CN109655148A - 一种船舶噪声非平稳低频线谱自主提取方法 - Google Patents
一种船舶噪声非平稳低频线谱自主提取方法 Download PDFInfo
- Publication number
- CN109655148A CN109655148A CN201811551749.XA CN201811551749A CN109655148A CN 109655148 A CN109655148 A CN 109655148A CN 201811551749 A CN201811551749 A CN 201811551749A CN 109655148 A CN109655148 A CN 109655148A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- line
- frequency
- power
- doubtful
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
- G01H3/10—Amplitude; Power
- G01H3/14—Measuring mean amplitude; Measuring mean power; Measuring time integral of power
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种船舶噪声非平稳低频线谱自主提取方法,包括如下步骤:(1)进行船舶噪声长积分功率谱线谱初检测,获得疑似线谱;(2)针对疑似线谱,设定分段功率谱分析的段数和积分域区间长度;(3)针对疑似线谱,设定各分段功率谱分析的积分域起始点;(4)根据设定的积分域起始点和区间长度进行船舶噪声二次功率谱估计;(5)连续谱自动抵消及线谱自主辨识提取。本方法针对船舶噪声非平稳低频线谱自主提取这一难题,通过对船舶噪声低频线谱的非平稳特性的自动分析,自适应调整分段功率谱分析的段数、积分域起始点和区间长度,改善了功率谱对线谱非平稳特性的宽容性,提高了线谱信噪比,通过连续谱自动抵消及线谱自主辨识实现了船舶噪声非平稳低频线谱的自主提取。
Description
技术领域
本发明涉及一种积分域自适应船舶噪声非平稳低频线谱自主提取方法,属于声纳信号处理技术领域。
背景技术
在水下复杂的声场环境中,对船舶噪声的自动检测与特征提取是无人平台自主探测的基础,具有重要的研究价值。船舶辐射噪声一般由两种成分组成。一种是宽带噪声,主要来源于螺旋桨附近海水的空化过程,频率从零附近连续地延伸到几十千赫兹以上。另一种是极窄的线状谱,主要集中在1千赫兹以下的低频段内。线谱主要由船舶机械部件的往复运动与螺旋桨叶片的周期性击水以及叶片共振产生的。不仅线谱具有的较高信噪比可以用来提高检测性能,而且线谱本身携带的频率信息,对目标参数估计和类型识别,也是极有意义的。
无人平台数量庞大,如果将全部水听器采集时域数据上传到卫星接收端,将给无线电传输带宽带来极大压力。而船舶噪声的线谱携带大量信息,是最有价值的特征,因此可在无人平台上完成船舶噪声线谱特征自主提取,然后仅将提取的线谱特征信息传输到卫星接收端,可大大降低通信带宽需求。
实际中,水听器接收到的信号是目标声源与海洋环境相互作用的结果。线谱的非平稳性是线谱特性的一个重要方面。线谱声源产生的幅度和频率的不稳定,海洋信道的起伏和目标和接收点的相对运动造成的多普勒现象等是线谱非平稳性的原因。对于非平稳信号,在平均时间内信号已不满足信号平稳的假设。如果分析时间间隔内信号线谱频率发生漂移,采用长的积分时间会导致谱峰展宽,强度和分辨率下降;如果漂移较大,则会导致无法检测出线谱的存在。因此,线谱的频率不稳定使“用增加积分时间来获得线谱增益”的方法受到限制。因此,船舶噪声非平稳低频线谱的自主提取具有重要的理论与现实意义。
目前国内外学者提出了许多非平稳低频线谱的检测与提取方法,主要有:(1)平均周期图的Welch法:该方法把一长度为N的数据xN(n)分成M段,在对xN(n)分段时,可以允许每一段的数据有一部分交叠,分别求每一段数据的功率谱,然后加以平均,该方法能增大功率谱对频率漂移的宽容性,但相对于对长度为N的数据直接进行功率谱估计时所得的功率谱,增大了噪声功率;(2)短时Fourier变换:在这种方法中,为了提取频率分量的时域局部化信息,对信号施加一个在时间上可移动的、时间跨度很小的分析窗函数h(n),进行Fourier变换,然后移动窗函数,重复上述过程,得到短时Fourier变换,该方法能增大功率谱对频率漂移的宽容性,但当信噪比较低时无法对非平稳低频线谱进行有效显示与检测;(3)小波变换:小波变换可以提供时频分辨能力的伸缩性,在频率比较低的区域,频率分辨率比较高,时间分辨率比较低;在频率比较高的区域,频率分辨率较低,时间分辨率较高,但由于小波变换的时移、频移是固定变化的,只是对时频平面进行机械的格型分割,因而对于随时间变化的非平稳信号,其时频分辨精度也不高,同时,当信噪比较低时无法对非平稳低频线谱进行有效显示与检测;(4)Hilbert-Huang时频分析法:首先用经验模态分解(EMD)将信号分解为一系列固有模态函数(IMF)的线性和;然后对每个IMF进行Hilbert变换得到Hilbert时频图,Hilbert-Huang变换是基于局部特征的,又是自适应的,对平稳非平稳信号都能进行分析,但该方法运算量较大。