共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
针对舰船辐射噪声特征存在非线性、非平稳的时变特点,导致特征识别难度较高的问题,本文提出一种基于贝叶斯的舰船辐射噪声特征识别方法。利用Dopplerlet变换方法,选取高斯函数作为基函数,变换舰船辐射声场信号。利用VMD算法获取搜寻约束变分模型的最优解,将完成变换的舰船辐射信号,分解为多个IMF分量,提取舰船辐射噪声特征。利用所提取的舰船辐射噪声特征构建特征样本集,通过贝叶斯网络计算样本集内各样本的状态概率,识别舰船辐射噪声特征。结果表明,该方法有效识别水面舰船、水下低速运动舰船等不同类型舰船的辐射噪声,适用于舰船目标识别应用中。 相似文献
4.
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. 相似文献
5.
6.
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. 相似文献
7.
为了进一步降低舰船辐射噪声、提高舰船声学性能,结合偏相干以及条件功率谱方法,优化舰船振动传递路径分析方法,开展了辐射噪声合成研究。舱段模型试验表明:经偏相干分析法优化后的工况传递路径分析法可以识别主要振动噪声源、传递路径,实现舱段模型的辐射噪声预报,全频段误差小于3 dB,验证了该方法的有效性。 相似文献
8.
9.
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。 相似文献