一种声呐仿真系统设计中的舰船辐射噪声仿真方法研究

结合线性预测技术,以AR模型拟合指定功率谱的方法,介绍了基于TMS320LF2407A实现舰船辐射噪声实时仿真的方法,并对仿真结果进行了分析说明.实践证明,对舰船辐射噪声的仿真是成功的.该仿真方法具有计算过程简单,仿真精度高的特点,更适合于工程应用.     

基于瞬态边界元法的箱梁声辐射

为进一步开展桥梁结构噪声的研究,基于有限元-瞬态边界元法理论,对铁路32 m简支箱梁桥进行了时域振动响应及声辐射特性分析.首先,利用有限元软件ANSYS建立轨道-桥梁有限元模型;然后,运用车-线-桥仿真程序(TTBSIM),仿真计算得到轮轨相互作用力,并作为有限元模型的外部激励进行了列车动荷载作用下桥梁的时域振动响应分析;最后,以桥梁振动响应为边界条件,利用声学边界元软件Sysnoise研究分析了由列车动荷载引起的桥梁瞬态辐射噪声,并将测点声压计算值与实测值进行了对比验证.研究结果表明,200 km/h高速列车作用下桥面板振动级明显大于桥底板和桥梁腹板,桥梁主要噪声辐射部位为桥面板;桥梁结构噪声主要集中于低频段;随距离增加,噪声幅值逐渐减小,且高频噪声衰减速度明显快于低频噪声.      

水中含气量对螺旋桨空泡噪声影响的试验研究

为了研究水中含气量对螺旋桨空泡噪声的影响,在大型循环水槽中对某一高速双桨船模型的螺旋桨模型辐射噪声进行了测试.试验中进行了同一含气量下,不同船速时螺旋桨模型的辐射噪声的测量以及给定速度下,不同含气量情况下螺旋桨模型辐射噪声测量.测试结果表明:同一含气量,模拟实船不同航速工况时,噪声的总声级随着航速增加逐步增加;模拟实船某一航速工况,水中不同含气量时,测量得到的噪声总声级随含气量的增加而下降.     

高斯混合噪声下微弱线谱检测的EM-静态非线性系统方法

采用3一水平量化器随机共振对非高斯水下噪声中的线谱信号进行检测,为使该随机共振类型达到最优的检测效果,利用EM算法进行了高斯混合分布的参数估计.通过仿真和实测数据对参数估计方法进行了检验,实验中算法能够正确收敛,拟合性能较好,在此基础上可以得到量化器的最优阈值.随机共振系统处理前后的功率谱对比表明,3一水平量化器随机共振是检测高斯混合分布中微弱线谱的有效手段.     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

基于多目标形貌优化的缸盖罩低噪声设计

为降低柴油机缸盖罩结构辐射噪声,运用有限元边界元法对其进行了噪声虚拟预测,得到噪声贡献量突出的关键模态.将缸盖罩结构的静态整体刚度和动态多阶关键频率统一为Euclidean 距离的多目标函数,采用带权重的折衷规划法对缸盖罩进行多目标形貌优化,并考虑装配、加工工艺性等因素重新设计了缸盖罩CAD模型.在保持边界条件一致的情况下,对重新设计后的缸盖罩进行噪声分析,结果表明:改进后的缸盖罩整体刚度得到加强,关键频率避开了主要辐射噪声共振频率区域,总声功率级下降3.5 dB(A).      

连续线性系统模型参数直接辨识中噪声模型处理方法

针对线性连续系统,利用hermite调制函数,通过对连续模型的数字调制积分得到直接以连续模型参数表示的离散等价辨识模型,在此基础上引入一种噪声模型,来替代表示输入和输出端的噪声.当系统含有有色噪声,用普通最小二乘法辨识无法得到较准确的辨识参数时,采用引入噪声模型的方法得到的辨识参数估计值仍有较高的精度.仿真算例表明了该方法具有一定的优越性.     

轨道车轮振动声辐射边界元法数值仿真

轮轨噪声是铁路运输的主要噪声源,车轮噪声是轮轨噪声的主要部分之一,车轮的振动声学仿真对设计低噪声车轮有重要意义.建立了车轮振动的三维有限元模型,用有限元法计算车轮约束模态及振动,用直接边界元法计算车轮的声辐射,用该方法分析了车轮在1～3000 Hz的振动声辐射.结果表明,在1～3000 Hz的频率范围内,车轮外侧声压级大于车轮上部和前部的声压级,域点声压级随频率增加而增大.本研究为进一步对车轮进行随机振动声学分析及优化设计奠定了基础.     

