水中声波之间非线性作用时能量变化的分析

为研究声波之间的变参数相互作用,以伯格斯方程为基础,用谱分解方法推导了泵波与弱信号波整倍频率相互作用后弱信号波的数学解析式,研究了弱信号波在受到泵波不同频率、幅度和初始相位干扰时的能量变化情况.研究表明:二者频率比为2时,信号能量变化最大,可达9.84 dB;随着幅度比增大,信号能量变化减小;频率比大于3时,可不考虑二者初始相位差对信号波能量变化的影响;间断距离内随着传播距离的增加,弱信号波能量变化增大.     

大振幅波非线性相互作用的谱分解法研究

针对两波非线性相互作用中大振幅波幅度及能量的变化问题,采用了谱分解方法对其进行了研究.对高低频波频率比为整数的两波非线性相互作用情况进行了讨论,研究非线性相互作用中各参数对作用结果的影响,并进行了计算机仿真计算.计算结果表明:在非线性相互作用后,低频波能量随作用距离的增加而降低;能量降低的大小与高低频波频率比、高频波能量大小等因素有关.将两波非线性相互作用的谱分解法计算结果,与经典的Fen lon理论计算结果进行对比,两种方法的计算结果具有较好的一致性.     

氧化石墨烯/天然高分子复合吸附材料在水处理中的应用

近年来,氧化石墨烯(GO)复合吸附材料在水处理方面得到了广泛研究.由GO和天然高分子组成的复合材料具有吸附能力强、机械稳定性好等优点,且表面改性的GO可以进一步提高其吸附稳定性和吸附能力.介绍了GO/天然高分子复合吸附材料的制备方法;总结了GO表面官能团,如巯基、氨基、羧基等对吸附材料吸附性能的影响;综述了GO与壳聚糖、纤维素、海藻酸钠、木质素等天然高分子形成的复合吸附材料对水中染料和重金属离子处理的应用;最后对GO/天然高分子复合吸附材料在实际应用中的发展方向提出了展望.     

基于矢量传感器和LMBP神经网络的水声目标识别

提出了声矢量信号互双谱估计算法.对矢量传感器实测的湖上和海上试验数据,利用二阶和高阶统计量特征提取方法,分别提取了声压和声矢量信号组合特征,并用不同组合特征构造了LMBP神经网络的输入向量集,对舰船目标进行了分类识别.结果表明,基于声矢量信号的组合特征具有较强的类别可分性,用于水声目标识别,其识别率比声压信号高出约12.12%.     

常规声压与声矢量信号非整数维谱性能比较研究

为解决高阶谱算法复杂、计算量大和声压信号有限的抗干扰能力问题,提出了声矢量信号非整数维谱分析方法.利用可抑制高斯和对称分布噪声的高阶累积量非整数维谱对目标辐射噪声声压信号和声矢量信号进行了特征分析.分别采用功率谱图和三维动态谱图方法对常规声压和声矢量信号非整数维谱性能进行了直观比对.为获得定量分析结果,分别对不同背景噪声环境条件下,不同输入信噪比的常规声压与声矢量信号非整数维谱的轴频PBR及PD进行了详细计算.结果表明,声矢量信号非整数维谱特征提取与轴频检测能力优于常规声压信号,为高阶统计量应用于声矢量信号处理提供了一条途径.     

声矢量信号双谱与互双谱估计算法

提出了声矢量信号双谱与互双谱估计算法,给出了算法的具体步骤。将算法应用于两类水中目标的特征提取,并用所提取特征构造了LMBP神经网络的输入向量集,对矢量水听器实测的水中目标进行了分类识别。识别结果验证了所提出算法的有效性。实验表明,B类目标识别率优于A类目标,原因是由于B类目标特征频率较集中,而A类目标特征频率较分散所致。互双谱特征分类结果优于双谱特征分类结果这个事实是与声压振速联合信号处理优于声压或振速单一信号处理相吻合的。     

利用偏最小二乘回归的噪声源分离量化

0引言偏最小二乘回归(partial least squares regression,简称PLS)是一种先进的多元分析方法,主要用来解决多元回归分析中的变量多重相关性或者解释变量多于样本点等实际问题[1]。正是这一特点,因此适用于噪声源的分离量化,特别是对分析空间耦合机械声源贡献大小具有重要的意义。