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.     

浅析水下高速航行体对转螺旋桨辐射噪声线谱建模

分析了某水下高速航行体辐射噪声线谱统计特性,指出对转螺旋桨水下高速航行体线谱主要由螺旋桨“叶片速率”线谱及其谐波频率线谱组成。在此基础上,以周期信号为模型建立了航行体辐射噪声线谱数学模型,并应用该模型对不同转速航行体辐射噪声线谱频率进行了预测。     

单叶片桨噪声相移叠加法预报多叶片船舶螺旋桨非空化低频噪声

单个桨叶噪声预报螺旋桨非空化噪声可显著降低计算耗时,本文联合URANS和声类比方程对该方法进行验证,并对螺旋桨噪声的时域特征进行分析。首先计算均匀流中E779A螺旋桨的声辐射,揭示了桨叶上声压分布及测点声压信号的典型周期特征,采用单个叶片噪声相移叠加(简称"单叶片方法")预报螺旋桨噪声的结果,与对螺旋桨所有叶片积分的计算结果吻合良好,验证了均匀流中单叶片方法的可行性。将该方法应用于潜艇伴流场中无侧斜和大侧斜螺旋桨噪声辐射计算,预报结果与所有叶片积分的结果吻合较好,验证了非均匀流场中单叶片方法的可行性,说明单叶片相移叠加法预报螺旋桨普遍进流条件下的辐射噪声是可行的。研究结论也可为对转桨、泵喷等噪声预报提供参考。     

船舶侧斜螺旋桨空化噪声调制谱模型

针对侧斜螺旋桨船舶建立了一种螺旋桨空化噪声调制谱理论模型.将螺旋桨旋转过程中崩溃的空泡体积的周期性变化近似为空化噪声能量的变化,根据船尾伴流速度与空泡噪声体积成比例以及螺旋桨转速与空泡数量成比例的关系,推导出了空化噪声调制谱数学表达式.理论分析和仿真验证了桨叶之间的差异性是调制谱轴频线谱存在的主要原因,而影响调制谱叶频...     

水中目标窄带噪声识别的听觉外周模型

为解决听觉外周模型特征在具有工程背景的水中目标声信号分类研究中识别率下降问题,提出了一种外周模型Gammatone滤波器组修正方法,获得的窄带噪声特征可明显提高水中目标识别性能。首先,分析了识别率下降原因,发现声学工程应用中多通道数据采集,导致信号频率范围变窄,而引起声信号的时频特征发生变化。其次,根据听觉模型用Gammatone滤波器组模拟人耳基底膜频率分解特性、低频信息包含水中目标噪声信号的重要类别特征,对原有的听觉模型特征进行插值,对滤波器组的通道数与中心频率进行适应性修正,得到目标噪声在较窄频带的27维特征,修正后的模型能够更精细地反映出目标时频特性。最后,采用神经网络分类器进行实验。结果表明,修正后的听觉模型保留了原较宽频带特征的主要信息,而且进一步提高了对实际目标的分类能力,识别率由原来的82.59%提高到88.80%。本文提出根据工程应用平台的有效接收频带优化听觉外周模型Gammatone滤波器组的设计,采用阵元级的多通道数据进行分析,侧重于工程应用,解决了多通道数据采集中,由于频带变窄,导致信号的特征信息量下降,进而引起声特征识别性能下降的问题,修正后的听觉模型特征,有效地提高水中目标辐射噪声的识别效果。本文对从事无源声呐目标识别、有源声呐目标识别、带宽受限的多通道声数据采集的时频特性分析研究人员具有一定的参考价值。     

一种从辐射噪声中提取调制谱的方法

在水下航行器的辐射噪声中,螺旋桨节拍对航行器的宽带辐射噪声存在着明显的振幅调制,调制频率与航行器螺旋桨的转速有关。该特征可用于估计航行器的速度及目标分类与识别。本文利用子波变换原理,从实测的航行器辐射噪声中提取了它的调制谱,并据此对螺旋桨转速进行了估计,计算机仿真结果与实测的螺旋桨的转速具有良好的一致性。     

