螺旋桨空化噪声的小波多尺度调制谱分析

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.     

MUSIC算法用于低信噪比下的包络分析

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.     

基于DEMON谱信息提取算法的目标识别方法研究

宽带噪声解调(Detection of Envelope Modulation on Noise,DEMON)谱中的轴频叶频,对应螺旋桨转速和叶片数等舰船自身相对特征,这些特征可以作为目标识别的依据。综合运用改进的最大公约数算法和余数门限算法提取DEMON谱中的轴频和叶频,解决了传统最大公约数算法提取轴频叶频误差较大的问题。仿真数据与实测数据的实验结果均验证了DEMON谱信息提取算法的有效性。     

舰船噪声听觉特征增强方法

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。     

船用螺旋桨叶片振动辐射噪声数值分析

螺旋桨噪声是舰船水下噪声的重要组成部分,它会影响舰船的隐身性能。螺旋桨水下噪声可分为流体动力噪声和叶片振动辐射噪声。本文计算研究了螺旋桨叶片振动辐射噪声,首先采用CFD方法对螺旋桨敞水特征进行模拟,提取螺旋桨表面的压力波动作为外部载荷;再利用有限元方法对螺旋桨进行振动响应分析;最后以振动响应作为声辐射边界条件,利用边界元方法计算了螺旋桨的振动辐射噪声。     

基于模板匹配的舰船螺旋桨叶片数识别方法

针对在舰船辐射噪声DEMON线谱信噪比低时,传统使用的基于模型或专家系统的叶片数识别方法存在错误率高且识别结果不稳定的问题,提出了一种基于模板匹配的螺旋桨叶片数识别方法。该方法建立了不依赖于样本的模板库,设计了模板匹配算法和识别结果置信度算法,较好地解决了传统的叶片数识别技术所存在的数学模型失配或规则不全、样本不完善性等问题。对实测数据的分析表明,该方法明显降低了叶片数识别的错误率,使目标类型识别结果趋于稳定。     

基于RI-ALE-MUSIC的舰船地震波时频检测

舰船地震波信号是非平稳信号,在低信噪比情况下,传统的谱分析方法不易检测其时域和频域特征。本文利用短时傅里叶变换和提出的RI-ALE-MUSIC算法分析舰船地震波信号的时频特性,结果表明测量舰船的地震波信号在时频域存在特定的线谱结构,且利用RI-ALE-MUSIC时频检测算法在信噪比很低的情况下依然可以有效检测到舰船目标,极大地提升了系统的探测距离。     

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。     

非均匀入流中螺旋桨噪声数值预报

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。     

Wigner-Vill分布在舰船调制特征提取中的应用研究

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。     

深度神经网络在螺旋桨叶片数识别中的应用

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。     

单矢量传感器DEMON谱检测技术研究

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。     

基于调制统计量的水下高速目标分类算法

针对DEMON谱调制频率的可分性进行研究。利用高速目标与非高速目标在调制频率成分上的差异性,对目标DEMON谱历程矩阵进行梯度差分和量化处理,定义了目标辐射噪声的量化矩阵和调制统计量,提出了一种基于目标辐射噪声调制统计量的水下高速目标分类识别算法,比较了不同门限情况下高速目标与非高速目标随调制统计量的分布情况。大量实测数据分析表明,此算法可以可靠地对高速目标进行分类识别。     

Facts and fiction in spectral analysis

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     

PSD和PWELCH函数的分析改进及应用

针对MATLAB中两个内建功率谱密度计算函数psd()和pwelch()计算结果迥异的现象,在功率谱密度估计理论的基础上,根据经典的周期图理论和Welch平均周期图方法,通过详细分析源程序,解析计算方法,发现psd()计算的并不是工程单边功率谱密度,而是采样信号双边谱,故与pwelch()结果迥异,另外pwelch()不能对分段信号数据进行预处理。就上述不足提出了相应的改进措施,比较验证表明改进措施行之有效。     

非高斯背景下的频域广义匹配检测

采用广义匹配滤波器在功率谱未知的非高斯噪声中检测宽带信号。在估计功率谱时,为了减小周期图法谱估计产生的误差,采用平滑周期图法来估计非高斯噪声的功率谱,并在此基础上对信号进行恒虚警概率损失下的广义匹配检测。实验表明,用平滑周期图法估计功率谱并进行的广义匹配检测,其检测性能稍弱于功率谱取真值时的检测,但远远优于传统的匹配滤波器。     

艇尾实尺桨空化初始航速和高频噪声谱的工程预报

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。