舰船辐射噪声线谱多普勒分析的ESPRIT方法

利用运动目标线谱的多普勒频移特性估计目标参数,需要精确提取出多普勒频移曲线。针对舰船辐射线谱噪声多普勒频移曲线提取的短时傅里叶变换（Short Time Fourier Transform,STFT）方法存在分辨率门限的问题,提出了一种利用子空间旋转不变技术（ESPRIT）高分辨频率估计法与STFT相结合的方法,提高了频率估计的精度和分辨率,可很精确地提取出频率间隔较近的多普勒频移曲线,而且计算量较小。计算机仿真和水池实验验证了该方法的有效性。     

船舶辐射噪声节拍音色特征研究

从人的主观感觉入手,利用心理声学方法,对船舶辐射噪声节拍音色特征进行了探讨研究。发现了节拍音色DEMON谱轴频谐波结构之间的关系,并利用仿真噪声和实际噪声进行了验证,不同类别目标之间,谐波结构存在差异,不同的谐波结构就会导致不同的节拍音色;提取了一种反映船舶噪声节拍音色的新特征——调制度特征,描述DEMON谱轴频、叶频和轴频其他谐波相对于周围干扰线谱的突出程度,并依据轴频、叶频和轴频其他谐波的调制度大小关系,作为目标分类的重要依据;最后分析了噪声频段对节拍音色的影响,噪声频段不影响节拍音色,仅因信号能量频段分布的差异导致噪声整体音色存在不同。     

基于深度学习的舰船辐射噪声多特征融合分类

为了改善分类系统的性能,进一步提高舰船辐射噪声分类的正确率,该文提出了一种基于深度神经网络的多特征融合分类方法。该方法首先提取舰船辐射噪声几种不同的特征,将提取的特征同时用于训练具有多个输入分支的深度神经网络,使网络直接在多种特征参数上进行联合学习,通过神经网络的输入分支和连接层实现特征融合,再对舰船辐射噪声进行分类。为了特征深度学习提取了舰船辐射噪声的频谱特征、梅尔倒谱系数和功率谱特征,并将多特征融合分类方法与在一种特征上进行深度学习分类方法的正确率进行对比。实验结果表明,基于深度学习的多特征融合分类方法可以有效地提高舰船辐射噪声分类的正确率,是一种可行的分类方法。     

倒谱和复倒谱在被动声纳目标识别中的应用

基于声纳员的感受被动声纳可以认为是一个发声体,这个发声体可以表示为激励噪声源与发声体冲激响应的卷积。在这种情况下,使用倒谱和复倒谱的形式分析被动声纳目标噪声的时域特征,得到的目标特征不够明显,因此提出了利用指数倒谱和指数复倒谱的频谱特性来提取目标噪声的特征,进行分类识别。设计了BP神经网络分类器,利用实测数据对三类目标进行分类。分析比较了两种方法的分类结果,验证了基于倒谱和复倒谱的指数运算的被动声纳目标特征提取方法的可行性。     

浅海中舰船辐射噪声非均匀调制特征分析

真实海洋环境下,信道复杂的畸变作用使目标分类识别特征的实际应用效果并不理想,因此寻找能够在信道中稳定传播的目标分类识别特征显得尤为必要。文章提取出平均窄带包络相关和最佳窄带包络相关两个非均匀调制特征来衡量舰船噪声在频带上的调制分布差异,并构建浅海相干多途信道的射线模型,通过仿真实验分析非均匀调制特征的传播变化。结果表明,舰船噪声的这种非均匀调制特征在相干多途信道的传播过程中具有良好的稳定性,是目标分类识别的一种稳定特征。     

