CN109285561A - 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法 - Google Patents
一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法 Download PDFInfo
- Publication number
- CN109285561A CN109285561A CN201811036574.9A CN201811036574A CN109285561A CN 109285561 A CN109285561 A CN 109285561A CN 201811036574 A CN201811036574 A CN 201811036574A CN 109285561 A CN109285561 A CN 109285561A
- Authority
- CN
- China
- Prior art keywords
- frequency
- demodulation
- difference
- demodulation spectra
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003595 spectral effect Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 232
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 230000002708 enhancing effect Effects 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims description 38
- 230000035559 beat frequency Effects 0.000 claims description 12
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 description 8
- 238000010183 spectrum analysis Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/45—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of analysis window
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,该方法包括如下步骤:第一步:对船舶螺旋桨空化噪声信号进行宽带平方解调;第二步:预估解调谱,检测解调谱线谱位置,并给出各线谱频域信噪比;第三步:确定各线谱频率相对于螺旋桨轴频频率预估值的谐波次数;第四步:对各线谱频率进行加权融合,估计螺旋桨轴频频率;第五步:根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长,对解调谱进行二次估计。本发明利用船舶螺旋桨空化噪声各解调谱线谱频率和螺旋桨轴频频率之间存在的固有整数倍关系,根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长,对解调谱进行二次估计,获取调制谱特征保真增强的解调谱。
Description
技术领域
本发明属于信号处理技术领域,尤其涉及一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法。
背景技术
螺旋桨噪声包括螺旋桨空化噪声和螺旋桨旋转噪声两大主要成分。螺旋桨空化噪声是由螺旋桨旋转时产生的大量气泡破裂引起的。由于这些气泡大小不等且随机破裂,空化噪声具有平稳连续谱的性质。而螺旋桨旋转噪声又被称为“唱音”,这是由于螺旋桨旋转时,大量气泡的产生和破裂具有准周期的特点而引起的。相关文献和实验表明“唱音”表现为叠加在连续谱上的线谱分量,其频率与螺旋桨的转速和叶片数直接相关,满足关系:fi=i*nb*fp,其中nb为螺旋桨的叶片数,fp为螺旋桨轴频频率,i是谐波次数,fi是相应的频率。可以看出,各线谱间存在谐波关系,轴频频率为各次谐波频率的基频频率。另外,在舰船航行过程中,螺旋桨叶片的高速旋转会对螺旋桨空化噪声的幅度产生周期性调制。因此,螺旋桨噪声存在包络周期调制,调制频率为螺旋桨转动的轴频、叶频,载频为螺旋桨空化噪声。
通常采用宽带平方低通检波法获取螺旋桨空化噪声的调制信号,然后采用周期图法对解调谱进行分析,推断螺旋桨转速和叶片数。实际处理中,由于螺旋桨空化噪声信号持续时间有限或计算机处理需要,用离散傅里叶变换做谱分析,在采样的同时必须在时域中对其截短,这就可能发生频谱泄露。频谱泄露会降低解调谱线谱特征信噪比、破坏真实解调谱线谱特征结构。因此,在解调谱分析中应设法降低周期信号的非整周期截短带来的频谱泄露。
