CN109799532B - 一种自适应随机共振的地震波特征提取方法 - Google Patents
一种自适应随机共振的地震波特征提取方法 Download PDFInfo
- Publication number
- CN109799532B CN109799532B CN201910201713.7A CN201910201713A CN109799532B CN 109799532 B CN109799532 B CN 109799532B CN 201910201713 A CN201910201713 A CN 201910201713A CN 109799532 B CN109799532 B CN 109799532B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- noise
- stochastic resonance
- matching
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 4
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000005036 potential barrier Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 240000005528 Arctium lappa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种自适应随机共振的地震波特征提取方法，采用最大似然估计估计噪声强度，建立二阶非线性双稳态随机共振系统，通过优化输出信噪比增益测度以及同步克莱姆逃逸率实现噪声匹配与频率匹配；按照设定的步长改变信号频率，选取信噪比最大值作为最优匹配值，并提取其对应的信号频率即为目标特征线谱频率。本发明能够大幅提升目标特征线谱处的信号能量及局部信噪比，对完全淹没的噪声中的特征信号亦能得到明显的增强输出。
Description
技术领域
本发明涉及水下地震波信号提取和微弱信号检测领域。
背景技术
随着水下大型航行器消磁降噪等措施的不断完善，其本身的自防护能力不断提高，尤其是安静型水下航行器无人潜航器等水下移动目标，其声学特性被不断削弱，传统声学探测方法难度增大。水中航行的舰艇是很大的能量载体，可以通过船体对水体的扰动、船体的固有频率振动、船上的机械振动辐射噪声、螺旋桨噪声以及水动力噪声等方式将能量释放到水体中向外传播。理论和实验已证明运动舰艇不平衡旋转部件、螺旋桨周期击水以及叶片共振会产生较高强度和稳定度的甚低频线谱特征，其中一部分能量被宽带空化噪声调制后向外辐射，另一部分能量经由水体耦合至海底，引起海底岩土层振动，进而产生舰艇地震波，可直接关联目标发动机、螺旋桨等物理特征。其作为水下大型航行器探测信号，携带水下航行目标的关键特征，可以不受水文条件的影响而通过海底传播，具有衰减慢、作用距离远且很难被抑制的特点。因此利用甚低频地震波信号进行水下目标探测，是实现对水下大型航行器远程探测的有效技术手段，是水下被动探测系统远距离感知目标的重点发展方向之一，在复杂的强海洋环境噪声中提取地震波信号特征显得尤为重要。
近年来，伴随着非线性动力学和统计物理理论而突飞猛进，基于非线性随机共振的微弱周期信号检测理论方法得到快速发展，目前已在众多科学领域取得了丰硕的成果，其对于微弱周期信号的增强作用为低信噪比条件下的水中目标特征线谱检测与提取方法提供了一条新的途径。而随机共振技术则利用了噪声来增强目标信号，以提高微弱信号的检测性能。具体来说，随机共振技术通过建立合适的系统，将部分噪声能量转化为信号能量，能够大幅度提高输出信噪比。
传统水中目标线谱特征检测与提取方法，如滤波、相关检测、时频分析等，能够处理一定信噪比的噪声，但是在强背景噪声干扰下其提取性能难度很大，无法在强背景噪声中提取微弱信号。
发明内容
为了克服现有技术的不足，本发明提供一种自适应随机共振增强的微弱特征提取方法，通过建立自适应匹配随机共振模型，以最大局部信噪比为表征测度，在复杂的强海洋环境背景噪声中提取微弱的地震波特征信号。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1，采用最大似然估计估计噪声强度，计算噪声方差
其中，N为信号点数，T(x)为检验统计量；
步骤2，建立二阶非线性双稳态随机共振系统
其中x为系统输出，γ为二阶系统阻尼参数，
表示接收到的特征线谱信号，A0为输入信号幅值，f0为输入信号频率，
为初始相位；n(t)为噪声强度为D的背景噪声；非线性双稳态势函数
a＞0,b＞0，a、b为双稳态随机共振系统的势垒参数，系统势函数有两个稳态点在
处，被在零点处的势垒ΔV＝a2/4b分开；
步骤3，建立参数匹配的随机共振系统，通过优化输出信噪比增益测度以及同步克莱姆逃逸率实现噪声匹配与频率匹配；所述的匹配参数
其中e为自然对数，信号频率f0通过设定信号频率搜索范围[fstart,fend]以及搜索步长fstep选取，D为噪声强度；
为了尽可能覆盖海底地震波的所有频段，信号频率f0在海底地震波探测范围10Hz～100Hz中以搜索步长1Hz进行选取。
步骤4，将二阶非线性双稳态随机共振系统的二阶方程化简为两个一阶方程，
然后用四阶龙戈库塔算法求解方程组，
其中h为龙戈库塔步长参数；
步骤5，设定时间尺度搜索范围[hstart,hend]以及搜索步长hstep，根据设定的时间尺度搜索范围及搜索步长自适应寻找信号频率处最大的输出功率谱PMAX，并记录fstart所对应最优时间尺度hopt和PMAX值；
步骤6，计算局部信噪比测度
其中Pd表示特征频率处的功率谱值，ΔB为信号频率附近的频带带宽，
表示局部噪声的能量；
步骤7，按照设定的步长fstep改变信号频率，重复步骤3～步骤6，选取信噪比最大值作为最优匹配值，并提取其对应的信号频率即为目标特征线谱频率f0。
本发明的有益效果是：在前期参数匹配随机共振的框架下进一步提出了一种自适应参数匹配随机共振微弱特征信号提取方法，仿真分析了其非线性滤波性能以及特征提取性能，并利用实测数据验证了本方法的实用性能。结果显示利用自适应随机共振可以大幅提升目标特征线谱处的信号能量及局部信噪比，对完全淹没的噪声中的特征信号亦能得到明显的增强输出，能够验证本方法对弱小目标关键特征提取的有效性。研究成果可为新型水中兵器引信、编队反潜作战系统、预警防护系统、我国海域安全监测网络构建等提供技术支撑，相关理论方法同样适用于其他各类水中舰艇目标，可用于提升水中兵器、水面及水下舰艇在复杂海洋环境噪声下对敌方弱、小目标的被动探测能力。
附图说明
图1是本发明的自适应随机共振地震波特征提取方法原理框图。
图2是本发明的仿真输入信号时域与频域图。
图3是本发明的自适应随机共振系统输出信号时域与频域图。
图4是本发明对实测水下航行器地震波数据的时频分析图。
具体实施方式
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
本发明建立自适应步长的随机共振信号检测系统，同时针对特征频率未知的问题，建立频率匹配的搜索提取方法。
具体包括以下步骤：
步骤1：噪声强度估计
采用最大似然估计的方法，估计噪声强度，即只有噪声输入时的方差，计算公式如下：
其中，
为噪声的方差，N为信号点数，T(x)为检验统计量；
步骤2：随机共振系统构建设计
建立二阶非线性双稳态随机共振系统：
其中γ为二阶系统阻尼参数，
表示接收到的特征线谱信号，A0为输入信号幅值，f0为输入信号频率，
为初始相位；n(t)为噪声强度为D的背景噪声；V(x)为非线性双稳态势函数；
其中a、b为双稳态随机共振系统的势垒参数，系统势函数有两个稳态点在
处，被在零点处的势垒ΔV＝a2/4b分开。
步骤3：选取起始信号及匹配系统参数
快速建立参数匹配的随机共振系统，通过优化输出信噪比增益测度以及同步克莱姆逃逸率实现噪声匹配与频率匹配，其匹配参数选取由式(4)计算可得：
其中e为自然对数，信号频率f0通过设定信号频率搜索范围[fstart，fend]以及搜索步长fstep中选取，噪声强度D可以通过经典统计信号处理理论估计得到，由于实际接收信号的噪声强度一般都比较大，因此可以简单设定参数a＝1以便在任意环境噪声下快速建立参数匹配的随机共振系统。
步骤4：系统数值求解
首先，将二阶方程化简为两个一阶方程，
然后用如下四阶龙戈库塔算法(RK4)求解方程组：
其中h为龙戈库塔步长参数。
步骤5：搜索最优步长参数
设定时间尺度搜索范围[hstart,hend]以及搜索步长hstep，根据设定的时间尺度搜索范围及搜索步长自适应寻找信号频率处最大的输出功率谱PMAX，并记录fstart所对应最优时间尺度hopt和PMAX值。
步骤6：系统输出局部信噪比与存储
以局部信噪比测度指标，局部信噪比测度的表示如下：
其中Pd表示特征频率处的功率谱值，ΔB为信号频率附近的频带带宽，
表示局部噪声的能量。
将信噪比及其对应的信号频率和输出信噪比。
步骤7：改变信号频率，执行步骤3到步骤6。
步骤8：在存储的信噪比中选取最大值作为最优匹配值，并提取其对应的信号频率即为目标特征线谱频率f0。
步骤9：输出信号及目标特征线谱频率f0。
Claims (2)
1.一种自适应随机共振的地震波特征提取方法，其特征在于包括下述步骤：
步骤1，采用最大似然估计估计噪声强度，计算噪声方差
其中，N为信号点数，T(x)为检验统计量；
步骤2，建立二阶非线性双稳态随机共振系统
其中x为系统输出，γ为二阶系统阻尼参数，
表示接收到的特征线谱信号，A0为输入信号幅值，f0为输入信号频率，
为初始相位；n(t)为噪声强度为D的背景噪声；非线性双稳态势函数
a＞0,b＞0，a、b为双稳态随机共振系统的势垒参数，系统势函数有两个稳态点在
处，被在零点处的势垒ΔV＝a2/4b分开；
步骤3，建立参数匹配的随机共振系统，通过优化输出信噪比增益测度以及同步克莱姆逃逸率实现噪声匹配与频率匹配；匹配参数
其中e为自然对数，信号频率f0通过设定信号频率搜索范围[fstart,fend]以及搜索步长fstep选取，D为噪声强度；
步骤4，将二阶非线性双稳态随机共振系统的二阶方程化简为两个一阶方程，
然后用四阶龙戈库塔算法求解方程组，
其中h为龙戈库塔步长参数；
步骤5，设定时间尺度搜索范围[hstart,hend]以及搜索步长hstep，根据设定的时间尺度搜索范围及搜索步长自适应寻找信号频率处最大的输出功率谱PMAX，并记录fstart所对应最优时间尺度hopt和PMAX值；
步骤6，计算局部信噪比测度
其中Pd表示特征频率d处的功率谱值，ΔB为信号频率附近的频带带宽，
表示局部噪声的能量；
步骤7，按照设定的步长fstep改变信号频率，重复步骤3～步骤6，选取信噪比最大值作为最优匹配值，并提取其对应的信号频率即为目标特征线谱频率f0。
2.根据权利要求1所述的自适应随机共振的地震波特征提取方法，其特征在于：所述的信号频率f0在海底地震波探测范围10Hz～100Hz中以搜索步长1Hz进行选取。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810738071.XA CN108549105A (zh) | 2018-07-02 | 2018-07-02 | 一种自适应随机共振的地震波特征提取方法 |
| CN201810738071X | 2018-07-02 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109799532A CN109799532A (zh) | 2019-05-24 |
| CN109799532B true CN109799532B (zh) | 2020-06-16 |
Family
ID=63493385
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810738071.XA Withdrawn CN108549105A (zh) | 2018-07-02 | 2018-07-02 | 一种自适应随机共振的地震波特征提取方法 |
| CN201910201713.7A Active CN109799532B (zh) | 2018-07-02 | 2019-03-18 | 一种自适应随机共振的地震波特征提取方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810738071.XA Withdrawn CN108549105A (zh) | 2018-07-02 | 2018-07-02 | 一种自适应随机共振的地震波特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN108549105A (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109738899B (zh) * | 2018-12-29 | 2024-02-13 | 湖南智晶电子科技有限公司 | 一种基于随机共振探测阵列的低空飞行器探测方法及系统 |
| CN110135291B (zh) * | 2019-04-29 | 2023-03-24 | 西北工业大学 | 一种低信噪比信号的参数估计方法 |
| WO2020245970A1 (ja) * | 2019-06-06 | 2020-12-10 | 三菱電機ビルテクノサービス株式会社 | 分析装置 |
| CN110376575B (zh) * | 2019-08-19 | 2022-09-02 | 西北工业大学 | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 |
| CN111628750B (zh) * | 2020-05-17 | 2023-04-18 | 西北工业大学 | 一种阱内匹配随机共振的非线性滤波方法 |
| CN111898476B (zh) * | 2020-07-12 | 2022-04-26 | 西北工业大学 | 一种耦合随机共振的自适应线谱增强方法 |
| CN112323820B (zh) * | 2020-12-14 | 2021-11-16 | 深圳百勤建设工程有限公司 | 一种基于土壤特征的基坑支护设计方法 |
| CN112904434B (zh) * | 2020-12-22 | 2022-04-15 | 电子科技大学 | 一种基于参数优化随机共振的磁异常信号检测方法 |
| CN113221714A (zh) * | 2021-04-29 | 2021-08-06 | 西北工业大学 | 一种自适应线谱增强器和随机共振联合的线谱检测方法 |
| CN114649001B (zh) * | 2022-03-17 | 2024-06-04 | 厦门大学 | 基于自适应随机共振的营运风机水下声信号特征提取方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101841350B (zh) * | 2010-04-23 | 2013-04-17 | 西安电子科技大学 | 基于随机共振预处理的多普勒频移估计方法 |
| US8823464B2 (en) * | 2011-11-01 | 2014-09-02 | Instituto Potosino de Investigacion Cientifica y Tecnológica A.C. | Reconfigurable multivibrator element based on chaos control |
| CN106680628A (zh) * | 2016-12-26 | 2017-05-17 | 西北工业大学 | 一种自适应随机共振弱信号匹配检测方法 |
| CN107340056B (zh) * | 2017-06-29 | 2019-06-21 | 西北工业大学 | 一种匹配随机共振检测方法 |
| CN107702921A (zh) * | 2017-09-04 | 2018-02-16 | 西安交通大学 | 参数诱导的欠阻尼稳态匹配随机共振微弱特征增强方法 |
-
2018
- 2018-07-02 CN CN201810738071.XA patent/CN108549105A/zh not_active Withdrawn
-
2019
- 2019-03-18 CN CN201910201713.7A patent/CN109799532B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109799532A (zh) | 2019-05-24 |
| CN108549105A (zh) | 2018-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109799532B (zh) | 一种自适应随机共振的地震波特征提取方法 | |
| CN108875685B (zh) | 一种自适应匹配随机共振的水下auv检测方法 | |
| CN107329141A (zh) | 一种海洋环境下的航体微弱辐射噪声信号检测方法 | |
| CN103063253A (zh) | 一种多发多收式声学测量海洋内波方法 | |
| CN110376575B (zh) | 一种基于阻尼参数匹配随机共振的低频线谱检测方法 | |
| CN110133580B (zh) | 一种随机共振增强的声矢量信号定向方法 | |
| CN107340055A (zh) | 一种基于多测度融合的随机共振微弱信号检测方法 | |
| CN105785346B (zh) | 一种基于相位方差加权的未知目标线谱检测方法及系统 | |
| CN111024209A (zh) | 一种适用于矢量水听器的线谱检测方法 | |
| CN108318876A (zh) | 一种利用单个水听器估计水下目标深度和距离的方法 | |
| CN110196355A (zh) | 一种基于间歇混沌的微弱信号检测方法 | |
| Wang et al. | Experimental study of passive detection of underwater targets across ice | |
| Dong et al. | Adaptive matched stochastic resonance enhanced speedboat seismoacoustic signature under heavy background noise | |
| Luo et al. | Simulation model of ship-radiated broadband noise | |
| Peng et al. | A simple ship radiated noise model and its application in weak signal detection based on higher order cumulant | |
| Peng et al. | Detection of line spectrum of the ship shaft-rate electric field based on the improved adaptive line enhancement | |
| Qingxin et al. | Research on chaotic character of ship-radiated noise based on phase space reconstruction | |
| Hallander et al. | Underwater Radiated Noise Measurements on a Chemical Tanker¬ Comparison of Full-Scale and Model-Scale Results | |
| CN112162235A (zh) | 一种光滑分段随机共振增强的声矢量信号定向方法 | |
| Bi et al. | Research on Target Depth Attribute Determination Method Based on Pressure Cross Spectrum in Shallow Water | |
| Wang et al. | Numerical simulation and inversion of offshore area depth based on X-band microwave radar | |
| CN112834577A (zh) | 一种判断海洋环境磁场与海水电导率关联方法 | |
| CN103487794A (zh) | 一种基于小波包变换的水底混响抑制方法 | |
| Czarnecki et al. | Bearing estimation using double frequency reassignment for a linear passive array | |
| Wei et al. | Research of underwater acoustic confrontation technology based on warship radiated noise modeling |
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 |