基于可见光光谱分析的黄瓜白粉病识别研究

白粉病是黄瓜常见病害之一，传播速度极快，严重时可造成黄瓜大量减产，对其进行快速准确识别，对黄瓜白粉病诊断和防治具有重要意义，应用可见光谱技术，结合主成分分析和支持向量机算法，实现对黄瓜白粉病的快速识别。配制白粉病菌孢子悬浮液，并人工接种于科研温室内的黄瓜叶片上，以诱发黄瓜白粉病，待白粉病有一定面积暴发后，利用海洋光学USB2000+型便携式光谱仪对黄瓜叶片光谱信息进行采集，利用五点取样法采集样本，在5个检查点，每点选取2株黄瓜进行调查，每株选取4枚感病叶片，每枚叶片随机选取5个感病区域进行光谱采集，共计采集200个感病叶片光谱样本，同样采集200个健康叶片样本作为对照。通过Ocean Optics Spectra-Suite软件采集漫反射标准白板信息和光谱仪暗电流实现光谱仪校正，调节积分时间、扫描次数以及平滑度等参数来实现光谱曲线平滑处理，以有效抑制光谱噪声，对光谱特征进行分类识别，去掉首尾噪声较大的波段，保留光谱的可见光波段进行研究，最终选取450~780 nm波段范围作为研究对象。利用主成分分析对所研究波段范围内的高维光谱数据（947维）进行降维处理，根据主成分的累计贡献率，选取前5个主成分作为分类模型的输入，以白粉病和健康叶片的判别结果作为输出，利用支持向量机算法，通过对样本的分类学习训练构建黄瓜白粉病和健康叶片的分类识别模型，随机选取120个样本作为训练集用于分类模型构建，其余80个样本作为测试集用于模型检验，并通过选取不同的核函数来获得最优模型。利用混淆矩阵对分类识别模型的准确率进行评价，当选取径向基核函数时，分类识别模型对黄瓜健康叶片和白粉病叶片的识别准确率最高，分别为100%和96.25%，总准确率为98.125%，具有较高的准确率。结果表明，利用可见光光谱信息并结合主成分分析和支持向量机算法，可以实现对黄瓜白粉病的快速准确识别，为黄瓜病害诊断提供了方法和参考依据。     

海洋环境噪声中的α稳定分布模型

针对海洋环境噪声的非高斯特性,将α稳定分布模型应用到噪声统计建模中。基于模型特征指数与样本峰度物理意义的相似性,建立了二者的对应关系,并推导得出相互独立的两个随机变量之和的峰度。通过数值仿真,表明了α稳定分布对尖峰态噪声建模的可行性和适应性。以安静环境、气枪干扰、航船干扰3种典型环境下的海上实测数据为样本,借助分位数图判断了样本的非高斯特性,并利用分位数法和特征函数法联合估计了模型的参数,得出了特征指数的统计规律:安静环境下特征指数接近2.0,趋近于正态分布;气枪干扰下特征指数介于1.2~1.7之间,具有尖峰厚尾特性;航船干扰下与航速、干扰源到接收位置距离有关,航船影响越显著,特征指数越小,该现象恰好与干扰噪声的峰度变化在物理意义上一致。模型验证结果表明,α稳定分布对3类样本均表现出良好的建模效果,尤其对具有尖峰特性的气枪干扰噪声,效果远远优于正态分布。      

螺旋桨负荷噪声研究

运用非定常升力面方法和Goldstein声相似理论研究了螺旋桨的负荷噪声特性，给出了方法和理论结果的简要介绍．并运用数值计算方法对螺旋桨负荷噪声进行了计算分析，得到了一些具有工程实际意义的数值计算结果。     

周期性局部平稳过程双重谱图分析和测量

本文讨论一类特殊的局部平稳随机过程——周期性局部平稳随机过程的分析方法。介绍了局部平稳性检验的一种方法。指出用双重谱图来描述这类信号是合适的。讨论了这类信号双重谱图实用测量法。最后列举测量渔船商船辐射噪声双重谱图的例子,从其双重谱图中可反映出舰船的许多物理特性,如螺旋桨转速,叶片频,叶片数等。给舰船目标识别提供了有力的工具。