目标辐射噪声线谱的特征建模与检测

在理论分析的基础上,构造了基于λ水平能量聚点的目标辐射噪声线谱的特征量模型.在利用中值滤波去除信号功率谱中“平台型”的λ水平能量聚点后,计算其λ水平能量聚点作为拟线谱频率,通过拟线谱频率对应周期的整周期延时叠加突出线谱特征,以提高辐射噪声线谱的检测率.理论分析和对仿真信号的计算结果表明,该算法是有效的.     

水下目标辐射噪声高精度仿真方法

在对水下高速运动目标实测辐射噪声数据频谱特征充分分析的基础上,基于能量聚点理论建立了一种“平台型λ水平能量聚点”辐射噪声连续谱模型.利用该模型实现了对水下目标辐射噪声的仿真.首先,对离散化的λ取值分别计算其能量聚点频率区间,然后用谐波叠加法生成频带内的时域信号,将所有频带的信号进行叠加就得到辐射噪声的时域信号,与传统的...     

一种低信噪比下的LFM脉冲信号起始频率校正方法

采用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)实现LFM脉冲信号检测与参数估计时,针对处理数据与LFM脉冲信号起始点不一致时,LFM脉冲信号起始频率存在一定偏差问题.依据分数阶傅里叶变换中信号能量峰固有特性,提出一种适用于低信噪比条件下的LFM脉冲信号起始频率校正方法.该方法首先通过FRFT变换和chirp相乘对数据进行变换处理,消除LFM脉冲信号中调频斜率;然后对变换后结果进行滑动、累积处理,得到一组能量峰数据;最后通过搜索该组能量峰拐点实现对LFM脉冲信号起始点检测,并利用检测起始点对LFM脉冲信号起始频率实现校正.数值仿真结果表明,该方法在事先无法获取处理数据中LFM脉冲信号起始点情况时,可有效校正分数阶傅里叶变换对LFM脉冲信号起始频率估计存在的偏差.     

基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。     

基于固有时间尺度分解的能量算子解调法及故障诊断应用

针对Teager能量算子包络解调方法主要用于对单分量的调幅调频信号进行解调,而真实机械故障信号多为多分量的调幅调频信号的问题,提出了能量算子与固有时间尺度分解相结合的解调方法.首先,利用固有时间尺度分解法将原始振动信号分解为若干个固有旋转分量和一个单调趋势项,并基于波形匹配算法实现原始数据的自适应端点延拓以解决分解过程中的端点效应;然后再选取合适的固有旋转分量,利用能量算子方法实现调制信号的包络解调;最后,将该方法应用于仿真信号和故障模拟信号.结果表明:该方法能有效地提取机械振动信号的故障特征.     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征，重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器，对实测的四类舰船目标的辐射噪声信号进行测试，取得了较好的识别效果。     

水中目标信号的实时检测方法研究

在对目标信号及噪声背景信号的特性进行分析的基础上,依据目标信号功率主要集中在低频部分的特点,用功率谱估计方法提取低频信号的能量作为特征,对信号滑动地进行目标检测.通过不同浪级情况下海洋水压力场的仿真信号数据,对某型目标舰船的水压力信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号正确的检测.     

电动阀故障检测诊断研究

利用基于小波变换的奇异点奇异性指数(Lip指数)作为信号包络的特征识别指标,提出了一种对调制类型信号的诊断方法,并指出信号的包络分析是解决这类问题较有效的方法.同时,以某型舰用电动阀为例,对故障前后的信号作了分析计算.计算结果表明,与单纯用时域或频域的方法相比,该方法明显地提高了分析结果的精度.     

一种空中目标航迹聚类方法研究

针对目前传统航迹聚类方法的不足,提出一种空中目标航迹聚类方法。首先提出一种航迹自适应拟合算法,对空中目标航迹进行拟合提取航迹特征;然后,在所提取的航迹特征基础上提出基于k-means算法的航迹聚类方法,通过对航迹特征点及拟合曲线的聚类,将同一类航迹聚类形成相似航迹簇;最后通过实验仿真,验证了该聚类方法的有效性。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.