倒谱在舰船辐射噪声特征提取中的应用

舰船的辐射噪声是舰船在航行或运转过程中的一种自身属性.提取舰船辐射噪声的特征是对舰船自身属性的总结和归纳,有利于更深一步地了解舰船.同时,其特征可作为监测舰船性能的技术指标,对舰船的维护和保养有重要意义.倒谱是一种信号处理的分析方法,本文从倒谱的定义出发分析倒谱的应用范围,结合舰船辐射噪声的特点,在理论上论述了倒谱在舰船辐射噪声特征提取中的可行性及应用条件.然后,用仿真信号和实例信号对理论进行证明.     

基于特征融合的舰船目标识别方法

传统的被动目标识别主要依靠声呐员的作用,随着人工智能的迅速发展,水下目标智能识别成为未来发展的趋势.针对这一问题,根据舰船辐射噪声特性,提出基于特征融合的舰船目标识别方法,通过提取基于人耳听觉感知的梅尔倒谱系数特征、基于循环平稳分析的谱相关密度函数特征,构建特征层融合和决策层融合的特征融合模型,利用深度学习中的卷积神经...     

倒双谱降维谱的舰船辐射噪声特性分析

海洋资源开发逐渐成为人类发展的趋势,与此同时,海洋在现代战争中的地位也越来越重要,因此,水下目标识别成为各国海洋领域研究的重点。船舶辐射噪声属于时变信号,可以利用高阶统计量抑制高斯噪声,实现信号特征分析。本文研究船舶辐射噪声的主要来源,提出基于倒双谱的降维谱舰船辐射噪声分析算法。     

基于声音分析技术的船舶辐射噪声特征提取方法

基于声音分析技术,对船舶的辐射噪声进行仿真分析,给出了船舶辐射白噪声的功率谱、衰减功率谱以及周期分量线谱图,并对冲击信号曲线进行分析,给出了净化之后的船舶辐射噪声demon谱曲线等。     

基于卷积神经网络的声信标信号识别方法

声信标信号的有效检测识别方法在找寻失事黑匣子的过程中起到关键作用。本文基于卷积神经网络(CNN)的检测识别方法,把已知声信标信号作为卷积神经网络的训练样本,提取梅尔频率倒谱系数(MFCC)特征后输入卷积神经网络进行训练,得到相应的训练标签。把待测的声信标信号输入经过训练的卷积神经网络进行测试,得到相应的识别结果。试验结果表明,基于卷积神经网络的方法可用于声信标信号的检测识别,并且有较好的识别率。     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

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.     

基于VMD与IMWPE的舰船辐射噪声特征提取研究

舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解（variational mode decomposition, VMD）与改进多尺度加权排列熵（improved multisacle weighted permutation entropy, IMWPE）相结合的方法进行特征提取,将原始信号通过VMD分解成多个固有模态函数（intrinsic mode function, IMF）,选取能够充分体现目标复杂度特征的IMF作为研究对象,然后通过IMWPE方法采用平移均值法解决多尺度加权排列熵（multisacle weighted permutation entropy, MWPE）的单一粗粒化问题。实验数据表明,将本文算法与对比算法提取的特征参数经过粒子群优化的支持向量机（particle swarm optimization support vector machine, PSO-SVM）进行分类识别,IMWPE算法识别率最高,具有良好的稳定性和优越性。     

基于11/2谱的水中目标辐射噪声线谱估计方法

研究了一种基于信号1 1/2谱的时频分布图的水中目标辐射噪声的线谱估计方法。分析了11/2谱具有的性质,即抑制高斯噪声和对称分布噪声;加强信号的基频分量以及剔除非耦合相位的谐波分量。介绍了Lofar处理的特点和Lofar谱图的计算步骤。结合Lofar谱图和11/2谱的各自特点,提出了11/2谱图的处理方法。再利用图形学中的Radon变换,将谱图中的直线转换成Radon域中的峰值。得到峰值坐标后,可以计算谱图中的线谱频率等参数。仿真实例表明,该方法效果明显,比Lofar谱图具备更优的白噪声抑制能力。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

基于小波解调-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制谱中含有大量舰船固有特征量,可用于估算舰船的航速以及进行目标分类与识别。本文提出一种基于小波解调与1(1/2)维谱的联合分析方法,利用Morlet小波的带通滤波能力以及其实部与虚部正交特性提供的信号解调功能,得到信号的尺度包络谱图,选取其中含有调制信息的小波分量,通过1(1/2)谱分析可以得到舰船轴频的基频及谐波信息。实验数据结果表明,该联合方法可以有效的提取舰船辐射噪声中的调制特征信息,具有广阔的应用前景。     

一种基于线阵的舰船辐射噪声空间分布特性分析方法

传统的舰船辐射噪声空间分布特性是用单水听器法分析获得的.由于单水听器是无指向性的,无法满足舰船辐射噪声向低噪声发展的测试需求.本文采用恒定束宽波束形成技术,分析处理基阵获取的舰船辐射噪声数据,提高了输出信噪比,克服了经典宽带波束形成技术的数据失真问题,并得到舰船辐射噪声的空间分布特性.     

一种基于BP神经网络的机动目标跟踪算法

交互式多模型（IMM）算法是一种可以有效跟踪机动目标的滤波算法,针对其跟踪精度和计算量在很大程度上受制于模型选择和转移概率确定的问题,提出了一种利用BP神经网络修正子模型滤波结果的改进IMM算法。仿真实验表明,该方法可以使IMM算法的收敛速度加快,收敛精度提高,改善了跟踪性能,具有一定理论指导意义。