水下目标声散射信号的时频域盲抽取

目标声散射机理及其散射特性为识别目标的物理依据.针对水下目标声散射成分在时-频域存在相互混叠干扰,造成目标弹性声散射特征不稳定的问题,提出一种适合在欠定问题下分离目标声散射成分的时频域盲抽取方法.研究声散射成分的时频特征差异,构造目标回波单源自项的空间时频分布矩阵,通过对其进行特征值分解抽取相应的声散射成分,建立描述目标声散射物理特性的信号模型.抽取出的目标各弹性波分量与以表面环绕波产生理论计算结果相符.仿真与消声水池实验数据处理结果表明,该算法可以分离出目标回波的各个声散射成分,提高了分离信号的输出信噪比,为水下目标识别提供稳定和可靠的特征.     

多角度光散射颗粒的粒径解析和属性识别

通过提取光散射信号中颗粒粒径和属性的非线性特征向量,利用广义神经网络(GRNN)同时解析颗粒粒径和识别属性。采用经验模态分解(EMD)方法分解颗粒物的光散射信号,提取三维能量分布,计算3种相同粒径不同属性颗粒的样本熵,发现样本熵能够反映颗粒的属性;为了消除粒径和属性对散射的影响,对散射信号进行Hilbert变换,提取时频域特征,与样本熵结合组成高维特征集,通过局部线性嵌入(LLE)算法将特征集归为6个特征向量,作为广义神经网络的输入层,解析粒径和识别属性;采用粒径为0.11μm的二氧化硅颗粒、2μm和4μm的聚苯乙烯小球进行实验,结果表明,粒径解析和属性识别的正确率均在90%以上。     

水下目标弹性声散射信号分离

水下目标弹性声散射与其他声散射成分在时域和频域上均存在混叠, 现有信号处理方法受分辨力限制无法在混叠状态下识别目标弹性声散射特征. 针对这个问题, 提出了一种目标弹性声散射信号分离方法. 以目标回波亮点模型为基础, 分析了线性调频信号入射时目标声散射成分的信号特性, 提出了一种目标声散射成分向单频信号的映射方法, 并理论推导出了目标声散射结构与映射结果之间的线性对应关系, 实现了通过窄带滤波分离出目标弹性声散射成分. 仿真与消声水池实验数据处理结果表明, 该方法基本可以完全分离出目标回波信号中的弹性声散射成分, 分离出的弹性声散射具有与理论一致的信号特征, 验证了该分离方法的有效性.     

时频谱图和数据增强的水声信号深度学习目标识别方法*

水声目标识别一直是水声领域研究的重点问题之一,深度学习方法可以有效地解决目标识别问题,然而,水声样本的稀少限制了该方法的应用。该文 提出一种基于数据增强的水声信号深度学习目标识别方法,该方法以Mel功率谱作为网络的输入特征,通过对原始信号在时域和时频域的拉伸和掩蔽等变换,实现数据扩展和增加泛化性能的目的,最后,利用改进的VGG网络模型实现目标分类。实验结果表明,该文方法得到的水下目标识别准确率(95.2%) 要优于其他4种对比方法,证明了该文提出的网络模型和数据增强方法均有助于提高目标分类性能。     

基于仿生特征模式匹配的海洋动物声信号识别*

针对小数据量的海洋动物声信号混合识别,将声信号同态分析过程中的线性频率转换为Mel频率,得到模拟人耳听觉特性的Mel频率倒谱系数作为声信号的特征。按照声信号所属的物种建立特征模板,使用动态时间规整算法对待识别特征进行分类识别,并对特征库和识别算法进行优化。分别提取了6种鱼类、3种虾类、12种鲸类的Mel频率倒谱系数,为每个物种建立特征模板。分3次对3种、5种、6种鱼类进行识别,分别获得了100%、96.25%、94.68%的识别率。对6种鱼类、3种虾类、12种鲸类共21个物种进行混合识别,总识别率由87.56%提升至优化后的88.96%。实验结果表明,基于Mel频率倒谱系数和动态时间规整算法的海洋动物声信号混合识别能够在小数据量时获得较高的识别率,优化后的特征库和识别算法能够提升识别率。     

