RU2570430C1

RU2570430C1 - Method of classifying noisy objects

Info

Publication number: RU2570430C1
Application number: RU2014141238/28A
Authority: RU
Inventors: Валерий Григорьевич Тимошенков
Original assignee: Акционерное Общество "Концерн "Океанприбор"
Priority date: 2014-10-13
Filing date: 2014-10-13
Publication date: 2015-12-10

Abstract

FIELD: radio engineering, communication.

SUBSTANCE: method of classifying noisy objects comprises receiving noise emission signals; performing spectral analysis of the received noise emission signals; determining a cross spectrum; determining an autocorrelation function; the noise-emission signal is received by one antenna; performing consecutive setting of temporal realisations; allocating the cross section between consecutive sets of temporal realisations; accumulating the allocated consecutive cross spectra; determining an autocorrelation function from the accumulated cross spectrum; determining the number of noise emission sources from the type of the autocorrelation function, and in the presence of one noise emission source, classifying the noisy object based on the classification features used.

EFFECT: high probability of correct classification of detected noise emission sources.

1 dwg

Description

Настоящее изобретение относится к области гидроакустики и предназначено для распознавания объектов по их шумоизлучению.The present invention relates to the field of hydroacoustics and is intended to recognize objects by their noise emission.

Известны способы классификации объектов по анализу их шумоизлучения, где используют признаки, основанные на особенностях спектрального состава сигнала, так называемого "портрета" (В.С. Бурдик "Анализ гидроакустических систем", Ленинград, Судостроение, 1988 г., стр. 322) Более подробно акустические "портреты" рассмотрены в работе Л.Л. Мясников, Е.Н. Мясникова "Автоматическое распознавание звуковых образов". Ленинград. Энергия, стр. 50.Known methods for classifying objects by analyzing their noise, where they use features based on the characteristics of the spectral composition of the signal, the so-called “portrait” (V. S. Burdik “Analysis of hydroacoustic systems”, Leningrad, Sudostroenie, 1988, p. 322) More the acoustic "portraits" are considered in detail in the work of L.L. Myasnikov, E.N. Myasnikov "Automatic recognition of sound images." Leningrad. Energy, p. 50.

Известен способ классификации, описанный в работе (В.В. Деев и др. "Анализ информации оператором-гидроакустиком", Ленинград, Судостроение, 1989 г., стр. 111).There is a classification method described in the work (VV Deev et al. "Information analysis by the sonar operator", Leningrad, Shipbuilding, 1989, p. 111).

Способ содержит следующие операции: прием сигналов шумоизлучения шумящего объекта приемной антенной; вычисление оценки комплексного спектра принятых сигналов шумоизлучения; анализ спектрального состав; выделение дискретных составляющих; построение звукорядов; принятие решения о классе шумящего объекта по особенностям спектрального состава принятых сигналов шумоизлучения.The method comprises the following operations: receiving noise signals of a noisy object by a receiving antenna; calculating an estimate of the complex spectrum of received noise signals; spectral analysis; selection of discrete components; scale building; making a decision on the class of a noisy object according to the characteristics of the spectral composition of the received noise signals.

Однако для современных объектов характерно уменьшение числа дискретных составляющих, в результате чего дискретные структуры спектров становятся малоинформативными, что делает классификацию по дискретным составляющим неэффективной.However, modern objects are characterized by a decrease in the number of discrete components, as a result of which the discrete structures of the spectra become uninformative, which makes the classification by discrete components ineffective.

Известен способ классификации шумящих объектов по патенту РФ №2262121, содержащий прием сигналов шумоизлучения шумящих объектов двумя половинами одной приемной антенны, спектральный анализ принятых сигналов шумоизлучения, при котором выделяют взаимный спектр сигналов шумоизлучения, принятых первой и второй половинами приемной антенны, выделяют автокорреляционную функцию взаимного спектра сигналов шумоизлучения, принятых первой и второй половинами приемной антенны, измеряют значение несущей частоты автокорреляционной функции, а решение о классе шумящего объекта принимают при сравнении измеренной несущей частоты автокорреляционной функции с пороговыми частотами, каждую из которых определяют, как среднюю частоту исходной полосы шумоизлучения эталонного объекта определенного класса.A known method for classifying noisy objects according to RF patent No. 2262121, comprising receiving noise signals of noisy objects by two halves of one receiving antenna, spectral analysis of received noise signals, in which the mutual spectrum of noise signals received by the first and second halves of the receiving antenna is isolated, the autocorrelation function of the mutual spectrum is isolated noise signals received by the first and second halves of the receiving antenna measure the value of the carrier frequency of the autocorrelation function, and The class of a noisy object is taken into account when comparing the measured carrier frequency of the autocorrelation function with threshold frequencies, each of which is determined as the average frequency of the initial noise emission band of a reference object of a certain class.

Недостатком этого изобретения является необходимость двух половин одной антенны или двух идентичных антенн, что не всегда может быть реализовано из конструктивных соображений, а использование двух половин одной антенны снижает энергетический потенциал общей антенны и ее эффективность, что не всегда целесообразно. Кроме того, имеются определенные трудности в определении несущей частоты, поскольку на направлении приема могут оказаться несколько шумящих объектов, что приведет к искажению результатов измерений.The disadvantage of this invention is the need for two halves of one antenna or two identical antennas, which can not always be realized for structural reasons, and the use of two halves of one antenna reduces the energy potential of the common antenna and its effectiveness, which is not always advisable. In addition, there are certain difficulties in determining the carrier frequency, since several noisy objects may appear in the receiving direction, which will lead to a distortion of the measurement results.

