低频线谱检测ALE算法应用

 舰船辐射噪声在低频段具有稳定的特征信息丰富的线谱成分,此线谱成分的检测对水下目标的定位和识别具有重要意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,应用ALE算法理论对舰船噪声信号进行研究.ALE算法作为自适应FIRDF算法的一种变形,是自适应噪声抵消器的典型应用.低频线谱检测中采用ALE算法无需参考信号,自适应地将线谱成分信号进行匹配,可以从宽带噪声中将线谱成分分离出来,且线谱成分明显增强.理论分析仿真结合实际海试数据对LOFAR谱图进行研究,结果表明,ALE算法在低频线谱信号检测中能够达到期望的效果.与常规方法相比,检测性能得到有效提高,有利于辐射噪声线谱的提取.     

基于小波的被动声呐降噪研究

采用基于小波的降噪理论,研究了水下舰船辐射噪声的被动声呐降噪问题,在舰船辐射噪声的建模与仿真条件下,分析对比了不同方法对舰船辐射噪声信号降噪的效果,并分析比较了利用各种小波基和采用不同阈值条件下对信号进行降噪处理的效果。在分析对比的基础上进行小波包软阈值去噪取得了较好的效果,对被动声呐降噪提供了较好的应用前景。     

基于小波的被动声呐降噪研究

采用基于小波的降噪理论,研究了水下舰船辐射噪声的被动声呐降噪问题,在舰船辐射噪声的建模与仿真条件下,分析对比了不同方法对舰船辐射噪声信号降噪的效果,并分析比较了利用各种小波基和采用不同阈值条件下对信号进行降噪处理的效果。在分析对比的基础上进行小波包软阈值去噪取得了较好的效果,对被动声呐降噪提供了较好的应用前景。     

基于小波分析的战斗机起飞噪声特性

为封锁跑道智能地雷的目标识别提供一种有效的技术手段,利用小波分析的方法对战斗机起飞噪声信号的时频特性进行分析,通过对其起飞阶段产生的噪声信号进行了测试方面的研究。利用小波变换技术对该噪声信号的时频特性进行分析,获取了目标信号在多尺度上的细部特征。结果表明,利用小波变换获取的能量分配特征与战斗机起飞噪声信号频率分布相一致。     

浅海信道中舰船辐射噪声包络线谱传播特性

包络线谱是舰船辐射噪声的一个重要特征,反映了辐射噪声中低频线谱成分以及其他一些周期性对宽带连续谱噪声的调制效应,对包络谱线谱特征的提取分析,有利于目标信号的检测和识别.本文将舰船辐射噪声建模成为周期性局部平稳过程,在包络谱估计和包络线谱特性分析基础上,得到包络线谱高度等特征参数的具体表示,然后从传播过程中接收信噪比变化的角度,分析了包络线谱传播特性及其特征参数的变化.数值计算表明:从能量角度看,舰船辐射噪声中周期性局部平稳谱与平稳谱服从一样的传播规律,与通常的声场传播律一致;包络线谱高度的传播衰减取决于信噪比,信噪比较高时(正信噪比)它几乎保持不变,信噪比较低时(负信噪比)它按信噪比衰减规律下降;在浅海信道传播条件下,由于传播衰减较自由场情况要小,同样的包络线谱高度可以传播到更远的距离上.     

基于多分辨率分析的舰船辐射噪声频域特征提取

为提高舰船目标识别率，采用小波多分辨率分析法对舰船辐射噪声进行多尺度调制谱和噪声谱特征提取及融合研究。并用提取的特征对三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。     

基于瞬时频率的窗宽递增寻优的短时傅里叶变换

讨论了窗函数在时频分析中的作用,分析了S变换的缺陷,指出了依据分析频率调整窗宽和使用窄窗均严重影响时频分析效果.以短时傅里叶变换为基础,提出了一种窗宽根据信号自身时变特征进行自主调节的时频分析方法,该方法以瞬时频率的变化作为判断信号频谱结构发生变化的依据,通过在瞬时频率变化之前逐次递增窗宽,使窗函数能够覆盖信号中的局部平稳区域的大部甚至全部,从而可对信号中的各局部平稳段得到最佳的时频分辨率.通过对线调频信号、时变信号和含噪声信号的分析和比较可知,本方法可准确描述信号的时间分布特征,并可同时获得最佳的频率分辨率,且对噪声不敏感,具有一定的先进性和实用性.     

基于倒谱特征的舰船辐射噪声识别算法研究

研究了舰船辐射噪声的倒谱信息．倒谱可以避免连续谱特征的不稳定性，基于此，将倒谱代替连续谱作为舰船辐射噪声识别的特征，并对实测的海上数据进行了仿真实验．结果表明，该方法可以有效地达到识别舰船辐射噪声的目的，且识别率高．     

脉冲噪声下基于Robust STFT的LFM信号检测与参数估计

针对传统的基于时频的线性调频(LFM)信号检测和参数估计方法在脉冲噪声环境下失效的问题,提出了一种新的对脉冲噪声不敏感的鲁棒短时傅里叶变换(Robust STFT)LFM信号检测和参数估计方法.该方法首先计算含噪声LFM信号的鲁棒短时傅里叶变换,由于鲁棒STFT对脉冲噪声不敏感,时频平面上呈斜线分布的LFM信号的时频特征仍然被保留.基于Radon变换在时频平面上进行直线积分,实现了信号检测和参数估计.仿真结果验证了该方法的有效性.     

