基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于舰船辐射噪声的舰船目标定位技术

通过声传感器阵列可实现对声源的自适应检测定位及跟踪,这使得它在目标探测、故障诊断等诸多领域有着广泛的应用。在复杂环境中,常规的相关方法对于声源的定位往往难以得到准确的定位结果。针对常规时差测向定位抗干扰性能差和易受噪声影响,特别是噪声存在显著的尖峰时更不能得到满意结果的问题,本文提出基于盲分离的定位算法改进其性能。通过仿真实验,可以看到本文提出的定位方法能够取得更稳定、准确的结果。     

舰船辐射噪声的混沌特征提取与识别

利用G-P方法估计关联维数,定义法估计自然测度.在不同信噪比下,对两类典型目标的舰船辐射噪声,分新并提取以上2个混沌特征值,从而确定识别参数.在信噪比为5dB及0dB时,经仿真验证关联维数及自然测度可以作为识别参数.     

舰船辐射噪声建模及仿真研究

在详细研究了舰船辐射噪声特性的基础上，对其线谱、连续谱和调制包络进行了建模与仿真。连续谱采用自适应FIR滤波方法仿真，调制包络由高斯脉冲串组成。通过对仿真出来的信号进行功率谱分析与DEMON谱分析，该仿真能较好地体现舰船辐射噪声的基本声学特征。     

基于STFT的舰船辐射噪声时-频分析与线谱提取

在分析舰船辐射噪声时频分布的基础上，改进了短时傅里叶变换（Short Time Fourier Transform，STFT），使之更易于提取舰船辐射噪声中的特征线谱。首先在时域内对将要分析的数据进行低速率重采样，然后根据需要，选择不同宽度的高斯时窗函数作短时傅里叶变换，再用二重三次立方插值函数对分析结果进行平滑处理，得到了清晰的特征线谱。最后利用改进的时频方法对A型舰进行分析，结果表明：该方法对0-100Hz低频段特征线谱的提取效果很好，这为进一步分析其它舰型的低频段特征线谱提供了一种有效方法。     

一种改进的被动合成孔径算法用于舰船辐射噪声检测

舰船辐射噪声在低频段具有稳定的线谱成分,利用该线谱成分可以实现对水下目标的检测。被动合成孔径声呐(Passive Synthetic Aperture Sonar, PSAS)技术是对小孔径基阵沿直线运动接收到的信号进行孔径合成处理,以时间增益换取空间增益,进而提高对弱目标信号的检测能力。该文中提出一种改进的被动合成孔径算法较之常规孔径合成算法不要求阵元相互重叠,综合考虑接收阵元在时间域和空间域上变化,分时间段进行处理,继而可直接进行时延补偿,理论分析结合实际仿真、海试数据综合验证算法及其性能。研究表明：改进的被动合成孔径算法具有一定有效性和可行性,且便于工程实际应用。     

小波变换在舰船辐射噪声消噪处理中的应用

针对舰船辐射噪声信号的特点，根据小波消噪的原理设计了一种消噪的方案，利用MATLAB在计算机上用不同的小波基函数对实船信号进行了消噪处理试验，井对结果进行了简要的比较说明。试验结果表明，在选择了适当的小波基函数和阚值的情况下，采用小波变换的消噪方法对舰船辐射噪声信号进行消噪处理。可以取得良好的效果。     

基于近场声全息的舰船水下辐射噪声识别研究

基于半自由场平面近场声全息的基本原理,采用数值计算的结果作为全息数据,对水面舰船水下辐射噪声进行了反演,着重研究了由螺旋桨噪声和流噪声的数据获得的重建结果与重建距离之间的关系。研究结果表明,半自由场平面近场声全息重建算法能对水面舰船水下辐射噪声进行识别;半自由场平面近场声全息对重建距离的变化较敏感,从而限制了重建距离的适用范围;螺旋桨噪声在船尾附近是主要噪声源。     

基于小波包和ZFFT的舰船辐射噪声调制特征融合和提取

舰船噪声调制包络谱是水下目标识别的重要特征。本文提出了一种基于小波包分析和ZFFT的高频噪声解调分析(DEMON)方法,对多子带包络谱进行融合,得到了线谱特征明显的DEMON谱;利用倍频算法,对DEMON谱进行了轴频提取。舰船实测数据证明该分析方法的可行性和有效性。     

自适应线谱增强器在舰船噪声提取中的应用

舰船辐射噪声的功率谱由连续谱和线谱组成,其中线谱分量常用于目标的检测和识别。对自适应线谱增强器的原理和滤波性能进行了分析,从仿真分析和湖试数据分析两方面得出结论:自适应线谱增强器能够有效地提高输出信噪比,有利于线谱的净化。     

基于灰色模型的舰船声信号目标识别

深入研究了灰色模型在目标识别中的应用,给出了基于灰色模型的目标识别方案,利用舰船声场仿真数据,建立目标声信号的GM （1,1）模型,并用组合神经网络对两类目标的模型参数进行分类与识别。此外,还利用舰船声场实测数据,对识别结果进行了验证。研究表明灰建模方法在目标识别中是可行的和有效的。     

