CN116878755A - 一种基于气泡被动声学监测海底气体渗漏的方法 - Google Patents
一种基于气泡被动声学监测海底气体渗漏的方法 Download PDFInfo
- Publication number
- CN116878755A CN116878755A CN202310845277.3A CN202310845277A CN116878755A CN 116878755 A CN116878755 A CN 116878755A CN 202310845277 A CN202310845277 A CN 202310845277A CN 116878755 A CN116878755 A CN 116878755A
- Authority
- CN
- China
- Prior art keywords
- frequency
- point
- time domain
- matrix
- bubble
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000005236 sound signal Effects 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 9
- 229910052799 carbon Inorganic materials 0.000 abstract description 9
- 230000007774 longterm Effects 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 12
- 230000009919 sequestration Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000020477 pH reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/06—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point by observing bubbles in a liquid pool
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
- G01M3/24—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point using infrasonic, sonic, or ultrasonic vibrations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于气泡被动声学监测海底气体渗漏的方法，涉及水下声学监测。能够识别出多信道水听器收集的声音信号中的气泡。包括：1)短时傅里叶变换：对声音信号进行短时傅里叶变换，得到时频的交叉频谱；2)滤除背景噪声：计算平均背景噪声级，在频谱中滤除噪声，阈值比较；3)时域筛选；通过设定好的阈值进行时域筛选；4)频域筛选：通过设定好的阈值进行频域筛选，从而识别出气泡。综合气泡的时域和频域声学特性，能在嘈杂的环境中识别单个气泡。可自动处理任何长度的声信号并进行识别，能对海底碳储存库的气体泄漏进行长期有效的水声监测。
Description
技术领域
本发明涉及水下声学监测技术领域，尤其是涉及一种基于气泡被动声学监测海底气体渗漏的方法。
背景技术
海洋中的二氧化碳捕集、利用与封存(CCUS)已被公认为是减缓温室气体排放、全球气温上升和海洋酸化的重要策略。随着对海洋碳中和的日益重视，离岸碳捕集、利用与封存(CCUS)已成为一门该领域的新兴交叉学科。我国海域有11个沉积层盆地，其中9个适合进行碳封存，封存空间达2000至8000亿吨，具有巨大的碳封存潜力。海底碳封存作为离岸CCUS中的重要一环，被视为未来沿海各省重要的负排放措施之一，而确保其空间密闭完整性是当前的一项研究热点。基于声学的水下气体渗漏监测是一项提前预警海底碳封存空间产生密闭瑕疵的行之有效的方法。
近些年来，水下气体渗漏监测技术也在不断的更新及发展。水下气体渗漏监测技术引起了各大领域的重点关注，在声学、光学、化学、生物学和地球物理学等方面都有所创新。由于海水介质的特殊性质，导致电磁波在水中的衰减非常快，而声音能够远距离传播，结合上水中气泡的声学特性，声学手段非常适合于海底CO2渗漏的监测。在声学方面，主动声学与被动声学都广泛地应用于海底气体渗漏监测，主动声学的方法在定位和成像方面最有效，而被动声学技术提供在较长时间内量化通量的能力。
发明内容
