A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.     

海底小目标数据库功能和运用方法研究

利用海底小目标数据库中的数据信息辅助探猎雷作战,可以摆脱传统探猎雷作战行动中的盲目性,优化反水雷作战流程,有效提高反水雷作战效率。如何科学构建数据库功能,合理设计数据存储、查询和调用的方式方法,以充分发挥各类探测数据的潜在作用,对辅助反水雷战术指挥决策具有重要意义。本文根据海底小目标对探猎雷作战的影响,提出目标位置比对、声纳图像比对、探测态势比对和数据统计分析是海底小目标数据库所应具备的主要功能,结合探猎雷过程中的典型作战环节,阐述了各项功能的基本运用方法和实现手段,指出数据的“量”“质”以及采集规范和维护管理制度,均是数据库建设的重要前提,并对建设数据库所应具备的保障条件进行了 说明。     

【专题】水际岸滩沉船顽固障碍破除方法研究

本文针对水际岸滩沉船顽固障碍难以破除的现实课题,通过列举沉船顽固障碍的危害性,分析了其碍障作用机理,探索和总结了一套平战时敌沉船顽固障碍定位标识的数据库,并对几种常用的破除方法进行了可行性分析。为增强对沉船顽固障碍碍航的直接认识,本文从实战角度分析近年来因碰触沉船而发生的现实事故,提出了优先回避原则,据此可避开沉船等障碍物规划编队航行路线。此外,紧急作战情况时若发现沉船顽固障碍,出于航道有限或战法需要,必须对沉船顽固障碍物进行破坏清除。目前沉船顽固障碍清除的方法主要有快速打捞或者移位法、水下爆破辅以水下切割的解体法、依托陆军现有爆破装备破除法以及联合引导空海火力清除法四种方法。 [关键词] 沉船顽固障碍;作用机理;探测定位;破坏清除     

考虑禁飞区的高超声速飞行器再入跟踪控制

为确立高超声速飞行器再入精确模型,参考NASA的研究数据对动力学方程中的气动参数进行拟合。基于飞行器结构的相关性质及战略应用背景,加入热流密度、动压、过载和禁飞区等参考约束的限制,融合成强非线性、复杂耦合的最优控制问题。采用改进自适应伪谱法求解模型所构建的微分方程组,通过设置自适应网格细化与配点,使单位时间内状态变量和控制变量波动过大的时间区间被进一步细划,并利用SNOPT求解器解算出符合条件的最优轨迹。设计闭环控制器,实现对最优轨迹的姿态变化的跟踪,测试系统的性能并进行评估。仿真结果表明:整个再入过程中,飞行器速度下降过程偏于平稳,再入轨迹可以满足约束条件,在避开禁飞区的同时取得最大横向航程;三通道角速度收敛可控,对姿态的跟踪较理想,控制器基本可以实现精确调姿。     

共址调频和调幅系统干扰机理及干扰抑制需求分析

以调幅和调频电台为研究对象,对共平台接收电台前端低噪声放大器的非线性进行精确建模,分别对调幅电台和调频电台的干扰抑制需求进行解析,并通过数值仿真对解析模型进行验证。结果表明:所提解析模型较现有模型更为准确;当有用信号功率、噪声功率和干扰功率相同时,调幅通信系统的干扰抑制需求高于调频通信系统。     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。     

考虑落角约束与驾驶仪特性的自适应RBF空间末制导律

为使大口径舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,现考虑自动驾驶仪动态特性,基于自适应RBF逼近网络与动态面滑模提出一种空间末制导律。构建空间弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与视线角速率,采用自适应指数趋近律设计非奇异终端滑模动态面,并运用自适应RBF逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了全系统中视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明：该末制导律使制导炮弹在空间中打击具有不同机动形式的近岸目标时,均具备良好的末制导性能。     

信号稀疏分解理论在轴承故障检测中的应用

将信号稀疏分解理论引入到轴承故障检测问题中,提出新的轴承故障检测方法。通过字典学习的方式可有效实现轴承正常状态振动信号稀疏表示的超完备字典。利用该字典只适用于轴承正常状态信号稀疏分解的特点,将待分析信号在该字典上展开,通过比较信号稀疏表示误差与所设定阈值的关系来判断轴承对应的状态,从而实现轴承的故障检测。实验结果表明:当误差阈值设置合理时,该方法可有效地判断出轴承是否发生故障。     

GNSS自适应天线相位中心评估方法

自适应天线在波束形成过程中会引起天线相位中心变化,针对这一问题,提出一种基于可用波束的自适应天线相位中心评估方法。该方法分为三步:设置天线的可用波束门限;在干扰来向均匀分布下,得到天线可用波束门限内相位方向图集合;利用最小二乘法对相位方向图集合进行拟合得到自适应天线的平均相位中心变化量。运用该方法对四种典型的四元阵相位中心进行对比仿真,结果表明,算法可以快速有效地对自适应天线相位中心性能进行评估。另外,通过设置适当的可用波束门限,可以提高自适应天线的相位中心性能。算法的评估结果可以作为GNSS高精度自适应天线阵型选择依据。     

基于参数辨识的电动舵机系统健康仿真和评估

针对目前电动舵机系统故障诊断方法不能有效预测缓变故障,提出基于舵机系统模型的状态变量检测法对飞行器常用的执行机构电动舵机系统进行健康分析与仿真评估。分析电动舵机系统子系统电机本体、控制器、传动机构的常见故障,对其中反映系统性能的关键参数进行数学建模;通过对系统注入不同的健康参数得到相关故障状态下的状态变量特征,进而作为定位故障源的知识库,引入健康因子评估故障参数的变化趋势;仿真算例选择电机本体的主要物理参数电机绕组阻值和反映永磁体性能的电机力矩常数作为健康因子,通过定位知识库建立的健康因子评估算法验证了方法的可行性。