基于小波包和1(1/2)维谱的舰船辐射噪声频域特征提取及融合

舰船辐射噪声频域特征提取是舰船目标识别的关键技术之一。为提高舰船目标识别率 ,采用小波包和 112维谱对舰船辐射噪声进行多小波包空间调制谱和噪声谱特征提取及融合研究。并用提取的特征对五类舰船目标辐射噪声进行了分类识别实验 ,结果表明所提特征具有很好的分类识别效果     

基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

听觉小波包在舰船噪声分解与重构中的应用

舰船噪声的分解和重构对于舰船噪声特征提取与听音分析都具有重要作用。采用多分辨分析理论对噪声进行分解和重构只能对低频进行精细化处理,但对高频却难以达到理想效果。正交小波包分析可以在任何欲处理的频带内进行可允许的任意层次分解,但分解的小波包树的结构难以确定,没有明确的构造导引方法。将Bark频率群的理论引入小波包树结构的选择,提出构造听觉小波包树结构的方法,构建了基于db6小波的采样率为44.1 kHz的听觉小波包。采用该听觉小波包结构对四型舰船噪声信号进行分解、子带加权和重构,频谱分析和听音分析都表明重构噪声特征更加清晰。     

基于小波包能量谱的滚动轴承振动噪声检测方法

针对轴承振动与噪声源零件识别与检测问题，利用小波包分解的方法来分析轴承的振动噪声信号：根据待测轴承振动信号特点，确定小波包分解的小波函数及分解层数，得到了轴承振动信号在频域的信息；通过构造小波包能量谱来分析各个频段上振动信号的特征，根据各个小波包空间能量值的大小判断轴承振动的剧烈程度；通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构，得到具有较高信噪比的重构信号，便于进行频谱分析。结果表明，本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源，对于后期实现轴承静音降噪具有重要意义。     

基于小波包时频图特征和卷积神经网络的水声信号分类

水下声信号分类是水声学研究的一个重要方向。一个有效的特征提取和分类决策方法对水声信号分类技术至关重要。文章将鱼声、商船辐射噪声和风关噪声三类实测的水声信号在小波包分解的基础上提取时频图特征,并搭建了一个七层结构的卷积神经网络作为分类器。研究结果表明：三种水声信号的小波包时频图特征结合卷积神经网络在不同测试集可达到（98±1）%的总体准确率。因此,小波包时频图特征结合卷积神经网络的水声分类方法可望推广至更多水声信号分类。该研究结果可为水声信号的分类识别研究提供应用参考。     

HHT与神经网络在舰船目标特征提取中的应用

目标识别一直是水声领域的关键技术之一。将高阶累积量用于希尔伯特变换特征提取中,通过对舰船目标辐射噪声信号进行采集,得到舰船目标噪声信号,进而提取目标辐射信号各阶模态的相邻平均瞬时频率比、相对标准差、中心频率、平均强度、高阶矩和高阶累积量等作为特征,最终利用BP神经网络来实现对两类舰船目标的分类识别。通过对实际舰船目标噪声进行识别,验证了该舰船目标识别系统具有较好的识别效果。     

用1(1/2)维谱结合小波包能量提取地震动信号特征

针对车辆（轮式车、履带式车）引起的地震动信号中,具有非平稳、非高斯性特征相互重叠的实际情况,研究了地面活动目标产生的地震动信号特性;从理论上说明了1(1/2)维谱可消除车辆引起的地震动信号中的高斯白噪声或有色噪声,在将[112]维谱分析和小波包能量谱相结合的基础上,提出一种特征提取方法,以便区分不同的车辆目标。在时频域构建以[112]维谱和小波包能量谱作为地震动信号的联合特征向量,建立以训练误差为目标的BP神经网络模式分类器;然后对两类车辆信号进行识别。地震动信号的车辆实测数据表明,该方法能够准确和有效地识别车辆引起的地震动信号。     

