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。     

提取螺旋桨识别特征的二种途径

本文给出海上实验数据表明舰船噪声在几十赫以下频段有着很强的低频线谱,这些线谱与螺旋桨转速等工作特征紧密联系在一起.所以螺旋桨识别特征的提取除了从解调制谱线谱来得到外,还可直接从低频线谱来得到,本文讨论了在噪声中低频线谱和解调制谱线谱的检测性能,在噪声掩盖下,低频线谱的信号高度与信噪比成正比,而解调制谱线谱的信号高度随信噪比下降是非线性的,当信噪比大时下降得很慢,当信噪比小时下降得很快.     

舰船螺旋桨轴频估计中线谱要素提取算法

舰船辐射噪声DEMON谱(调制解调谱)线谱要素提取是舰船螺旋桨轴频估计中的关键步骤。现有的线谱提取技术主要用于功率谱线谱检测,侧重于线谱频率的确定,不能满足舰船螺旋桨轴频估计需求。本文根据DEMON谱线谱的特点及人工提取线谱的过程,设计了一种新的线谱要素提取算法,改进了谱峰筛选技术,将多时刻的DEMON线谱基于最大似然估计和谱峰序列相似度加以融合决策,最终确定了线谱频率和幅值(峰值)及边界。通过实际数据验证,此线谱要素提取算法更适用于螺旋桨轴频估计,可提高轴频估计的准确率。     

二次谐波的变分模态分解和小波阈值函数降噪

针对利用可调谐半导体激光器吸收光谱学(TDLAS)技术测量气体浓度过程中二次谐波谱线存在的外界噪声干扰问题,提出一种基于变分模态分解和小波阈值函数复合算法的二次谐波降噪方法。首先对二次谐波含噪信号进行分解,得到有用固有模态函数(IMF)并进行重构,再对重构信号进行小波阈值函数降噪处理。讨论了变分模态分解中最佳平衡参数的选取,得出最佳平衡参数与含噪信号中噪声成正比的结论。通过改变小波变换的阈值函数改变高频小波系数,以更好地抑制噪声。对实际测量曲线的降噪结果表明,所提出的降噪方法可以在信噪比较低的情况下有效抑制噪声,提取有用的二次谐波信号。     

变分模态分量降噪后重构的水声弱信号检测

针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8～9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。     

基于弹性变分模态提取的时间相关单光子计数信号去噪

单光子激光雷达的回波信号具有极低的信噪比,有效地消除噪声和提取出回波信号特征是提升单光子激光雷达测距精度的关键,变分模态分解算法需要使用者依据经验确定分解本征模态函数数量,不具有适用性和通用性.为此,本文基于时间相关单光子计数信号特点,提出了在变分模态分解中让信号按照指定频率进行聚类分解的变分约束条件,并采用弹性网回归重构不适定问题的求解模型,提出了弹性变分模态提取算法.实验结果表明,在波段850 nm、平均发射功率为25 nW、背景噪声平均功率为19.51μW的条件下,利用该方法,得到了时间相关单光子计数信号重建精度的均方根误差为1.414 ns.同时在不同的累积时间下,能够稳定且快速地提取出回波信号特征,有效地提高了算法的去噪能力和特征提取的性能.     

EEMD-ICA在功能性近红外光谱特征信号提取中的应用

近年来,功能性近红外光谱技术(fNIRS)广泛应用于神经影像学领域。为解决fNIRS特征信号提取中的信噪频谱混叠问题,依据近红外光谱脑功能成像信号非线性与非平稳特点,提出一种结合集合经验模态分解法和独立成分分析的多分辨率联合信号提取方法EEMD-ICA。在脑功能成像仪器平台上采集多通道多波长脑功能成像近红外光密度信号,先对该信号进行集合经验模态分解将其按频率成分分解为多层本征模态函数,之后将独立成分分析应用于目标频率分量函数进行自适应去噪,最后将处理后的分量累加、重构获得近红外光谱脑功能成像的特征信号。将Valsalva氏实验测试数据作为研究对象进行滤噪处理,与经验模态分解法和集合经验模态分解法对fNIRS特征信号的提取效果对比。对实测数据的处理结果进行信噪比和误差参数分析,结果表明,该方法能够有效解决去噪过程中丢失原始信号有用信息及由于信噪频谱混叠不能完整去除噪声的问题,信号处理效果理想,对比另外两种信号提取方法更为优化。     

