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。     

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。     

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方向。针对传统的DEMON(Detection of Envelope Modulation On Noise)谱分析对噪声抑制能力弱的缺点，提出了一种基于遗传算法(Genetic Algorithm, GA)优化变分模态分解(Variational mode decomposition, VMD)的舰船辐射噪声特征线谱提取方法。首先利用遗传算法对VMD的两个关键参数进行优化，经过VMD分解得到各阶固有模态分量(Intrinsic mode function, IMF)。其次，通过对各阶分量的判别，保留信号主导分量，去除噪声主导分量，从而实现对噪声干扰的抑制效果。最后，对降噪后的重构信号进行频谱分析获得目标噪声特征线谱。仿真和实验数据处理结果均表明，相比DEMON谱分析法，基于GA-VMD的特征线谱提取方法具有更好的噪声抑制能力，对舰船辐射噪声的特征线谱提取效果更优。     

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。     

舰船辐射噪声的高阶统计量特征提取及特征压缩

提取了6类水中目标的11/2谱统计线谱特征和AR模型特征。实验结果表明基于11/2谱的统计线谱特征和AR模型特征有效的识别出了目标,达到了85%的综合识别率。最后利用主元分析技术对上述特征进行了压缩,在保持识别率的同时将特征维数从64维压缩至34维,有利于工程上的实现。     

磁悬浮－气囊主被动混合隔振装置理论和实验

为了更有效地控制舰船动力机械宽频和低频线谱振动的传递,提出了一种将磁悬浮作动器与气囊隔振器集成应用的磁悬浮-气囊主被动混合隔振装置。通过对磁悬浮作动器机电耦合特性和混合隔振系统动力学特性的分析研究,确定了满足线谱振动控制要求和满足混合隔振装置性能要求的参数设计方法。针对主动控制时,FxLMS(filtered-x least mean square)算法在小阻尼系统上需用高阶FIR滤波器建模,运算量大的问题,提出了分频段控制的改进FxLMS算法,并有效地解决了作动器的非线性效应问题。样机实验结果表明:理论分析是正确的,该项技术控制力需求小,装置稳定性好,具有优良的宽频隔振和低频线谱振动控制效果。     

线谱非平稳性分析和利用干涉谱测距

研究运动舰船辐射噪声线谱的非平稳性的规律并利用其来提高声呐的检测性能和实现目标测距测深功能是本研究的目的。线谱的非平稳性有3个方面来源,线谱声源的不稳定、传输途径和目标与接收点的相对运动。通过对大量的运动目标辐射噪声进行的时频分析,总结出运动目标辐射噪声线谱的非平稳性谱图的典型表现。对不同形态的线谱应用不同的处理和检测方法,对频率稳定的连续线谱可以用长积分的最佳检测方法进行,对多普勒变化的线谱可用Dopplerlet方法处理并用于目标测距和测速,对时断时有的线谱得可用卡尔曼跟踪对付断裂的特性。从理论上分析了钟型的“线谱群”的产生原因,证明了此现象是反射声和直达声之间的谱干涉引起的。利用谱干涉现象中的干涉谷之间的关系可实现目标测距测深的目的,最后给出某一实际海上运动目标距离和深度的测量结果。     

多语种情感语音的韵律特征分析和情感识别研究

韵律特征参数的变化是语音信号中情感信息主要体现。为了研究基于少量韵律特征的多语种语音样本情感识别的可行性,以提高情感识别系统对语种信息的鲁棒性,实验选取七种典型的情感状态,对指定句式下同一说话人在汉语、英语、日语多语种语音样本中的基频、能量、时间等韵律参数的动态特性进行统计分析。统计结果表明,不同语种情感语音样本的各种韵律特征参数的变化结构有较好的一致性。在这一结论基础上,利用主元素分析方法(PCA)对多语种混合样本进行了初步的情感识别实验,平均错误率为27．74％,最低识别错误率为11％。可见,通过基本的韵律参数可以实现对几种基本情感忽略语种信息的初步有效识别。     

舰船噪声调制谱谐波族结构特性理论分析

通过理论推导和样本分析,研究了舰船噪声调制谱谐波族特征蕴含的结构特性和应用于识别的相关问题。针对螺旋桨叶片数识别问题,建立了螺旋桨空化噪声信号模型。进而根据模型理论上推导了谐波族结构特性的表达式,并对叶片数类空间进行了分析,分析结果可作为专家知识应用于识别。然后,以采用小波包分析提取的大量海上实测目标特征样本为基础对结构特性进行了验证,结果表明:统计平均结果与结构特性表达式完全一致,且78．6％的样本基本符合结构特性。