基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

舰船辐射噪声模拟技术研究

本文对舰船辐射噪声的模拟技术进行了研究,给出了线谱,连续谱噪声,噪声调制的模拟方法,进行了计算机模拟,研制了可编程模拟器。通过对模拟器输出信号的处理和分析,结果表明该模拟器能很好地再现舰船辐射噪声的典型声学特征。     

舰船辐射噪声的分段自仿射IFS模型

本文根据舰船辐射噪声具有连续不可导和非平稳的特性,建立了分段自仿射ＩＦＳ模型。提取出ＩＦＳ参数并计算出ＩＦＳ分形维数。结果表明：１．在一定的压缩比下,由ＩＦＳ参数所恢复的信号具有较高的信噪比;２．两类不同目标的ＩＦＳ分形维数具有较好的离散度。本文为水声目标的分类与识别提供了新的特征分数。     

基于小波包和1(1/2)维谱的舰船辐射噪声频域特征提取及融合

舰船辐射噪声频域特征提取是舰船目标识别的关键技术之一。为提高舰船目标识别率，采用小波包和1 1/2维谱对舰船辐射噪声进行多小波包空间调制谱和噪声谱特征提取及融合研究。并用提取的特征对五类舰船目标辐射噪声进行了分类识别实验，结果表明所提特征具有很好的分类识别效果。     

舰船宽带连续谱噪声的模拟

首先对舰船辐射噪声信号的时域特性和频域特性进行了分析讨论,根据噪声的连续谱特性,提出了一种用FIR滤波器实现宽带噪声信号模拟的方法。由于舰船宽带信号的连续谱在高频段具有-6dB/oct的衰减特性,因此该FIR滤波器的幅频响应也要与此一致,且为线性相位,即该滤波器的频率响应要具有特定的形状。采用了自适应方法很方便地实现了该特定频率响应FIR滤波器的设计,再将高斯白噪声信号通过该滤波器即实现宽带噪声信号的模拟。仿真结果表明,该方法较真实地模拟出任意给定频域特征的宽带连续谱噪声信号。     

舰船水下辐射噪声快速预报方法

提出一种高精度舰船水下辐射噪声快速预报方法。首先分析设备基座振动、船体表面振动与辐射声场之间的传递规律,然后建立设备基座振动与水下辐射声压之间的传递函数,并通过理论分析、数值及试验验证设备基座至结构水下辐射声压之间存在着只与频率相关的声振传递函数,即声振传递函数具有不变性。研究表明,基于声振传递函数不变性的舰船水下辐射噪声快速预报方法较有限元法具有较高的预报精度和预报效率,预报速度达到分钟级。     

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。     

基于PC104的舰船辐射噪声传播特性测量系统

介绍了基于PCI04控制计算机的舰船发动机辐射噪声传播特性测量系统的组成和软硬件设计技术。试验证明该系统可有效应用于舰船发动机噪声传播特性的测量。     

小波分析及其在水声工程中应用的探讨

基于使用傅里叶变换进行信号分析的局限性，本文介绍了小波分析的进展及其独特的性质，继而给出了小波分析在水声工程应用中的两个研究方向，其一，使用以小波变换为工具的宽带相关处理进行水声信号处理；其二，利用小波分析的局部化和多尺度分析的特点进行舰船噪声分析。     

船舶辐射噪声源模型的试验验证

任何船舶在运动过程中其机械设备的运转,以及船体本身的运动,都不可避免地会产生噪声,这种噪声在水中向周围传播,就在水下形成了随时间和空间分布的船舶辐射噪声场。由于船舶体积庞大、设备众多,在近场是一个十分复杂的体积声源,其声场具有时、空变化特性和指向性,在测量船舶水下辐射噪声时,为保证获得足够的信噪比,通常只能在近距离进行测量。因此开展船舶体积声源的建模研究,是十分重要和必要的。为了验证浅海波导条件下的船舶辐射噪声源模型,在某浅海海域,测量了一艘渔政船的辐射噪声。实测数据的处理结果验证了船舶辐射噪声源模型的有效性,即利用建立的船舶辐射噪声源模型可有效地描述体积声源的声场分布。本文的研究成果对于分析船舶目标的固有特性具有指导意义。     

拖船辐射噪声特性分析及实用抵消

拖船辐射噪声严重影响拖线阵声纳的探测性能,该噪声是成分复杂、多途传播的近程强干扰,如何抵消该噪声是拖线阵声纳面临的一个难题。在讨论了拖船噪声的成因、谱特性以及多途传播路径等问题后,通过对拖船辐射噪声的特性分析及逆波束形成(Inverse Beamforming,IBF)算法的理论研究,并经仿真表明:基于IBF算法的拖船噪声干扰抵消技术能够有效抵消拖船辐射噪声。海试数据验证了抵消后目标信号所在方位更清晰,且能识别出弱目标信号,其抗多途效果好。该方法易于实现,抵消效果显著,具有一定的实用性和可行性。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

拖船辐射噪声的海试数据分析及特性仿真

针对海试数据分析了拖船辐射噪声的特性,进而对拖船噪声进行了建模仿真。首先利用自相关的AR模型产生宽带连续谱噪声序列,并迭加线谱成分,构造一维时间序列,而后根据海洋环境条件以及拖线阵与拖船空间位置关系建立声传播路径模型,构建拖线阵的接收声场。仿真结果在时频特性以及空间特性上都与海试数据非常逼近。     

两参考输入复滤波NLMS主动噪声控制系统性能分析

研究了将主动噪声控制系统应用于舰船的自噪声控制,用来抵消舰船的低频线谱噪声群时,参考输入为两个单频复正弦信号条件下,次级通道对Filtered-XNLMS算法的收敛性能影响.对该问题做了严格的数学分析和仿真试验,最终结果表明：对于本地线谱噪声有源抵消而言,由于次级通道的影响,参考输入的两正弦信号的归一化频率间隔Δf/fs以及反映次级通道幅频特性对不同频率信号的幅度加权程度比例因子α都对系统性能有影响,也就是说,当比值因子α较大时（α＞1）,系统的收敛性能只是与步长μ有关,与差频Δf的大小无关;当α较小时（α≤1）,系统的收敛系统决定于步长μ和主输入的两个正弦波的差频Δf;特别对于α＝1情况,系统很快就可以收敛,具有非常好的跟踪性能.     

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。     

用偏相干分析方法识别车辆噪声源中几个问题的研究

噪声控制工作的第一步是找出各种声源 ,并分析声源的各种特性。偏相干分析法是近年来发展起来的一种较新的方法 ,得到了较广泛的应用。本文主要分析偏相干分析中噪声信号功率谱的处理及声源辐射面积的大小对相干分析结果的影响这两个问题。