LMS算法在舰船磁场信号检测中的应用

针对检测舰船磁场信号时信噪比较低的问题,提出了一种基于变步长LMS算法的检测方法.根据舰船磁场信号的实际特征,首先采用小波阈值去噪法对实测信号进行处理,去除测量信号中的白噪声,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取舰船磁场特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强了对舰船磁场信号的检测能力.     

基于小波变换与变步长LMS算法的船舶磁场信号检测

针对检测船舶磁场信号时信噪比较低的问题,提出了一种基于小波变换与变步长LMS算法的检测方法.根据船舶磁场信号的实际特征,首先对信号进行小波分解,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取船舶目标特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强...     

基于最大熵谱估计的舰船静电场实时检测方法

舰船静电场是海水中舰船产生的物理场之一,是很难被隐身的目标特征信号.以往对静电场的检测方法都是基于信号的时域特征,低信噪比情况下,检测效果差.通过对舰船静电场的频域特征分析发现,其能量主要集中在低频段,利用这个特点,提出了一种基于最大熵谱估计(MESE)的舰船静电场实时检测的方法.首先对舰船静电场信号进行最大熵谱估计,然后提取低频段功率谱值作为特征量,通过设定的浮动阈值进行分段功率谱滑动检测,用实船数据对该方法进行了验证,取得了较好的效果.     

舰船用通信网络的异常数据监测技术研究

为了保障舰船用通信网络的数据传输的准确性,提高舰船网络的故障智能分析能力,需要进行异常数据监测,提出一种基于舰船用通信网络传输信号瞬时频率估计的异常数据监测技术。对采集的通信网络输出信号经过时频分解完成时域与频域之间的转换,采用高阶累积量特征提取方法进行舰船用通信网络中的异常数据检测,对检测的异常数据进行干扰和冗余数据滤波处理,完成对舰船用通信网络输出信号的瞬时频率估计,分析瞬时频率的异常状态特征,实现异常数据监测。仿真结果表明,采用该方法进行舰船用通信网络的异常数据监测能提高数据挖掘的准确度,对异常数据检测的虚警较低,抗干扰能力较强。     

大数据背景下舰船通信信息资源提取方法

在现有舰船通信信息资源提取方法中,经过整合处理得到的信息资源数据编码结构混乱,导致提取数据精度较低。为此,设计一种大数据背景下舰船通信信息资源提取方法。利用大数据技术编码信息资源特征后,设定局部性约束条件,确定舰船通信信息资源特征。构建信息资源阈值识别判断公式,根据计算得到的识别阈值,完成对信息资源的提取。设定实验环境后,准备通信信息数据,分别使用2种传统资源提取方法以及文中设计的资源提取方法进行对比实验,结果表明,文中设计的资源提取方法提取精度最高。     

基于小波分解的舰船钛合金超声检测信号去噪算法

传统的信号去噪算法在处理舰船钛合金超声检测信号时,受到阈值函数不连续这一特性的影响,算法的自适应性比较差。为此,将小波分解技术应用到超声检测信号去噪算法中。考虑小波分解层数对信号的影响,利用先验知识确定分解层数,在此基础上,结合软硬阈值函数,构造出折中的阈值函数并进行一定优化,将构建的阈值函数用于小波系数最化处理,将小波系数与分解系数相结合重构超声检测信号,完成去噪处理。实验结果表明:设计的基于小波分解的舰船钛合金超声检测去噪算法在不同的实验条件下信噪比高、均方根误差小,该算法的自适应性优于传统的去噪算法。     

OBF分解与BP网络在船舶磁场信号检测中的应用

针对水中兵器探测船舶磁场信号时信噪比较低的问题,提出了基于OBF分解与BP网络的船舶磁场信号检测算法。首先采用BP网络对测量数据进行预处理,滤除大部分环境磁噪声;再采用OBF分解算法对网络输出信号进行检测,提取归一化能量信号作为检验统计量。试验结果表明,本文算法可以显著提高信噪比,增强对船舶磁场信号的检测能力,性能明显...     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

基于改进多阈值方法的舰船发电用柴油机增压器润滑失效预测

针对舰船发电用柴油机增压器的润滑失效问题,提出一种改进多阈值方法来实现对多工况异常情况的实时预测.该方法包含两部分,首先参考滑动平均滤波法对比分析各机组的运行数据,实现对异常数据的提取;其次采用一种基于外部特性法的箱型图法对分析后提取的异常数据进行多阈值表达式的设定.为了验证方法的有效性,基于某发电用柴油机在发电机工作...     

舰船多信道无线网络抗干扰算法设计

为提升舰船设备通信质量及稳定性,设计舰船多信道无线网络抗干扰算法。建立舰船多信道模型,获取舰船多信道网络信号,提取舰船多信道网络干扰信号特征、计算干扰信号特征数据邻域距离、可达距离和异常因子,从信号中挖掘干扰信号;改进小波阈值算法对舰船多信道无线网络干扰信号进行抑制,实现舰船多信道无线网络的抗干扰。实验结果表明：该算法应用后,舰船的多信道无线网络的频率变化稳定,抗干扰效果较好,可保证接收端完整接收发射端的信号。     

基于自适应滤波技术的舰船信号处理研究

为解决传统舰船信号处理技术对信号处理有效性较低的不足,提出基于自适应滤波技术的舰船信号处理研究。基于自适应滤波技术的引入,搭建舰船信号处理接口,完成基于自适应滤波技术舰船信号处理模型的构建。依托信号处理参数的确定,实现对舰船信号的处理,完成了提出的基于自适应滤波技术的舰船信号处理研究。试验数据表明,基于自适应滤波技术的舰船信号处理方式较传统舰船信号处理方法,舰船信号处理有效性提高52.07%,适用于不同环境下的舰船系统通信信号处理。     

