被动声纳线谱检测技术综述

船舶辐射噪声的功率谱由连续的宽带谱和离散窄带线谱组成。在被动声纳系统中，线谱检测是一个至关重要的问题。本文对线谱检测技术进行了综述。该领域最新进展表明，为了能够在低信噪比下检测和提取线谱，往往采用两种或多种组合方法，并且利用了多个时刻的数据。     

一种估计船舶辐射噪声线谱的联合分析法

线谱的提取为舰船的检测识别和方位跟踪提供了依据,研究线谱的提取具有实际的应用意义.采用Welch算法和Chirp-Z变换联合处理舰船的辐射噪声信号能够有效地提取线谱.根据对仿真信号和某实船的辐射噪声信号分析的结果表明,该方法原理简单,能够精确地提取特征线谱,其中频率分辨力可达0.36 Hz;根据所提取的船只的特征线谱,设定滤波区间对船辐射的噪声信号进行滤波,可以更准确地跟踪船的航迹.     

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。     

强干扰背景下的鱼雷辐射噪声信号检测方法

常规被动声纳利用宽带波束能量进行目标检测,在低信噪比、强目标干扰情况下,宽带能量检测的性能迅速降低。利用鱼雷辐射噪声信号中含有丰富线谱成分的特点,提出了一种针对鱼雷辐射噪声信号的窄带和宽带联合检测方法。通过对预成波束方向信号的窄带处理和线谱提取,利用特定频段的线谱能量对宽带波束输出进行加权,提高了线谱目标的检测能力。该方法能够有效地抑制非线谱强干扰目标,提高低信噪比信号的检测能力。仿真和海试数据处理结果验证了该方法的有效性。     

目标辐射噪声线谱的特征建模与检测

在理论分析的基础上，构造了基于λ水平能量聚点的目标辐射噪声线谱的特征量模型．在利用中值痣波去除信号功率谱中“平台型”的λ水平能量聚点后，计算其λ水平能量聚点作为拟线谱频率，通过拟线谱频率对应周期的整周期延时叠加突出线谱特征，以提高辐射噪声线谱的检测率．理论分析和对仿真信号的计算结果表明，该算法是有效的．     

主机与螺旋桨激励下某型散货轮船体振动差异特性研究

船舶的低频振动与水下辐射噪声是船舶最主要的噪声源,该振动噪声频谱通常分布在80 Hz以下的频段内,该频段内噪声源主要由主机激励和螺旋桨激励两部分构成。利用有限元法,基于某30 000 DWT型散货轮实际船型的尺寸和主机的安装位置建立带有主机、轴系、螺旋桨的船体有限元分析模型,进行模态分析,得到整船的固有特性。并在此基础上,分别计算主机机座垂向激励和螺旋桨轴向、垂向激励下整船的振动传递函数,获取两激励源引起船体振动的差异特性,为船舶动力系统设计与船体振动噪声控制提供参考。     

基于序列匹配的螺旋桨轴频自动提取方法

针对船舶、潜艇等水声目标螺旋桨轴频自动提取困难的问题,提出一种基于平均能量累积和脉冲序列匹配的水声目标螺旋桨轴频特征提取算法,算法首先将噪声不同频段的调制信息利用多频段融合改进方法对DEMON谱进行线增强,然后利用平均能量累积方法对与螺旋桨轴频及其谐波相关的线谱进行提取,由于提取的线谱所对应轴频或谐波次数不明确,最后算法通过序列匹配方法计算线谱对应的谐波次数,从而实现螺旋桨轴频的自动提取,通过实验验证,算法取得了较好效果。     

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。     

基于局部寻优的噪声特征线谱智能识别算法研究

针对舰船噪声特征线谱的筛选问题,提出一种面向海量数据的线谱特征数据识别算法：噪声谱由连续谱和线谱组成,将连续谱作为该趋势项进行处理,基于最小二乘原理拟合功率谱得到功率谱趋势项,以趋势项为准零基线,将功率谱划分为上下两部分,对零线上不连续的谱线分组并进行局部寻优获取初步特征线谱,根据谱线权重进行峰值排序得到舰船噪声特征线谱。算法实现了特征线谱的有效提取,并通过实测数据验证了算法的有效性,具有一定的工程应用价值。     

