过滤波结果的互相关来估计目标辐射噪声分别到达两个水听器的时延差。在5 dB的输入信噪比下进行200次仿真,提出方法时延估计的归一化均方误差要低于互谱方法一个数量级。对于海试中的非合作航船,提出的方法可以在1 km距离下准确估计出目标辐射噪声到达双水听器的时延差,从而为在二元阵上实现对航船目标的准确测向提供基础。      

一种用于主动降噪耳机的权重滤波误差信号滤波-x最小均方算法*

针对传统FxLMS算法前馈自适应主动降噪耳机系统因果性条件不足时在宽带噪声环境中产生的高频噪声抬升问题,该文引入权重滤波误差信号FxLMS算法用于抑制高频噪声的抬升,但该算法带来了低频降噪量不足问题。因此,进一步提出将固定系数混合控制器与权重滤波误差信号FxLMS算法结合,在解决高频噪声抬升问题的同时,保证了良好的低频降噪量。基于DSP平台实现了提出的主动降噪耳机方案。实验证明,该方案针对宽带和单频等噪声都取得了较好的降噪效果。     

船舶水下辐射噪声信号理论模型及仿真

分析典型船舶水下辐射噪声实验数据,获取船舶水下辐射噪声功率谱特征,阐明了准周期随机声脉冲序列信号模型作为船舶水下辐射噪声模型的合理性和普适性,在此基础上,引入爆炸衰减型余弦脉冲信号作为该模型的基本组成单元,给予理论分析,据以数值构建船舶辐射噪声,并与海上试验获取的商船辐射噪声数据进行对比,结果明显一致,证明了该方法的有效性和实用性.     

基于搜索平均法的气象观测数据的非线性去噪

介绍了一种新型基于相空间重构和返回图法的非线性降噪方法——搜索平均法，首先将该方法应用于被高斯白噪声所污染的Henon映射时间序列，说明根据降噪理论所编写的计算程序的正确性；然后应用于中国气象局公布全国435站1960—2000年的逐日气温观测时间序列，并利用非线性预报方法衡量降噪的效果，验证了该方法的有效性.     

水声目标辐射噪声的局部线性预测分析

从动力学的观点,对水声目标辐射噪声进行相空间的局部线性预测。计算了辐射噪声序列的平均预测误差与邻域大小的关系曲线,从曲线的类型可判断辐射噪声序列的线性性,并得到合适的预测函数类型及参数。文中对线谱和连续谱成分分别进行了局部预测。此外,还讨论了使预测误差最小的模型参数的选取。     

皮层脑电的非线性降噪

引入基于对非线性动力学局部线性拟合的局部投影非线性降噪方法对Spragure-Dawley大鼠的皮层脑电进行降噪.为了提高降噪效果，利用返回图法对皮层脑电降噪时所需要的最佳局部邻域尺度进行了估计.首先以被50%的高斯白噪声污染的Lorenz方程x轴为例进行降噪，说明根据降噪理论所编写的计算程序的正确性.然后将此降噪方法分别应用于被麻醉的大鼠的皮层脑电和青霉素溶液诱发癫痫发作的皮层脑电时间序列，并采用非线性预报分析说明降噪的效果. 关键词： 皮层脑电 返回图法 非线性降噪 非线性预报     

受污染混沌信号的协同滤波降噪

根据混沌吸引子的自相似分形特性,提出了一种利用协同滤波重构受污染混沌信号的降噪算法.所设计的降噪算法通过对相似片段的分组将一维混沌信号的降噪转化为一个二维联合滤波问题;然后,在二维变换域用阈值法衰减噪声;最后,通过反变换获得原始信号的估计.由于分组中的相似片段具有良好的相关性,与直接在一维变换域做阈值降噪相比,分组的二维变换能获得原信号更稀疏的表示,更好地抑制噪声.仿真结果表明,该算法对原始混沌信号的重构精度和信噪比的提升都优于小波阈值、局部曲线拟合等现有的混沌信号降噪方法,对相图的还原质量也更好.     

基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测

植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示：SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论：SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。     

用极点方法识别水下目标

本文中研究一种水下目标识别方法并介绍一组材料、大小、厚度不同的中空圆柱形水下目标的识别实验。我们分三步提取水下目标特征量。第一步是在频域上用短脉冲作为入射信号辨识脉冲响应函数。第二步用“卷积-修正递推最小二乘”法估计目标ARMA模型参数。第三步计算频域上的极点。我们用极点作为水下目标的特征量,并认为它是一个不变量。计算机模拟结果表明,同以AR参数作为特征量的方法相比较,极点法的抗噪声干扰能力改善12dB。我们采用匹配滤波分类器对水下目标进行分类。实验结果表明,在无噪声情况下,正确识别率可达100％。信噪比 关键词：     

水下对转螺旋桨流致辐射噪声机理与预报方法*

水下对转螺旋桨流致辐射噪声的预报对于水下目标的特征提取和分类识别具有重要意义。由桨叶的旋转引起的湍流场是水下对转螺旋桨流致辐射噪声的源场。分述了水下对转螺旋桨湍流边界层脉动、旋转干涉效应和空化效应引发的水动力噪声机制和研究进展,比较了目前工程应用中的3种对转螺旋桨流致辐射噪声预报方法的特点。在分析对转螺旋桨流致辐射噪声数值预报难点的基础上,综述了对转螺旋桨流致辐射噪声计算方法的研究进展,指出间接数值模拟方法是工程中进行对转螺旋桨流致辐射噪声预报的有效方法。     

光子成像静止点目标的管道滤波探测方法

构建了具有单光子成像能力的光子成像系统,提出应用管道滤波方法实现对光子受限静止点目标的探测。分析了光子图像静止点目标与点状噪声特征,根据静止点目标在序列图像中位置的确定性以及噪声点的不相关性,研究了基于管道滤波的光子成像静止点目标探测方法。为降低目标探测的虚警概率,优化了管道滤波直径。以实验采集得到的多组光子图像序列为样本,获得了探测概率、虚警概率与信号光子数、噪声光子数、管道长度以及检测阈值的关系。检测结果显示,对信号与噪声的平均发生率为0.4和5.215的序列图像,当管道长度为9、检测阈值为2时,探测概率达0.9以上且虚警概率〈0.08。对比多组图像序列的检测结果表明,影响探测概率的主要参数是信号光子数,而影响虚警概率的主要参数是噪声光子数。     

SINS初始对准中光纤陀螺EMD滤波

为了实现低成本SINS初始对准,降低对准过程复杂程度,提高系统对准精度,缩短对准时间,本文引入了EMD滤波技术。首先,采集IMU输出信号,根据EMD算法将信号分解为IMF簇,按照CMSE标准对信号进行重构,完成信号滤波处理;接着,按照AR模型对经EMD滤波前后的数据噪声进行建模;然后,分别利用原始信号和EMD降噪后信号进行SINS姿态粗对准;最后,根据IMU模型和SINS误差模型,采用零速对准方式,完成SINS精对准。实验结果表明:经EMD降噪后的信号粗对准精度为1.3°,精对准精度为0.87 mrad,精对准收敛时间为200 s。