基于生成对抗网络的舰船辐射噪声分类方法研究

基于机器学习的舰船目标识别近年来已成为水声信号处理领域的一个重要研究方向,但水声目标信号的获取困难,样本量不足和不均衡的问题很容易导致目标分类模型的识别效果不佳。该文提出一种基于条件卷积生成对抗网络的船舶噪声数据分类方法,该方法利用生成对抗学习理论,生成相比于传统数据增强算法非线性特征更强,特征差异更丰富的伪DEMON调制谱数据来缓解训练样本量不足的问题。之后将传统生成对抗网络中的全连层输出替换成更善于解决小样本问题集成分类器,从而降低分类器对于数据量的依赖程度,进一步提高分类模型性能。最终由基于真实样本的实验结果表明,相比于传统数据增强算法和卷积生成对抗网络,该文方法能够更有效提高在样本不足条件下的模型的分类性能。     

一种基于钟摆模型的舰船目标成像方法

舰船目标受海浪的影响而呈现多倍周期和随机性的摆动。针对这种情况,提出了一种基于钟摆模型的成像方法。该方法利用每个距离单元的相位历程中所含大幅度的线性调频分量进行成像。为了补偿实际目标转动过程中因不完全符合钟摆转动模型而引起的三阶及更高阶的相位误差,在一阶相位误差估计算法的基础上得出了二阶相位误差估计方法,并结合Radon-Wigner算法以及CLEAN法得出了比较稳健的相位自聚焦方法。实测数据处理结果证实了该方法的有效性。     

基于差分法的噪声检测和变分法的图像滤波算法

针对图像的椒盐噪声滤除算法中,在噪声检测阶段对噪声点的检测通常不够准确,在噪声恢复阶段,又缺乏对边缘信息的保护,文中提出了一种两步复原法,以用于复原被脉冲噪声破坏的模糊图像。算法将滤噪过程分为噪声检测和噪声恢复阶段。噪声检测过程中,在滑动窗口扩大当前的像素值和其他像素值之间的有序差异,来确定当前像素是否为噪声像素。而在噪声恢复过程中利用变分法,确保图像的边缘和细节。实验结果表明,文中所提检测、降噪方法在噪声密度较高的情况下,优于其他算法。     

基于双对数谱和卷积网络的船舶辐射噪声分类

卷积层平移等变性与线性谱不适配,卷积网络对高维特征的长距离依赖建模能力不足。该文提出一种双对数谱特征用于船舶辐射噪声分类。双对数谱通过重新排列对数谱频点,保证高频端分辨率的同时,规避使用太深的卷积网络。利用双对数谱各行表征同一目标的先验知识,构建卷积网络和目标函数。DeepShip数据集上的试验结果表明,特征维数相同情况下,提出的算法分类正确率比以线性谱为输入的卷积网络提高2.4%以上。     

基于组合阵的近场噪声源定位方法研究

在对浅海近程噪声源定位研究时,针对多途环境和左右舷模糊问题,采用了组合阵与时反技术相结合的方法。利用矢量水听器的单边指向性去除虚假声源的干扰,并利用时间反转镜技术抑制多途效应的影响,从而实现了浅海近程声源定位。     

基于LMS自适应噪声抵消法的无位置传感器研究

提出了LMS自适应噪声抵消的方法来实现无刷直流电动机换向位置的检测,改进采用端电压检测确定换向位置的方法,使电机在低速运转下仍有效工作。完成计算机仿真和DSP实现方案,结果表明,自适应噪声抵消法可以有效地运用在反电势检测法中,比传统的检测法简单可靠。     

基于噪声奇异性的光耦器件爆裂噪声检测新法

为了准确客观地检测出爆裂噪声的存在,提出了基于噪声信号奇异性的光耦器件爆裂噪声检测方法.通过对光耦器件噪声样本的计算发现,含有大量爆裂噪声的样本,其平均H(o)lder指数接近于0,反映到局部奇异性指数分布直方图中,其最可几率所对应的h值也在0值附近.而不合爆裂噪声的样本平均H(o)lder指数则在-0.3附近.实验证实了奇异性检测方法可以明晰地区分良品组与次品组光耦器件.噪声奇异性参数可以作为爆裂噪声是否存在的客观依据.     

冲击噪声下基于矩阵预处理的稀疏重构DoA估计

针对冲击噪声下用稀疏重构的方法不能准确估计波达方向的问题,该文提出基于多项式矩阵预处理的稀疏重构的波达方向(DoA)估计方法。由于冲击噪声的二阶矩不存在,基于二阶矩估计的子空间类算法和稀疏重构类算法不能有效估计出波达方向,且不能很好地处理相干信源。为了解决这个问题,采用多项式预处理技术对接收信号的自相关函数和方向矢量进行预处理,并在此基础上利用稀疏重构技术进行DoA估计。多项式预处理可以缩小矩阵的奇异值分布,使得反映噪声能量的奇异值分布更加明显,从而有利于减小冲击噪声的影响。仿真结果表明,算法在冲击噪声环境下能准确稳定地估计出两种信源的波达方向,尤其是在冲击噪声较强的情况下表现出灵敏度高、鲁棒性好的优点。