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种积分域自适应船舶噪声非平稳低频线谱自主提取方法,针对船舶噪声的非平稳低频线谱自主提取这一难题,通过对船舶噪声低频线谱的非平稳特性的自动分析,自适应调整分段功率谱分析的段数、积分域起始点和区间长度,改善了功率谱对线谱非平稳特性的宽容性,提高了线谱信噪比,通过连续谱自动抵消及线谱自主辨识实现了船舶噪声非平稳低频线谱的自主提取。
技术方案:一种船舶噪声非平稳低频线谱自主提取方法,包括如下步骤:
(1)进行船舶噪声长积分功率谱线谱初检测,获得疑似线谱;
(2)针对疑似线谱,设定分段功率谱分析的段数和积分域区间长度;
(3)针对疑似线谱,设定各分段功率谱分析的积分域起始点;
(4)根据设定的积分域起始点和区间长度进行船舶噪声二次功率谱估计;
(5)连续谱自动抵消及线谱自主辨识提取。
优选的,步骤(1)中,采用如下方法进行船舶噪声长积分功率谱线谱初检测,获得疑似线谱,具体包括如下步骤:
(1-1)计算船舶噪声s[n]的长积分功率谱P[l]
其中,N为功率谱分析的积分域区间长度,l为P[l]的离散频率索引,j表示虚数单位,即||代表取模值运算;
(1-2)将长积分功率谱P[l]通过Q1阶中值滤波器得到长积分功率谱的趋势项C1[l],l=0,1,...,N/2,则功率谱P[l]与趋势项C1[l]的差值谱E1[l]为
E1[l]=P[l]-C1[l],l=0,1,...,N/2
E1[l]的规范化差值谱D1[l]为
其中,std(E1[l])是求E1[l]的标准差;
(1-3)设定长积分功率谱疑似线谱检测门限G1,若D1[l]满足如下条件:
D1[l]≥G1,1≤l≤(N/2-1)
则将D1[l]判为疑似线谱。假设在频带[fL,fH]范围内共提取出K根疑似功率谱线谱,第k根疑似线谱在D1[l]中的索引为Jk,则第k根疑似线谱的频率为
fk=JkΔf,k=1,2,...,K
其中,fL和fH分别为分析频带的下限频率和上限频率,Δf为长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,fs为舰船噪声数字化过程中的采样率。
优选的,在步骤(2)中,采用如下方法针对疑似线谱,设定分段功率谱分析的段数和积分域区间长度,具体包括如下步骤:
(2-1)基于长积分功率谱疑似线谱检测结果进行强谱线簇判定,统计第i个强谱线簇内的谱线根数Li;
(2-1-1)初始化,令强谱线簇下标索引i=0,疑似线谱下标索引k=1;
(2-1-2)令起始疑似线谱频率fstart=fk,起始疑似线谱下标索引lineIdxstart=k,起始疑似线谱在D1[l]中的索引idxStarti+1=Jk;
(2-1-3)判断k+1≤K是否成立,若成立转到(2-1-4),否则转到(2-1-8);
(2-1-4)判断Jk+1-Jk≤2是否成立,若成立转到(2-1-5),否则转到(2-1-6);
(2-1-5)令k=k+1,若k<K,转到(2-1-3),否则转到(2-1-6);
(2-1-6)判断fk-fstart≤3和Jk-idxStarti+1≥2是否同时成立,若成立转到(2-1-7),否则令k=lineIdxstart+1转到(2-1-2);
(2-1-7)令i=i+1,第i个强谱线簇内的谱线根数为Li=Jk-idxStarti+1,第i个强谱线簇的中心频率为fi1=(fstart+fk)/2,令k=k+1,转到(2-1-3);
(2-1-8)强谱线簇检测结束,强谱线簇个数为I=i;
(2-2)针对第i个强谱线簇,根据强谱线簇内的谱线根数Li,将功率谱分析的积分域区间长度从N调整为N1
其中,是求的四舍五入值;
(2-3)将长度为N的船舶噪声数据分为M段长度为N1的船舶噪声数据,各相邻船舶噪声数据段存在50%重叠,对各段船舶噪声数据进行积分域区间长度为N1的功率谱分析,并对各分段功率谱进行非相干累加:
其中,l为P1[l]的离散频率索引,为第m+1段数据相对于第m段数据的离散采样时间点偏移量,为设定的分段功率谱分析段数;
(2-4)令idxi=round(fi1/Δf1)为第i个强谱线簇的中心频率fi1在P1[l]中的频率下标索引预估值,根据P1[idxi-1]、P1[idxi]和P1[idxi+1]三个值的大小更新idxi:
令则频率插值的相对偏差δi为
P1[l]中与第i个强谱线簇对应的疑似线谱的频率估计值为
fi2=(idxi+δi)Δf1,i=1,2,...,I
其中,Δf1为长度为N1的离散傅里叶变换的频率分辨率,Δf1=fs/N1;
(2-5)根据估计的疑似线谱的频率fi2,选定功率谱分析的积分域区间长度N2:
使得在对频率近似为fi2的准周期信号进行功率谱分析时,准周期信号可以得到平滑的周期延拓。
优选的,在步骤(3)中,采用如下方法针对疑似线谱,设定各分段功率谱分析的积分域起始点,具体包括如下步骤:
(3-1)按照第i个强谱线簇对应的频带,对船舶噪声数据进行带通滤波。计算船舶噪声数据s[n]的频谱:
对S[l]在频域进行带通滤波:
对S[l]进行逆傅里叶变换,得到带通滤波后的时域信号
其中,l为S[l]的离散频率索引;
(3-2)计算
其中,corrValue[r]为s1[n]与s1[n+D1-HWL+r]两向量的点积运算结果,n=SNm,SNm+1,...,SNm+N2-1,r=1,...,WL,求corrValue[r]最大值的下标索引,并记为maxValueIdx,则第m+1段船舶噪声数据功率谱分析的积分域起始点为:
SNm+1=SNm+D1-HWL+maxValueIdx
其中,表示频率为fi2的信号一个周期内的采样点数的四舍五入值,表示频率为fi2的信号半个周期内的采样点数的四舍五入值,为第m+1段数据相对于第m段数据的离散采样时间点偏移量,为设定的分段功率谱分析段数,SNm为对第m段数据进行功率谱分析时的积分域起始点,SN1=0。
优选的,在步骤(4)中,采用如下方法根据设定的积分域起始点和区间长度进行船舶噪声二次功率谱估计:
根据设定的积分域起始点和区间长度,进行分段功率谱分析,基于各段船舶噪声数据的频谱相干累加对船舶噪声功率谱进行二次估计:
其中,l为P2[l]的离散频率索引。
优选的,在步骤(5)中,采用如下方法进行连续谱自动抵消及线谱自主辨识提取,具体包括如下步骤:
(5-1)将功率谱P2[l]通过Q2阶中值滤波器得到功率谱的趋势项C2[l],l=0,1,...,round(N2/2),则功率谱P2[l]与趋势项C2[l]的差值谱E2[l]为
E2[l]=P2[l]-C2[l],l=0,1,...,round(N2/2)
E2[l]的规范化差值谱D2[l]为
其中,std(E2[l])是求E2[l]的标准差;
(5-2)设定幅度门限G2进行功率谱线谱自主辨识提取,若D2[l]满足如下条件:
则将P2[l]的第l条谱线判为功率谱线谱,该线谱的频率为lΔf2,幅度为P2[l],信噪比为10lg(E2[l]/C2[l]),其中,Δf2为长度为N2的离散傅里叶变换的频率分辨率,Δf2=fs/N2。
有益效果:与现有技术相比,本发明提供的积分域自适应船舶噪声非平稳低频线谱自主提取方法,具有以下优点:
(1)根据强谱线簇中的谱线根数对数据进行分段处理,使得功率谱对线谱的非平稳特性具有较好的宽容性;
(2)根据疑似线谱的频率调整功率谱分析的积分域区间长度,使得在对准周期信号进行功率谱分析时,准周期信号可以得到平滑的周期延拓,减少功率谱泄漏,提高线谱信噪比;
(3)调整各分段数据功率谱分析的积分域起始点,增强各分段数据疑似线谱对应频率处频谱的相位一致性,使得各分段数据频谱可近似相干累加,时间处理增益得到提高;
(4)通过连续谱自动抵消及线谱自主辨识实现了船舶噪声非平稳低频线谱的自主提取。
附图说明
图1为本发明方法的流程图;
图2为实施例中水听器位置及目标运动示意图;
图3为实施例中船舶噪声功率谱图;
图4为实施例中长积分功率谱及其连续谱;
图5为实施例中长积分功率谱线谱初检测结果图;
图6为实施例中积分域自适应功率谱及其连续谱图。
图7为实施例中连续谱自动抵消及线谱自主辨识提取结果。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,积分域自适应船舶噪声非平稳低频线谱自主提取方法,包括如下步骤:
(1)进行船舶噪声长积分功率谱线谱初检测,获得疑似线谱,具体包括如下步骤:
(1-1)计算船舶噪声s[n]的长积分功率谱P[l]
其中,N为功率谱分析的积分域区间长度,l为P[l]的离散频率索引,j表示虚数单位,即||代表取模值运算;
(1-2)将长积分功率谱P[l]通过Q1阶中值滤波器得到长积分功率谱的趋势项C1[l],l=0,1,...,N/2,则功率谱P[l]与趋势项C1[l]的差值谱E1[l]为
E1[l]=P[l]-C1[l],l=0,1,...,N/2
E1[l]的规范化差值谱D1[l]为
其中,std(E1[l])是求E1[l]的标准差;
(1-3)设定长积分功率谱疑似线谱检测门限G1,若D1[l]满足如下条件:
D1[l]≥G1,1≤l≤(N/2-1)
则将D1[l]判为疑似线谱。假设在频带[fL,fH]范围内共提取出K根疑似功率谱线谱,第k根疑似线谱在D1[l]中的索引为Jk,则第k根疑似线谱的频率为
fk=JkΔf,k=1,2,...,K
其中,fL和fH分别为分析频带的下限频率和上限频率,Δf为长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,fs为舰船噪声数字化过程中的采样率。
(2)针对疑似线谱,设定分段功率谱分析的段数和积分域区间长度,具体包括如下步骤:
(2-1)基于长积分功率谱疑似线谱检测结果进行强谱线簇判定,统计第i个强谱线簇内的谱线根数Li;
(2-1-1)初始化,令强谱线簇下标索引i=0,疑似线谱下标索引k=1;
(2-1-2)令起始疑似线谱频率fstart=fk,起始疑似线谱下标索引lineIdxstart=k,起始疑似线谱在D1[l]中的索引idxStarti+1=Jk;
(2-1-3)判断k+1≤K是否成立,若成立转到(2-1-4),否则转到(2-1-8);
(2-1-4)判断Jk+1-Jk≤2是否成立,若成立转到(2-1-5),否则转到(2-1-6);
(2-1-5)令k=k+1,若k<K,转到(2-1-3),否则转到(2-1-6);
(2-1-6)判断fk-fstart≤3和Jk-idxStarti+1之2是否同时成立,若成立转到(2-1-7),否则令k=lineIdxstart+1转到(2-1-2);
(2-1-7)令i=i+1,第i个强谱线簇内的谱线根数为Li=Jk-idxStarti+1,第i个强谱线簇的中心频率为fi1=(fstart+fk)/2,令k=k+1,转到(2-1-3);
(2-1-8)强谱线簇检测结束,强谱线簇个数为I=i;
(2-2)针对第i个强谱线簇,根据强谱线簇内的谱线根数Li,将功率谱分析的积分域区间长度从N调整为N1
其中,是求的四舍五入值;
(2-3)将长度为N的船舶噪声数据分为M段长度为N1的船舶噪声数据,各相邻船舶噪声数据段存在50%重叠,对各段船舶噪声数据进行积分域区间长度为N1的功率谱分析,并对各分段功率谱进行非相干累加:
其中,l为P1[l]的离散频率索引,为第m+1段数据相对于第m段数据的离散采样时间点偏移量,为设定的分段功率谱分析段数;
(2-4)令idxi=round(fi1/Δf1)为第i个强谱线簇的中心频率fi1在P1[l]中的频率下标索引预估值,根据P1[idxi-1]、P1[idxi]和P1[idxi+1]三个值的大小更新idxi:
令则频率插值的相对偏差δi为
P1[l]中与第i个强谱线簇对应的疑似线谱的频率估计值为
fi2=(idxi+δi)Δf1,i=1,2,...,I
其中,Δf1为长度为N1的离散傅里叶变换的频率分辨率,Δf1=fs/N1;
(2-5)根据估计的疑似线谱的频率fi2,选定功率谱分析的积分域区间长度N2:
使得在对频率近似为fi2的准周期信号进行功率谱分析时,准周期信号可以得到平滑的周期延拓。
(3)针对疑似线谱,设定各分段功率谱分析的积分域起始点,具体包括如下步骤:
(3-1)按照第i个强谱线簇对应的频带,对船舶噪声数据进行带通滤波。计算船舶噪声数据s[n]的频谱:
对S[l]在频域进行带通滤波:
对S[l]进行逆傅里叶变换,得到带通滤波后的时域信号
其中,l为S[l]的离散频率索引;
(3-2)计算
其中,corrValue[r]为s1[n]与s1[n+D1-HWL+r]两向量的点积运算结果,n=SNm,SNm+1,...,SNm+N2-1,r=1,...,WL,求corrValue[r]最大值的下标索引,并记为maxValueIdx,则第m+1段船舶噪声数据功率谱分析的积分域起始点为:
SNm+1=SNm+D1-HWL+maxValueIdx
其中,表示频率为fi2的信号一个周期内的采样点数的四舍五入值,表示频率为fi2的信号半个周期内的采样点数的四舍五入值,为第m+1段数据相对于第m段数据的离散采样时间点偏移量,为设定的分段功率谱分析段数,SNm为对第m段数据进行功率谱分析时的积分域起始点,SN1=0。
(4)根据设定的积分域起始点和区间长度,进行分段功率谱分析,基于各段船舶噪声数据的频谱相干累加对船舶噪声功率谱进行二次估计:
其中,l为P2[l]的离散频率索引。
(5)连续谱自动抵消及线谱自主辨识提取,具体包括如下步骤:
(5-1)将功率谱P2[l]通过Q2阶中值滤波器得到功率谱的趋势项C2[l],l=0,1,...,round(N2/2),则功率谱P2[l]与趋势项C2[l]的差值谱E2[l]为
E2[l]=P2[l]-C2[l],l=0,1,...,round(N2/2)
E2[l]的规范化差值谱D2[l]为
其中,std(E2[l])是求E2[l]的标准差;
(5-2)设定幅度门限G2进行功率谱线谱自主辨识提取,若D2[l]满足如下条件:
则将P2[l]的第l条谱线判为功率谱线谱,该线谱的频率为lΔf2,幅度为P2[l],信噪比为10lg(E2[l]/C2[l]),其中,Δf2为长度为N2的离散傅里叶变换的频率分辨率,Δf2=fs/N2。
实施例:
仿真场景如图2所示,水听器坐标位置为(0,0),目标初始位置为(-154.34,500),目标以6节速度匀速向正东方向航行。舰船噪声功率谱如图3所示,采样频率fs=5000Hz,设置线谱频率为80Hz。
依据第(1)步,长积分功率谱分析的积分域区间长度设为N=500000,中值滤波器阶数设为Q1=1021,长积分功率谱及其连续谱如图4所示,线谱检测门限设为G1=5,长积分功率谱线谱检测结果如图5所示,在80Hz附近检测到7根疑似线谱。
依据第(2)步,在80Hz附近检测到强谱线簇,强谱线簇个数I=1,强谱线簇内的谱线根数L1=9,第一个强谱线簇的中心频率为f1,1=79.975Hz;根据强谱线簇内谱线根数将功率谱分析积分域区间长度从N=500000调整到N1=55555,第m+1段数据相对于第m段数据的离散采样时间点偏移量为D=27777,设定的分段功率谱分析段数为M=17;估计的疑似线谱的频率为f1,2=79.9794Hz,根据估计的疑似线谱的频率设定的功率谱分析的积分域区间长度为N2=55577。
依据第(3)步,频率为f1,2=79.9794Hz的信号一个周期内的采样点数的四舍五入值为WL=63,频率为f1,2=79.9794Hz的信号半个周期内的采样点数的四舍五入值为HWL=31,第m+1段数据相对于第m段数据的离散采样时间点偏移量为D1=27788,设定的分段功率谱分析段数为M1=17,对各段数据进行功率谱分析的积分域起始点分别为SN1=0、,SN2=27803、SN3=55607、SN4=83404、SN5=111204、SN6=139010、SN7=166822、SN8=194633、SN9=222443、SN10=250256、SN11=278073、SN12=305891、SN13=333710、SN14=361469、SN15=389227、SN16=416989、SN17=444755。
依据第(4)步,中值滤波器阶数设为Q2=121,积分域自适应功率谱及其连续谱如图6所示,与图4相比可知,积分域自适应功率谱与长积分功率谱在设定线谱位置处的连续谱大小基本相同,但积分域自适应功率谱在79.98Hz处线谱的幅度比长积分功率谱在80.02Hz处线谱的幅度高5.7dB。
依据第(5)步,线谱自主辨识提取门限设为G2=25,连续谱自动抵消及线谱自主辨识提取结果如图7所示,在79.98Hz处检测到线谱,该线谱所在位置处的规范化差值谱与其标准差之比的幅值远大于线谱辨识提取门限,与图5的长积分功率谱连续谱自动抵消及线谱自主辨识提取结果相比,设定线谱位置处的线谱明显可自主辨识提取。
Claims (7)
1.一种船舶噪声非平稳低频线谱自主提取方法,其特征在于,包括如下步骤:
(1)进行船舶噪声长积分功率谱线谱初检测,获得疑似线谱;
(2)针对疑似线谱,设定分段功率谱分析的段数和积分域区间长度;
(3)针对疑似线谱,设定各分段功率谱分析的积分域起始点;
(4)根据设定的积分域起始点和区间长度进行船舶噪声二次功率谱估计;
(5)连续谱自动抵消及线谱自主辨识提取。
2.如权利要求1所述的船舶噪声非平稳低频线谱自主提取方法,其特征在于,步骤(1)中,采用如下方法进行船舶噪声长积分功率谱线谱初检测,获得疑似线谱,具体包括如下步骤:
(1-1)计算船舶噪声s[n]的长积分功率谱P[l]
其中,N为功率谱分析的积分域区间长度,l为P[l]的离散频率索引,j表示虚数单位,即||代表取模值运算;
(1-2)将长积分功率谱P[l]通过Q1阶中值滤波器得到长积分功率谱的趋势项C1[l],l=0,1,...,N/2,则功率谱P[l]与趋势项C1[l]的差值谱E1[l]为
E1[l]=P[l]-C1[l],l=0,1,...,N/2
E1[l]的规范化差值谱D1[l]为
其中,std(E1[l])是求E1[l]的标准差;
(1-3)设定长积分功率谱疑似线谱检测门限G1,若D1[l]满足如下条件:
D1[l]≥G1,1≤l≤(N/2-1)
则将D1[l]判为疑似线谱。假设在频带[fL,fH]范围内共提取出K根疑似功率谱线谱,第k根疑似线谱在D1[l]中的索引为Jk,则第k根疑似线谱的频率为
fk=JkΔf,k=1,2,...,K
其中,fL和fH分别为分析频带的下限频率和上限频率,Δf为长度为N的离散傅里叶变换的频率分辨率,Δf=fs/N,fs为舰船噪声数字化过程中的采样率。
3.如权利要求2所述的船舶噪声非平稳低频线谱自主提取方法,其特征在于,在步骤(2)中,采用如下方法针对疑似线谱,设定分段功率谱分析的段数和积分域区间长度,具体包括如下步骤:
(2-1)基于长积分功率谱疑似线谱检测结果进行强谱线簇判定,统计第i个强谱线簇内的谱线根数Li;
(2-2)针对第i个强谱线簇,根据强谱线簇内的谱线根数Li,将功率谱分析的积分域区间长度从N调整为N1
其中,是求的四舍五入值;
(2-3)将长度为N的船舶噪声数据分为M段长度为N1的船舶噪声数据,各相邻船舶噪声数据段存在50%重叠,对各段船舶噪声数据进行积分域区间长度为N1的功率谱分析,并对各分段功率谱进行非相干累加:
其中,l为P1[l]的离散频率索引,为第m+1段数据相对于第m段数据的离散采样时间点偏移量,为设定的分段功率谱分析段数;
(2-4)令idxi=round(fi1/Δf1)为第i个强谱线簇的中心频率fi1在P1[l]中的频率下标索引预估值,根据P1[idxi-1]、P1[idxi]和P1[idxi+1]三个值的大小更新idxi:
令则频率插值的相对偏差δi为
P1[l]中与第i个强谱线簇对应的疑似线谱的频率估计值为fi2=(idxi+δi)Δf1,i=1,2,...,I
其中,Δf1为长度为N1的离散傅里叶变换的频率分辨率,Δf1=fs/N1;
(2-5)根据估计的疑似线谱的频率fi2,选定功率谱分析的积分域区间长度N2:
使得在对频率近似为fi2的准周期信号进行功率谱分析时,准周期信号可以得到平滑的周期延拓。
4.如权利要求3所述的船舶噪声非平稳低频线谱自主提取方法,其特征在于,在步骤(2-1)包括如下步骤:
(2-1-1)初始化,令强谱线簇下标索引i=0,疑似线谱下标索引k=1;
(2-1-2)令起始疑似线谱频率fstart=fk,起始疑似线谱下标索引lineIdxstart=k,起始疑似线谱在D1[l]中的索引idxStarti+1=Jk;
(2-1-3)判断k+1≤K是否成立,若成立转到(2-1-4),否则转到(2-1-8);
(2-1-4)判断Jk+1-Jk≤2是否成立,若成立转到(2-1-5),否则转到(2-1-6);
(2-1-5)令k=k+1,若k<K,转到(2-1-3),否则转到(2-1-6);
(2-1-6)判断fk-fstart≤3和Jk-idxStarti+1≥2是否同时成立,若成立转到(2-1-7),否则令k=lineIdxstart+1转到(2-1-2);
(2-1-7)令i=i+1,第i个强谱线簇内的谱线根数为Li=Jk-idxStarti+1,第i个强谱线簇的中心频率为fi1=(fstart+fk)/2,令k=k+1,转到(2-1-3);
(2-1-8)强谱线簇检测结束,强谱线簇个数为I=i。
5.如权利要求3所述的船舶噪声非平稳低频线谱自主提取方法,其特征在于,在步骤(3)中,采用如下方法针对疑似线谱,设定各分段功率谱分析的积分域起始点,具体包括如下步骤:
(3-1)按照第i个强谱线簇对应的频带,对船舶噪声数据进行带通滤波。计算船舶噪声数据s[n]的频谱:
对S[l]在频域进行带通滤波:
对S[l]进行逆傅里叶变换,得到带通滤波后的时域信号
其中,l为S[l]的离散频率索引;
(3-2)计算
其中,corrValue[r]为s1[n]与s1[n+D1-HWL+r]两向量的点积运算结果,n=SNm,SNm+1,...,SNm+N2-1,r=1,...,WL,求corrValue[r]最大值的下标索引,并记为maxValueIdx,则第m+1段船舶噪声数据功率谱分析的积分域起始点为:
SNm+1=SNm+D1-HWL+maxValueIdx
其中,表示频率为fi2的信号一个周期内的采样点数的四舍五入值,表示频率为fi2的信号半个周期内的采样点数的四舍五入值,为第m+1段数据相对于第m段数据的离散采样时间点偏移量,为设定的分段功率谱分析段数,SNm为对第m段数据进行功率谱分析时的积分域起始点,SN1=0。
6.如权利要求5所述的船舶噪声非平稳低频线谱自主提取方法,其特征在于,在步骤(4)中,采用如下方法根据设定的积分域起始点和区间长度进行船舶噪声二次功率谱估计:
根据设定的积分域起始点和区间长度,进行分段功率谱分析,基于各段船舶噪声数据的频谱相干累加对船舶噪声功率谱进行二次估计:
其中,l为P2[l]的离散频率索引。
7.如权利要求6所述的船舶噪声非平稳低频线谱自主提取方法,其特征在于,在步骤(5)中,采用如下方法进行连续谱自动抵消及线谱自主辨识提取,具体包括如下步骤:
(5-1)将功率谱P2[l]通过Q2阶中值滤波器得到功率谱的趋势项C2[l],l=0,1,...,round(N2/2),则功率谱P2[l]与趋势项C2[l]的差值谱E2[l]为
E2[l]=P2[l]-C2[l],l=0,1,...,round(N2/2)
E2[l]的规范化差值谱D2[l]为
其中,std(E2[l])是求E2[l]的标准差;
(5-2)设定幅度门限G2进行功率谱线谱自主辨识提取,若D2[l]满足如下条件:
则将P2[l]的第l条谱线判为功率谱线谱,该线谱的频率为lΔf2,幅度为P2[l],信噪比为10lg(E2[l]/C2[l]),其中,Δf2为长度为N2的离散傅里叶变换的频率分辨率,Δf2=fs/N2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551749.XA CN109655148B (zh) | 2018-12-19 | 2018-12-19 | 一种船舶噪声非平稳低频线谱自主提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811551749.XA CN109655148B (zh) | 2018-12-19 | 2018-12-19 | 一种船舶噪声非平稳低频线谱自主提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109655148A true CN109655148A (zh) | 2019-04-19 |
CN109655148B CN109655148B (zh) | 2019-09-17 |
Family
ID=66113371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811551749.XA Active CN109655148B (zh) | 2018-12-19 | 2018-12-19 | 一种船舶噪声非平稳低频线谱自主提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109655148B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135316A (zh) * | 2019-05-07 | 2019-08-16 | 中国人民解放军海军潜艇学院 | 一种舰船辐射噪声中低频线谱的自动检测和提取方法 |
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 |
CN110554392A (zh) * | 2019-05-10 | 2019-12-10 | 中国船舶重工集团公司第七一五研究所 | 一种基于频率—能量起伏特性的运动目标线谱识别方法 |
CN111157095A (zh) * | 2020-01-17 | 2020-05-15 | 上海索辰信息科技有限公司 | 噪声声源的频率自动提取方法 |
CN112556823A (zh) * | 2020-12-08 | 2021-03-26 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的油气管线清管器卡球定位监测方法及装置 |
CN113591310A (zh) * | 2021-07-31 | 2021-11-02 | 西北工业大学 | 一种基于统计量分析的船舶辐射噪声线谱精确提取方法 |
CN114859352A (zh) * | 2022-07-07 | 2022-08-05 | 自然资源部第二海洋研究所 | Sar卫星海洋观测图像自适应拉伸方法及装置 |
Citations (2)
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 |
CN102353952A (zh) * | 2011-06-03 | 2012-02-15 | 哈尔滨工程大学 | 一种频域相干累加的线谱检测方法 |
-
2018
- 2018-12-19 CN CN201811551749.XA patent/CN109655148B/zh active Active
Patent Citations (2)
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 |
CN102353952A (zh) * | 2011-06-03 | 2012-02-15 | 哈尔滨工程大学 | 一种频域相干累加的线谱检测方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135316A (zh) * | 2019-05-07 | 2019-08-16 | 中国人民解放军海军潜艇学院 | 一种舰船辐射噪声中低频线谱的自动检测和提取方法 |
CN110135316B (zh) * | 2019-05-07 | 2019-12-31 | 中国人民解放军海军潜艇学院 | 一种舰船辐射噪声中低频线谱的自动检测和提取方法 |
CN110554392A (zh) * | 2019-05-10 | 2019-12-10 | 中国船舶重工集团公司第七一五研究所 | 一种基于频率—能量起伏特性的运动目标线谱识别方法 |
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 |
