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。     

基于小波变换的舰船辐射噪声特征提取

本文将小波变换用于舰船辐射噪声特征分析。先用Mallat快速算法实现信号的多尺度分解,然后进行各级小波的谱特征和波形结构特征提取,最后将这些特征与原始信号的特征输入同一类型神经网络分类器,进行分类比较。结果表明,小波变换使信号的谱类别特征和波形结构特征有了明显增强,且能压缩特征空间的维数。     

基于多途信道的舰船辐射噪声功率谱密度估计*

针对低信噪比下利用单水听器估计辐射噪声功率谱密度精度较差的问题,提出一种基于多途信道传输函数估计的垂直阵测量估计1 m处舰船辐射噪声功率谱密度的方法。该方法将信道传输函数表示为多途路径近场阵列流形向量的叠加,较快地估计了信道传输函数,将其用于舰船辐射噪声功率谱密度估计,可较简便地估计距声中心1 m处辐射噪声的功率谱密度,即谱源级。分析了产生功率谱密度估计误差的原因,包括信道估计误差和环境噪声引起的误差,为降低估计误差提供了理论依据。仿真结果表明,该方法估计1 m处辐射噪声功率谱密度的性能良好。     

舰船噪声的1(1/2)维谱特征提取

证明了１（１／２）维谱的几个基本性质，分析了由此产生的几种优良性能：可加强成整数倍谐波信号的基频分量，抑制高斯有色噪声及对称分布的噪声；剔除非二次相位耦合的谐波分量。在此基础上，将１（１／２）维谱应用于舰船噪声的目标特征分析，提出井提取了７个特征量。经过神经网络分类器的分类识别，取得了较高的识别率：Ａ类船的正确识别率为９０％，Ｂ类船的为９１．３％，Ｃ类船的为８５．７％。     

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     

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。     

基于听觉特性的舰船辐射噪声信号仿真

针对工程应用中对舰船辐射噪声信号仿真结果在听觉感受上模拟度欠佳的问题,建立了一种基于音色参量谱质心的辐射噪声仿真方法。采用基于实测谱的连续谱仿真模拟,并且通过整体对比实测信号的听觉特性来搜索符合特征样本音色的线谱族幅值参量,在一定程度上改善了仿真信号的听觉特征。通过仿真最优匹配度趋势来寻求最优搜索次数,用以缩短仿真时间,得到了符合工程应用的结果。     

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。     

舰船辐射噪声的分形布朗运动模型

通过对分形布朗运动的研究,建立了舰船辐射噪声的分形布朗运动模型。在此模型基础上,提取了舰船辐射噪声的分数维参数,并构造了基于分形布朗随机场的分形特征矢量,在水声目标识别系统中提供了一种新的特征分析手段、通过分类对比实验,表明分形特征矢量可以成为水声目标分类的重要依据,能够有效地补充其他特征提取方法的不足.     

舰船辐射噪声超混沌现象研究

水下弱目标探测和识别一直是水声信号处理领域中研究的难点。从Lyapunov指数谱、吸引子相空间轨迹的演化、分形维数等方面，对船舶辐射噪声是否存在超混沌现象进行了研究。实验结果表明，船舶辐射噪声信号确实存在至少两个正的Lyapunov指数，即存在超混沌现象。辐射噪声吸引子在相空间中的轨迹具有多方向伸展的趋势，且不同类型目标的吸引子具有不同的分形维数。研究结果为建立精确描述辐射噪声信号的非线性模型、为水下弱目标信号探测和识别提供一定的理论依据。     

舰船辐射噪声线谱的幅度起伏模型

本文讨论在海中传播的舰船辐射噪声线谱和海洋环境噪声的幅度起伏模型。当线谱信号模型取正弦波加窄带高斯噪声时,窄带检测系统的输出起伏满足2 BT个自由度的非中心卡埃平方分布,起伏方差为声源特性和传播过程造成的起伏方差与处理器引起的方差之和;而海洋环境噪声采用平稳的白色高斯噪声模型时,通过窄带处理系统后的输出起伏满足2 BT个自由度的卡埃平方分布,方差仅由处理器决定。最后给出相应的实验结果,与理论计算符合良好。     

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\     

舰船辐射噪声模拟发射系统的设计研究

本文依据典型舰船噪声的频谱特性规律,设计研制了一套舰船辐射噪声发射系统实验样机,包括信号结构设计、换能器选择配置、系统构成设计等,本噪声模拟发射系统具有100Hz～16kHz频带噪声的模拟发射功能,包括线谱、连续谱成分,频谱分配和谱线形式可调可控,信号总声源级动态范围达60dB。     

基于相空间重构理论的舰船辐射噪声非线性特性研究

以相空间重构理论为基础,用TAKENS延时法对时序序列进行相空间重构,在超维相空间中研究舰船辐射噪声的非线性特性,利用相似序列计算出空间轨迹点与其自身的重复度(RPT)参数,绘制了舰船辐射噪声重复度曲线并分析其非线性特性。结果表明,在超维相空间中,舰船辐射噪声表现出具有界于随机的高斯白噪声和确定性的LORENZ吸引子之间的空间几何特性。并且同类目标之间具有相似性,不同类目标之间具有可分性,本文所提出的方法为水声目标的非线性研究开辟了一个新的途径.     

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。     

舰船噪声的$1 \\frac{1}{2}$维谱特征提取

证明了$1\\frac{1}{2}$维谱的几个基本性质,分析了由此产生的几种优良性能:可加强成整数倍谐波信号的基频分量,抑制高斯有色噪声及对称分布的噪声;剔除非二次相位耦合的谐波分量。在此基础上,将$1\\frac{1}{2}$维谱应用于舰船噪声的目标特征分析,提出井提取了7个特征量。经过神经网络分类器的分类识别,取得了较高的识别率:A类船的正确识别率为90%,B类船的为91.3%,C类船的为85.7%。     

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。     

匹配场处理舰船辐射噪声级估计方法

针对水声信道对舰船辐射噪声声传播的影响,进而导致声源级测量结果不准确的问题,提出了基于匹配场处理的舰船辐射噪声级估计方法。在海洋环境噪声为空间均匀高斯白噪声的假设下,当海洋环境参数已知、信噪比满足一定要求时,匹配场处理能有效地给出被测噪声源的位置信息及该位置处的能量响应。从能量估计角度出发,推导了声源位置处匹配场输出响应的能量修正因子计算公式,从理论上证明了匹配场处理在被测声源位置处输出响应与能量修正因子的乘积为真实声源级的最小方差无偏(MVU)估计。该方法首先选择合适的声场计算模型计算拷贝场向量,对接收到的辐射噪声信号进行匹配场处理,得出接收信号级和被测声源位置;其次利用该位置所对应的拷贝场向量替换能量修正因子公式中的真实信道传输函数以计算能量修正因子的估计值;最后由接收信号级与能量修正因子估计值相乘得出舰船辐射噪声声源级的MVU估计。针对典型的浅海水声信道,进行了计算机仿真试验,结果表明:该方法能有效地进行舰船辐射噪声测量,当信噪比满足一定要求时,测量得到的声源级与实际声源级相比,误差小于1 dB。     

一种基于奇异值分解的舰船辐射噪声目标识别算法

本文针对舰船辐射噪声目标识别问题,提出了一种基于奇异值分解(SVD)的辐射噪声爿标识 别算法。该算法充分利用了不等权值SVD的空间滤波作用,来消除辐射噪声中复杂的干扰成分;结 合二阶累积量谱进行特征分析及提取;然后根据所要解决的实际问题,设计了合适的概率密度函数, 并对其进行训练,作为识别模板;进而根据距离分类准则设计了分类函数,以完成识别分类。运用实 际的舰船辐射噪声数据,进行了仿真实验,结果表明了本文算法的可行性和有效性。