目前国内外学者提出了许多降低周期信号非整周期截短带来的谱泄露的方法,主要有:(1)在截短时用汉宁窗取代矩形窗,该方法虽然能够在一定程度上降低谱泄露,但加汉宁窗会使离散傅里叶变换的结果有更宽的旁瓣;(2)将小波变换与离散傅里叶变换组合,即将小波变换用于原始信号采样,然后用离散傅里叶变换去做谱分析,虽然该方法能提高频率估计精度,但并未从根本上减小周期信号非整周期截短带来的谱泄露;(3)基于迭代相关计算自适应地估计用于消除周期信号非整周期截短离散傅里叶变换谱泄露的窗长,该算法虽然原理简单易于实现,但要求信号具有较高信噪比,在信噪比低于一定门限时,窗长估计精度随着信噪比的降低急剧下降。
发明内容
发明目的:针对上述现有方法存在的问题和不足,本发明提供了一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,该方法利用船舶螺旋桨空化噪声各解调谱线谱频率和螺旋桨轴频频率之间存在的固有整数倍关系,基于线谱频域信噪比和频率谐波次数,对各线谱频率进行加权融合估计螺旋桨轴频频率,然后根据估计的螺旋桨轴频频率自适应调整求取解调谱的分析窗长,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,该方法包括如下步骤:
(1)对船舶螺旋桨空化噪声信号x[n]进行宽带平方解调,得到解调信号s[n],n=1,2,...,N,所述N为船舶螺旋桨空化噪声信号采样点个数;
(2)根据解调信号s[n]预估解调谱P[l],其中,l=0,1,...,N/2-1,l为P[l]的离散频率索引,检测解调谱线谱位置fk,并计算各线谱频域信噪比SNRk和频率精测值其中,k=1,2,...,K,K为检测出的解调谱线谱根数;
(3)确定各线谱频率相对于螺旋桨轴频频率预估值fp的谐波次数rk;
(4)根据线谱频域信噪比SNRk和频率谐波次数rk对各线谱频率精测值进行加权融合,估计螺旋桨轴频频率
(5)根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长N,对解调谱进行二次估计,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱。
其中,在步骤(1)中,获取解调信号s[n]的方法如下:
(1-1)获取船舶螺旋桨空化噪声信号序列为x[n],空化噪声信号序列的采样频率为fs,将空化噪声信号序列x[n]通过通带范围为[fL,fH]的带通滤波器,得到带通信号x1[n],其中,fL和fH分别为带通滤波器通带范围的下限频率和上限频率;
(1-2)对带通信号x1[n]进行宽带平方解调,得到解调信号x2[n];
(1-3)去除解调信号x2[n]的直流分量得到:
x3[n]=x2[n]-E(x2[n])
其中,E(x2[n])是求x2[n]的均值;
(1-4)将解调信号x3[n]通过通带截止频率为fc的低通滤波器,得到低频解调信号s[n],n=1,2,...,N。
其中,在步骤(2)中,根据解调信号s[n]预估解调谱,对解调谱进行线谱位置检测,并计算出各线谱频域信噪比和频率精测值,方法如下:
(2-1)计算s[n]的离散傅里叶变换为:
其中l为S[l]的离散频率索引,j表示虚数单位,即
(2-2)依据S[l]计算s[n]的功率谱,即对船舶螺旋桨空化噪声信号的解调谱进行预估计:
其中,l为P[l]的离散频率索引,| |代表取模值运算;
(2-3)将解调谱P[l]通过J阶中值滤波器得到解调谱P[l]的趋势项C[l],l=0,1,...,N/2-1;
(2-4)计算解调谱P[l]与趋势项C[l]的差值谱D[l]:
D[l]=P[l]-C[l],l=0,1,...,N/2-1
(2-5)将差值谱D[l]规范化得到规范化差值谱:
其中,Std(D[l])是求D[l]的标准差;
(2-6)设定幅度门限G提取解调谱线谱,若D1(l)满足如下条件则判为解调谱线谱:
假设共提取出K根解调谱线谱,第k根线谱在D1[l]中的离散频率索引为Ik,则第k根线谱的频率为:
fk=IkΔf,k=1,2,...,K
其中,Δf为长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,计算第k根线谱的频域信噪比为:
(2-7)取S[l]在离散频率索引(Ik-1),Ik,(Ik+1)处的模值,分别记作Ak1,Ak2,Ak3,即Ak1=|S[Ik-1]|,Ak2=|S[Ik]|,Ak3=|S[Ik+1]|,利用所述模值Ak1,Ak2,Ak3计算第k根解调谱线谱频率Rife差值的相对偏差δk,即:
(2-8)插值出第k根解调谱线谱的频率即
其中,在步骤(3)中,采用如下方法确定各解调谱线谱频率精测值相对于螺旋桨轴频频率预估值的谐波次数rk:
(3-1)利用最大公约数法对螺旋桨轴频频率进行预估,具体包括如下步骤:
(3-1-1)对K根有序解调谱线谱频率相互间求差频:
将差频数组{Fu,v}中的元素从小到大排序,得到新的差频数组{Fw},w=1,2,...,W,其中W为差频数组中差频的个数;
(3-1-2)统计差频数组中与差频Fw的频率之差在不超过2Δf的差频个数,定义为该差频的同频品质因数Qw,Qw初始值设为0,若
|Fw-Fw1|≤2Δf,w=1,2,...,W,w1=1,2,...,W
则Fw对应的同频品质因数Qw加1;