舰船辐射噪声广义多尺度数学形态学特征提取与应用研究

为稳定提取复杂水声环境下舰船辐射噪声的有效特征,在数学形态学方法的基础上提出一种广义多尺度数学形态腐蚀谱熵(generalized multiscale pattern erosion spectrum entropy, GMPESE)的舰船辐射噪声非线性特征提取方法。通过对千岛湖及东海实测舰船辐射噪声处理,验证了不同环境下该特征提取方法的可行性,分析了相关参数选取对特征区分度的影响,并比较了该特征提取方法与多尺度熵(multiscale sample entropy, MSE)特征的识别性能。数据处理结果表明,综合比较运算耗时、提取稳定的特征所需信号时长及复杂环境下目标识别准确率,GMPESE特征提取方法具有更大的优势。     

局域判别基空间能量的水声目标特征提取

考虑水声信号的非平稳性及时变性,对信号进行小波包分解。不同的小波包基可以反映不同的信号特性,基于距离准则,求取小波包局域判别基,在局域判别基的基础上,提出通过求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量,针对识别特征矢量设计神经网络分类器,对三类目标进行分类,验证实验表明,基于这种方法提取的识别特征矢量在水声目标分类识别中是有效的。     

基于频域ICA的语音特征增强*

为了降低卷积噪声对语音特征所产生的影响,提高语音识别正确率,文章提出了一种基于频域ICA（Independent Component Analysis,独立分量分析）的语音特征增强算法。该算法首先使用频域ICA方法作对噪声进行估计,然后在倒谱域内将带噪语音信号的短时谱减去所估计噪声的短时谱,最后根据去噪后语音信号的短时谱计算美尔倒谱系数（MFCC）作为特征参数。在仿真和真实环境下的语音识别实验中,本文所提出的语音特征参数相比较传统的MFCC其识别正确率分别提升了38.2%和35.8%。实验结果表明本文所提算法能够较好地解决卷积噪声环境下训练与识别特征不匹配的问题,有效提高了语音识别系统的识别正确率。     

基于多维振动特征的滚动轴承故障诊断方法

单独提取滚动轴承振动信号的时域或频域特征进行故障诊断,是目前常用的轴承诊断方法,诊断精度有待提高。以时域和频域的多维振动特征参量为指标,以历史诊断正确率作为特征参量权值,分别对滚动轴承的无故障和经常出现的滚珠故障、内环故障和外环故障工况进行特征提取和故障识别。多维时频域振动特征是单维特征依据诊断精度权重的集合。运用BP神经网络分别对信号的时域特征(TDF)、IMF能量矩(IEM)、小波包能量矩(WPEM),以及多维时频域特征进行智能故障判别。实验验证用多维时频域振动特征参量综合诊断的方法进行滚动轴承故障诊断,比单维特征的诊断结果精确且效率较高,该方法可以在滚动轴承故障诊断领域展开应用。     

基于Hammerstein模型的柴油机隔振非线性系统振动分析

针对柴油机隔振非线性系统,提出基于Hammerstein模型的曲线拟合方法,研究系统非线性对其振动特性的影响,并在模态试验基础上获得线性结构动力特征。基于Hammerstein模型建立广义频响函数,考虑基频谐振广义频响函数对基频响应的作用,提取系统(1阶广义)频响函数。曲线拟合技术对(1阶广义)频响函数进行频域估计,识别出线性结构动力特征。模态参数辨识试验结果表明,提出的方法对于柴油机隔振非线性系统的线性模态参数估计是合理、有效的。基于Hammerstein模型的曲线拟合,能够消除系统非线性对振动特性影响,并能够获得系统的线性结构动力特征。     

Robust identification of transfer functions in the s- andz-domains

A frequency-domain maximum-likelihood estimator (MLE) for estimating the transfer function of linear continuous-time systems developed by J. Schoukens et al. (1988) assumes independent Gaussian noise on both the input and the output coefficients. A Gaussian frequency-domain MLE for transfer functions of linear continuous or discrete time invariant systems in an errors-in-variables model is presented. It is demonstrated that most of the properties of the estimator remain unchanged when it is applied to measured input and output Fourier coefficients corrupted with non-Gaussian errors. The result is a robust Gaussian frequency-domain estimator that is very useful for the practical identification of linear systems. The theoretical results are verified by simulations and experiments     

汽车造型特征与特征线

汽车造型是一个需求交叉、多目标综合、知识密集的复杂、多学科的设计过程.在构建100个汽车造型数字模型的基础上,引入特征的概念对汽车造型进行描述,提取了20条汽车造型特征线,将其分类为主特征线、过渡特征线和附加特征线,建立了基于特征和特征线的汽车造型描述模型.     

铝合金回填式搅拌摩擦点焊缺陷的超声检测及信号识别

目的 利用水浸聚焦超声C扫描对2524铝合金回填式搅拌摩擦点焊（RFSSW）接头进行检测并完成缺陷识别。方法 以A扫描时域信号为对象,绘制能量谱与金相作对照,确定焊合区;分析未焊合、聚集型孔洞及弥散型孔洞的时域和频域波形特征,并对频域信号进行小波分析,提取特征量。结果 缺陷区反射回波的归一化能量不低于0.02;不同形式的缺陷（聚集型孔洞、弥散型孔洞、弱连接）其频谱形状特征不同,具有不同的峰值个数。结论 通过金相验证,表明超声波C扫描对接头缺陷可进行有效的检测和区分。     

语义特征造型系统中特征相互作用机制

当前基于特征的造型系统不能很好地维护特征的语义,主要是由于缺乏一种有效的、贯穿于整个造型过程的有效性维护机制,其中一个突出方面就是特征相互作用管理机制。笔者提出了一种满足各种条件的相互作用定义、分类方法,描述了特征相互作用管理器在特征模型有效性维护中的作用及工作过程,确定了每个操作的特征相互作用范围,这些将为特征相互作用管理器进行工作奠定基础。     

基于加权硬度特征的仪表数字识别

仪表数字识别是智能仪表应用的关键,针对现有方法对角度倾斜、半字识别效率低的问题,引入硬度特征参数来衡量数字图像目标区域在某方向上的抵抗变形的能力,提出了一种结合数字结构特征和统计特征的识别方法。通过对仪表盘上采集的数字进行分析,建立数字自上而下及自下而上的硬度特征库。并依据每个特征重要程度的不同,引入权重,采用加权特征匹配的方法进行数字识别。实验表明,算法不仅简单高效,对于整字和半字都能够取得很好的分割和识别效果,而且对旋转和畸变有较强的容错。     

粘结混凝土结构超声波时域和频域特性研究

装配式建筑在后浇混凝土过程中存在不同混凝土相互结合的问题,混凝土结合面粘结质量对粘结混凝土结构的受力性能具有重要影响。为研究粘结混凝土结构在不同粘结质量情况下的声波特性,运用有限元方法建立六类粘结混凝土结构在不同粘结质量情况下的物理模型,模拟了超声波在粘结混凝土结构模型中的传播过程。通过提取时域信号峰值,对频域数据进行积分处理,对比分析了各类粘结混凝土结构在不同粘结质量情况下的时域特征和频域特征。结果表明：不同混凝土强度等级相结合的粘结混凝土结构,界面反射较强,且强度等级差别越大,界面反射越强;时域信号峰值与频域积分随着粘结界面质量的提高而增大。根据这一特征,通过试验制作了三种不同粗糙度的粘结混凝土结构样本,采用斜测法对样本进行超声测试,结果表明界面粗糙度越高,超声波透射粘结界面区域内的时域信号峰值和频域积分越大。研究结果可为粘结混凝土结构质量检测提供参考和依据。