水声目标辐射噪声的低维动力学成分提取及应用

基于非线性动力学理论的水声信号相空间处理,是水声信号处理的一种新途径。实际水声信号在相空间中分析时的首要问题是降噪。本文应用局部几何投影法提取不同目标辐射噪声的低维成分,输出相图呈现出较明显的低维吸引子。在此基础上,用吸引子维数和反映动力学模型差异的交叉预测误差对样本进行了分类研究,结果表明,综合这两种分别反映几何性质和动力学性质的特征,可达到一定的分类效果。     

水下目标辐射噪声的非线性检验

由于非线性是混沌产生的必要条件,所以讨论一个观测时间序列是否具有非线性,对进一步利用混沌时间序列方法分析观测时间序列很有意义。本文讨论水下目标辐射噪声信号中非线性问题,运用替代数据方法,根据实验数据与替代数据之间峭度和自相关两个量的差异性,分析了水下目标辐射噪声信号中的非线性成分,得出结论:水下目标辐射噪声信号中存在非线性成分,且这种非线性不是由于静态测量函数的非线性引起的,为利用非线性时间序列分析方法分析水下目标噪声信号提供了理论依据。     

目标辐射噪声中线谱序列的提取方法

不同类型目标辐射噪声包络谱中的线谱及其谐波分布存在较大差异，是进行目标检测和分类识别的重要线索。本文提出了一种基于能量判据和子频带综合的线谱序列提取方法，并利用实测数据进行了比较分析。仿真和对实际数据分析的结果表明，该方法能够较准确、稳定提取线谱序列，为目标检测和分类识别提供了可靠依据。     

舰船辐射噪声的子波分析

本文把子波变换多分辨的特点应用于舰船噪声的分析中。这种新的分析方法克服了短时间谱在时频平面上均匀分割带来低频域频率分辨率低,而高频域时间分辨低的缺点。船辐射噪声的尺度谱保留了传统倍频程方法在频率域分割的优点,且还有高频域时间分辨高的特点。从大庆31号油船辐射噪声的尺度谱上可清楚看到在低频域上有二根横线,其尺度值换算为频率后为27.8 Hz和44.1 Hz,反映在此频率附近,信号能量较高;同时还可清楚看到在高频域上有9.5 Hz叶片频的调幅现象。在它的短时谱图中是无法同时看到这二个特征的。本文在描述和显示船辐射噪声的谱特征时充分利用它们符合局部平稳过程的特点,把平稳谱和非平稳谱拆开描述和显示,获得很好的结果     

水声信道线性均衡的研究

本文在对LMS和稀疏权自适应均衡算法进行分析的基础上，将其引入到水声数据传输中，利用LMS算法对时不变信道和慢变信道进行了仿真实验；利用稀疏权自适应均衡算法对深海信道进行了仿真实验，并获得了仿真结果。     

水下低噪声目标辐射噪声垂直嵌套阵测量方法

研究了一种水下低噪声目标辐射噪声垂直嵌套阵测量方法。首先通过分析试验水域背景噪声和被测目标辐射噪声特性,掌握不同测量频段的增益需求;然后采用凸优化方法,建立波导环境中超宽带、高稳健恒定束宽波束形成技术,推导水下目标辐射噪声垂直嵌套阵测量及空间阵列信息处理方法;最后研制垂直嵌套阵测量系统,并开展湖上试验验证。研究结果表明该测量方法具有测量带宽大、稳健性高、测量不确定度低等优点,辐射噪声测量不确定度约2 dB。     

按辐射噪声平均功率谱形状识别船舶目标

本文介绍根据辐射噪声的平均功率谱的形状识别两种不同型号的船舶目标的方法。通过给船舶辐射噪声的自相关函数及功率谱密度函数以“Ecs”噪声的模型,并对这种噪声模型进行详尽的分析,找到了为数很少的有效识别特征。利用平均功率谱的最大值位置M和归一化平均功率谱级的二阶中心矩m₂作为识别特征,采用分段线性分类器的“M-m₂平面分割法”对两种不同型号船舶目标的正确识别率达到92％。本文说明,根据辐射噪声的平均功率谱级曲线的形状来识别不同类型的船舶目标的方法是有效的。与通常采用的相关分类法、距离分类法、加权距离分类法等几种方法相比,本文提出的M-m₂平面分割法的性能是优越的。     

改进的噪声鲁棒语音稀疏线性预测算法

语音线性预测分析算法在噪声环境下性能会急剧恶化,针对这一问题,提出一种改进的噪声鲁棒稀疏线性预测算法。首先采用学生t分布对具有稀疏性的语音线性预测残差建模,并显式考虑加性噪声的影响以提高模型鲁棒性,从而构建完整的概率模型。然后采用变分贝叶斯方法推导模型参数的近似后验分布,最终实现噪声鲁棒的稀疏线性预测参数估计。实验结果表明,与传统算法以及近几年提出的基于l₁范数优化的稀疏线性预测算法相比,该算法在多项指标上具有优势,对环境噪声具有更好的鲁棒性,并且谱失真度更小,因而能够有效提高噪声环境下的语音质量。     

水下目标辐射噪声时间序列的非线性降噪处理

噪声是信号检测和目标识别的障碍．对水下目标辐射噪声降噪,过去常用线性的方法来对信号进行滤波。对于线性系统产生的信号,用线性滤波方法可以达到较好的效果但对非线性系统产生的信号或受非线性因素影响较大的信号,用线性滤波万法不能很好地滤除噪声,已经证明,水下目标辐射噪声信号中具有明显的非线性成分。因此,本文提出运用非线性方法对水下目标辐射噪声时间序列进行降噪处理。通过降噪前后重构吸引子、关联积分曲线斜率及信噪比的比较,表明该方法对去除水下目标辐射噪声时间序列中的噪声干扰十分有效。     

改进的噪声鲁棒语音稀疏线性预测算法

语音线性预测分析算法在噪声环境下性能会急剧恶化,针对这一问题,提出一种改进的噪声鲁棒稀疏线性预测算法。首先采用学生t分布对具有稀疏性的语音线性预测残差建模,并显式考虑加性噪声的影响以提高模型鲁棒性,从而构建完整的概率模型。然后采用变分贝叶斯方法推导模型参数的近似后验分布,最终实现噪声鲁棒的稀疏线性预测参数估计。实验结果表明,与传统算法以及近几年提出的基于l_1范数优化的稀疏线性预测算法相比,该算法在多项指标上具有优势,对环境噪声具有更好的鲁棒性,并且谱失真度更小,因而能够有效提高噪声环境下的语音质量。     

水下目标辐射噪声中单频信号分量的检测:理论分析

在理想情况下高斯噪声背景下高斯信号的最佳检测问题已受到很多关注,它是被动声呐采用能量检测的理论基础之一.但是理论与实验都已证明,舰船辐射噪声中存在着单频信号分量.在小信噪比下,单频信号的检测必须采用有别于宽带能量检测的方法.本文讨论在小信噪比下检测单频信号分量的几种不同的理论方法,包括自相关检测、FFT分析、自适应线谱增强等,计算了它们的增益.指出分段FFT检测具有明显的优势,对可能出现的单频信号分量的频率漂移具有较好的宽容性.     

基于矢量水听器的水下目标低频辐射噪声测量方法研究

矢量水听器由声压传感器和质点振速传感器复合而成,可以空间共点、同步测量声压和质点振速的各正交分量。本文利用矢量水听器测量水下目标低频辐射噪声,给出了测量的基本原理。证明了:（1）在各向同性噪声场中质点振速的最大空间增益为约 4.8 dB;有功声强的空间增益与时间带宽积有关,（2）在各向异性场中,有功声强的空间增益取决于噪声场的空间分布。计算机仿真结果和海上试验结果也在文中给出。     

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。     

《水声目标识别》

<正>科学出版社,2018,北京,240页,定价:108元水声学是声学的重要分支,包含水声物理和水声工程两个领域。水声探测则是水声工程领域的核心学科之一,实现对水声目标的搜索发现、跟踪定位以及识别,而探测方式则有有源和无源两种。对于水声探测来说,在声呐完成发现、跟踪定位目标后,至于怎么应对发现的水声信号,则取决于对目标的识别。而确定目标是什么正是目标识别的任务。     

线性预测

线性预测是一种数学处理方法，其主要作用有两个：一个是向前预测以改善常用的短数据组，另一个作用是向后计算以修正在ＦＩＤ起始时畸变的数据点。线性预测可用于扩展数据组并产生无畸变的谱，只是稍微花费一些计算时间。     

船舶辐射噪声模式识别

本文用模式识别技术,对航道上航行的船舶进行分类判决.根据船舶辐射噪声的二阶统计特性——自相关函数,我们提取了四个特征量,用统计判庆理论对三类船舶的辐射噪声进行了分类判决.文中给出了海上实验数据的分类结果.     

浅海波导中水下目标辐射噪声干涉条纹的理论分析和试验结果

浅海波导不变量的研究是近30年来水声学中引人注意的课题之一。水下目标辐射噪声的直达波和海面、海底反射波之间的干涉现象可以认为是浅海波导的典型例子,直达波和反射波之间的干涉条纹对了解浅海波导的机理是非常有效的。本文给出由水下目标辐射噪声直达波和海面、海底反射波产生的干涉现象的理论分析,指出由海面反射波引起的干涉条纹集中在高频段,而由海底反射引起的干涉条纹既可能在低频段也可能在高频段,它与海底的声学特性密切相关。文中给出了干涉条纹图和目标位置、海洋环境以及接收传感器等参数的关系,指出干涉条纹具有双曲线的形状,而一族双曲线的渐近线为直线。海试给出了若干有趣的结果,部分数据处理的例子证实了理论分析的正确性。本文所述的理论与试验结果表明在一定条件下,干涉条纹图可以用于目标检测与识别。     

感知线性预测在水下目标分类中的应用研究

提出了基于感知线性预测(PLP)的模仿人耳听觉特性来提取水声信号鲁棒特征的方法。运用听觉心理学的三个概念:(1)临界带谱分析、(2)等响度曲线、(3)强度响度听觉幂率,形成估计听觉谱的方法,可获得一个12阶全极点模型的鲁棒特征矢量。运用这一特征矢量进行训练和识别的实验结果表明:(1)在不同的频率段内,人耳对6类目标辐射噪声信号敏感程度是不同的。(2)提取的基于听觉感知水下目标特征具有鲁棒性。(3)通过此方法提取的特征维数较低,运算速度快,识别的正确率比以往有所提高。     

基于线性预测倒谱的被动声纳目标特征提取技术

从声纳员的角度出发，被动声纳目标可以被看作为一个发声体，利用线性预测倒谱从声纳目标噪声中分离出目标作为发声体的冲激响应在倒谱域中的表示，提取一组识别特征，设计神经网络分类器，对三类目标进行分类。实测数据验证了基于线性预测倒谱的被动声纳目标特征提取方法是可行的。     

水下目标辐射噪声中单频信号分量的检测:数值仿真

继续深入讨论强干扰背景噪声下单频信号分量的检测问题.根据理论分析进行了一系列的数值仿真,验证了理论中关于处理增益与时间成正比的结论,在存在频率漂移时,分段DFT分析的宽容特性.同时讨论检测系统的参数选择问题,包括采样间隔、分段DFT的长度、频率分辨力、单频信号分量的频率漂移对检测系统性能的影响.