非均匀流场中螺旋桨线谱噪声指向性分析

为了对非均匀流场中螺旋桨线谱噪声的指向性特征进行分析,在Ffowcs William-Hawkings方程的基础上,建立了非均匀流场中螺旋桨线谱噪声的频域预报理论,该理论可对声源在真实桨叶表面进行积分。讨论了螺旋桨叶数、来流谐波阶数以及叶片表面力对线谱噪声指向性的影响。结果表明,特征耦合系数是线谱噪声指向性分布形态的决定因素,并且当特征耦合系数等于零时,辐射噪声主要由轴向力和主要谐波所贡献;当特征耦合系数不为零时,轴向力和主要谐波的贡献只集中于桨轴方向,而桨盘面处的噪声贡献则来源于周向力和与叶片数目相等的谐波。     

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。     

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.     

模糊专家系统在线谱检测中的应用研究

本文给出了一种线谱检测的组合方法.首先利用双门限线谱检测算法进行初始线谱检测,同时提取频率等线谱特征,在此阶段通过选择低门限,可以保证在低信噪比下无论信号和背景噪声是否平稳都可获得高的检测概率;然后研制了一个简单高效的线谱识别模糊专家系统,根据提取出的线谱特征,进一步剔除噪声点.分析验证表明,由于该算法将线谱检测和特征提取融合在一起,不但提取出了用于目标识别的线谱特征,而且非常宽容,能以高检测概率和低虚警概率自动地检测低信噪比线谱.     

舰艇螺旋桨噪声在目标识别中的应用

螺肇桨噪声是舰艇辐射噪声的三类主要噪声之一，无论螺旋桨是否发生空化，其辐射噪声在舰噪声的整个频段上都有重要贡献，本文运用流体力学和水声学基本原理从物理意义上解释了螺旋桨噪声的声学机理及其频谱特征，从而为目标噪声特征的提取及其分类和识别方法提供了理论依据。     

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别，着重研究了线谱特征提取方法，提出了一种自适应遗传BP算法，并用该算法训练神经网络目标分类器。经对上海上实录三类目标噪声分类识别实验结果表明，所设计的被动声纳目标识别系统具有很好的分类效果。     

基于小波包分析和深度学习的舰船辐射噪声识别

为提高舰船辐射噪声识别的准确率,针对辐射噪声这种非平稳、复杂的信号,提出一种基于小波包分解与多特征融合的特征提取方法.同时,引入深度学习模型,将提取到的特征作为识别分类的依据,采用卷积神经网络和长短时记忆神经网络作为分类器.对单一特征的分类结果与融合的多特征分类结果进行比较,对直接提取的特征分类结果与基于小波包分解提取的特征分类结果进行比较,对卷积神经网络、长短时记忆神经网络和机器学习的识别分类结果进行比较,结果表明,采用基于小波包分解与特征融合的特征提取方法和基于深度学习的分类识别方法能显著提高舰船辐射噪声识别的准确率.     

基于调制线谱特征提取的被动声呐目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别，首先着重研究了调制线谱特征提取方法，然后为了训练神经网络目标分类器，本文将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法。最后，对海上实录的三类目标噪声进行了分类识别，实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果。     

螺旋桨噪声的Wigner谱研究

就信号处理中的Ｗｉｇｎｅｒ方法及其螺旋桨噪声试验中的应用问题作了初步探讨。简要地介绍了Ｗｉｇｎｅｒ分布的基本概念及其物理意义，结合模型试验和数值计算给出了螺旋桨噪声的时－频联合分布及其在时域和频域中的能量分布。结果表明：Ｗｉｇｎｅｒ谱对于螺旋桨噪声的时域分布、线谱和非定常噪声的测试分析是十分有效的。     

船舶噪声DEMON谱质量评估方法

针对船舶噪声DEMON谱在技术研究、识别应用和噪声整理中缺乏有效的质量评估方法,提取前12阶轴频谐波线谱信噪比、第一组谐波簇中轴频及其谐波清晰度和叶频清晰度、强干扰线谱强度3种关键特征,设计了一套DEMON谱质量综合评估框架。通过海上实测噪声数据分析表明,该质量评估方法可靠,与实际情况吻合较好。     

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.     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

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.     

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。     

融合浮标与潜标的水声定位噪声测量系统

融合浮标与潜标的水声定位噪声测量系统,可实现对监测水域内不同噪声辐射量级目标的全天候噪声测量。高精度时钟及GPS的加入保证该系统能精确预测各时刻水下目标的运动轨迹。该系统在进行噪声测量时,为保证系统精度,使用频谱补偿修正算法,显著提高时延计算精度。该系统的主控软件可显示待测目标的轨迹,并可融合时间、位置、声学测量信息等对水下目标的噪声进行处理,获取噪声功率谱密度等特性。湖上试验的结果表明,该系统定位结果稳定可靠。     

湍流入流下泵喷推进器力谱特性研究

[目的]旨在解决泵喷推进器在湍流入流作用下非定常力谱不明的问题.[方法]通过湍流生成栅格和频谱合成法相结合的方法,产生具有时间脉动和空间相干结构的湍流,然后将此种方法与模拟相结合,获得泵喷推进器非定常力的宽带谱.[结果]结果显示,所采用的计算方法能够获得泵喷推进器导管、定子和转子合理的非定常力宽带谱;泵喷推进器非定常力...     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。