(3-1-3)根据同频品质因数对差频数组{Fw}中频率相近的差频进行归并,若
|Fw-Fw1|≤2Δf,w=1,2,...,W,w1=1,2,...,W,w≠w1
则将该两个差频之中同频品质因数小的差频从差频数组{Fw}中删除,若两个差频的同频品质因数相等,则同时保留,记得到的新差频数组为{Fm},设共有M个差频,并将差频Fm的同频品质因数记为Qm1,m=1,2,...,M;
(3-1-4)用每一根解调谱线谱的频率精测值除以差频数组中差频Fm的值,若满足
则Fm对应的倍频品质因数Qm2加1,Qm2初始值设为0,其中是求的四舍五入值;
(3-1-5)定义差频频率Fm的轴频属性品质因数Qm为Qm1与Qm2之积,即
Qm=Qm1Qm2,m=1,2,...,M
轴频属性品质因数Qm最大的值对应的差频频率Fm即为轴频频率预估值,记为fp,若存在两个差频频率的轴频属性品质因数相等,则选择差频频率较大的作为轴频频率预估值;
(3-2)判断每一根解调谱线谱的频率精测值是否为轴频频率预估值fp的谐波频率,若满足
则将频率精测值判为轴频频率预估值fp的谐波频率,保留该解调谱线谱,否则将该线谱频率精测值从解调谱线谱频率精测值序列中删除,同时解调谱线谱根数K减1;
(3-3)计算第k根解调谱线谱的频率精测值相对于轴频频率预估值fp的谐波次数rk
其中,在步骤(4)中,采用如下方法对各解调谱线谱频率精测值进行加权融合,估计螺旋桨轴频频率具体包括如下步骤:
(4-1)根据线谱频域信噪比SNRk和频率谐波次数rk,计算第k根解调谱线谱频率精测值的加权系数wk,即
(4-2)按线谱频率加权系数wk对线谱频率精测值进行加权融合,估计螺旋桨轴频频率即
其中,在步骤(5)中,采用如下方法根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长,根据解调信号s[n]对解调谱进行二次估计,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱P1[l],包括如下步骤:
(5-1)根据估计的螺旋桨轴频频率调整求取解调谱的分析窗长N为N1,即
(5-2)按分析窗长N1计算s[n]的离散傅里叶变换为:
其中,l为S1[l]的离散频率索引;
(5-3)依据S1[l]计算s[n]分析窗长为N1的功率谱,即对船舶螺旋桨空化噪声信号的解调谱进行二次估计:
其中,l为P1[l]的离散频率索引。
有益效果:与现有技术相比,本发明的技术方案具有以下有益的技术效果:
(1)本发明的方法利用船舶螺旋桨空化噪声各解调谱线谱频率和螺旋桨轴频频率之间存在的固有整数倍关系,根据解调谱线谱的频域信噪比和频率谐波次数,综合利用目标所有解调谱线谱信息,对各线谱频率进行加权融合估计螺旋桨轴频频率,可有效提高螺旋桨轴频频率估计精度。
(2)本发明的方法根据估计的螺旋桨轴频频率自适应调整获取解调谱的分析窗长,最大程度上实现周期信号的整周期截短,完全消除或明显减少了由于周期信号非整周期截短造成的频谱泄露,提高了解调谱线谱的频域信噪比,增强了解调谱的调制谱特征保真度。
附图说明
图1为本发明方法的流程示意图;
图2为实施例中仿真信号设置调制函数的功率谱;
图3为实施例中仿真螺旋桨空化噪声信号的功率谱;
图4为实施例中预估解调谱的规范化差值谱;
图5为实施例中按自适应窗长二次估计解调谱的规范化差值谱。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示,一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,该方法包括如下步骤:
(1)对船舶螺旋桨空化噪声信号x[n]进行宽带平方解调,得到解调信号s[n],n=1,2,...,N,所述N为船舶螺旋桨空化噪声信号采样点个数;
(2)根据解调信号s[n]预估解调谱P[l],其中,l=0,1,...,N/2-1,l为P[l]的离散频率索引,检测解调谱线谱位置fk,并计算各线谱频域信噪比SNRk和频率精测值其中,k=1,2,...,K,K为检测出的解调谱线谱根数;
(3)确定各线谱频率相对于螺旋桨轴频频率预估值fp的谐波次数rk;
(4)根据线谱频域信噪比SNRk和频率谐波次数rk对各线谱频率精测值进行加权融合,估计螺旋桨轴频频率
(5)根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长N,对解调谱进行二次估计,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱。
其中,在步骤(1)中,获取解调信号s[n]的方法如下:
(1-1)获取船舶螺旋桨空化噪声信号序列为x[n],空化噪声信号序列的采样频率为fs,将空化噪声信号序列x[n]通过通带范围为[fL,fH]的带通滤波器,得到带通信号x1[n],其中,fL和fH分别为带通滤波器通带范围的下限频率和上限频率;
(1-2)对带通信号x1[n]进行宽带平方解调,得到解调信号x2[n];
(1-3)去除解调信号x2[n]的直流分量得到:
x3[n]=x2[n]-E(x2[n])
其中,E(x2[n])是求x2[n]的均值;
