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。     

舰船辐射噪声的动态识别

以舰船辐射噪声的包络谱分析为基础,讨论了舰船包络谱的特点和提取的方法。据此提出了一种新的目标识别方法。该方法能有效提高舰船噪声识别系统的识别准确率,还可同时获得有关目标舰船的重要运动要素。     

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。     

水声环境对声纳作用距离影响的一种定量分析方法

本文分析了目标参数估计误差对声纳作用距离预报的影响,在此基础上,提出了一种预防方法,以减小目标参数估计误差,较客观地反映水声环境对声纳作用距离的影响。     

船辐射噪声高阶谱分析和标记图

实验数据揭示了一些舰船辐射噪声通过在频带上连续排列的窄带滤波器组后，各频道中的幅度调制很相似，这是舰船噪声的一个很有应用前景的目标特性。文章还研究了用高阶谱高阶统计的信号处理工具来提取和保留幅度周期调制的相位信息，并给出了计算机模拟结果，实际船噪声结果和具体提取方法。利用这些相位信息和双谱的幅度信息可以重建周期调制信号，并称这个重建波形为这条船的标记图。最后调查了三条船的标记图与本船及不同船的实际幅度调制之间的互相关系数，本船的互相关系数要比不同船的互相关系数大许多。     

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％。     

改善船舰噪声听觉辨识的特征注入法

为提高声纳员对舰船噪声的听测识别水平,本文提出了特征注入法及其实现方法。该方法通过对指定子带重构、子带加权重构和特征子带注入法三个核心环节的建模仿真,对船舰噪声进行重构,进而对重构后的舰船噪声进行听测识别和谱分析,并根据分析结果对重构方案进一步优化调整。结果表明,采用合理重构方案的特征注入法能有效改善人耳的听测辨识效果。