基于正交小波分解的线谱增强算法研究

介绍了传统线谱增强器(ALE)结构,分析了ALE的工作原理。ALE线谱增强的原因是降低了基本输入和参考输入中的噪声相关性,由于对参考输入的权系数调整无法对噪声进行合理估计,正弦信号得到增强。正交小波分解能将信号分解为尺度子空间和小波子空间中的2部分,同时2子空间正交。利用正交小波分解的这一特性,将尺度子空间中的逼近部分作为自适应滤波器的参考输入,使得参考输入和原信号中的噪声相关系数很小。对高斯环境下正弦信号和某水中目标实测信号进行了算法仿真,研究了该线谱增强算法的性能。结果表明,该算法在对高斯噪声环境和非平稳、非高斯目标实测信号中的线谱增强效果均优于ALE。     

一种舰船辐射噪声线谱检测新方法

舰船辐射噪声的线谱成分包含许多舰船的特征信息,在低信噪比的情况下,实现线谱的有效检测对舰船的分类与识别有着重大意义。以绝热近似小参数理论为依据,提出一种基于自相关和随机共振理论相结合的舰船辐射噪声线谱检测方法。该方法通过对微弱信号自相关处理完成初步消噪,并将处理后数据输入到随机共振系统中进行线谱检测。仿真实验中,将本方法通过尺度变换运用于舰船辐射噪声线谱检测中,仿真结果验证该方法的有效性。     

一种舰船辐射噪声线谱简易生成方法研究

为得到逼真的舰船辐射噪声线谱仿真数据,需要在低信噪比情况下对实测噪声数据作谱估计,从而准确提取舰船辐射噪声线谱成分,再采用相应数字信号处理方法重构舰船辐射噪声线谱信号。本文提出一种简易重构方法,即根据特征线谱生成线谱所在频段频谱信号,将其它频段置零,进而在时域重构线谱信号。仿真结果表明,该方法能够很容易地重构舰船辐射噪声线谱信号,与特定幅频响应的连续谱信号一起重构的舰船辐射噪声信号,其结果可作为半实物仿真试验信号源。     

自适应谱线增强在舰船辐射噪声线谱检测中的应用

舰船辐射噪声线谱成分包含有大量的舰船特征信息,提取这些线谱成分对于水下目标的识别和研究具有十分重要的意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,提出了运用自适应谱线增强理论对舰船辐射噪声信号进行研究.利用最小均方LMS自适应算法,构造出自适应谱线增强器,从理论上对该增强器的原理进行了分析,并利用该增强器对2种船型的辐射噪声实测数据进行了处理.结果表明,该增强器对线谱信号有增强作用,对背景噪声有较好的抑制作用,十分有利于辐射噪声特征线谱的提取.     

舰船辐射噪声线谱检测与分析磁

结合经典功率谱和DEMON谱分析各自的特点,对舰船辐射噪声线谱进行综合分析。基于周期图谱法进行舰船辐射噪声功率谱估计,通过线谱与连续谱分离、取除虚警及归并线谱,有效地对辐射噪声功率谱中的特征线谱进行了提取,并结合DEMON谱分析了舰船辐射噪声的调制效应和调制周期,获得诸如舰船螺旋桨转速、螺旋桨叶片数等不变的舰船物理特性,从而得到舰船辐射噪声线谱比较全面的特性,为舰船的识别和线谱辐射噪声的控制具有重要提供参考价值。     

未知参数的舰船辐射噪声线谱Duffing振子检测方法

当被动声呐探测舰船目标时,舰船辐射噪声中的线谱成分是舰船分类识别及航行状态监测的特征参量,通常情况下线谱的频率及数量是未知的。针对现有未知频率的Duffing振子检测方法存在系统结构复杂,判别时间长,需要人为参与等问题,本文构造了变参数单一Duffing振子检测模型,并提出了变频频率切片小波变换的Duffing振子检测方法。该方法通过设置合理的频率灵敏度参数自动地调整系统内置策动力频率值,利用频率切片小波变换提升系统抗噪性能,结合Poincare映射特征函数的系统相态定量判决方法,变频搜索待测信号中的线谱分量。在实测数据的分析处理中,对不同观测时间内的数据进行检测,实现了线谱成分的检测跟踪与频率估计,并根据时间轨迹上的频率识别信息确定存在的稳定线谱成分。数据处理结果表明,该方法能够实现低信噪比下参数未知线谱的检测与频率估计。     

一种估计水中目标辐射噪声线谱的方法

线谱是水中目标辐射噪声中重要的特征信息,在被动声呐系统中,线谱提取是水中目标识别的关键技术.文章简述了水中目标辐射噪声的物理成因和频谱特征,利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点,结合仿真试验的结果,提出了一种对水中目标辐射噪声低频段线谱估计的联合分析法,并用该方法对2艘实船噪声进行了谱分析.实验结果表明,该方法对低频段的线谱特征提取有较好的实用效果.     

1(1/2)维谱在舰船辐射噪声线谱提取中的应用

舰船辐射噪声的线谱成分包含有大量的舰船特征信息,是被动声呐识别目标和估计目标速度的依据。本文对1(1/2)维谱的抑制高斯噪声、增强信号基频分量和剔除非耦合相位的谐波分量等特性进行仿真,通过对2种船型的舰船辐射噪声实测数据进行处理,得出结论,1(1/2)维谱对线谱基频具有增强作用,并且能够有效地抑制高斯背景噪声,相比于传统的功率谱方法,1(1/2)维谱更有利于舰船辐射噪声线谱的提取。     

舰船辐射噪声模拟技术实现方法研究

为得到逼真的舰船辐射噪声的仿真数据,可通过对典型实测噪声结果数据进行分析,根据特征线谱生成线谱所在频段频谱信号,将其它频段置零,进而在时域重构线谱信号,再利用窗函数法设计出一个具有与其连续谱特性相一致的特定幅频响应的FIR滤波器,在时域重构连续谱信号,从而实现舰船辐射噪声信号重构.仿真结果表明,该方法能够较真实地重构舰船辐射噪声,其结果可作为半实物仿真试验信号源.     