(1-4)将解调信号x3[n]通过通带截止频率为fc的低通滤波器,得到低频解调信号s[n],n=1,2,...,N。
其中,在步骤(2)中,根据解调信号s[n]预估解调谱,对解调谱进行线谱位置检测,并计算出各线谱频域信噪比和频率精测值,方法如下:
(2-1)计算s[n]的离散傅里叶变换为:
其中l为S[l]的离散频率索引,j表示虚数单位,即
(2-2)依据S[l]计算s[n]的功率谱,即对船舶螺旋桨空化噪声信号的解调谱进行预估计:
其中,l为P[l]的离散频率索引,| |代表取模值运算;
(2-3)将解调谱P[l]通过J阶中值滤波器得到解调谱P[l]的趋势项C[l],l=0,1,...,N/2-1;
(2-4)计算解调谱P[l]与趋势项C[l]的差值谱D[l]:
D[l]=P[l]-C[l],l=0,1,...,N/2-1
(2-5)将差值谱D[l]规范化得到规范化差值谱:
其中,Std(D[l])是求D[l]的标准差;
(2-6)设定幅度门限G提取解调谱线谱,若D1(l)满足如下条件则判为解调谱线谱:
假设共提取出K根解调谱线谱,第k根线谱在D1[l]中的离散频率索引为Ik,则第k根线谱的频率为:
fk=IkΔf,k=1,2,...,K
其中,Δf为长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,计算第k根线谱的频域信噪比为:
(2-7)取S[l]在离散频率索引(Ik-1),Ik,(Ik+1)处的模值,分别记作Ak1,Ak2,Ak3,即Ak1=|S[Ik-1]|,Ak2=|S[Ik]|,Ak3=|S[Ik+1]|,利用所述模值Ak1,Ak2,Ak3计算第k根解调谱线谱频率Rife差值的相对偏差δk,即:
(2-8)插值出第k根解调谱线谱的频率即
其中,在步骤(3)中,采用如下方法确定各解调谱线谱频率精测值相对于螺旋桨轴频频率预估值的谐波次数rk:
(3-1)利用最大公约数法对螺旋桨轴频频率进行预估,具体包括如下步骤:
(3-1-1)对K根有序解调谱线谱频率相互间求差频:
将差频数组{Fu,v}中的元素从小到大排序,得到新的差频数组{Fw},w=1,2,...,W,其中W为差频数组中差频的个数;
(3-1-2)统计差频数组中与差频Fw的频率之差在不超过2Δf的差频个数,定义为该差频的同频品质因数Qw,Qw初始值设为0,若
|Fw-Fw1|≤2Δf,w=1,2,...,W,w1=1,2,...,W
则Fw对应的同频品质因数Qw加1;
(3-1-3)根据同频品质因数对差频数组{Fw}中频率相近的差频进行归并,若
|Fw-Fw1|≤2Δf,w=1,2,...,W,w1=1,2,...,W,w≠w1
则将该两个差频之中同频品质因数小的差频从差频数组{Fw}中删除,若两个差频的同频品质因数相等,则同时保留,记得到的新差频数组为{Fm},设共有M个差频,并将差频Fm的同频品质因数记为Qm1,m=1,2,...,M;
(3-1-4)用每一根解调谱线谱的频率精测值除以差频数组中差频Fm的值,若满足
则Fm对应的倍频品质因数Qm2加1,Qm2初始值设为0,其中是求的四舍五入值;
(3-1-5)定义差频频率Fm的轴频属性品质因数Qm为Qm1与Qm2之积,即
Qm=Qm1Qm2,m=1,2,...,M
轴频属性品质因数Qm最大的值对应的差频频率Fm即为轴频频率预估值,记为fp,若存在两个差频频率的轴频属性品质因数相等,则选择差频频率较大的作为轴频频率预估值;
(3-2)判断每一根解调谱线谱的频率精测值是否为轴频频率预估值fp的谐波频率,若满足
则将频率精测值判为轴频频率预估值fp的谐波频率,保留该解调谱线谱,否则将该线谱频率精测值从解调谱线谱频率精测值序列中删除,同时解调谱线谱根数K减1;
(3-3)计算第k根解调谱线谱的频率精测值相对于轴频频率预估值fp的谐波次数rk
其中,在步骤(4)中,采用如下方法对各解调谱线谱频率精测值进行加权融合,估计螺旋桨轴频频率具体包括如下步骤:
(4-1)根据线谱频域信噪比SNRk和频率谐波次数rk,计算第k根解调谱线谱频率精测值的加权系数wk,即
(4-2)按线谱频率加权系数wk对线谱频率精测值进行加权融合,估计螺旋桨轴频频率即
其中,在步骤(5)中,采用如下方法根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长,根据解调信号s[n]对解调谱进行二次估计,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱P1[l],包括如下步骤:
(5-1)根据估计的螺旋桨轴频频率调整求取解调谱的分析窗长N为N1,即
(5-2)按分析窗长N1计算s[n]的离散傅里叶变换为:
其中,l为S1[l]的离散频率索引;
(5-3)依据S1[l]计算s[n]分析窗长为N1的功率谱,即对船舶螺旋桨空化噪声信号的解调谱进行二次估计:
其中,l为P1[l]的离散频率索引。
实施例:
本发明的实施例中,仿真的船舶螺旋桨空化噪声信号加海洋环境噪声模型为:
其中I为调制信号线谱根数,Ai为第i次谐波信号的幅值,fp为螺旋桨轴转动频率,fi=i*fp为第i次谐波信号的频率,为第i次谐波信号的初始相位,c(t)为未调制的螺旋桨空化噪声信号,w(t)为海洋环境噪声。