基于空-频域特征和线性判别分析的视频步态识别

为提高步态识别准确率,提出了基于空-频域特征和线性判别分析的视频步态识别方法。利用离散余弦变换、Contourlet变换分别提取步态能量图的频率特征和多尺度多方向轮廓特征;融合得到空-频域特征,并通过线性判别分析映射到最佳鉴别矢量空间;根据相似性距离实现身份识别。在中科院自动化所提供的数据库中进行实验,结果表明,提出的特征提取方法优于现有常用方法。空-频域特征能够有效地区分步态中的高低频分量,并捕捉丰富的细节信息,线性判别分析在降维的同时进一步增强特征的判别能力,有助于提高识别精度。     

应用支持向量机和人工神经网络对大气次声信号 识别的初步实验

语音情感识别在许多领域具有重要研究价值,不同声学情感特征在使用不同分类器进行分类时,识别效果具有明显差异。与语音情感有关的声学特征包括谱特征、韵律学特征、音质特征。该文提出一种特征融合的方法,将3种声学特征中具有最好识别能力的特征进行融合:保留在实验中表现稳定且有较高识别率的谱特征的全部特征,提取韵律学、音质特征的相关统计量作为辅助特征融合于谱特征中。实验表明,该文所提出的融合特征在使用同一分类器进行分类时,识别率优于单一特征;当使用不同分类器时,融合特征依然具有较好的识别能力,且识别性能稳定,3个数据集上均有较好的识别率,基本实现跨数据集识别。     

激光声信号的频谱特性

构建了激光声实验测量系统,利用脉冲激光聚焦击穿水介质产生声信号,由水听器将声信号转换成电信号并送入数字存储示波器。分析了激光声信号的时频域数学模型,实验研究了激光声信号的频域能量分布,以及激光器重复频率和激光声信号频谱特性的关系。结果表明:激光声信号能量主要集中在200 kHz内,其中100~200 kHz内的能量所占比例约50%。激光声信号的幅频响应极大值点可以受到激光器重复频率的控制。     

电子器件散热风扇气动噪声管道声学模态截止控制技术

深度学习输入特征的选择直接影响其分类性能,为了进一步提高基于深度学习的鸟类物种识别模型的分类性能,该文提出一种多特征融合识别方法。该方法首先通过短时傅里叶变换、梅尔倒谱变换和线性调频小波变换分别计算得到鸣声信号的3种语图样本集,然后分别利用3种语图样本集训练3个基于VGG16迁移的单一特征模型,将3个模型的输出进行自适应加权求和实现融合,并修正了加权交叉熵函数以克服样本不平衡的问题,最后对语图进行分类实现鸟类物种的识别。以ICML4B鸣声库的35种鸟类为研究对象,对比了4种模型的平均识别准确率(MAP),结果表明特征融合模型较单一特征模型的MAP最大提高了0.307;选择输入语图的持续时间分别为100 ms、300 ms以及500 ms,对比不同持续时间下4种模型的测试MAP值,结果表明持续时间为300 ms时4种模型的MAP值均为最高;对比了不同信噪比下4种模型的识别效果,多特征融合模型的识别准确率随着信噪比的下降降低最少。说明在选择合适的语图持续时间后,该文提出的特征融合模型能得到更高的识别准确率,具有一定的抗噪能力,且训练参数少,更适合于少样本鸟类的识别。     