列车牵引变流器对外电磁辐射仿真及电磁兼容研究

构建变流器三维模型并简化,根据变流器实际电气参数,通过Matlab仿真得到模型的激励信号,之后利用电磁仿真软件分别对大功率逆变模块和牵引变流器进行电磁场仿真,得到各个部件对外的电磁场辐射云图及10m处探点电磁场强度的频谱曲线图并与实测数据进行对比,为后续对整车EMC的仿真研究提供了一定的参考和借鉴.     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

运用功率流方法对舰艇水下声辐射特性的研究

综合运用两种功率流方法对加装了隔振系统的简化潜艇模型进行分析,首先用导纳功率流法求出输入隔振器基座的归一化功率流,对由隔振器基座、艇体和辐射声空间组成的系统进行统计能量分析,求解出艇体的辐射功率,并通过数值分析研究了隔振装置性能参数对舰艇辐射功率的影响,提出了控制舰艇噪声辐射的一些基本原则.     

基于11/2维谱的舰船轴频电场线谱提取

11/2维谱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,这些特性对提取舰船轴频电场线谱十分有利.采用该方法对船模产,生的轴频电场实测数据进行了处理,实验表明它可以有效地将微弱的轴频电场信号从背景噪声中分离出来.     

铁路高架结构线路噪声预测

列车在高架铁路运行时辐射的噪声与路基线路存在较大差异,特别是当线路采用了声屏障后,高架结构辐射的噪声对沿线环境的影响将显现．文中应用动力学基本理论建立了车．桥线路的耦合模型,获得了列车运行时轮轨之间的作用力,将其作为高架结构的统计能量分析的输入,研究了高架结构振动与声辐射,并应用高架结构的振动测试,进行了模型验证．应用该模型研究了200km／h速度下列车运行引起的高架结构噪声辐射,分析了轨道垫板的刚度变化对高架结构声辐射的影响,得出了优化轨道垫板的刚度可以提高高架结构声屏障的总体降噪效果的结论．     

脉冲噪声环境下的改进MUSIC谱估计方法

针对传统MUSIC谱估计方法在脉冲噪声环境下的退化现象,依据脉冲噪声特性,基于分数低阶协方差的定义,首先对带噪信号进行非线性处理,然后再计算非线性处理后信号的自相关矩阵,得到改进MUSIC和改进的ROOT-MUSIC谱估计方法.理论分析和仿真结果表明,新方法在高斯噪声和脉冲噪声环境下均具有良好的性能,改进的ROOT-MUSIC谱估计方法在处理短序列信号时性能明显优于改进的MUSIC谱估计方法.     

一种新的循环谱统计量频谱感知算法

为了提高认知无线电中感知用户对授权用户（主用户）的检测概率,提出一种新的基于循环谱统计量的主用户信号检测算法．该算法利用循环谱离散频域平滑方法,对信号的循环谱在循环频率处建立合理的检测统计量,然后求解得到对应不同虚警概率的判决门限,以使感知用户能检测信噪比更低的授权用户信号．该算法具有检测结构简单,易实现的特点．仿真结果表明,在高斯白噪声信道中,虚警概率为0．1,频域平滑累积次数为255,在信噪比为-16dB的条件下,与Dandawate-Giannakis（DG）方法相比,本文算法的检测概率提高23％．     

电磁干扰对电力线网络的传输质量与频谱的影响

电力线通信（Power-Line Communication,PLC）系统是利用信号耦合的方式,将载波耦合到AC电力线的弦波信号上,经由电力线来传输网络数据.本文主要探讨常见的家电用品对PLC系统的影响.量测工具使用LabVIEW软件来撷取数据,针对距离、电器设备差异计算信噪比（SNR）、信道频率响应（CFR）以及上传/下载速度对通信质量影响.由量测的结果得知,目前PLC系统所遇到的衰减问题大多与外界的噪声大小或与AC传输线的距离有关,经由量测的资料结果可以当作改善PLC系统效能的依据.     

潜艇螺旋桨直接辐射噪声的数值计算

采用计算流体力学与声学边界元方法相结合求解了潜艇尾部大侧斜螺旋桨的直接辐射噪声.与一般螺旋桨噪声计算不同的是,螺旋桨非定常计算时引入了潜艇尾部桨盘面的速度分布作为非均匀来流,能够提供更加真实的螺旋桨脉动压力源场.提取桨叶表面的声偶极源项后,采用边界元方法,求解FW-H方程,得到了螺旋桨空间测点的声压谱和总声级.桨盘面速度分布由全附体潜艇粘性流场数值计算得到,其可信性由艇体表面的压力系数与试验值的比较给予了验证.螺旋桨数值模型的可信性由敞水特性预报值与试验值的比较进行了验证.     

An Improved Singularity Computing Algorithm Based on Wavelet Transform Modulus Maxima Method

IntroductionA recent finding is that noise signal may con-tain hidden information.Such information promis-es to be of application value(forecasting suddencardiac death in patients,or analyzing financialmarkets fluctuation,or predicting the properties ofelectric devices).We must use some approachesfor extracting such hidden information from noise.Conventional approaches include analysis ofmeans,standard deviations and other features ofhistograms,along with classical power spectrumanalysis.Thos…