以采样频率fs对上述船舶螺旋桨空化噪声信号进行离散采样可得到船舶螺旋桨空化噪声信号采样数据序列:
仿真信号参数分别设置为:调制信号线谱根数I=5,各次谐波信号的幅值分别为A1=0.1、A2=0.1、A3=0.1、A4=0.1、A5=0.15,螺旋桨轴转动频率fp=1.971Hz,各次谐波信号的频率分别为f1=1.971Hz、f2=3.942Hz、f3=5.913Hz、f4=7.884Hz、f5=9.855Hz,采样频率fs=10000Hz,观测数据序列点数N=100000。设定调制信号的功率谱如图2所示,船舶螺旋桨空化噪声加海洋环境噪声的功率谱如图3所示。
在第(1)步中,设置带通滤波器通带范围的下限频率fL=1000Hz,上限频率fH=4000Hz,低通滤波器通带截止频率fc=200Hz。
依据第(2)步,设置中值滤波器的阶数J=15,规范化差值谱线谱提取幅度门限G=5。按窗长N=100000计算解调信号s[n]的功率谱,解调谱的规范化差值谱如图4所示。检测出的解调谱线谱根数为K=5,5根解调谱线谱的频率分别为:
5根解调谱线谱的频域信噪比分别为:
依据第(3)步,基于Rife插值估计的5根解调谱线谱的频率精测值分别为:
依据第(4)步,5根解调谱线谱频率的谐波次数分别为:
依据第(5)步,5根解调谱线谱频率的加权系数分别为:
基于各解调谱线谱频率加权融合估计的螺旋桨轴频频率为:
即基于Rife插值估计的轴频频率相对于真值偏差为0.0624Δf,基于各线谱频率加权融合估计的轴频频率相对于真值的偏差为0.0036Δf,可以看出基于各线谱频率加权融合的轴频频率估计精度相较于基于单线谱的轴频频率估计精度有明显提高。
依据第(6)步,根据估计的螺旋桨轴频频率调整求取解调谱的离散傅里叶变换分析窗长
N1=101453
图5为基于窗长N1=101453求取的船舶螺旋桨空化噪声解调谱规范化差值谱,可以看出,相较于基于窗长N=100000获取的螺旋桨空化噪声解调谱规范化差值谱,该解调谱规范化差值谱线谱特征信噪比明显增高,解调谱规范化差值谱结构清晰度明显改善,调制谱特征保真度明显增强。
Claims (6)
1.一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,其特征在于,该方法包括如下步骤:
(1)对船舶螺旋桨空化噪声信号x[n]进行宽带平方解调,得到解调信号s[n],n=1,2,...,N,所述N为船舶螺旋桨空化噪声信号采样点个数;
(2)根据解调信号s[n]预估解调谱P[l],其中,l=0,1,...,N/2-1,l为P[l]的离散频率索引,检测解调谱线谱位置fk,并计算各线谱频域信噪比SNRk和频率精测值其中,k=1,2,...,K,K为检测出的解调谱线谱根数;
(3)确定各线谱频率相对于螺旋桨轴频频率预估值fp的谐波次数rk;
(4)根据线谱频域信噪比SNRk和频率谐波次数rk对各线谱频率精测值进行加权融合,估计螺旋桨轴频频率
(5)根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长N,对解调谱进行二次估计,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱。
2.根据权利要求1所述的一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,其特征在于,在步骤(1)中,获取解调信号s[n]的方法如下:
(1-1)获取船舶螺旋桨空化噪声信号序列为x[n],空化噪声信号序列的采样频率为fs,将空化噪声信号序列x[n]通过通带范围为[fL,fH]的带通滤波器,得到带通信号x1[n],其中,fL和fH分别为带通滤波器通带范围的下限频率和上限频率;
(1-2)对带通信号x1[n]进行宽带平方解调,得到解调信号x2[n];
(1-3)去除解调信号x2[n]的直流分量得到:
x3[n]=x2[n]-E(x2[n])
其中,E(x2[n])是求x2[n]的均值;
(1-4)将解调信号x3[n]通过通带截止频率为fc的低通滤波器,得到低频解调信号s[n],n=1,2,...,N。
3.根据权利要求1-2任一所述的一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,其特征在于,在步骤(2)中,根据解调信号s[n]预估解调谱,对解调谱进行线谱位置检测,并计算出各线谱频域信噪比和频率精测值,方法如下:
(2-1)计算s[n]的离散傅里叶变换为:
其中l为S[l]的离散频率索引,j表示虚数单位,即
(2-2)依据S[l]计算s[n]的功率谱,即对船舶螺旋桨空化噪声信号的解调谱进行预估计:
其中,l为P[l]的离散频率索引,||代表取模值运算;
(2-3)将解调谱P[l]通过J阶中值滤波器得到解调谱P[l]的趋势项C[l],l=0,1,...,N/2-1;
(2-4)计算解调谱P[l]与趋势项C[l]的差值谱D[l]:
D[l]=P[l]-C[l],l=0,1,...,N/2-1
(2-5)将差值谱D[l]规范化得到规范化差值谱:
其中,Std(D[l])是求D[l]的标准差;
(2-6)设定幅度门限G提取解调谱线谱,若D1(l)满足如下条件则判为解调谱线谱:
假设共提取出K根解调谱线谱,第k根线谱在D1[l]中的离散频率索引为Ik,则第k根线谱的频率为:
fk=IkΔf,k=1,2,...,K
其中,Δf为长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,计算第k根线谱的频域信噪比为:
(2-7)取S[l]在离散频率索引(Ik-1),Ik,(Ik+1)处的模值,分别记作Ak1,Ak2,Ak3,即Ak1=|S[Ik-1]|,Ak2=|S[Ik]|,Ak3=|S[Ik+1]|,利用所述模值Ak1,Ak2,Ak3计算第k根解调谱线谱频率Rife差值的相对偏差δk,即:
(2-8)插值出第k根解调谱线谱的频率即
4.根据权利要求1所述的一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,其特征在于,在步骤(3)中,采用如下方法确定各解调谱线谱频率精测值相对于螺旋桨轴频频率预估值的谐波次数rk:
(3-1)利用最大公约数法对螺旋桨轴频频率进行预估,具体包括如下步骤:
(3-1-1)对K根有序解调谱线谱频率相互间求差频:
将差频数组{Fu,v}中的元素从小到大排序,得到新的差频数组{Fw},w=1,2,...,W,其中W为差频数组中差频的个数;
(3-1-2)统计差频数组中与差频Fw的频率之差在不超过2Δf的差频个数,定义为该差频的同频品质因数Qw,Qw初始值设为0,若
则Fw对应的同频品质因数Qw加1;
(3-1-3)根据同频品质因数对差频数组{Fw}中频率相近的差频进行归并,若
则将该两个差频之中同频品质因数小的差频从差频数组{Fw}中删除,若两个差频的同频品质因数相等,则同时保留,记得到的新差频数组为{Fm},设共有M个差频,并将差频Fm的同频品质因数记为Qm1,m=1,2,...,M;
(3-1-4)用每一根解调谱线谱的频率精测值除以差频数组中差频Fm的值,若满足
则Fm对应的倍频品质因数Qm2加1,Qm2初始值设为0,其中是求的四舍五入值;
(3-1-5)定义差频频率Fm的轴频属性品质因数Qm为Qm1与Qm2之积,即
Qm=Qm1Qm2,m=1,2,...,M
轴频属性品质因数Qm最大的值对应的差频频率Fm即为轴频频率预估值,记为fp,若存在两个差频频率的轴频属性品质因数相等,则选择差频频率较大的作为轴频频率预估值;
(3-2)判断每一根解调谱线谱的频率精测值是否为轴频频率预估值fp的谐波频率,若满足
则将频率精测值判为轴频频率预估值fp的谐波频率,保留该解调谱线谱,否则将该线谱频率精测值从解调谱线谱频率精测值序列中删除,同时解调谱线谱根数K减1;
(3-3)计算第k根解调谱线谱的频率精测值相对于轴频频率预估值fp的谐波次数rk
5.根据权利要求1所述的一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,其特征在于,在步骤(4)中,采用如下方法对各解调谱线谱频率精测值进行加权融合,估计螺旋桨轴频频率具体包括如下步骤:
(4-1)根据线谱频域信噪比SNRk和频率谐波次数rk,计算第k根解调谱线谱频率精测值的加权系数wk,即
(4-2)按线谱频率加权系数wk对线谱频率精测值进行加权融合,估计螺旋桨轴频频率即
6.根据权利要求1-5任一所述的一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法,其特征在于,在步骤(5)中,采用如下方法根据估计的螺旋桨轴频频率自适应调整解调谱分析窗长,根据解调信号s[n]对解调谱进行二次估计,获取调制谱特征保真增强的船舶螺旋桨空化噪声解调谱P1[l],包括如下步骤:
(5-1)根据估计的螺旋桨轴频频率调整求取解调谱的分析窗长N为N1,即
(5-2)按分析窗长N1计算s[n]的离散傅里叶变换为:
其中,l为S1[l]的离散频率索引;
(5-3)依据S1[l]计算s[n]分析窗长为N1的功率谱,即对船舶螺旋桨空化噪声信号的解调谱进行二次估计:
其中,l为P1[l]的离散频率索引。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811036574.9A CN109285561B (zh) | 2018-09-06 | 2018-09-06 | 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811036574.9A CN109285561B (zh) | 2018-09-06 | 2018-09-06 | 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109285561A true CN109285561A (zh) | 2019-01-29 |
CN109285561B CN109285561B (zh) | 2022-08-19 |
Family
