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。     

多特征融合的舰船目标分类研究

给出一种多特征融合的舰船目标分类方法,该分类方法中选用两类特征:第一类特征为根据舰船图像信息提取的RST不变性特征;第二类特征为根据舰船水下的辐射噪声提取到的MFCC系数。将2类特征进行融合,共同作为高斯混合模型的输入值。实验结果表明,本文给出的方法具有较高的识别率。     

柴油机气阀机构状态评估的LabVIEW实现

为了能够正确判断和定位柴油机气阀机构的故障,介绍了柴油机气阀机构状态评估的方法,以及用LabVIEW开发工具实现评估软件的过程.应用时序分析方法对缸盖振动信号进行AR谱估计,再从其AR谱中提取出用于实际诊断的故障特征参数,最后利用欧氏距离判别函数进行故障状态识别.实例结果表明,利用LabVIEW语言更易于实现该状态评估软件,从而能够有效地对柴油机气阀机构故障进行不解体诊断.     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

港工建筑物下游海岸冲刷形态的实验研究

本文用物理模型方法对沙质海岸上港工建筑物下游海岸冲刷形态进行了实验研究，实验中以天然海滩细沙作为模型沙，经过大量试验，取得了描述了游冲刷形态的一些特征参数试验数据，以及这些特征参数随动力因素的综合效应-输沙量的变化规律。对冲刷形态的逐年变化特性也进行了探讨，在一定试验条件下获得的试验验成果，可供类似工程项目的选址、规划和可行性研究阶段参考应用。     

舰船低频噪声声场分布的有限元仿真研究

舰船的低频噪声主要来源于机械噪声和螺旋桨噪声,噪声会大大降低舰船和螺旋桨的隐蔽特性,降低作战能力,因此,有必要针对舰船和潜艇的低频噪声声场进行研究与分析,实现降噪、抑制噪声的目的。本文在进行舰船低频噪声声场仿真分析时,采用应用范围非常广的Sysnoise软件,通过建立舰船噪声声场的有限元模型、边界条件、声场特征参数等,完成舰船低频噪声的仿真。     

基于目标MFCC特征的监督学习方法在被动声呐目标识别中的应用研究

以机器学习为代表的智能技术迅猛发展,也为被动声呐目标识别提供了新的思路。利用机器学习算法挖掘水声目标信号深层特征,实现目标自动识别、辅助识别,成为被动声呐目标识别的新发展方向。本文针对水下噪声目标的信号特性,结合人耳在低信噪比、多目标环境下的优异识别性能,提取被动声呐目标经典听觉感知特征——梅尔倒谱(MFCC),并引入KNN、SVM、CNN和DBN四种机器学习算法对两类水声目标进行监督学习和识别分析。试验结果表明,监督学习方法应用于被动声呐目标识别具有可行性,且其中DBN方法对目标MFCC特征的识别性能最佳。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

海洋平台生活区通风管路系统噪声预报

针对海洋平台通风管路系统噪声进行研究,基于数值方法对通风系统管路流激噪声进行了计算,并与管路风机传递噪声的影响进行了对比,给出了通风管路系统噪声特性规律。采用CFD方法建立通风管路系统流体动力分析模型,得到风管湍流脉动压力;在此基础上,建立通风系统管路及典型平台房间噪声预报的统计能量分析模型,开展了特征参数对通风系统管路激流噪声的影响分析,并对风机传递噪声进行了研究。结果表明,风管流量与风管流激噪声直接相关,风机传递噪声对风机附近舱室有较大影响,距风机较远处管路噪声仍以流激噪声为主。     

基于AR模型的水下目标检测方法

本文提出了一种基于AR模型的水下目标检测方法。该方法对预先获得的环境噪声信号建立AR模型并求解其参数,对采集到的可疑信号以相同的阶数建立AR模型并求其参数。通过比较噪声模型系数和被测目标信号模型系数的差异来判断是否有目标存在。用该方法对模拟舰船信号、舰船模型信号和海试实测数据进行了分析并与能量检测器的结果进行了比较,结果表明该方法与能量检测器的性能相差不大,可以在较低的信噪比下检测出目标信号。