本发明针对上述提到的海底气体渗漏监测问题，为了在海底碳封存这一过程中对CO2的安全注入和监测提供必要保障，提供一种基于气泡被动声学监测海底气体渗漏的方法。基于气泡被动声学，具有信噪比高，虚警率低的特点，并综合气泡的时域和频域声学特性，能够在嘈杂的环境中识别单个气泡，确定气泡大小分布和气体通量。
为实现上述目的，本发明采取以下技术方案来实现：
一种基于声学信号的气泡自适应识别方法，包括以下步骤：
S1：短时傅里叶变换：将接收到的多个信道的声音信号在时域上划分为有50％重叠的片段，对每一段声音信号叠加一个窗口函数，进行短时傅里叶变换，计算得到多段不同时间、不同信道变换后的信号，将同一时间、不同信道的片段两两之间卷积取模，得到多个时域和频域的交叉频谱，其中时间作为横坐标，频率作为纵坐标，将这些同一时间的交叉频谱进行平均，得到一个最终的平均交叉频谱矩阵；
S2：滤除背景噪声：将步骤S1得到的交叉频谱矩阵进行逐点的网格化分析，计算各点的平均背景噪声级，各点的声能量级减去平均背景噪声级，得到的滤除噪声后的交叉频谱声能量级，将结果与能量阈值进行比较，保留阈值范围内的网格点数值，令其它点的数值为零，完成滤除背景噪声，得到新网格矩阵；
S3：时域筛选：将步骤S2得到的新网格矩阵进行处理，令每一个点与其时域上相邻的前后两个点分别进行比较筛选，得到一次筛选后的剩余网格点索引矩阵；
S4：频域筛选：提取索引矩阵中的重复元素，对相同时域索引元素的网格点分批进行识别，然后判断可能气泡的频率范围是否在阈值范围内，若在，则识别到该网格序列为一个气泡，反之则未识别到气泡。
在步骤S1中，所述短时傅里叶变换的具体步骤可为：将接收到的声音信号划分为时域上有50％重叠的片段xp,k(n)，其中，xp,k(n)表示重叠50％的第k个水听器信道上的第p段的数据；对每一段声音信号进行叠加一个窗口函数，再进行短时傅里叶变换，计算得到每一个声音片段的变换后的信号Xp,k(f)，其中，Xp,k(f)表示第k个水听器信道上的第p段变换后的信号；将这些信号两两之间卷积取模，得到多个时域和频域的交叉频谱，其中时间作为横坐标，频率作为纵坐标。
计算得到一个时域和频域的交叉频谱，如下式：
Ck,(p,f)＝|Xp,k(f)*Xp,l(f)|
式中，Ck,(p,f)为一对水听器信道k和l在第p帧输入信号的交叉频谱，Xp,k(f)是第k个水听器信道中第p帧输入信号的傅里叶变换，Xp,l(f)是第l个水听器信道中第p帧输入信号的傅里叶变换；
对所有可能的水听器信道对的交叉频谱进行平均得到平均交叉频谱矩阵，其计算公式为：
式中，为第p段声音信号在频率f处的平均交叉频谱图。
在步骤S2中，所述滤除背景噪声的具体步骤可为：
利用得到的交叉频谱矩阵进行逐点的网格化分析，计算各点的平均背景噪声级，其计算公式为：
式中，为频率为f的网格点的平均背景噪声级，P为参与计算平均的声音信号数，
为交叉频谱图上的各点取对数运算结果，来表示声能量级，其计算公式为：
将各点的声能量级减去平均背景噪声级，得到的滤除噪声后的交叉频谱声能量级，其计算公式为：
式中，为第p段声音信号在频率f处滤除噪声后的交叉频谱声能量级。
将上述结果与能量阈值th1，th2(阈值的数值要依照具体环境而定)进行比较，保留阈值范围[th1,h2]内的网格点数值，令其它点的数值为零，完成滤除背景噪声这一目标。
在步骤S3中，所述时域筛选的具体步骤可为：
将新网格矩阵进行处理，令每一个点与其时域上相邻的前后两个点分别进行比较；
若该点的值均大于前后相邻的两个网格点的值，则记录下该网格点的频域索引索引值m，时域索引索引值n；
将所有的索引值m,n分别存放在频域索引矩阵M，时域索引矩阵N中，得到一次筛选后的剩余网格点索引矩阵。
在步骤S4中，所述频域筛选的具体步骤可为：
提取时域索引矩阵N中的重复元素，对相同时域索引元素的网格点分批进行识别；
首先判断这一系列时域相同的网格点的在频域上是否相邻；
若网格点相邻，则只记录下最小以及最大的频率，分别作为可能气泡的开始频率以及结束频率；
若不相邻，则开始频率以及结束频率均为同一数值；
然后判断可能气泡的频率范围，即结束频率减去开始频率是否在阈值范围[th3,h4]内，若在，则识别到该网格序列为一个气泡，并将该气泡的中心频率、最高频率、最低频率、时间索引等数据存放在矩阵E中，反之则未识别到气泡。
与现有技术相比，本发明的有益效果在于：
本发明提供的基于声学信号的气泡自适应识别方法综合气泡的时域和频域声学特性，能够在嘈杂的环境中识别单个气泡。且本发明提出的单气泡识别技术是自适应的，可以自动处理任何长度的声信号并进行识别，这使得该方法能够对全球海底碳储存库的气体泄漏进行长期有效的水声监测。
附图说明
图1为本发明基于声学信号的气泡自适应识别方法的总流程框图；
图2输入声音信号滤除背景噪声的频谱图(浅蓝色斑块表示初步识别到的疑似气泡)；
图3为输入声音信号最终的气泡识别结果图(识别到的气泡用红色方框标记出)；
图4识别到的频率在7-8千赫兹之间的气泡的声音波形(为图3左上方频率4千赫兹的蓝色条状气泡点，识别出后用红色方框进行标识)；