ID=65184183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811036574.9A Active CN109285561B (zh) | 2018-09-06 | 2018-09-06 | 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109285561B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082818A (zh) * | 2019-05-05 | 2019-08-02 | 自然资源部第一海洋研究所 | 一种船舶噪声稳健识别方法 |
CN110221307A (zh) * | 2019-05-28 | 2019-09-10 | 哈尔滨工程大学 | 一种多被动声纳非合作多目标线谱信息融合方法 |
CN110376436A (zh) * | 2019-06-27 | 2019-10-25 | 东南大学 | 一种多尺度噪声功率谱线谱检测方法 |
CN110489902A (zh) * | 2019-08-26 | 2019-11-22 | 安徽工业大学 | 一种螺旋桨空化尾流精细特征多元统计建模方法 |
CN110595516A (zh) * | 2019-09-18 | 2019-12-20 | 华中科技大学 | 一种fpi腔长解调方法及系统 |
CN111735525A (zh) * | 2020-05-28 | 2020-10-02 | 哈尔滨工程大学 | 一种适用于无人声纳的demon谱特征提取方法 |
CN113887450A (zh) * | 2021-10-09 | 2022-01-04 | 中国人民解放军91977部队 | 基于调制谱特征的水中目标在线筛选方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101938317A (zh) * | 2010-09-10 | 2011-01-05 | 东南大学 | 噪声功率谱线谱检测方法 |
CN102252748A (zh) * | 2011-04-08 | 2011-11-23 | 东南大学 | 基于经验模态的空化噪声调制特征提取方法 |
CN103811016A (zh) * | 2014-01-16 | 2014-05-21 | 浙江工业大学 | 一种基于周期图法的冲床噪声功率谱估计改进方法 |
CN103811017A (zh) * | 2014-01-16 | 2014-05-21 | 浙江工业大学 | 一种基于Welch法的冲床噪声功率谱估计改进方法 |
CN104091085A (zh) * | 2014-07-18 | 2014-10-08 | 安徽工业大学 | 基于螺旋桨尾流压力脉动计算的空化噪声特征估计方法 |
-
2018
- 2018-09-06 CN CN201811036574.9A patent/CN109285561B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101938317A (zh) * | 2010-09-10 | 2011-01-05 | 东南大学 | 噪声功率谱线谱检测方法 |
CN102252748A (zh) * | 2011-04-08 | 2011-11-23 | 东南大学 | 基于经验模态的空化噪声调制特征提取方法 |
CN103811016A (zh) * | 2014-01-16 | 2014-05-21 | 浙江工业大学 | 一种基于周期图法的冲床噪声功率谱估计改进方法 |
CN103811017A (zh) * | 2014-01-16 | 2014-05-21 | 浙江工业大学 | 一种基于Welch法的冲床噪声功率谱估计改进方法 |
CN104091085A (zh) * | 2014-07-18 | 2014-10-08 | 安徽工业大学 | 基于螺旋桨尾流压力脉动计算的空化噪声特征估计方法 |
Non-Patent Citations (1)
Title |
---|
罗昕炜等: "《螺旋桨噪声中轴频的闭环检测方法》", 《东南大学学报(自然科学版)》, vol. 43, no. 6, 30 November 2013 (2013-11-30) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082818A (zh) * | 2019-05-05 | 2019-08-02 | 自然资源部第一海洋研究所 | 一种船舶噪声稳健识别方法 |
CN110221307A (zh) * | 2019-05-28 | 2019-09-10 | 哈尔滨工程大学 | 一种多被动声纳非合作多目标线谱信息融合方法 |
CN110376436A (zh) * | 2019-06-27 | 2019-10-25 | 东南大学 | 一种多尺度噪声功率谱线谱检测方法 |
CN110376436B (zh) * | 2019-06-27 | 2021-06-01 | 东南大学 | 一种多尺度噪声功率谱线谱检测方法 |