圈养瓶鼻海豚通讯信号分析及融合分类方法

针对圈养条件下瓶鼻海豚通讯信号（whistle）分类时混叠大量回声定位信号（click）导致分类正确率降低的问题,提出了一种基于机器学习的融合分类方法。分别提取whistle信号的时频分布特征训练随机森林分类器,梅尔时频图特征训练卷积神经网络分类器,在此基础上设计融合判决器对混叠whistle信号进行分类识别。对圈养海豚声信号采集实验数据的分类识别结果表明,融合分类方法具有更好的分类性能,对混叠whistle信号分类正确率大于94%,优于时频分布特征分类器和梅尔时频图特征分类器,能够提高混叠信号的分类能力。      

水下目标多模态深度学习分类识别研究

水下目标的分类识别对于水声探测具有重要意义。提出一种水下目标多模态深度学习分类识别方法。针对水声信号的一维时域模态和二维频域模态特征建立一种多模态特征融合的深度学习结构,结合长短时记忆网络和卷积神经网络的优点,对一维时域信号和二维频谱信号分别进行并行处理,对输出进行典型相关分析,形成特征融合表示,并利用相邻帧的相关性进行参数优化。利用实测水声信号对算法进行了验证。结果表明：提出的算法对于水下目标识别的精度有显著的提高。     

Acoustic Imaging Frequency Dynamics of Ferroelectric Domains by Atomic Force Microscopy

We report the acoustic imaging frequency dynamics of ferroelectric domains by low-frequency acoustic probe microscopy based on the commercial atomic force microscopy. It is found that ferroelectric domain could be firstly visualized at lower frequency down to 0.5 kHz by AFM-based acoustic microscopy. The frequency-dependent acoustic signal revealed a strong acoustic response in the frequency range from 7kHz to 10 kHz, and reached maximum at 8.1 kHz. The acoustic contrast mechanism can be ascribed to the different elastic response of ferroelectric microstructures to local elastic stress fields, which is induced by the acoustic wave transmitting in the sample when the piezoelectric transducer is vibrating and exciting acoustic wave under ac electric fields due to normal piezoelectric effects.     

基于听觉谱特征的变压器绕组状态检测研究

绕组松动是变压器常见故障之一,对变压器的安全运行产生巨大威胁.故对其进行精准的监测,对提高电力系统的安全稳定性具有十分重要的意义.基于声信号的变压器绕组松动检测,由于其具有无损检测和不需停运变压器等优点,成为近年来研究的热点.但声信号检测存在故障特征提前复杂和易受噪声干扰等缺陷,限制了其工程应用.该文提出了一种基于声信...     

一种基于声散射特性的有鳔鱼特征获取方法

鱼分类技术在渔业资源评估中的重要性日益凸显,而分类中能够得到不同鱼种的本质声散射特征尤为重要。文章基于鱼的声散射特性,提出一种有鳔鱼种特征获取新方法。鱼的目标强度反映了鱼的本质声散射特征,其主要取决于鱼鳔的大小、形状及声波入射角度、频率,文章基于基尔霍夫模式模型和图像处理方法进行建模,不仅可对鱼体和鱼鳔进行更真实的近似,而且可以得到精确的目标强度仿真结果。通过图像识别方法,对鱼体及鱼鳔图像进行灰度变换、二值化、边缘识别、轮廓提取等处理,得到鱼体及鱼鳔边缘坐标,利用得到的信息进行建模,并给出了相应的计算机仿真结果。最后进行了水池试验,对仿真数据与试验数据进行了对比分析,并提取得到有鳔鱼的目标强度特征,为鱼分类特征获取提供了一条新的途径。     

Testing the odontocete acoustic prey debilitation hypothesis: no stunning results

The hypothesis that sounds produced by odontocetes can debilitate fish was examined. The effects of simulated odontocete pulsed signals on three species of fish commonly preyed on by odontocetes were examined, exposing three individuals of each species as well as groups of four fish to a high-frequency click of a bottlenose dolphin [peak frequency (PF) 120 kHz, 213-dB peak-to-peak exposure level (EL)], a midfrequency click modeled after a killer whale's signal (PF 55 kHz, 208-dB EL), and a low-frequency click (PF 18 kHz, 193-dB EL). Fish were held in a 50-cm diameter net enclosure immediately in front of a transducer where their swimming behavior, orientation, and balance were observed with two video cameras. Clicks were presented at constant rates and in graded sweeps simulating a foraging dolphin's "terminal buzz." No measurable change in behavior was observed in any of the fish for any signal type or pulse modulation rate, despite the fact that clicks were at or near the maximum source levels recorded for odontocetes. Based on the results, the hypothesis that acoustic signals of odontocetes alone can disorient or "stun" prey cannot be supported.     