基于辐射噪声强度和线谱多普勒的目标运动参数估计

提出了一种利用辐射噪声强度和线谱多普勒频移联合估计匀速直线运动目标的速度和正横距离的方法。该方法基于单水听器观测,首先在球面波近似下利用目标辐射噪声强度估计出正横时刻并确定目标速度和正横距离之间满足的线性关系;然后利用线谱多普勒频移,通过对一个新定义的代价函数进行一维搜索的方法估计出目标速度和正横距离。与现有各种基于噪声强度和线谱多普勒频移进行测距测速的方法相比,该方法具有以下优点：（1）要求更少的先验知识,易于确定参数搜索范围;（2）参数估计过程中仅需一维搜索,并且算法可应用于需对目标参数进行预报的场合。数值仿真给出了不同参数条件下目标运动参数估计结果的统计误差。湖试结果验证了该方法的有效性。     

调制FFT及其在离散频谱校正技术中的应用

提出了一种调制快速傅立叶变换(FFT),通过时域调制对实信号进行移频,打破频域内的对称性,再进行传统的FFT.该算法克服了直接进行FFT计算结果有一半冗余的缺点.将频率分辨率提高了一倍.提高了频率定位的精确度,从而减小了最大的幅值和相位误差,并进一步提高了抗噪性能.以比值校正法和相位差法为例,将调制FFT应用到离散频谱校正技术中,解决了基于FFT的离散频谱校正方法由于噪声影响而出现的一些问题,进一步提高了校正精度和抗噪性能.理论分析和Monte Carlo计算机模拟实验验证了上述结论的正确性.     

磁选态铯钟内辐射频移及其对准确度的影响

对磁选态铯原子频标中存在的各种辐射频移进行了研究,包括Bloch-Siegert效应,微波频谱不纯及调制影响,Stark效应与黑体辐射以及Majorana跃迁的影响。同时分析了产生各种频移的物理原因,估算了各种频移及其不确定度的大小,分析了它们对频标准确度的影响,提出了减小各种频移和误差以提高频标准确度的方法。     

全相位频谱校正技术在水声通信中的应用研究

多普勒效应是影响水下移动通信性能的主要因素,准确估计多普勒频移对提高通信系统可靠性具有重要意义。在进行离散频谱分析时,时域非整周期截断会造成频域能量的泄漏,导致频谱估计精度降低。全相位频谱分析具有良好的抑制频谱泄漏特性及相位不变性。仿真验证了全相位频谱校正技术相对于传统频谱校正技术在估计性能上的优势,并在此基础上探讨了全相位频谱校正技术在水声通信中的应用。采用全相位频谱校正技术进行多普勒频移估计,进而进行多普勒补偿以降低通信系统误码率。仿真结果表明,全相位频谱校正技术能够实现高精度多普勒频移估计,从而提高水下移动通信系统的可靠性。     

干扰抑制门在线谱提取中的应用

由于舰船辐射噪声和海洋环境噪声的复杂性,直接从舰船辐射噪声解调信号中提取线谱比较困难。为了降低线谱提取过程中宽带噪声干扰的影响,设计了一个干扰抑制门。对单频输入信号和谐波输入信号的仿真,验证了抑制算法的有效性,同时对干扰抑制门的信噪比增益进行了统计分析。对实测舰船辐射噪声数据处理,结果表明干扰抑制门的应用能有效降低信号中的宽带干扰,为线谱提取提供便利。从线谱中提取的螺旋桨轴频可作为舰船目标分类和识别的特征量。干扰抑制门算法亦可用于线谱检测。     

一种用于风机故障诊断的免疫克隆特征选择算法

提出一种新的用于风机故障诊断的免疫克隆特征选择算法.提取了生产线上实测风机噪声的时域波形结构特征、小波分析特征及听觉谱特征,进行特征选择和故障诊断仿真实验.实验结果表明：在特征选择后的特征数目比原特征数目减少61% 的情况下,支持向量机分类器的分类正确率下降很小,分类时间显著减少.实验结果证明了该算法的有效性和鲁棒性,且能有效地应用于风机故障诊断.     