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 |
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 |
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 |
CN111157095A (zh) * | 2020-01-17 | 2020-05-15 | 上海索辰信息科技有限公司 | 噪声声源的频率自动提取方法 |
CN112556823A (zh) * | 2020-12-08 | 2021-03-26 | 武汉理工光科股份有限公司 | 基于分布式光纤传感的油气管线清管器卡球定位监测方法及装置 |
CN113591310A (zh) * | 2021-07-31 | 2021-11-02 | 西北工业大学 | 一种基于统计量分析的船舶辐射噪声线谱精确提取方法 |
CN113591310B (zh) * | 2021-07-31 | 2022-09-16 | 西北工业大学 | 一种基于统计量分析的船舶辐射噪声线谱精确提取方法 |
CN114859352A (zh) * | 2022-07-07 | 2022-08-05 | 自然资源部第二海洋研究所 | Sar卫星海洋观测图像自适应拉伸方法及装置 |
CN114859352B (zh) * | 2022-07-07 | 2022-10-28 | 自然资源部第二海洋研究所 | Sar卫星海洋观测图像自适应拉伸方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109655148B (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109655148B (zh) | 一种船舶噪声非平稳低频线谱自主提取方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN110852201A (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN111624574A (zh) | 弱目标探测的目标检测方法、系统、存储介质和装置 | |
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 | |
CN111257943B (zh) | 一种浅海低频声场时频干涉条纹提取方法 | |
CN109765545A (zh) | 一种基于相关峰包络检测的水声定位时延估计算法 | |
CN111610501A (zh) | 对海雷达小目标检测方法 | |
CN108828566A (zh) | 基于拖曳线列阵的水下脉冲信号识别方法 | |
CN111580048A (zh) | 一种利用单矢量水听器的宽带声源深度估计方法 | |
CN103558597A (zh) | 基于谱峭度的海杂波中弱目标检测方法 | |
CN104168232A (zh) | 一种水声信道中多径时延与多普勒频移的测定方法 | |
CN106879068A (zh) | 一种强多径环境下信号的到达时间估计方法 | |
KR20170029899A (ko) | 능동 소나 시스템의 lfm신호 파라미터 추정 장치 및 방법 | |
CN111263321A (zh) | 一种提高toa室内超宽带定位精度的方法 | |
CN110895331A (zh) | 基于结构化观测矩阵的脉冲多普勒雷达目标稀疏探测方法 | |
CN112462321B (zh) | 基于脉冲匹配累加的声信标信号截获处理方法 | |
CN112987003A (zh) | 主动声纳中的hfm信号分离方法及系统 | |
CN110208788B (zh) | 一种基于滑窗的连续帧联合速度解模糊方法 | |
CN110673118A (zh) | 一种主动声纳单频脉冲串波形设计及检测算法 | |
CN108896971B (zh) | 一种海面漂浮小目标回波的仿真方法 | |
CN113972951B (zh) | 一种低信噪比高动态信号载波多普勒频偏的梳状搜索方法 | |
CN115828552A (zh) | 一种基于岸基被动声纳线谱提纯方法及最优路径跟踪算法 | |
CN106646436B (zh) | 一种基于信号宽窄带模糊度的侦察信号参数估计方法 | |
RU2733938C1 (ru) | Способ отображения гидроакустической информации |
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 |