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。     

基于长序列FFT和LMS原理的调制线谱分析

从数学上证明了长序列FFT分析可实现噪声抑制,从而提高信噪比,其实质相当于时间积累。利用变步长的自适应线谱增强器进行线谱增强,可以提高信噪比。用两种方法分析了实际舰船信号的调制谱,讨论了合理选取参数的方法。实验证明,合理运用这两种方法,可以达到较好的分析效果。     

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。     

离散频谱四点能量重心校正法及抗噪性能分析

在对比离散频谱能量重心法采用不同点数时的频率、幅值和相位校正精度的基础上提出了4点能量重心校正法,推导了高斯白噪声背景下单频率谐波信号采用4点能量重心法进行频率、幅值和相位校正的统计方差公式,通过仿真计算验证了其正确性.分析对比了采用不同点数进行能量重心校正时的优缺点,建议在工程中采用Han-ning窗4点能量重心法进行谐波信号离散频谱校正.     

水中目标辐射噪声特性仿真

文章中讨论了水中目标一船体辐射噪声的特性。运用冲激响应不变法来设计IIR数字一阶低通滤波器，并用此滤波器对高斯白噪声进行滤波，滤波器的输出能很好地模拟船体辐射宽带连续噪声，此输出信号的功率谱在高频端以6dB／oct的斜率下降。运用直接数字信号合成技术产生多个低频线谱信号，并将它与宽带连续噪声相加，从而来模拟船体辐射的低频线谱。     

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。     

地铁车站敷设方式对站台噪声特性的影响

为研究不同车站敷设方式对站台噪声特性的影响,选取同一线路相同站台型式的地下站及高架站展开现场噪声测试,根据列车进、出站时站台噪声水平、站台环境噪声水平及站台背景噪声水平分析车站敷设方式对站台噪声的影响,并根据噪声频谱特性分析两个站台噪声特性的差异。结果表明,两个站台在列车进(出)站时站台进(出)站端等效连续A声级LAeq存在大于现行标准限值80 dB(A)情况,站台中部噪声则始终低于标准限值。列车进、出站引起的地下站台噪声水平略高于高架站站台,其中列车进、出站时LAeq大约为0.3 dB(A)至2.1 dB(A),环境噪声水平LAeq,1h大约为0.8 dB(A)至1.1 dB(A),但无车无广播时高架站站台背景噪声略大于地下站台,大约为1.9 dB(A)。从列车进、出站站台时噪声频谱特性来看,200 Hz以下,两站台噪声峰值频率存在显著差异,高架站台出现在25 Hz至50 Hz,地下站台出现在50 Hz至100 Hz,主要由站台结构振动引起;200 Hz以上,两类站台噪声频谱分布规律基本一致,高架站声压级略小于地下站台,平均小2.0 dB(A)至3.8 d B(A)。建议根据不同敷设方式的车站的结构特性及站台空间形式采取噪声控制措施。     

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。     

青岛近海航船相关海洋环境噪声谱级特性分析

为了了解航船以及禁渔政策对我国近海海域低频环境噪声特性的影响,文章分析了青岛近海航道区域和非航道区域的海洋环境噪声在25～500 Hz频段实测数据的1/3倍频程功率谱密度。结果表明,在30～100 Hz频段,航道附近海域海洋环境噪声谱级比非航道海域高大约5～10 dB;非禁渔期在150～400 Hz频段的海洋环境噪声谱级比禁渔期高大约4～5.5 dB。文章获取的近海低频环境噪声谱级特性,对了解和利用我国以及世界范围内近海环境噪声低频特性具有较重要借鉴意义。