CN110489902A (zh) * | 2019-08-26 | 2019-11-22 | 安徽工业大学 | 一种螺旋桨空化尾流精细特征多元统计建模方法 |
CN110489902B (zh) * | 2019-08-26 | 2022-07-29 | 安徽工业大学 | 一种螺旋桨空化尾流精细特征多元统计建模方法 |
CN110595516A (zh) * | 2019-09-18 | 2019-12-20 | 华中科技大学 | 一种fpi腔长解调方法及系统 |
CN110595516B (zh) * | 2019-09-18 | 2020-12-18 | 华中科技大学 | 一种fpi腔长解调方法及系统 |
CN111735525A (zh) * | 2020-05-28 | 2020-10-02 | 哈尔滨工程大学 | 一种适用于无人声纳的demon谱特征提取方法 |
CN111735525B (zh) * | 2020-05-28 | 2023-03-31 | 哈尔滨工程大学 | 一种适用于无人声纳的demon谱特征提取方法 |
CN113887450A (zh) * | 2021-10-09 | 2022-01-04 | 中国人民解放军91977部队 | 基于调制谱特征的水中目标在线筛选方法 |
CN113887450B (zh) * | 2021-10-09 | 2022-05-20 | 中国人民解放军91977部队 | 基于调制谱特征的水中目标在线筛选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109285561B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109285561A (zh) | 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法 | |
Siggia et al. | Gaussian model adaptive processing (GMAP) for improved ground clutter cancellation and moment calculation | |
Donelan et al. | Directional spectra of wind-generated ocean waves | |
US7589666B2 (en) | System and method for processing data in weather radar | |
CN106443178A (zh) | 一种基于IQuinn‑Rife综合的正弦信号频率估计方法 | |
WO2020228455A1 (zh) | 一种飞行器旋翼微动特征提取方法 | |
CN107861109B (zh) | 一种基于高阶粒子滤波的目标微多普勒曲线提取方法 | |
CN109490862B (zh) | 一种基于相位差分统计谱的载频估计方法 | |
CN110780264B (zh) | 基于改进岭回归的气象雷达风力涡轮机杂波抑制方法 | |
JPH07100064B2 (ja) | 超音波ドプラ流速計 | |
CN108921014A (zh) | 一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法 | |
Banks | Complex demodulation of geomagnetic data and the estimation of transfer functions | |
CN110855374B (zh) | 一种水声目标辐射噪声调制特征提取方法 | |
CN103412298B (zh) | 一种自动获取船舶螺旋桨变速旋转时间区间方法 | |
CN105891831A (zh) | 多普勒天气雷达快速扫描方法 | |
KR101294678B1 (ko) | 신호처리장치 | |
CN117388833A (zh) | 一种船舶辐射噪声解调谱相位差特征提取方法及系统 | |
CN106569188A (zh) | 基于改进pga的电离层相位污染校正算法 | |
CN102841337A (zh) | 一种天波超视距雷达回波信号去非线性相位污染方法 | |
CN114896554A (zh) | 一种基于谱特征提取的调频信号频率范围与带宽估计方法 | |
CN114089326B (zh) | 一种lfm脉冲信号fri采样结构与参数估计方法 | |
CN104677486B (zh) | 基于转速脉冲重构的航空发动机振动信号相位测量方法 | |
CN111160207B (zh) | 一种基于辐射噪声调制的桨叶数特征提取方法 | |
Pham et al. | An adaptive computation of contour representations for mode decomposition | |
CN117452397A (zh) | 一种基于雷达图像二维海浪谱的风涌波浪分离方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |