短时能量分析及人耳的主观听觉在船舶辐射噪声特征提取中的研究

文章提出了利用短时能量分析与人的主观听觉相结合的方法进行船舶辐射噪声特征提取。通过对实际船舶辐射噪声信号的分析，结果表明将船舶辐射噪声的人耳听测特征与信号处理后的数字特征相结合，可以达到对船舶辐射噪声特征提取的目的。     

基于VMD和中心频率的舰船辐射噪声特征提取方法研究

为了有效提取舰船辐射噪声的频率特征,提出一种基于变分模态分解(VMD)和中心频率的舰船辐射噪声特征提取方法。采用VMD方法将三类舰船辐射噪声分解为一组有限带宽固有模态函数(IMF),计算各阶IMF强度,选取能量较大的IMF作为研究对象,以最强IMF中心频率及能量较大的多个IMF中心频率作为特征参数对三类舰船辐射噪声进行特征提取;针对舰船辐射噪声频率特征提取难且不精准确的问题,采用VMD方法可以准确提取IMF中心频率,实现舰船辐射噪声的特征提取。通过数字仿真和实际舰船辐射噪声信号实验分析,并与基于集合经验模态分解(EEMD)的中心频率及高低频能量差方法进行比较,结果表明该方法可以有效提取舰船辐射噪声中心频率,并实现不同类别舰船的分类识别。     

基于VMD和中心频率的舰船辐射噪声特征提取方法研究EI北大核心CSCD

为了有效提取舰船辐射噪声的频率特征,提出一种基于变分模态分解(VMD)和中心频率的舰船辐射噪声特征提取方法。采用VMD方法将三类舰船辐射噪声分解为一组有限带宽固有模态函数(IMF),计算各阶IMF强度,选取能量较大的IMF作为研究对象,以最强IMF中心频率及能量较大的多个IMF中心频率作为特征参数对三类舰船辐射噪声进行特征提取;针对舰船辐射噪声频率特征提取难且不精准确的问题,采用VMD方法可以准确提取IMF中心频率,实现舰船辐射噪声的特征提取。通过数字仿真和实际舰船辐射噪声信号实验分析,并与基于集合经验模态分解(EEMD)的中心频率及高低频能量差方法进行比较,结果表明该方法可以有效提取舰船辐射噪声中心频率,并实现不同类别舰船的分类识别。     

一种估计船舶线谱的联合分析法

线谱是船舶辐射噪声中重要的特征信息，线谱提取是水中目标识别的关键技术。文章简述了船舶辐射噪声的物理成因和频谱特征，利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点，结合Matlab仿真试验的结果，提出了一种对船舶辐射噪声0．100Hz低频段线谱估计的联合分析法。并用该方法对两艘实船噪声进行了谱分析，提取了A型船在中速航行时5．25Hz的特征线谱，B型船存在65．5Hz和69．2Hz两条特征线谱。实验结果表明该方法对低频段的线谱特征提取有明显的实用效果。     

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。     

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     

不同正则化方法在船舶辐射噪声计算中对比与试验研究

为研究不同背景下不同正则化参数方法在船舶辐射噪声评估中的适用性,降低辐射噪声计算误差,介绍了基于工况传递路径分析(OTPA)的船舶辐射噪声计算方法,讨论了奇异值分解(SVD)法、基于L-curve和广义交叉验证(GCV)的Tikhonov正则化方法在辐射噪声传递函数求解问题上的适用性,并进一步提出基于准最优(Q-O)判别准则的Tikhonov法。千岛湖舱段模型水下声辐射试验结果表明:在不同环境下,SVD方法性能最差;在正常环境下,L-curve、GCV和Q-O准则方法性能基本相同;随着背景噪声水平的升高,L-curve方法优于GCV方法,而Q-O准则方法优于L-curve方法,可较L-curve降低辐射噪声误差约0.42 dB,较SVD方法降低约1.19 dB。同时,Q-O准则鲁棒性分析表明该参数可近似视为最佳正则化参数,该方法可为后续实船工程应用提供指导。     

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1 1/2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EEMD的舰船辐射噪声特征提取方法研究

为了解决复杂海洋环境中水声信号的特征提取问题,提出了一种利用集合经验模态分解(EEMD)研究舰船辐射噪声特征提取的方法。对经验模态分解后的不同类别三类舰船辐射噪声信号各阶固有模态函数(IMF)中心频率可分性进行分析,并讨论了最强IMF中心频率特征参数。通过比较一定数量不同类别的舰船辐射噪声的最强IMF中心频率及高低频能量差特征参数发现,同类舰船的特征参数基本处于同一水平,不同类型的舰船存在一定差异。实验结果表明,采用EEMD的舰船辐射噪声信号的最强IMF中心频率作为特征参数相比高低频能量差特征参数对舰船具有较好的可分性。     

Pekeris水声波导环境中声压信号采样时段对船舶声源级评定的影响研究

建立了一个实尺度的单层壳水下船舶结构声辐射计算模型,加载典型的船舶机械激励力。采用Pekeris水声波导环境中的船舶三维声弹性分析方法,模拟有限水深环境中航行船舶的辐射噪声测试状态,开展计算仿真。针对通过舷侧方向的观察点获取内部激励源作用下的船舶辐射噪声量值问题,探讨了观察点声压信号不同采样时段对船舶声源级评定的影响。在此基础上,给出了有助于更全面地获取船舶辐射噪声频谱特征及使得观察结果更加稳定的声压信号采样时段选取的建议。     

一种简化的船舶辐射噪声源模型

船舶水下辐射噪声在近场具有复杂的空间强度分布,为了准确地分析船舶水下辐射噪声的特性,建立了一个由多极子组成的简化的船舶辐射噪声源模型.在证明了该模型的合理性之后,利用优化算法由船舶目标的不同航次的近场噪声数据反演出简化模型中的参数,并由反演得到的参数反算另一航次的声压值,然后将反算的声压值与理论声压值进行对比.仿真结果表明在船舶辐射噪声的近场,所建立的简化的船舶辐射噪声源模型是有效的.     

基于VMD和窄带包络相关的船舶辐射噪声改进DEMON分析

船舶辐射噪声的包络谱中蕴含着轴频和桨叶数等船舶固有特征信息,对船舶目标识别具有重要意义。为了提高船舶辐射噪声包络谱解调性能,提出了基于变分模态分解(Variational Mode Decomposition, VMD)和窄带包络相关的改进DEMON分析方法。首先利用VMD算法代替传统带通滤波器,将船舶辐射噪声信号分解为若干个子带;然后对各子带进行希尔伯特(Hilbert)检波并计算平均窄带包络相关系数,用于衡量信号的包络调制在频域上的非均匀性;最后提取各子带信号包络谱并按照平均窄带包络相关系数进行加权融合,从而得出宽带噪声信号的包络谱。利用该方法对实测不同类型和不同航速船舶辐射噪声信号进行了处理,结果均表明所提方法能有效提高包络谱解调效果,较传统方法更为有效。     

船舶辐射噪声源模型的试验验证

任何船舶在运动过程中其机械设备的运转,以及船体本身的运动,都不可避免地会产生噪声,这种噪声在水中向周围传播,就在水下形成了随时间和空间分布的船舶辐射噪声场。由于船舶体积庞大、设备众多,在近场是一个十分复杂的体积声源,其声场具有时、空变化特性和指向性,在测量船舶水下辐射噪声时,为保证获得足够的信噪比,通常只能在近距离进行测量。因此开展船舶体积声源的建模研究,是十分重要和必要的。为了验证浅海波导条件下的船舶辐射噪声源模型,在某浅海海域,测量了一艘渔政船的辐射噪声。实测数据的处理结果验证了船舶辐射噪声源模型的有效性,即利用建立的船舶辐射噪声源模型可有效地描述体积声源的声场分布。本文的研究成果对于分析船舶目标的固有特性具有指导意义。     

船舶水下辐射噪声抑制的声振相关性方法

船舶水下辐射噪声与船体振动的耦合关系是非常复杂的,识别水下辐射噪声与船体振动相关性较高的部位,确定影响水下辐射噪声的关键因素,对降低噪声具有重要工程意义。基于声振耦合分析原理,提出船舶水下辐射噪声抑制的声振相关性方法,探讨了船舶水下辐射噪声与结构振动特性、船上振源的频谱和船体振动响应等的相关性定量评价指标,厘清各因素对水下辐射噪声的影响规律。舱段及拖轮降噪设计示例表明,相关性定量评价指标的计算量小,根据指标值可以高效确定与水下辐射噪声相关性高的结构及影响参数,实现船舶水下辐射噪声的高效抑制设计;通过调整振源附近湿表面的板厚,舱段和拖轮的声功率总级分别降低了5.66 dB和4.84 dB,但振动减小幅度与噪声降低幅度并不是线性的。     