低信噪比下基于多元变分模态分解的水下蛙人特征提取

为提高低信噪比下对蛙人辐射噪声的提取能力,提出了一种矢量多通道信号的水下蛙人辐射噪声特征提取方法。首先针对矢量多通道信号使用多元变分模态分解,得到固有模态函数。然后选取能量最高的模态函数组作为研究对象,计算该模态函数组互谱后的加权排列熵。最后提取加权排列熵频谱的蛙人特征量。海试结果表明,本方法可在无需先验信息情况下,提取由矢量水听器采集的蛙人信号特征,在检测率为80%的情况下抗噪能力较传统算法提升了10 dB。     

基于改进变分模态分解的北极海域声速剖面分类*

应用支持向量机对北极声速剖面进行分类,特征量提取是关键。该文采用一种基于经验模态分解的改进变分模态分解算法,以准确提取声速剖面特征量。算法首先对声速剖面信号进行经验模态分解,依据最大类间方差原则划分各分量边际谱主频带,以相似度作为最小分解层数判断标准,获得最小分解层数,进行变分模态分解。对北极区海水声速实测数据(信号)处理表明,该方法可有效提取信号经验模态分解各分量的希尔伯特边际谱特征,进行支持向量机分类,实现对北极海域声速剖面的分类识别,解决以往人工分类耗时久的问题。     

一种重构辐射噪声调制谱的方法

在进行辐射噪声信号的仿真研究中,希望利用经滤波、特征提取等处理所得到的反映目标特性的线谱、连续谱、调制谱来重构辐射噪声,以便于研究辐射噪声在声场中的传播特性。本文提出了利用迭代算法估算调制深度谱的算法,给出了时域辐射噪声的重构模型,以实测数据的调制谱为出发点,来重构其时域信号,并对重构前后的调制谱进行了误差分析,取得了较好的效果。     

参数未知的舰船辐射噪声检测方法

舰船辐射噪声的检测方法已有广泛研究,其中线谱特征是检测的重要依据。基于线谱特征的舰船辐射噪声检测方法常需要线谱数目、频率等参数作为检测的先验信息,这些信息不准确或无法确知时,检测方法的性能会受到显著影响。针对实际应用中对于未知舰船无法获得其参数信息的情况,研究基于连续谱谱峰特征的更为一般性的信号存在性检测方法。将窄带信号瞬时频率分析的思想扩展到舰船辐射噪声这类宽带信号,从信号频率与能量分布的角度推导得到宽带信号"瞬时频率"的近似表示式。构建宽带信号的瞬时频率检测器,并对其性能进行理论分析,结果表明该检测器的性能主要受舰船辐射噪声瞬时频率方差以及接收信噪比影响。通过计算机仿真和实际数据对算法的性能进行了验证。      

船舶辐射噪声解调谱相位耦合特性与应用

研究了船舶辐射噪声解调谱谐波线谱的相位特性,通过对实际船舶辐射噪声数据分析,指出船舶辐射噪声解调谱线谱中轴频线谱相位和部分谐波线谱相位之和,与叶频线谱相位的差值为零或为一常数,即存在相位耦合关系。给出了频率具有耦合关系、相位差为非零常数谐波信号的高阶累量,并对这种谐波信号的高阶谱进行了仿真计算。研究了船舶辐射噪声解调谱线谱相位耦合特性的利用方法,通过对部分典型弱调制噪声信号高阶谱分析,指出利用相位耦合关系可以提高弱解调谱船舶目标的螺旋桨参数特征提取能力。      

基于听觉特性的舰船辐射噪声信号仿真

针对工程应用中对舰船辐射噪声信号仿真结果在听觉感受上模拟度欠佳的问题,建立了一种基于音色参量谱质心的辐射噪声仿真方法。采用基于实测谱的连续谱仿真模拟,并且通过整体对比实测信号的听觉特性来搜索符合特征样本音色的线谱族幅值参量,在一定程度上改善了仿真信号的听觉特征。通过仿真最优匹配度趋势来寻求最优搜索次数,用以缩短仿真时间,得到了符合工程应用的结果。     