融合时频域特征的舰船识别方法及实验研究

文章提出了一种融合舰船辐射噪声时频域特征的识别方法,将舰船辐射噪声的线谱特征和线性预测倒谱特征作为输入,分别利用反向传播（Back Propagation,BP）神经网络进行训练、降维及初步判别,并采用加权投票方式,引入置信度算法和拒判机制实现决策级融合识别。实验结果表明,对比基于舰船单一特征的识别方法,利用舰船辐射噪声时频域特征的互补性进行融合识别,减小了单一识别方法误判对总识别率的影响,具有较强的鲁棒性,可有效提高对目标的识别率。     

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。     

基于变分模态分解的水下目标噪声特征提取及分类

当信号中存在异常事件引起的间歇现象时,传统的经验模态分解算法常易产生较为严重的模态混叠现象,严重影响目标特征提取的性能。文章在水下被动目标信号特征分析提取中引用变分模态分解算法。该方法能够自适应地对信号频带进行切割,极大程度上避免了传统模态分解算法所产生的模态混叠现象,提高了对目标特征提取的准确性,同时也避免了无效计算。此外,还利用相关性阈值进行模态选择,一定程度上消除干扰模态。在对变分模态分解（Variational Mode Decomposition,VMD）的各阶模态函数进行希尔伯特变换的基础上,提出一种基于变分模态分解和希尔伯特变换（VDM-Hilbert Transformation,VDM-HT）联合处理的特征集进行目标分类。采用四种分类器对3种水下目标噪声信号进行分类。结果表明,VMD-HT算法所提取的特征集相比其他模态分解算法具有更好的分类性能。     

Motion feature extraction for stepped frequency radar based on Hough transform

The high resolution range profile can be obtained through coherent pulse compression processing in every coherent processing interval (CPI) for stepped frequency radars (SFR). The radar observation time can be divided into multiple CPIs. By utilising the temporal information inherent to a sequence of these range profiles, a time-range image containing the target motion information can be synthesised. Through analyses of the point scatterer targets with the radial uniform motion, radial uniformly accelerated motion, rotation and vibration, this study indicates that there is a certain correlation between the target motion features and the time-range image features in the limited observation time. Based on this result, we propose a motion feature extraction method for SFR without any assistant information using the conventional and well-known feature extraction tool, Hough transform. The authors give detailed analyses and explanation of this method, and verify them by outfield experiments, demonstrate the motion feature extraction results using real radar data. The proposed method enables the motion feature extraction through space non-coherent integration, which fully utilises the radar data information under low signal-to-noise ratio conditions.     

水下目标识别的1/3倍频程掩蔽谱方法

在对现有水下目标噪声信号分布研究的基础上,基于声学分析中的1/3倍频程分析和入耳的听觉掩蔽效应,提出了1/3倍频程掩蔽谱特征提取方法,并对水下目标辐射噪声进行了特征提取和特征分析.结果表明,不同类的目标,其主频范围有其固定的区域.Ⅰ类目标的主频一般在100Hz附近,Ⅱ类目标的主频一般在100Hz和200Hz附近,Ⅲ类目...     

基于特征提取和谱匹配优化的区域地震动时程构建方法EI北大核心CSCD

地震的区域构造背景和传播路径有较大差异特征,因而实际观测的地震动具有显著的区域性差异。在结构动力时程分析时,虽然人工合成方法能够提供匹配设计谱的输入地震动,但是其并不能体现出地震动的区域特征。为了模拟考虑目标区域特征且完美匹配目标谱的地震动,该文提出了一种基于智能算法的地震动合成新方法。该方法应用主成分分析算法获取目标区域地震动的区域特征,由最大方差理论提取目标区域的种子地震动,再用基于粒子群算法优化的时域反应谱匹配方法调整种子地震动的反应谱,最终构造出包含区域特征和谱匹配的地震动时程。以四川地区为例验证了该方法的合理性和有效性,合成的地震动在时域和频域上均与该区域实际地震动特征一致。该文提出的方法的优点在于合成的地震动具有显著的区域特征,且与目标谱有更好的匹配效果和更高的匹配效率,可为结构动力反应分析提供考虑区域性差异、具有低不确定性的地震动输入。