基于DNN和改进K-means的船舶辐射噪声开集识别方法

为提高船舶噪声识别系统的性能,实现开集识别,提出了基于深度神经网络(Deep Neural Network, DNN)和改进K-means的船舶辐射噪声开集识别方法。首先,采用Welch功率谱估计方法提取船舶辐射噪声的特征;然后,设计并应用DNN模型进一步提取特征向量;最后,使用改进的K-means模型实现开集识别。在实测数据上进行了实验,结果表明,所提方法能实现船舶辐射噪声开集识别,对于实测数据的平均识别正确率为93.5%,较DNN+K-means++方法提高了6.2个百分点。对实测数据添加实验船发动机噪声或渔船噪声进行实验,结果表明,识别方法在其他船只噪声干扰下具有较好的鲁棒性。     

吸声处理对舱室内空调噪声影响的数值分析

通风空调系统辐射噪声是船舶舱室内最主要的噪声源,吸声处理是降低舱室噪声的一种有效途径。为考察吸声处理对降低舱室噪声的效果,建立通风空调管路噪声向船舶舱内辐射的有限元法数值预报模型。以实测的管口声压为噪声源,研究舱室壁面及通风管路吸声对舱室降噪效果的影响,进而用于指导和改进船舶舱室的声学设计。对通风空调系统改变后的舱室噪声进行预报,并针对较高的噪声进行声学设计,使舱室噪声问题得到解决。     

基于AutoSEA的船舶噪声统计能量分析仿真

应用统计能量分析法(SEA)预测中高频段船舶噪声．统计能量理论分析表明，增加左右侧底层板厚度和减小隔振器弹簧刚度有利于降低潜艇机舱内的空气噪声和辐射噪声．运用AutoSEA建立了一个潜艇模型，AutoSEA仿真结果和SEA理论分析结果相一致，证明在船舶噪声预测中可运用统计能量分析法以及AutoSEA．     

基于IVMD-RPE的船舶噪声信号去噪及特征提取方法

针对由于复杂环境条件下的船舶噪声信号识别度低的问题,提出了一种改进的变分模式分解(Improved Variational Mode Decomposition,IVMD)、反向排列熵(Reverse Permutation Entropy,RPE)、加权排列熵(Weighted Permutation Entropy,WPE)和能量比相结合的船舶噪声信号识别分类方法。该方法利用IVMD将信号分解为若干本征模态函数(Intrinsic Mode Function,IMF);再利用RPE对IMF进行筛选,得到敏感IMF,实现去噪过程;最后计算IMF的WPE并与各个IMF的能量比构建特征向量,建立长短期记忆网络(Long Short-Term Memory,LSTM)进行识别分类。实验结果表明,与经验模态分解相比,文中提出的基于IVMD-RPE的船舶噪声信号去噪及特征提取方法能有效减少环境噪声的影响,提高信噪比,对船舶噪声目标信号识别分类的准确率更高。     

噪声与振动控制第23卷2003年总目录

专题研究基于APDL的柔性结构动态特性智能设计研究　孙玉国等 (1.3)……………………………………浅析非支撑结构对浮筏隔振性能的影响　梁向东 (1.6 )………………………………………基于J2EE和CORBA的设备远程监测诊断系统　王太勇等 (1.8)……………………………………轿车副车架模态试验与分析史科骏等 (1.12 )……城市道路交通噪声预估的计算机模拟方法研究　王永泉等 (1.15 )…………………………………微型轴流风扇噪声特性分析及试验研究　季伟锋等 (1.2 0 )…………………………………电磁泵声学特性研究侯美丽 (1.2 3)…………     

基于多尺度排列熵的舰船辐射噪声复杂度特征提取研究

针对复杂海洋环境中舰船辐射噪声的特征提取问题,提出了一种基于多尺度排列熵的舰船辐射噪声复杂度特征提取方法。分别利用基于EEMD的最强固有模态中心频率法、高低频能量差法和基于复杂度的排列熵与多尺度排列熵提取了五种不同类别、一定样本数量的舰船辐射噪声特征,并将四种特征提取方法所提取的舰船特征分别输入概率神经网络进行分类识别。研究发现,多尺度排列熵是一种一致性好、稳定性强的非线性特征参数,能够从多个维度描述信号的复杂度。实验结果表明,多尺度排列熵特征具有很好的可分性,以多尺度排列熵为特征进行舰船分类识别,识别率显著高于其他舰船辐射噪声特征提取算法。