共查询到17条相似文献,搜索用时 406 毫秒
1.
1引言 舰船螺旋桨辐射空化噪声是舰船辐射噪声高频端的主要部分,其频谱为高频连续谱.螺旋桨节拍对其辐射的空化噪声有明显的振幅调制作用,其调制频率及调制深度与螺旋桨转速、桨叶数及舰船航速等指标有关.可见,螺旋桨辐射空化噪声调制谱蕴含着重要的目标信息.多尺度分析从空间概念上形象的说明了小波的多尺度特性,给出了正交小波的构造方法及正交小波变换的快速算法,即Mallat算法.多频段调制谱分析由于要对信号进行多通带滤波,导致计算机计算开销太大,实时性较差而不能得到充分利用,而小波多尺度分析为基础的多尺度调制谱分析极大的提高了滤波速度和质量,能够最大限度的反映包络信息,提高识别率,具有很高的实用价值. 相似文献
2.
1引言
可将水卢目标螺旋桨噪卢建模为一个受窄带调制的宽带随机过程[1],其窄带调制信号(又称包络信号)是本文的分析对象.在声纳信号处理中把通过对接收的宽带信号进行解调(常采用平方律解调)以计算低频解调谱的算法称为DEMON(Detection of Envelope Modulation On Noise)分析,解调后的低频时域信号称为包络信号,其功率谱称为DEMON谱(又称包络谱).实际情况下,我们所期望的包络信号可能会淹没在噪声中而无法检测出来. 相似文献
3.
4.
为改善新声呐兵听音训练效果,强化噪声样本中与目标属性紧密相关的听觉特征,将处理后的舰船噪声用于听音训练,提高舰船噪声样本利用率。提出的舰船噪声听觉特征增强模型及其实现方法主要包括四个步骤:噪声分解、子带分析、子带加权、噪声重建。首先采用多分辨分解将舰船噪声信号划分为若干子带,对子带进行逐个地听音分析和各种谱分析,选择特征信息稳定且丰富的子带进行强化,选取并微调各子带加权系数,采用多分辨分析理论重建舰船噪声,并根据重建噪声的功率谱、包络谱分析和听音分析结果调整加权系数,进而用于听音训练。仿真分析中,采用听音分析和谱分析比对原始噪声和重建噪声,验证了该方法的合理性和实用价值。 相似文献
5.
6.
7.
8.
9.
将黏性多相流理论的数值方法和球形空泡辐射噪声理论相结合,进行了非均匀入流条件下螺旋桨片空化的周期形态模拟以及螺旋桨空化单极子声源辐射噪声数值预报。采用流场数值模拟方法和声场边界元数值声学方法耦合的方法,在频域上预报非均匀入流下空化和非空化条件下螺旋桨负载噪声;通过数值预报负载噪声得到非空化条件下螺旋桨噪声,将片空化单极子声源辐射噪声和空化的负载噪声在频域上进行相加得到空化条件下的螺旋桨噪声。采用某民船桨模验证了非均匀入流下螺旋桨片空化周期形态以及空化单极子声源辐射噪声预报的准确性,然后分析了民船桨在空化和非空化条件下螺旋桨噪声的叶频和二倍叶频特征。结果表明,上述方法能有效地预报螺旋桨空化和非空化噪声的叶频特征。 相似文献
10.
分析了舰船辐射噪声的Wigner-Vill分布,并讨论了其零频切片的性质,通过实验验证了Wigner-Vill分布零频切片解调方法的可用性,可以获得舰船螺旋桨轴频、叶频等信息,对舰船目标识别有比较重要的意义。 相似文献
11.
从调制(Demodulation on Noise, DEMON)谱谐波簇中提取的结构特征可以建立用于螺旋桨叶片数识别的模板。使用模板匹配算法进行螺旋桨叶片数识别时,存在依赖模板库和置信度准则、算法约束条件多、无法发现缺失模板等问题。本文提出了一种将深度神经网络(Deep Neural Network, DNN)应用于螺旋桨叶片数识别的方法,该方法仅在训练深度神经网络时使用模板库,克服了识别过程中对模板库和置信度准则的依赖。此外,通过提取识别错误项,可以找到缺失模板,实现了对模板库数据的补充。使用该算法对大量实测数据进行检测,发现深度神经网络具有更高的识别正确率,而且识别过程更加简单可靠。 相似文献
12.
水声目标辐射噪声的包络谱中包含调制线谱(DEMON),不同类型的水声目标其DEMON谱不同,研究单矢量传感器利用DEMON谱检测目标信号的能力。采用文中定义的解析声强流方法,将单矢量传感器拾取的同一点的多信号源的振速矢量叠加统一描述在解析声强流的相位中,目标方位可以通过计算解析声强流的相位得到。仿真计算结果表明,这一方法对不同基频调制的宽带信号的检测能力可达-20dB,方位分辨能力在信噪比为-15dB时约为10°。对湖试数据的处理结果已证明本方法的可行性。 相似文献
13.
14.
Facts and fiction in spectral analysis 总被引:3,自引:0,他引:3
This analysis is limited to the spectral analysis of stationary stochastic processes with unknown spectral density. The main spectral estimation methods are: parametric with time series models, or nonparametric with a windowed periodogram. A single time series model will be chosen with a statistical criterion from three previously estimated and selected models: the best autoregressive (AR) model, the best moving average (MA) model, and the best combined ARMA model. The accuracy of the spectrum, computed from this single selected time series model, is compared with the accuracy of some windowed periodogram estimates. The time series model generally gives a spectrum that is better than the best possible windowed periodogram. It is a fact that a single good time series model can be selected automatically for statistical data with unknown spectral density. It is fiction that objective choices between windowed periodograms can be made 相似文献
15.
16.
17.
为了实现艇尾实尺桨空化初始航速和高频噪声谱的工程预报,采用模型桨空化多相流模拟和实桨高频噪声谱半经验公式预报相结合的方法,预报了SUBOFF潜艇标称伴流下的实尺度7叶大侧斜桨的空化初始航速和高频噪声谱曲线以及特定频率1kHz处的谱源级。空化模拟和空化初生的较高预报精度由E779A桨的空化形态、空化面积和初生空化数的预报给予了校验。半经验公式的适用性由USS212型潜艇和Agosta-80潜艇的螺旋桨噪声预报给予了校验,精度适中。计算结果表明:7叶桨在水深16.8 m时空化初始航速为12.8 kn,6 kn航速下1 kHz处谱级为101.7 dB,较相同水深下Agosta-80潜艇临界航速高2.6 kn、谱级低0.3 dB,表明噪声性能更优。较好地建立了艇尾实尺桨空化初始航速和高频噪声谱预报的工程应用方法。 相似文献