小波分析在船舶测试信号和图像消噪方面的应用

小波消噪已经成为目前信号消噪的主要方法之一，小波变换由于在时频两域都具有良好的局部性能，尤其在信号处理过程中，采样信号都不可避免地受到各种噪声和干扰的影响，利用小波分析可以对实验数据进行消噪处理。本文详细介绍了目前小波消噪的各种方法，揭示了小波消噪的数学背景和滤波特性；并阐述了针对不同信号的自身局部特性以及使用不同的小波变换函数和构造出适合的闻值之间的联系。对一个含有噪声的多普勒测试信号和一个含噪声图像分别进行了多尺度一维离散平稳小波分解和二维离散平稳小波消噪分析，仿真的结果表明：小波分析可以对信号更有效地消噪。     

舰船磁场动态测量中的小波消噪技术研究

动态测量是舰船磁场测量中的重要方式,针对舰船磁场动态测量中的噪声特点,采用小波变换技术进行了消噪处理。仿真结果表明,小波变换技术可以较好的消除各个频段的磁场噪声,较好的恢复原始舰船磁场信号,在实际舰船磁场动态测量中有重要的应用价值。     

小波变换下舰船辐射噪声特征提取

在海洋环境中,舰船辐射噪声由于其特殊性,很容易被敌方的设备侦测到,这对舰船的航行安全构成了很大的威胁。在辐射噪声中,包含船只机舱的发动机振动噪声、螺旋桨噪声,还有其他一些舰载设备的电磁辐射噪声。本文采用小波算法对复杂的舰船辐射噪声进行特征提取,并通过一定的变换算法,将所获得的噪声功率谱进行过滤,从而提取出所需要的噪声谱图像,通过此图像,科研人员能够有效分析出噪声的来源。最后进行仿真实验,结果说明该小波变换算法能够对舰船的辐射噪声作有效的分辨,这对于舰船减低辐射噪声具有很大的参考价值。     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

超声回波信号的小波消噪研究

利用小波变换的时频局部化性质,对超声回波弱信号特征进行提取,得到了较好的边缘信号,从而对信号进行全面细致的分析。理论分析和仿真结果表明,小波分析方法适合于超声回波信号的检测和特征提取,在改善了信噪比的同时,还保持了很高的时间（空间）分辨力,具有准确度高、抗噪声性能好等优点。并将该技术应用于物距测量中,提高了系统测量的准确度。     

小波分析在信号消噪中的应用研究

小波分析具有在频率域的多分辨能力,已广泛用于信号和图像的消噪中。在引入小波阈值去噪方法的基础上,提出了一种新的阈值函数。经过信号仿真验证,这种新的阈值函数取得了较好的消噪效果,克服了采用传统的软、硬阈值函数去噪的不足。     

基于小波包分析和深度学习的舰船辐射噪声识别

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.     

基于实测噪声信号的舰船辐射噪声重构

为得到逼真的舰船辐射噪声的仿真数据,通过对实测噪声数据作谱估计得到其频谱特性,同时提出了一种基于实测舰船辐射噪声信号来实现舰船辐射噪声线谱与连续谱同时重构的方法,即利用窗函数法设计出一个具有与其频谱特性相一致的特定幅频响应的FIR滤波器,再将高斯白噪声通过该FIR滤波器实现舰船辐射噪声信号重构.仿真结果表明,该方法能够较真实地重构舰船辐射噪声.其结果可作为半实物仿真试验信号源.     

未知参数的舰船辐射噪声线谱Duffing振子检测方法

当被动声呐探测舰船目标时,舰船辐射噪声中的线谱成分是舰船分类识别及航行状态监测的特征参量,通常情况下线谱的频率及数量是未知的。针对现有未知频率的Duffing振子检测方法存在系统结构复杂,判别时间长,需要人为参与等问题,本文构造了变参数单一Duffing振子检测模型,并提出了变频频率切片小波变换的Duffing振子检测方法。该方法通过设置合理的频率灵敏度参数自动地调整系统内置策动力频率值,利用频率切片小波变换提升系统抗噪性能,结合Poincare映射特征函数的系统相态定量判决方法,变频搜索待测信号中的线谱分量。在实测数据的分析处理中,对不同观测时间内的数据进行检测,实现了线谱成分的检测跟踪与频率估计,并根据时间轨迹上的频率识别信息确定存在的稳定线谱成分。数据处理结果表明,该方法能够实现低信噪比下参数未知线谱的检测与频率估计。     