神经网络结合自适应噪声抵消技术在磁场信号处理方面的应用

本文基于神经网络和自适应滤波原理，讨论在复杂噪声情况下的磁场信号处理和提取问题。针对水下目标磁场特性，以实际测量的背景噪声和目标信号数据为样本，设计了低通滤波器，并应用MATLAB软件进行BP神经网络算法的模拟仿真，实现自适应噪声抵消。结果证明此方法可以显著提高对目标信号的处理和提取能力。     

基于传感网络的舰船航行系统振动检测

传统船舶航行系统振动检测获取的检测结果,受到整体检测工具的影响,其信号契合度较低。为了有效解决这一问题,设计基于传感网络,以F-P滤波调解为核心设计新型船舶航行系统振动检测方法。利用数据信号反射模和滤波腔,进行信号滤波调解,选取完整振动信号波,根据数据极值,对其进行模态分解生成IMF数据值,减少数据噪声,对信号进行有序隔离,采用Colerra数据集算法提取船舶振动信号特征,计算Colerra数据核值,将最优核值进行有序排列,即可获取当前振动检测结果,实现船舶航行系统的振动检测。通过仿真实验分析设计振动检测方法的性能数据,实验结果表明应用新设计的振动监测方法获取到的检测数据信号,最大频谱测量值准确度提高了29%,最小频谱测量值准确度提高27%,可以有效提高信号契合度,具有实际应用价值。     

舰船局域网络大规模入侵实时取证方法研究

传统检测取证方法存在大规模入侵检测数据误差大的问题。提出舰船局域网络大规模入侵实时取证方法,依托信号滤波技术,创建卡尔曼信号滤波单元,对网络波束内部干扰源进行滤波处理,利用Hybrid入侵特征提取算法,对滤波后信号进行提取运算。实现对局域网内的入侵数据信号干扰滤波与入侵信号提取。通过对比实验证明:提出的舰船局域网络大规模入侵实时取证方法,能够有效滤除局域网入侵干扰信号波,快速筛选、锁定、提取入侵数据信号,实现实时提取入侵信号证据的效果。     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

信噪比约束下舰船局域网络信号滤波算法研究

针对舰船局域网络信号的传输,采用回归法和伪迹减法无法消除噪声影响,导致信号传输效果较差,为了解决该问题,提出了信噪比约束下的小波分解重构滤波算法。通过分析脉冲回波中目标信号分布特性,可有效区分正常信号和受到噪声影响信号波形。设计离散序列小波分解流程,处理受到噪声影响的离散信号,使其输出主要信息,并获取信噪比增益,有效分离低频信号与噪声,由此完成舰船局域网络信号滤波算法研究。通过实验结果可知,该算法最高滤除效率可达到90%,保证舰船局域网络信号高效传输。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

脉冲激光雷达信号降噪方法对比

研究了脉冲激光雷达大气后向散射回波信号特性,介绍了一种以Hilbert-Huang变换(HHT)为基础的滤波新方法--固有模态(EMD)分解滤波,并与扩展卡尔曼滤波(EKF)、小波阈值滤波算法进行对比.针对典型大气条件下回波信号特点进行仿真,对各种方法在不同信噪比信号条件下滤波效果进行评价,分析它们的优缺点.仿真结果证明:EKF法仅在均匀大气高信噪比条件下滤波效果较好;小波阈值方法具有更强的适应性,是中低信噪比条件下的最优算法;EMD分解滤波具有很高研究价值,该方法在高信噪比条件下处理效果最好,是现有方法的必要补充.综合运用3种方法才能使滤波效果达到最佳.     

小波变换下舰船噪声信号识别方法

考虑到舰船在海上航行过程中受到海上多种环境因素的干扰,降低了舰船噪声信号的识别性能,为此提出小波变换下舰船噪声信号识别方法研究。基于小波变换原理,对舰船噪声信号进行分解,得到分解后的特征分量,为了消除声呐距离的影响,引入归一化处理方式,提取出舰船噪声信号特征。根据舰船噪声信号的识别形式,计算了舰船噪声信号样本周围的紧密度。基于舰船噪声信号样本的分布情况,设计了舰船噪声信号的识别流程,实现了舰船噪声信号的识别。实验结果表明,小波变换下舰船噪声信号识别方法不仅可以提高舰船噪声信号的识别率,还可以加快识别速度,从而提高了舰船噪声信号的识别能力。     

基于神经网络的舰船电机轴承异常检测研究

针对当前舰船电机轴承异常检测正确率低、检测自动化程度低、检测过程十分耗时等难题,为了提高舰船电机轴承异常检测效果,设计了基于神经网络的舰船电机轴承异常检测方法。首先提取舰船电机轴承状态信号,采用小波包分析去除舰船电机轴承状态信号中的噪声,然后采用Hilbert变换提取电机轴承异常状态的特征,将特征作为神经网络的输入,电机轴承异常作为神经网络的输出,建立舰船电机轴承异常检测模型,最后进行舰船电机轴承异常检测的仿真实验,本文方法的舰船电机轴承异常检测正确率超过95%,能够很好检测到舰船电机轴承异常现象,而舰船电机轴承异常检测时间要少于当前其他舰船电机轴承异常检测方法,能够满足舰船电机轴承异常检测的实际要求。