基于多分类支持向量机的船舶桨叶数识别研究

分析了目前常用的支持向量机多分类方法以及存在的不足,本文提出了一种混合纠错输出编码的多分类支持向量机改进算法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶桨叶数分类的实验。理论分析与实验结果表明,该改进算法编码明确、具备纠错能力,是一种有效的多分类支持向量机方法,在船舶桨叶数识别中,其分类性能优于一对余、一对一及最小输出编码支持向量机等多分类方法,可适用于船舶桨叶数的分类识别。     

基于改进经验模态分解域内心动物理特征识别模式分量的心电信号重建

心电图(electrocardiogram,ECG)诊断心脏疾病的严格标准,要求有效地消除噪声并准确地重建ECG信号.经验模式分解(empirical mode decomposition,EMD)方法重建ECG信号中,模式混叠及重建采用模式分量的识别以经验为基础,导致重建ECG信号准确度降低,且方法不具有自适应和通用性.本文首先基于积分均值定理提出一种改进的EMD方法——积分均值模式分解(integral mean mode decomposition,IMMD)方法,经5000个高斯白噪声样本的蒙特卡罗法验证,IMMD方法比EMD具有更优多分辨率分析能力,能够有效地缓解模式混叠.其次,基于ECG信号内固有心动物理特征量识别重建ECG信号所采用的模式分量,具有现实物理意义,因此,方法具有自适应和通用性.经验证,提出方法重建47例ECG信号与原ECG信号的相关系数中:31例优于变分模式分解方法;33例优于Haar小波软阈值法;42例优于集总经验模式分解方法;45例优于EMD方法.相关系数均值为0.8904,方差为0.0071,表现稳定且最优.     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

基于赛利斯模型和分数阶微分的兰姆波信号消噪

为降低噪声对超声兰姆波检测信号的影响,提高信噪比和增加特征提取的精度,提出了一种赛利斯模型下分数阶微分方法用于超声兰姆波信号去噪.该方法对含噪声的兰姆波信号幅值谱进行各阶分数微分,用赛利斯分布作为待处幅值谱的模型,提出了幅值谱分数阶微分最大值和过零点与微分阶数的拟合三次关系式,建立了幅值谱特征参数的计算式来提取特征参数和重建原始信号的幅值谱,并结合相位谱重构去噪后的兰姆波信号.仿真结果表明,该方法可以有效地提高兰姆波信号甚至微弱兰姆波信号的信噪比,同时降低均方误差和平滑度.实验结果显示,与小波去噪和集合经验模态去噪方法相比,该方法在没有信号先验知识的情况下,可以更有效地去除兰姆波信号的噪声,同时更好地保留主信号的细节特征.因此,本文提出的方法可以有效地去除兰姆波检测信号中混入的噪声.     

布里渊散射谱拟合的混合优化算法

基于布里渊光时域分析仪的全分布式光纤传感系统中,光纤沿途的探测信号含有噪声导致被测量的温度或应变信息难以识别,光谱拟合的精确度对传感信息的识别非常重要。在传感系统低信噪比的情况下,提出了一种提取高精度布里渊散射谱特征的拟合方法,利用小波去噪结合莱文伯-马奈特(LM)算法调节权值后向传输(BP)网络对布里渊散射谱进行特征提取。克服了传统BP神经网络易陷入局部极值的缺点,保证求解的精度。数值仿真表明,该方法适合不同权重比、不同线宽和低信噪比以及大测量范围的情况进行光谱拟合,并且在信噪比为10dB的情况下得到拟合度均超过0.96。实验结果表明,该方法适用于多种泵浦功率情况下的布里渊散射谱的特征提取,优于传统BP神经网络算法且具有较高的拟合精度。     

互谱域MVDR自适应时延估计方法研究

针对窄带信号,通过构造互谱时间序列,在互谱域建立了平稳时间序列时延估计的最小方差无畸变响应(MVDR)滤波器模型;利用分段近似处理,类比空间MVDR自适应算法,给出了其具体算法(Algorithm of MVDR in cross spectral domain,CSMVDR);进行了数值仿真实验研究和海上实验数据处理。数值仿真与实验数据处理结果初步验证了CSMVDR时延估计对于舰船辐射噪声的适用性,CSMVDR时延估计有比相关检测更好的时延估计性能,能够提高信噪比增益和时延估计精度。