船舶辐射噪声的相关维提取

船舶辐射噪声是一种混沌,因而也具有分形特征。利用提取相关维的GP算法,分析了船舶辐射噪声的分形特征,所得结果具有较好的参考价值。     

基于ITS与多重分形的传动箱状态识别

实验采集的传动箱振动信号受噪声干扰严重,难以直接通过信号的多重分形特征参量来区分不同工况,为此,采用ITS降噪及微弱特征提取方法,计算了降噪后传动箱正常运转、润滑不良及基座松动3种状态下的多重分形谱参数,对特征提取后信号从局部到整体、从渐进态到最终态的微变化过程进行了定量描述,并由这些特征值的敏感性判断了系统状态类别。     

船舶辐射噪声奇异值特征

船舶辐射噪声的奇异值是船舶噪声的固有特征,采用小波变换模极大值方法可计算船舶辐射噪声的Lipschitz指数,同类船舶同一工况下的Lipsehitz指数均值统计量分布具有良好的稳健性,可作为船舶分类的特征量.     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.     

基于混沌理论的舰船辐射噪声特征提取

针对不同目标舰船的辐射噪声信号特征提取问题,提出了将混沌理论用于非线性时间序列的分析方法。该方法利用非线性局部投影滤波方法进行信号降噪,并在重构相空间的基础上对每一类舰船辐射噪声信号的最大Lyapunov指数、自然测度和关联维数等非线性特征参数进行提取。实验结果表明:当舰船辐射噪声信号的最大Lyapunov指数大于0且为有限值时,舰船辐射噪声信号具有混沌特性;自然测度和关联维数可作为区分不同目标船型的舰船辐射噪声信号的有效特征。     

一种鱼雷辐射噪声的线谱估计方法

基于鱼雷辐射噪声的物理特性和线谱特征,探讨了一种鱼雷目标特征提取方法。该方法结合经典谱与现代谱估计,提取水下目标辐射噪声线谱特征。通过两次估计采集数据的功率谱,得到估计算法功率谱图,然后分析功率谱图,先确定线谱存在的大致区域,再估计精确线谱。进行仿真研究,得到了较好的效果,证明该方法对低频段的线谱特征提取有很好的实用性。     

基于多重分形广义维数的机械故障诊断方法

提出利用多重分形广义维数来描述信号特征 ,并以振动信号广义维数、广义维数谱图、敏感维数为特征向量的模式空间样本库为基础 ,给出了通过维数相关系数等判别条件进行识别的机械故障多重分形广义维数诊断方法。应用于圆盘类裂纹故障的诊断 ,取得了令人满意的结果。     

一种新的舰船辐射噪声特征提取方法

提出了一种基于Dopplerlet变换的舰船辐射噪声特征提取方法,给出了Dopplerlet变换分解流程。使用此种方法及基于小波变换、波形结构、自然尺度等的特征提取方法对收集到的舰船辐射噪声进行了识别试验,试验结果证明基于Dopplerlet变换的舰船辐射噪声特征提取方法更加有效。     

光学表面的分形特点与模拟表征算法

根据光学表面在微观结构呈现出的自相似性,利用尺度无关的分形模型描述了其结构特征;采用结构函数法对抛光表面的分形维数进行计算,分析了粗糙度参数RMS值、误差波长、测量尺度、采样长度和采样点数对分形维数的影响规律。在此基础上,提出了采用一阶自回归分形模型对抛光表面进行模拟的新方法,分析了界定尺度、模型参数对分形特征和分形维数的影响规律。利用分形维数描述光学表面的微观结构具有评价方法简单、在一定范围内与测量尺度无关等优点。     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。