CN110765867A - 一种螺旋桨辐射噪声低频特征提取方法 - Google Patents

Abstract

本发明公开了一种螺旋桨辐射噪声低频特征提取方法，所述螺旋桨辐射噪声低频声特征提取方法包括以下步骤：螺旋桨辐射噪声信号预处理、时频分布矩阵求解、螺旋桨辐射噪声调制组分提取、轴频和叶频调制特征提取，最终得到螺旋桨的轴频、叶频调制信息。应用本发明所述螺旋桨低频声特征提取方法，能够得到螺旋桨的运行状态信息，对水下螺旋桨的状态监测及目标识别具有重要的理论意义。

Description

一种螺旋桨辐射噪声低频特征提取方法

技术领域

本发明涉及水声信号处理领域，尤其涉及一种螺旋桨辐射噪声低频特征提取方法。

背景技术

螺旋桨推进为当代船舶、舰艇主要动力推进装置，准确的获得螺旋桨的轴频、叶频关键低频信息，能够有效的识别螺旋桨的运行信息及结构信息。螺旋桨在发生工况转变和机械故障时，其噪声信号的低频声纹理特性会发生显著的变化。螺旋桨辐射噪声低频特征提取方法对于螺旋桨目标的识别具有重要的理论及工程价值。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

螺旋桨辐射水声信号中包含丰富的运行状态及结构信息，常用的低频特征提取方法包括傅里叶变换、包络谱分析、循环平稳分析等技术手段。傅里叶变换是最为常用的技术手段，但是该方法只能获得信号的频域信息，无法获得水声信号的调制特征，因此对于低频特征的提取较为困难。包络谱分析方法能够实现螺旋桨水声信号低频调制特征的提取，但是该方法抗噪能力较差，容易受到噪声信号的干扰。循环平稳分析方法能够实现螺旋桨低频特征的提取，且该方法的抗噪性能较好，但是该方法的计算效率较低，对于低频特征的在线提取较为困难，因此，目前常用的低频特征提取方法其提取性能较差。

发明内容

本发明提供了一种螺旋桨辐射噪声低频特征提取方法，本发明通过构造时频分布矩阵和特征组分提取，提高了低频特征提取算法的抗噪性能和计算效率，满足了实际应用中的需要，详见下文描述：

一种螺旋桨辐射噪声低频特征提取方法，所述低频特征提取方法包括以下步骤：

步骤1：螺旋桨辐射噪声信号预处理；

步骤2：时频分布矩阵求解；

步骤3：螺旋桨辐射噪声调制组分提取；

步骤4：轴频和叶频调制特征提取。

步骤1中，所述的螺旋桨辐射噪声预处理方法为，对监测水声信号进行去均值预处理。

步骤2中，所属的时频分布矩阵求解过程为：

步骤2-1，根据螺旋桨的预估转速与信号采样频率确定窗函数长度；

步骤2-2，选取窗函数；

步骤2-3，根据所确定的窗函数进行时频分析，获得时频分布矩阵。

步骤3中，所述的螺旋桨辐射噪声调制组分提取过程为：

步骤3-1，根据步骤2所确定的时频分布矩阵，求解其协方差矩阵；

步骤3-2，对协方差矩阵进行特征值分解，获得其特征值及特征向量；

步骤3-3，根据其特征值，选取其特征向量；

步骤3-4，调制信号组分重构。

步骤4中，所述的轴频、叶频调制特征提取过程为：

步骤4-1，根据步骤3所选各调制组分，对调制组分进行组分相加；

步骤4-2，对调制信号组分进行频域分析。

本发明提供的技术方案的有益效果是：本发明实现了螺旋桨辐射噪声低频特征提取，解决了现有的特征提取方法抗噪能力差、算法复杂度高等问题。应用本发明能够得到螺旋桨的低频特征如轴频、叶频等信息，对螺旋桨水下状态监测及目标识别具有重要的理论与工程意义。

附图说明

图1为本发明提出的一种螺旋桨辐射噪声低频特征提取方法示意图；

图2为螺旋桨辐射噪声信号时域图；

图3为螺旋桨辐射噪声预处理后得到的时域图；

图4为螺旋桨预处理信号时频分布图；

图5为特征值和差值分布图。

图6为轴频和叶频调制特征提取的频谱。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

针对背景技术中存在的问题，本发明提出了一种螺旋桨辐射噪声低频特征提取方法，本发明实现了螺旋桨辐射噪声中轴频、叶频调制特征提取，解决了现有的特征提取方法所存在的抗噪性能差、计算效率低问题，详见下文描述：

S01，螺旋桨辐射噪声信号预处理。

对于螺旋桨水下辐射噪声，其频谱特征的低频区域存在较多干扰，采用合理的信号预处理手段能够降低低频区域干扰，本发明中采用去均值的预处理方法进行降噪处理，其对应的 MATLAB语句如下所示。

x_mean(t)＝x(t)-mean(x(t)) (1)

式中，x(t)表示螺旋桨辐射噪声的时序信号(如图2所示)，mean()表示MATLAB中求均值函数，x_mean(t)表示螺旋桨辐射噪声去均值预处理后的时序信号(如图3所示)。

S02，时频分布矩阵求解。

螺旋桨辐射噪声中存在典型的调幅调制信号组分。单组分调幅调制信号主要包含载波信号和调制信号。

x(t)＝x_m(t)x_c(t) (2)

式中，x(t)为螺旋桨辐射噪声的调幅调制信号，x_m(t)为调制信号，x_c(t)为载波信号。

利用短时傅里叶变换作为时频分析手段，调幅调制信号的时频分布可以进行表征。

式中，TF_x(f,t)为调幅调制信号的时频分布函数，w(t)表示短时傅里叶变换的窗函数。

根据螺旋桨调制信号的特点，调制信号的载波频率远大于调制信号的频率。

f_c>f_m (4)

式中f_c为载波频率，f_m为调制频率。

时间分辨率和频率分辨率的平衡选择是短时傅里叶变换的重点，合理的设置窗函数长度 L_w使得该算法最终能够满足频谱分析的奈奎斯特定律，其设置原则如下。

式中，Fs为采样频率。

针对窗函数长度的选取准则，由于载波信号的载波频率不随时间发生变换，对于确定的频率f，通过调制信号的时频谱可以得到调制信号组分x_m(t)的特征信息。

式中，TF_x(f,t)表示监测信号的时频分布函数，TF_c(f,t)表示载波信号的时频分布函数。

为了更好的获得调制信号的特征频率，单组分调制信号的时频分布函数中的频率设置了最低频率限制。该限制能够降低调制信号时频分布函数的维度，同时可以提高算法对共振频带识别的准确性。

f_m＜＜f_t＜f_c (7)

式中，f_t表示最低限制频率。

螺旋桨辐射噪声信号的幅值谱密度函数可以通过时频分布函数求解获得(如图4所示)。

式中，P(f,t)表示幅值谱密度函数。

最终，获得的调幅调制信号的时频分布矩阵。

S03，螺旋桨辐射噪声调制组分提取。

根据所求解的时频分布矩阵，提取螺旋桨辐射噪声中的调制信号，进而获得调制信号的低频特征调制频率。首先，利用MATLAB求解时频分布矩阵需要通过协方差函数，其MATLAB 命令如下。

P_cov＝cov(P(t，f)) (10)

式中，P_cov表示时频分布矩阵的协方差矩阵。

对于所得到的时频分布矩阵的协方差矩阵，利用特征值分解方法求解矩阵的特征值和特征向量。

[V，U]＝eig(P_cov) (11)

式中，V,U分别表示特征值矩阵和特征向量矩阵。

对于螺旋桨辐射噪声中调制组分的重构，采用差值最大值作为特征值的选取准则(如图 5所示)。

式中，k表示所选取的特征值阶数，δ_i表示差值，λ_i表示特征值。

根据所选定的前k阶特征值，利用特征值和时频分布矩阵可以得到相应的调制信号组分。

S04，轴频、叶频调制特征提取。

根据所提取的螺旋桨辐射噪声中调制信号组分，利用快速傅里叶变换方法，进行螺旋桨轴频、叶频调制特征提取(如图6所示)。

综上所述，

利用构造螺旋桨辐射噪声信号时频分布矩阵和特征值分解方法，使得调制信号组分得到增强，准确获得螺旋桨辐射噪声中轴频、叶频低频调制信号组分，因此采用此方法能够获得更好的抗噪性能。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种螺旋桨辐射噪声低频声特征提取方法，其特征在于，所述低频声特征提取方法包括以下步骤：

步骤1：螺旋桨辐射噪声信号预处理；

步骤2：时频分布矩阵求解；

步骤3：螺旋桨辐射噪声调制组分提取；

步骤4：轴频和叶频调制特征提取。

2.根据权利要求1所述的一种螺旋桨辐射噪声低频声特征提取方法，其特征在于，所述的水声预处理方法为，对监测水声信号进行去均值预处理。

3.根据权利要求1所述的一种螺旋桨辐射噪声低频声特征提取方法，其特征在于，所述的步骤2具体过程为：

步骤2-1，根据螺旋桨的预估转速与信号采样频率确定窗函数长度；

步骤2-2，选取窗函数；

步骤2-3，根据所确定的窗函数进行时频分析，获得时频分布矩阵。

4.根据权利要求1所述的一种螺旋桨辐射噪声低频声特征提取方法，其特征在于，所述的步骤3具体过程为：

步骤3-1，根据步骤2所确定的时频分布矩阵，求解其协方差矩阵；

步骤3-2，对协方差矩阵进行特征值分解，获得其特征值及特征向量；

步骤3-3，根据其特征值，选取其特征向量；

步骤3-4，调制信号组分重构。

5.根据权利要求1所述的一种螺旋桨辐射噪声低频声特征提取方法，其特征在于，所述的步骤4具体过程为：

步骤4-1，根据步骤3所选各调制组分，对调制组分进行组分相加；

步骤4-2，对调制信号组分进行频域分析。

Images