舰船辐射噪声动态特性建模与重构

在研究舰船辐射噪声特性的基础上,对其连续谱、调制包络、线谱、声源级及多普勒频偏进行了建模与仿真,连续谱采用FIR滤波方法仿真,调制包络由高斯脉冲串组成,对舰船辐射噪声随距离、速度、方位变化的动态特性进行模拟.通过仿真出来的信号进行功率谱分析,表明该仿真能较好地模拟舰船动态运动的噪声辐射声学特征.     

一种基于船舶辐射噪声信号改进Mel倒谱系数的目标识别方法

基于船舶辐射噪声信号Mel频率倒谱系数(MFCC)的目标类型识别是目前研究的一个热点。现有方法虽然在无噪声环境下具有较好的识别效果,但是在信噪比较低时其识别效果较差。基于此,文章提出了一种改进的提取MFCC特征参数的船舶目标识别方法,该方法在船舶辐射噪声信号的预处理阶段采用多正弦窗来代替传统使用的Hamming窗进行多窗频谱估计,经过计算得到改进的MFCC参数。试验结果表明,相比传统方法提取的MFCC参数,使用该方法提取的MFCC参数分别在不同信噪比的高斯白噪声干扰下,在BP神经网络分类器中的识别率更高,抗噪声的鲁棒性和稳定性更好。     

基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

舰船辐射噪声非线性频谱特征提取与应用

舰船辐射噪声分类识别一直是被动声呐面临的难题,提取舰船辐射噪声的频谱特征来实现分类识别是一种常用的方法。基于舰船辐射噪声频谱特征主要聚于低频段的特点,按照稀疏分解的原理,通过构造完备的非线性频谱字典,提出了一种舰船辐射噪声非线性频谱特征提取方法。对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取,采用最近邻分类器对辐射噪声样本进行了分类识别实验,结果表明,非线性频谱特征的正确分类识别概率高于线性频谱特征的正确分类识别概率。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法.首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取.海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 dB.     

一种使用二进制图像特征的被动声呐自动分类方法（英文）

This paper proposes a new method for ship recognition and classification using sound produced and radiated underwater. To do so, a three-step procedure is proposed. First, the preprocessing operations are utilized to reduce noise effects and provide signal for feature extraction. Second, a binary image, made from frequency spectrum of signal segmentation, is formed to extract effective features. Third, a neural classifier is designed to classify the signals. Two approaches, the proposed method and the fractal-based method are compared and tested on real data. The comparative results indicated better recognition ability and more robust performance of the proposed method than the fractal-based method. Therefore, the proposed method could improve the recognition accuracy of underwater acoustic targets.     

An automated approach to passive sonar classification using binary image features

This paper proposes a new method for ship recognition and classification using sound produced and radiated underwater. To do so, a three-step procedure is proposed. First, the preprocessing operations are utilized to reduce noise effects and provide signal for feature extraction. Second, a binary image, made from frequency spectrum of signal segmentation, is formed to extract effective features. Third, a neural classifier is designed to classify the signals. Two approaches, the proposed method and the fractal-based method are compared and tested on real data. The comparative results indicated better recognition ability and more robust performance of the proposed method than the fractal-based method. Therefore, the proposed method could improve the recognition accuracy of underwater acoustic targets.     

舰船辐射噪声的非线性和确定性检验

为提取舰船目标辐射噪声非线性和混沌特征,实现对舰船目标的自动识别,首先需要对舰船辐射噪声时进行非线性检验和确定性检验。运用替代数据方法,选择合理的检验统计量,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,分析得出舰船辐射噪声信号有非线性成分。另外,对舰船辐射噪声时间序列作相空间重构,根据递归图中出现规则图案,定性分析出舰船辐射噪声信号具有确定性成分存在。该结论为下一步提取舰船辐射噪声非线性混沌特征奠定了理论基础。     

船舶螺旋桨空化噪声非均匀调制特性及其应用

从螺旋桨空化噪声谱统计模型出发,分析研究螺旋桨空化噪声非均匀调制特性的机理和规律,并利用大量海上实录船舶噪声进行验证.从形成机理看,认为非均匀调制特性主要由船尾形状、螺旋桨结构以及船舶航行工况共同决定的尾流分布所导致,不同型号船舶的非均匀调制特性具有个体性;从舰船噪声信号能量谱看,调制的非均匀特性,主要受能量谱峰值频率的影响.最后基于船舶噪声的非均匀调制特性,提出一种基于多子带自适应加权的DEMON增强算法,并利用实际数据进行验证.     

舰船辐射噪声的混沌特性检验

为提取舰船目标辐射噪声混沌特征,实现对舰船目标的自动识别,首先需要对舰船辐射噪声的混沌特性进行检验。采用一种改进的Lyapunov指数谱估计方法,计算其最大Lyapunov指数是否大于零,以及所有的Lyapunov指数之和是否小于零来判定噪声时间序列是否具有混沌特性。采用三类舰船目标辐射噪声作仿真计算,仿真结果表明三类舰船辐射噪声都具有一定的混沌特性,该结论为下一步基于混沌预测的目标检测以及提取舰船辐射噪声非线性混沌特征等工作奠定了理论基础。