基于盲信号处理的舰船辐射噪声检测

根据舰船辐射噪声在水中传递的环境及特点,采用盲信号处理技术重构出相应的原始辐射源信号,该方法能够减少噪声及舰船间的相互干扰,提高了原始辐射源信号的信噪比,从而为水中兵器目标信号的准确检测提供了基础。仿真实验研究了单船舶辐射噪声信号谐波成分的分离及多船舶辐射噪声混合信号的分离,结果表明该算法稳定性好、收敛速度快,是一种有效的舰船辐射噪声检测方法。     

舰船辐射信号中压缩感知降噪性能的研究

研究了含噪信号的压缩感知方法,分析得出,在压缩采样过程中,原始信号的信息得到保留,而噪声信号的信息则被压缩和丢失,从而在信号重构时起到降低噪声的性能.采用含有高斯噪声的舰船辐射信号为例,仿真实验表明,当信噪比小于20 dB时,总存在合理的观测值,使得重构信号与原始信号的均方差比含噪信号与原始信号的均方差更小,从而起到提高信噪比的作用.     

船舶噪声DEMON谱质量评估方法

针对船舶噪声DEMON谱在技术研究、识别应用和噪声整理中缺乏有效的质量评估方法,提取前12阶轴频谐波线谱信噪比、第一组谐波簇中轴频及其谐波清晰度和叶频清晰度、强干扰线谱强度3种关键特征,设计了一套DEMON谱质量综合评估框架。通过海上实测噪声数据分析表明,该质量评估方法可靠,与实际情况吻合较好。     

强噪声背景下舰船信号混沌检测方法研究

给出了舰船信号混沌检测原理,在分析Duffing方程混沌行为的基础上,给出了强噪声背景下舰船信号混沌检测模型,并分析了噪声对该混沌检测方法的影响。最后运用该混沌检测方法对舰船信号进行了数值实验,结果显示了此种方法的有效性和优越性。     

能量法估计全息面信噪比研究

在近场声全息技术中,全息面信噪比是一个非常重要的参数,但无法直接测量得到.为了解决该问题,给出了基于能量法的波数域内信噪比估值公式,并根据该公式分析估值误差的来源,指出全息面采样间隔对估值具有重要影响.为了判别估值是否准确,提出了选取全息面不同区域的数据进行重复估计的判别方法.当估值不准确时,指出可以通过减小全息面采样间隔来降低估值误差.仿真给出满足不同误差条件的不同采样间隔所对应的最大信噪比估值,可作为实际应用中的参考.     

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.     

深海矢量噪声场声传播特性研究

矢量声压振速联合处理是建立在信号的声压和质点振速相位基础上,海洋环境边界对声传播的影响将改变矢量声场声压和质点振速的幅度和相位特性。文章根据南海环境条件和水下目标辐射噪声测量采用矢量简正波理论估算海面非相干偶极子噪声源和水下点声源矢量场的幅度和相位随深度的变化,并对矢量水听器测量系统获取的南海典型深度上的背景噪声数据进行了分析。结果表明:深海背景噪声声压谱级在500 Hz以下基本上不随深度变化,在500 Hz-3 kHz频段浅深度背景噪声声压谱级略高于较深深度的背景噪声声压谱级;背景噪声的垂直质点振速谱级要小于声压和水平质点振速谱级。     

基于最优回归理论的舰船辐射噪声指向性统计模型及分析方法研究

文章在已有单航次的舰船噪声空间特性建模分析方法等研究成果的基础上,进一步研究了若干航次条件下的统计建模及分析方法。该研究主要以单一部位垂向剖面的噪声指向性为例,建立了基于最优回归理论的舰船目标辐射噪声特性的统计模型及分析方法,并开展了海上实测研究,验证了该模型及分析方法的正确性和可行性。该项成果为深入分析不同航行工况下各类舰船目标的噪声空间特性及其统计规律等创造了条件。     

水线以上机电设备对船舶水下辐射噪声影响研究

建立小水线面双体船声学有限元模型,以柴油发电机组振动噪声为激励,计算该船型水线以上振动噪声源产生的水下辐射噪声。探讨船舶水线以上振动噪声对其水下辐射噪声的影响规律,为整船水下辐射噪声评估提供参考。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。