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。     

非线性信号检测在舰船目标识别中的应用

在对非线性舰船辐射噪声产生机理和其噪声谱组成分析的基础上,研究利用高阶谱分析方法检测舰船辐射噪声。首先分析舰船辐射噪声的噪声谱中的组成成分和特性,对不同噪声源与舰船噪声谱成分间关系特点进行研究,并建立舰船辐射噪声的仿真模型。然后,研究高阶谱理论及其在提取非线性信号特征时的应用;最后,通过对仿真生成的2种舰船辐射噪声应用本文算法实现检测与分类,结果证明该方法可行。     

舰船辐射噪声建模及仿真模拟器的实现

舰船辐射噪声的仿真模拟是测试被动声呐系统及声诱饵的关键技术.本文通过对舰船辐射噪声信号的声学特性分析,对其线谱、连续谱和调制包络进行了建模与仿真,模拟生成了辐射噪声信号,并研制了基于DSP硬件系统的舰船辐射噪声模拟器.根据噪声的连续谱特性,提出了一种用FIR滤波器实现宽带噪声信号模拟的方法,建立了辐射噪声的仿真模型.通过对模拟器输出信号进行功率谱分析,表明该模拟器能很好的反映舰船辐射噪声信号的基本声学特性.     

舰船噪声源近场聚焦波束形成定位方法

阐述了船噪声源近场聚焦波束形成定位方法,给出舰船辐射噪声的近场范围,并使用MVDR方法针对单频信号进行了仿真计算。计算结果表明,对于线谱声源情况,在声源频率较高的情况下,该方法定位效果较好;在声源频率较低的情况下,该方法定位效果很差。     

舰船辐射噪声动态特性建模与重构

在研究舰船辐射噪声特性的基础上,对其连续谱、调制包络、线谱、声源级及多普勒频偏进行了建模与仿真,连续谱采用FIR滤波方法仿真,调制包络由高斯脉冲串组成,对舰船辐射噪声随距离、速度、方位变化的动态特性进行模拟.通过仿真出来的信号进行功率谱分析,表明该仿真能较好地模拟舰船动态运动的噪声辐射声学特征.     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

离心泵水动力噪声计算方法研究

离心泵作为舰船重要的流体机械,也是管路系统中主要噪声源之一。泵内流动诱发噪声的计算难点在于流噪声声源的准确模拟和边界条件的确定。文中采用CFD方法计算泵内流场并根据FW-H方程提取叶轮转动偶极子声源和蜗壳内表面偶极子声源;基于管道测试技术获得泵进出口边界条件,建立了以蜗壳为界的边界元模型,考虑了蜗壳对声传播的散射作用。通过内域声学直接边界元方法求解泵内声场,建立了离心泵水动力噪声的计算方法。通过试验测试对建立的计算方法进行了验证。计算分析表明:离心泵内主要噪声源为蜗壳表面偶极子声源;泵出口噪声大于入口,具有偶极子声源特性。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

圆柱形基阵指向性仿真研究

舰船辐射噪声对舰船的生存和武器装备性能有较大影响,对辐射噪声的有效测量成为检验舰船性能的重中之重。圆柱形基阵具有较好的实际形状,有利于在浅海条件下进行低噪声测量。本文建立了圆柱形基阵的数学模型,对其指向性特性进行了数值仿真,并将仿真结果与直线阵、平面阵进行对比,分析浅海条件下应用圆柱形基阵进行辐射噪声测量的优势。给出了圆柱形基阵常规波束形成和旁瓣控制波束形成的波束方向图,并着重讨论波束宽度、旁瓣级与阵元数和接收信号频率之间的关系。     

基于贝叶斯的舰船辐射噪声特征识别方法

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。