水下目标几何声散射回波在分数阶傅里叶变换域中的特性

水下目标散射回波在时域、频域混叠在一起, 而且受声波入射角度的影响严重, 在不同的入射角度下表现出很大的差异, 需要建立全方位入射角度下回波分量的理论分析模型. 本文推导了目标几何声散射分量在分数阶傅里叶变换域中随入射角度变化的解析表达式; 确定了目标几何声散射回波分量在最佳分数阶傅里叶变换域中的全方位模型, 从理论上证明了目标回波的几何特征形式; 给出了离散分数阶傅里叶变换对声散射分量的分辨能力和计算精度与发射信号带宽和观测时间之间的关系. 实验数据处理表明, 建立的分数阶傅里叶变换域的全方位模型与目标几何特征是一致的, 对未知入射角度下的目标识别提供了理论依据.     

Low frequency acoustic signals associated with rock falls,thunderstorms, and wind turbulences in field environment

This paper characterized the observed low frequency acoustic signals generated by rock falls, thunderstorm, and wind turbulence in large rocky landslide. A digital infrasonic recording system was deployed on site to capture real-time low frequency acoustic signals associated with rock falls. An advanced non-stationary signal analysis method, i.e. Empirical Mode Decomposition (EMD), was applied to get insight to the characteristics of the low frequency acoustic signals induced by the hazards. Joint time–frequency distribution spectra technique was used to detect distinctive features of the events. The study shows that the low frequency acoustic signals can be excited by rock falls, thunderstorm and wind turbulence in the field environment, but the signal varies in both time domain and frequency domain with different patterns depending on the physical processes. The results demonstrated that the EMD-based signal processing technique is capable of extracting distinctive features to differentiate acoustic signals in real environment.     

Leak Detection of Gas Pipelines Based on Characteristics of Acoustic Leakage and Interfering Signals

When acoustic method is used in leak detection for natural gas pipelines, the external interferences including operation of compressor and valve, pipeline knocking, etc., should be distinguished with acoustic leakage signals to improve the accuracy and reduce false alarms. In this paper, the technologies of extracting characteristics of acoustic signals were summarized. The acoustic leakage signals and interfering signals were measured by experiments and the characteristics of time-domain, frequency-domain and time-frequency domain were extracted. The main characteristics of time-domain are mean value, root mean square value, kurtosis, skewness and correlation function, etc. The features in frequency domain were obtained by frequency spectrum analysis and power spectrum density, while time-frequency analysis was accomplished by short time Fourier transform. The results show that the external interferences can be removed effectively by the characteristics of time domain, frequency domain and time-frequency domain. It can be drawn that the acoustic leak detection method can be applied to natural gas pipelines and the characteristics can help reduce false alarms and missing alarms.     

一种高频响条纹信号细分方法及其误差分析

用两片高速A/D转换器和一片闪速存储器(Flash ROM)构建了高分辨率和高频响的莫尔条纹信号细分电路。光栅信号经A/D转换后只需访问一次只读存储器即可输出细分值。通过修改只读存储器的写入数据,可方便地实现不同的细分倍数。在100倍细分时能够实时处理50kHz的输入信号,最高可处理1MHz的信号。实现了光栅信号高频响和高细分处理的统一。通过计算实际信号与理想信号的数量积的方法分析了直流漂移、非正交误差、等幅性误差和三次谐波对只读存储器细分的影响。为进行误差修正和误差补偿奠定了基础。