图5识别到的频率约为4千赫兹的气泡的声音波形(为图3频率4千赫兹最左侧的蓝色气泡点，识别出后用红色方框进行标识)。
具体实施方式
以下实施例将结合附图对本发明做进一步详细说明。
以一段在实验水池仿真水下气体渗漏气泡发生的场景，通过水听设备采集声音信号为例。
参见图1，本发明实施例所述一种基于声学信号的气泡自适应识别方法，包括以下步骤：
S1：短时傅里叶变换；
S2：滤除背景噪声；
S3：时域筛选；
S4：频域筛选；
进一步地，所述步骤S1包括以下步骤：
将接收到的声音信号划分为时域上有50％重叠的片段xp,k(n)，其中，xp,k(n)表示重叠50％的第k个水听器信道上的第p段的数据；实验中每一小段声音信号长度为5s，共有8个水听器信道；对每一段声音信号进行叠加一个窗口函数，再进行短时傅里叶变换，计算得到每一个声音片段的变换后的信号Xp,k(f)，其中，Xp,k(f)表示第k个水听器信道上的第p段变换后的信号；将这些信号两两之间卷积取模，得到多个时域和频域的交叉频谱，其中时间作为横坐标，频率作为纵坐标。
其中，步骤S1的计算公式为：
Ck,(p,f)＝|Xo,k(f)*Xo,l(f)|
式中，Ck,(p,f)为一对水听器信道k和l在第p帧输入信号的交叉频谱，Xp,l(f)是第l个水听器信道中第p帧输入信号的傅里叶变换；
对所有可能的水听器信道对的交叉频谱进行平均得到平均交叉频谱矩阵，其计算公式为：
式中，为第o段声音信号在频率f处的平均交叉频谱图；
进一步地，所述步骤S2包括以下步骤：
利用上述得到的交叉频谱矩阵进行逐点的网格化分析，计算各点的平均背景噪声级，其计算公式为：
式中，为频率为f的网格点的平均背景噪声级，P为参与计算平均的声音信号数，
为交叉频谱图上的各点取对数运算结果，来表示声能量级，其计算公式为：
将各点的声能量级减去平均背景噪声级，得到的滤除噪声后的交叉频谱声能量级，其计算公式为：
式中，为第p段声音信号在频率f处滤除噪声后的交叉频谱声能量级。
将上述结果与能量阈值th1，th2进行比较，阈值的数值要依照具体环境而定，此处取th1＝20,th2＝100，保留阈值范围[th1,h2]内的网格点数值，令其它点的数值为零，完成滤除背景噪声这一目标。
所得到滤除背景噪声的频谱图如图2所示，其中浅蓝色斑块表示初步识别到的疑似气泡。
进一步地，所述步骤S3包括以下步骤：
将上述得到的新网格矩阵进行处理，令每一个点与其时域上相邻的前后两个点分别进行比较；
若该点的值均大于前后相邻的两个网格点的值，则记录下该网格点的频域索引索引值m，时域索引索引值n；
将所有的索引值m,n分别存放在频域索引矩阵M，时域索引矩阵N中，得到一次筛选后的剩余网格点索引矩阵。
在步骤S4中，所述频域筛选的具体步骤可为：
提取时域索引矩阵N中的重复元素，对相同时域索引元素的网格点分批进行识别；
首先判断这一系列时域相同的网格点的在频域上是否相邻；
若网格点相邻，则只记录下最小以及最大的频率，分别作为可能气泡的开始频率以及结束频率；
若不相邻，则开始频率以及结束频率均为同一数值；
然后判断可能气泡的频率范围，即结束频率减去开始频率是否在阈值范围[th3,h4]内，此处取th3＝20,th4＝100；若在，则识别到该网格序列为一个气泡，并将该气泡的中心频率，最高频率，最低频率，时间索引等数据存放在矩阵E中，反之则未识别到气泡。
得到最终的气泡识别结果图如图3所示，其中选取的信号长度为1s，识别到的气泡用红色方框标记出；可以发现，在该信号片段中识别到了57个气泡，每一个气泡的声学特征都存放在矩阵E中，可以通过这些特征对气泡进行进一步的分析。
选取图3中左上方的蓝色条状气泡点进行分析，其中心频率在7～8千赫兹之间；通过时间索引，可以定位到气泡所在的时间，并将气泡信号截取出来，进行滤波后，得到如图4所示的气泡波形图。
选取图3中频率在4千赫兹左右的最左侧的蓝色气泡点，其中心频率在4～5千赫兹之间；同样，通过时间索引，可以定位到气泡所在的时间，并将气泡信号截取出来，进行滤波后，得到如图5所示的气泡波形图。
进一步地，可以通过气泡频率来反演计算得到每一个气泡的半径，进而计算气泡的体积，来得到渗漏气体的总量，实现水下环境的监测。
Claims (6)
1.一种基于气泡被动声学监测海底气体渗漏的方法，其特征在于包括以下步骤：
S1：短时傅里叶变换：将接收到的多个信道的声音信号在时域上划分为有50％重叠的片段，对每一段声音信号叠加一个窗口函数，进行短时傅里叶变换，计算得到多段不同时间、不同信道变换后的信号，将同一时间、不同信道的片段两两之间卷积取模，得到多个时域和频域的交叉频谱，其中时间作为横坐标，频率作为纵坐标，将这些同一时间的交叉频谱进行平均，得到一个最终的平均交叉频谱矩阵；
