舰船噪声识别(Ⅰ)──总体框架、线谱分析和提取

本系列文章的工作是在舰船噪声谱图的基础上，利用模糊神经网络对舰船进行分类识别。文章Ⅰ叙述了舰船噪声的谱特征由可分离的平稳谱和非平稳谱组成，介绍了既利用有效识别特征（有类别共性和异性的特征）又对特定舰船特征作专门记忆的工作路线及识别框架，对特定舰船的记忆具体体现在特定舰船特征模库一包含有线谱模板库、双重频率谱模板库和平均功率谱模板库。文章Ⅰ又具体讨论了特征提取和建立线谱模板时所碰到的理论、模型、分析参数及线谱提取方法，舰船噪声实际情况和理论之间的差异等问题。文章最后介绍了用机器自动提取线谱的一种方法。系列文章Ⅱ将讨论线谱稳定性、唯一性和线谱模板图；文章Ⅲ将讨论双重谱和平均功率谱的特征提取和模板建立；文章Ⅳ将讨论模糊神经网络和识别。     

用于扩频通信的声光循环平稳信号处理技术

传统的基于声光技术的信号处理模型被建模为平稳随机过程,而在扩频通信中,信号是被伪码调制的循环(周期)平稳信号。因此,扩频信号应被建模为循环平稳随机过程。基于声光信号处理技术和循环平稳随机过程理论,建立了声光循环平稳信号处理模型,并应用于扩频通信中,理论分析和仿真表明,声光循环平稳信号处理技术在扩频通信领域的信号分析中是十分有用的。     

子空间降噪在舰船噪声混沌信号处理中的应用

结合混沌信号本身的特性采用子空间投影理论,研究含噪Lorenz模型信号和水下舰船噪声信号的降噪问题。讨论了延迟时间和嵌入维对降噪效果的影响,重点研究了为保持混沌信号的局部特性如何选择参与自相关函数计算的信号长度。采用分段自相关函数多次迭代的方法,保持了混沌的局部特性。仿真结果表明,降噪效果较为理想。     

舰船噪声识别(Ⅲ)──双重谱和平均功率谱的特征提取和模板图

本系列文章的工作是在舰船噪声谱图的基础上,利用模糊神经网络对舰船进行分类识别。本文是系列文章的第三篇,研究提取双重频率功率谱中调制信息的方法及建立双重谱和平均功率谱模板图。对双重谱,在每个频道中利用最小二乘法消除趋势项,对高频调制作适当补偿。包络线谱的强弱用谱线低于零频谱强度的调制深度和诺线跳出基线的相对高度来表示,并通过隶属函数转换为模糊度量。双重谱模板图记忆了稳定出现的调制线谱和相对应的调制强度。平均功率谱的模板图记忆了多个典型样本的谱均值和对应的标准离差。     

背景噪声中检测舰船辐射噪声的周期调制的性能估算

为了估算在高斯背景噪声中检测舰船噪声的周期调制的性能,本文导出了在平稳高斯白噪声中检测周期性局部平稳窄带高斯信号的周期调制的最小可检测信号(MDS)的一个简洁公式(19)。式(19)表明,检测性能基本取决于四个因素;信号的周期调制的深度(m_p),前置处理器带通滤波器的带宽B,后置处理器中窄带滤波器带宽B_2和低通滤波器的积分时间T_2。若实际背景噪声偏离平稳,检测性能差于(19)式的估算值。为了减小误差,用实测的参数B_(eqN)代替式(19)中的B来修正式(19)。在非平稳背景噪声时检测性能不仅取决于上面所述的因素,而且与背景噪声非平稳性的强弱有关。     

非平稳水声混响过程的演化谱

本文讨论了运动介质的水声混响过程,在补偿了能量衰减之后,它仍是一非平稳随机过程。引入演化谱的概念讨论非平稳混响过程,不平稳性由不平稳因子和特征宽度描述。     

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。      

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。     

舰船噪声识别(Ⅳ)──模糊神经网络识别

本系列文章的工作是在舰船噪声谱图的基础上,利用模糊神经网络对舰船进行分类识别。本文是系列文章的第四篇,研究模糊神经网络用于识别分类．选用了多层前馈神经网络和BP学习算法,推导了学习过程中模糊器参数的调整公式,最后给出1049个样本（41条舰船,63种工况,原始记录长约3．5小时）的识别分类结果,识别正确率大于92％。     

舰船噪声听觉节奏特征

舰船噪声调制包络能反映舰船噪声听觉节奏特征,但在对其进行谱分析和特征提取过程中会损失部分信息。直接将舰船噪声包络可视化,并采用简单的人机交互提取特征量,对噪声分析和识别是有利的。包络分析采用多子带融合方法,将"最优"调制包络看作一种随机过程,并将舰船噪声的多子带检波信号看作是对"最优"调制包络的一次观测,对其作循环相关,用有限次观测的集种平均作为"最优"包络的估计,从而得到多子带融合包络,舰船噪声实测数据验证了该方法的有效性。     

一种舰船水下电场信号采集与分析软件设计与实现

舰船水下电场及防护技术是近几十年才被提出的新技术,对舰船水下电场的精确测量是开展各项研究的基础;针对舰船模型水下电场测量过程中采集信号精度要求高,实时性要求高,多路信号同时采集等难题,采用并行处理和模块化设计的思想,利用C++小1builder6.0和matlab软件,开发了一套舰船水下电场数据采集和分析软件,实现了舰船模型运动过程中水下电场的自动采集,并能对测量得到的舰船电场数据进行基本分析,存储相关结果文件;通过舰船模型水池运动实验,验证了本软件采集数据和电场特性分析的正确性。     

水声波导中包络线谱强度数值预报

为了预报声呐远距离检测包络线谱的性能,本文分析在辐射噪声传播过程中包络线谱强度衰减的原因及提出在水声波导中包络线谱强度的数值预报方法。依据周期性局部平稳过程对舰船辐射噪声建模,推导出无噪声干扰及有噪声干扰下的包络线谱强度的数学表达式,获得了包络线谱强度传播衰减的规律,在水声波导中包络线谱声级传播规律与平稳谱一致,但包络线谱高出连续谱的强度的衰减取决于随信噪比变化的调幅深度修正因子。包络线谱强度数值预报方法如下:先利用传播衰减的数值方法例如用简正波方法波数积分方法PE方法等求出平稳辐射噪声的传播衰减,再求信噪比,最后依据调幅深度修正因子获得包络线谱强度降低的分贝数,预报出在水声波导中任意一点包络线谱信号高度。该理论和数值预报方法具有创新性,实用,简单,适合工程应用。      

混沌同步在语音保密通讯中的应用

本文利用APD混沌同步控制技术,实现了对语音信号的双重保密,并通过计算机模拟了信号加密解密的全过程。本文还讨论了加密信号在传输过程中受到干扰时,对解密信号的质量产生的影响,同时提供了相应的抗干扰措施,该语音保密方法简单实用,安全可靠,有较好的应用前景。     

驻波法声速测量仪的设计及数据处理方法

设计和制作了一款过程简单、测量误差小的全自动驻波法声速测量仪。实现对驻波场中各点声压大小的自动测量。利用该声速测量仪进行了声速测量实验并进行了数据处理。确定了声波的波长并计算出声速。大大减小了误差;根据波的时空双重周期性得到待测信号的频谱图,发现信号源频率不纯引起的次频共振现象是形成次峰和再次峰的重要原因。     

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。     

TDLAS分析仪谱图微缓形变的复原算法

为了减小谱图的微缓形变对TDLAS气体分析仪精度的影响,提出一种传递复原方案.该方案通过比对校验气体的出厂校准谱图和现场测量谱图,得到其形变系数;由于校验气体与过程气体间拥有相同的形变机制,根据形变的传递性可将过程气体的实时谱图也复原到校准状态,从而维持分析仪的保真度.解决了动态过程气体谱图形变的复原问题,不需调节光学和电子系统硬件参数,通过信号滤波、特征提取、形变系数计算,使用拉格朗日插值公式或Sinc函数插值法复原.在仿真实验中,传递复原的谱图与校准谱图的相似度达到99.999%.实验采集不同程度形变的CO_2气体谱图,采用拉格朗日插值复原算法的复原谱图与校准谱图的相似度达到99.9%.     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。     

气液两相流波动信号多重分形去趋势波动分析

为了研究不同流型压差波动信号的分形特征,本文首先讨论了多重分形去趋势波动分析对周期信号、随机信号和混沌信号的识别能力,然后运用多重分形去趋势波动分析方法对水平管内气-液两相流压差波动信号进行分析.通过计算广义Hurst指数、尺度函数,多重分形谱,细致量化了压差波动信号的局部及不同层次的波动奇异性.研究结果表明:压差波动...     

运动介质反向散射波的演化谱

声呐、雷达和声达测量的运动介质反向散射波在补偿了能量衰减之后仍是非平稳随机过程。演化谱是描述它的良好手段,不平稳因子A_t(ω)和特征宽度B_L有重要意义。当与散射体积元对应的时间尺寸小于B_L时,反向散射过程的功率谱呈单峰特性;当超过B_L时,功率谱呈双峰特性。选用具有平缓变化的模糊度函数的发射信号,可以减弱不平稳因子的作用。     

舰船噪声小波谱提取方法研究

人耳听测舰船噪声的特征,是声纳员非常重要的专业技能。本文根据小波变换与人耳蜗频率响应相近似的特点,以cmor1-0.5母小波为基础,构造了一系列基于小波变换的滤波器组。对于小波谱提取中涉及的带宽、分辨率等参数进行了分析,提出了小波谱提取过程中改善分辨率的办法。为检验该方法的可行性,对三种不同类型的舰船噪声进行了小波谱分析,与其FFT谱图进行了比较。为解决小波谱提取过程中高分辨率与计算量的矛盾,提出了对指定频带进行小波谱分析的方法,解决了计算量的问题。