舰船噪声能量分布及零交叉密度在听觉上的反映

采用功率谱计算和小波分解的方法，分析了不同类型舰船辐射噪声在能量分布及噪声信号在不同尺度上的零交叉密度，找到了二者与人耳进行听音识别感觉之间的联系，为人的听音经验转化为数字特征提供了客观依据。     

基于谐波小波分析的管道小泄漏诊断方法

在长输管道泄漏诊断过程中,复杂噪声背景下的管道小泄漏信号往往难以检测,更无法准确提取小泄漏负压波信号拐点进行泄漏点定位,为此提出基于谐波小波分析技术的小泄漏信号识别与负压波拐点准确提取方法.介绍r谐波小波分析的基本原理及其快速算法,利用谐波小波时频图、时频等高线图以及时频剖面图挖掘管道泄漏敏感特征,准确提取负压波拐点,实现了对长输管线小泄漏的故障诊断.现场采集复杂噪声背景下的输油管道小泄漏信号,分别采用Daubechies小波与谐波小波进行分析对比.试验结果表明,谐波小波泄漏检测法在噪声干扰下对小泄漏信号识别的准确率较高,为长输管道安全输送提供了可靠的保障.     

基于非线性动力学理论的水下噪声非线性特性

以非线性动力学理论中的相空间重构理论为基础，利用延时法对水下噪声时间序列信号进行了相空间重构。并深入分析了延迟时间和相空间维数的确定原理，在重构的相空间中研究了舰船辐射噪声的非线性特性，利用相似序列重复度这一参数，绘制了舰船辐射噪声RPT曲经并分析了其非线性特性，通过对实测数据的计算表明，在重构相空间中辐射噪声具有不同于高斯白噪声和确定性信号的几何特性，不同类型目标具有可分性，能为水声目标识别提供一种新的思路。     

基于相似序列重复度的舰船辐射噪声时域特性的研究

根据舰船辐射噪声的时域序列波形的特点，对其数据序列本身的局部相似性进行了研究．首先进行了相空间重构（维数为５，１０，２０，３０，５０）．接着在此相空间基础上，利用相似序列计算出重复度（ＲＲＰＴ）参数，绘制了舰船辐射噪声的重复度曲线并分析其特征．最后利用ＲＲＰＴ参数提取了数据序列的熵信息．实验表明重复度曲线和熵信息较好地反映了舰船辐射噪声的时域特征．     

基于EEMD-ICA-CWT的装载机室内噪声盲源分离和识别

为了分离装载机的噪声源,采用集合经验模态分解(EEMD)、独立分量分析(ICA)和连续小波变换(CWT)技术相结合的方法,对装载机司机位置处噪声信号进行了盲源分离和声源识别研究.针对单一通道噪声信号进行盲源分离,将其分解成一系列独立分量.在削弱了传统经验模态分解(EMD)算法处理噪声信号时产生的模态混叠现象的同时,克服了独立分量分析方法要求传感器数目必须大于等于分离出分量数目的限制;借助连续小波变换良好的时频定位特性,对ICA分离结果进行时频分析.结合时频分析结果和各噪声源信号的频谱结构,确定了各独立分量与装载机不同噪声源的对应关系.结果表明,这些独立分量分别对应着装载机的燃烧噪声、冷却风扇辐射噪声及排气噪声等噪声源.     

于相似序列重复度的舰船辐射噪声时域特性的研究

根据舰船辐射噪声的时域序列波形的特点，对其数据序列本身的局部相似性进行了研究，首先进行了相空间重构（维数为5，10，20，30，50）。接着在此相空间基础上，利用相似序列计算出重复度（RRPT）参数，绘制了舰船辐射噪声的重复度曲线并分析其特征，最后利用RRPT参数提取了数据序列的熵信息。实验表明重复度曲线和熵信息较好地反映了舰船辐射噪声的时域特征。     

舰船辐射噪声的非高斯特性和非线性检验

用Hinich检验方法，验证了实际舰船辐射噪声中存在非高斯性、非线性成分，为利用高阶累积量方法提取舰船辐射噪声的非高斯特征，提供了客观依据。     

基于分数低阶S变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha()稳定分布,传统的Stockwell变换（S变换）时频方法性能退化甚至失效。本文基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好的工作在高斯噪声和稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha(α)稳定分布,传统的Stockwell变换(S变换)时频方法性能退化甚至失效。基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

飞行器目标推进系统声信号特征提取研究

为了提取低空来袭的飞行器目标推进系统声信号的特征,分析了典型飞行器目标推进系统辐射噪声的信号特性,并建立了其推进系统辐射噪声的数学模型及被动声预警系统的接收信号模型.进而提出了基于Radon变换的LOFAR谱图线谱提取算法,以获取飞行器的推进器转速特征.通过对实测飞行器噪声数据的分析,验证了信号模型算法的合理性.     

基于S变换的自适应降噪方法

简要介绍S变换后的时频特征,提出一种新的基于S变换的自适应信号降噪方法.利用于S变换高质量的时频分布,在时频平面中设计自适应时频滤波器,用于非平稳信号中信号分量的提取,展示该方法在信号噪声抑噪和提高信噪比方面取得了满意的效果.在信号模型的仿真试验与齿轮箱的齿轮故障诊断中,显示该方法在信号提取和压制噪声的效果,且滤波后信噪比有较大提高.结果表明,该方法可以有效提取故障齿轮的故障特征,消除虚假成分的影响,从而提高齿轮故障诊断的准确性.