S2：滤除背景噪声：将步骤S1得到的交叉频谱矩阵进行逐点的网格化分析，计算各点的平均背景噪声级，各点的声能量级减去平均背景噪声级，得到的滤除噪声后的交叉频谱声能量级，将结果与能量阈值进行比较，保留阈值范围内的网格点数值，令其它点的数值为零，完成滤除背景噪声，得到新网格矩阵；
S3：时域筛选：将步骤S2得到的新网格矩阵进行处理，令每一个点与其时域上相邻的前后两个点分别进行比较筛选，得到一次筛选后的剩余网格点索引矩阵；
S4：频域筛选：提取索引矩阵中的重复元素，对相同时域索引元素的网格点分批进行识别，然后判断可能气泡的频率范围是否在阈值范围内，若在，则识别到该网格序列为一个气泡，反之则未识别到气泡。
2.如权利要求1所述一种基于气泡被动声学监测海底气体渗漏的方法，其特征在于在步骤S1中，所述短时傅里叶变换的具体步骤为：将接收到的声音信号划分为时域上有50％重叠的片段xp,k(n)，其中，xp,k(n)表示重叠50％的第k个水听器信道上的第p段的数据；对每一段声音信号进行叠加一个窗口函数，再进行短时傅里叶变换，计算得到每一个声音片段的变换后的信号Xp,k(f)，其中，Xp,k(f)表示第k个水听器信道上的第p段变换后的信号；将这些信号两两之间卷积取模，得到多个时域和频域的交叉频谱，其中时间作为横坐标，频率作为纵坐标。
3.如权利要求1所述一种基于气泡被动声学监测海底气体渗漏的方法，其特征在于所述时域和频域的交叉频谱由下式计算得到：
Ck,(p,f)＝|Xp,k(f)*Xp,l(f)|
式中，Ck,(p,f)为一对水听器信道k和l在第p段输入信号的交叉频谱，Xp,k(f)是第k个水听器信道中第p段输入信号的傅里叶变换，Xp,l(f)是第l个水听器信道中第p段输入信号的傅里叶变换；
对所有可能的水听器信道对的交叉频谱进行平均得到平均交叉频谱矩阵，其计算公式为：
式中，为第p段声音信号在频率f处的平均交叉频谱图。
4.如权利要求1所述一种基于气泡被动声学监测海底气体渗漏的方法，其特征在于在步骤S2中，所述滤除背景噪声的具体步骤为：
利用得到的交叉频谱矩阵进行逐点的网格化分析，计算各点的平均背景噪声级，其计算公式为：
式中，为频率为f的网格点的平均背景噪声级，P为参与计算平均的声音信号数，为交叉频谱图上的各点取对数运算结果，来表示声能量级，其计算公式为：
将各点的声能量级减去平均背景噪声级，得到的滤除噪声后的交叉频谱声能量级，其计算公式为：
式中，为第p段声音信号在频率f处滤除噪声后的交叉频谱声能量级；
将上述结果与设定的能量阈值th1，th2进行比较，保留阈值范围[th1,h2]内的网格点数值，令其它点的数值为零，完成滤除背景噪声这一目标。
5.如权利要求1所述一种基于气泡被动声学监测海底气体渗漏的方法，其特征在于在步骤S3中，所述时域筛选的具体步骤为：
将新网格矩阵进行处理，令每一个点与其时域上相邻的前后两个点分别进行比较；
若该点的值均大于前后相邻的两个网格点的值，则记录下该网格点的频域索引索引值m，时域索引索引值n；
将所有的索引值m,n分别存放在频域索引矩阵M，时域索引矩阵N中，得到一次筛选后的剩余网格点索引矩阵。
6.如权利要求1所述一种基于气泡被动声学监测海底气体渗漏的方法，其特征在于在步骤S4中，所述频域筛选的具体步骤为：
提取时域索引矩阵N中的重复元素，对相同时域索引元素的网格点分批进行识别；
首先判断这一系列时域相同的网格点的在频域上是否相邻；
若网格点相邻，则只记录下最小以及最大的频率，分别作为可能气泡的开始频率以及结束频率；
若不相邻，则开始频率以及结束频率均为同一数值；
然后判断可能气泡的频率范围，即结束频率减去开始频率是否在阈值范围[th3,h4]内，若在，则识别到该网格序列为一个气泡，并将该气泡的中心频率、最高频率、最低频率、时间索引数据存放在矩阵E中，反之则未识别到气泡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310845277.3A CN116878755A (zh) | 2023-07-11 | 2023-07-11 | 一种基于气泡被动声学监测海底气体渗漏的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310845277.3A CN116878755A (zh) | 2023-07-11 | 2023-07-11 | 一种基于气泡被动声学监测海底气体渗漏的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116878755A true CN116878755A (zh) | 2023-10-13 |
Family
ID=88254324
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310845277.3A Pending CN116878755A (zh) | 2023-07-11 | 2023-07-11 | 一种基于气泡被动声学监测海底气体渗漏的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116878755A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117571213A (zh) * | 2023-11-02 | 2024-02-20 | 江苏科技大学 | 基于声图联合的海底二氧化碳封存监测方法、系统、设备及存储介质 |
-
2023
- 2023-07-11 CN CN202310845277.3A patent/CN116878755A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117571213A (zh) * | 2023-11-02 | 2024-02-20 | 江苏科技大学 | 基于声图联合的海底二氧化碳封存监测方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102097095A (zh) | 一种语音端点检测方法及装置 | |
| CN110135316B (zh) | 一种舰船辐射噪声中低频线谱的自动检测和提取方法 | |
| CN106885971B (zh) | 一种用于电缆故障检测定点仪的智能背景降噪方法 | |
| CN113567969B (zh) | 一种基于水下声信号的非法采砂船自动监控方法及系统 | |
| CN116878755A (zh) | 一种基于气泡被动声学监测海底气体渗漏的方法 | |
| Wang et al. | ia-PNCC: Noise Processing Method for Underwater Target Recognition Convolutional Neural Network. | |
| CN106875938A (zh) | 一种改进的非线性自适应语音端点检测方法 | |
| CN108875685A (zh) | 一种自适应匹配随机共振的水下auv检测方法 | |
| CN104568113B (zh) | 一种基于模型的海洋声传播调查爆炸波自动截取方法 | |
| CN112528775A (zh) | 一种水下目标的分类方法 | |
| KR101082839B1 (ko) | 다채널 잡음처리 장치 및 방법 | |
| CN115359771A (zh) | 一种水声信号降噪方法、系统、设备及存储介质 | |
| CN116304638A (zh) | 一种基于改进lcd的管道泄漏孔径识别方法 | |
| CN113077812B (zh) | 语音信号生成模型训练方法、回声消除方法和装置及设备 | |
| Chen et al. | Masking speech feature to detect adversarial examples for speaker verification | |
| CN105909979A (zh) | 基于小波变换融合盲源分离算法的泄漏声波特征提取方法 | |
| CN114927141B (zh) | 异常水声信号的检测方法及系统 | |
| Wang et al. | Multi-speaker Speech Separation under Reverberation Conditions Using Conv-Tasnet | |
| Qiao et al. | Spectral entropy based dolphin whistle detection algorithm and its possible application for biologically inspired communication | |
| CN108269566B (zh) | 一种基于多尺度子带能量集特征的膛口波识别方法 | |
| CN110580915A (zh) | 基于可穿戴式设备的声源目标识别系统 | |
| CN115293205A (zh) | 一种异常检测方法、自编码器模型训练方法和电子设备 | |
| CN115586516A (zh) | 一种基于深度学习和多特征提取的舰船辐射噪声识别方法 | |
| Chen et al. | Construction and Experimental Research on Leakage Sound Dataset of Urban Water Supply Pipeline | |
| CN105927861A (zh) | 基于小波变换融合盲源分离算法的泄漏声波特征提取方法 |
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 |