Задачей изобретения является повышение эффективности классификации объектов по их шумоизлучению при использовании одной антенны.The objective of the invention is to increase the efficiency of classification of objects by their noise when using a single antenna.

Техническим результатом предлагаемого способа является обеспечение возможности классификации цели при использовании системы обработки сигнала шумоизлучения объектов с использованием одной приемной антенны и повышение достоверности измерения классификационных признаков за счет предварительной обработки исходной классификационной информации.The technical result of the proposed method is the possibility of classifying the target when using a signal processing system for the noise of objects using one receiving antenna and increasing the reliability of the measurement of classification features due to the preliminary processing of the initial classification information.

Для достижения указанного технического результата в способ классификации шумящих объектов, содержащих прием сигналов шумоизлучения, спектральный анализ принятых сигналов шумоизлучения, определение взаимного спектра, определение автокорреляционной функции, введены новые признаки, а именно: прием сигнала шумоизлучения производят одной антенной, осуществляют последовательный набор временных реализаций, осуществляют выделение взаимного спектра между каждыми, следующими друг за другом, последовательными наборами временных реализаций, производят накопление выделенных последовательных взаимных спектров, определяют автокорреляционную функцию от накопленного взаимного спектра, определяют количество источников шумоизлучения по числу перегибов автокорреляционной функции, и при отсутствии перегибов, т.е. при наличии одного источника шумоизлучения производят классификацию шумящего объекта по ширине автокорреляционной функции или по ее несущей частоте.To achieve the specified technical result, a new method is introduced into the method for classifying noisy objects containing the reception of noise emission signals, spectral analysis of the received noise emission signals, determining the mutual spectrum, determining the autocorrelation function, namely, receiving a noise emission signal with a single antenna, performing a sequential set of time realizations, carry out the allocation of the mutual spectrum between each consecutive successive sets of time implementations Produce accumulation allocated successive mutual spectra, determining the autocorrelation function from the accumulated cross spectrum, determining number of sources of noise emissions in the number of bends of the autocorrelation function, and in the absence of bends, i.e., in the presence of one noise source, a noisy object is classified by the width of the autocorrelation function or by its carrier frequency.

Покажем возможность достижения указанного технического результата предложенным способом.We show the ability to achieve the specified technical result by the proposed method.

Известно, что если имеются два независимых стационарных эргодических процесса, то преобразование Фурье к-й реализации длительностью Τ каждого процесса определяется выражением (Д.Ж. Бендат, А. Пирсол «Измерение и анализ случайных процессов», Мир, Москва 1971 г., стр. 90-106).It is known that if there are two independent stationary ergodic processes, then the Fourier transform of the nth implementation of duration Τ of each process is determined by the expression (D.Z. Bendat, A. Pirsol “Measurement and analysis of random processes”, Mir, Moscow 1971, pp. . 90-106).

Тогда взаимный спектр этих двух случайных процессов определяется соотношением:

где

- комплексно-сопряженный процесс, получаемый из исходного комплексного спектра. Если сигнал один и тот же, что соответствует входной реализации в соседних наборах временных дискретизированных отсчетов, содержащих один и тот же электрический шумовой сигнал, то взаимный спектр будет максимальным и определяться формулой: G_xy=limT/2{X_k ^*(f,T)X_k+1(f,T)}. Таким образом, если взаимный спектр определяется между двумя одинаковыми реализациями, представляющими собой электрический шумовой сигнал, имеющий одну и ту же полосу частот и коррелированный в соседних наборах дискретизированных отсчетов, то энергия взаимного спектра будет максимальной. При накоплении N спектров происходит суммирование спектров сигнала. Поскольку электрический шумовой сигнал принимается непрерывно, то его спектры незначительно отличаются от набора к набору, и можно считать, что взаимный спектр имеет максимальное значение и при суммировании формируется накопленный спектр, имеющий максимальное отношение сигнал/помеха. Смысловое техническое содержание понятия «взаимный спектр» достаточно хорошо известно из литературных источников, (см. Новиков А.К. «Измерения в корабельной акустике», Судостроение, Л., 1971 г., стр. 32, Дж. Бендат, А. Пирсон «Применения корреляционного и спектрального анализа», М., «Мир», 1983 г., стр. 60, С.И. Баскаков «Радиотехнические цепи и сигналы» М., Высшая школа, 1988 г., стр. 68). «Взаимный спектр» вычисляется как произведение комплексного спектра одной реализации на комплексный сопряженный спектр другой реализации. Вычисление взаимного спектра является стандартной процедурой спектрального анализа (Б.Р. Левин «Теоретические основы статистической радиотехники» М., Сов. Радио, 1966 г., стр. 216). Если полученный взаимный энергетический спектр подвергнуть еще раз дискретному преобразованию Фурье, то в результате будет получена автокорреляционная функция (вторичный спектр)

, где ω_в - верхняя граничная частота принятых сигналов шумоизлучения, ω_н - нижняя граничная частота принятых сигналов шумоизлучения.

Then the mutual spectrum of these two random processes is determined by the ratio:

Where

- a complex conjugate process obtained from the original complex spectrum. If the signal is the same, which corresponds to the input implementation in adjacent sets of temporal discretized samples containing the same electrical noise signal, then the mutual spectrum will be maximum and determined by the formula: G _xy = limT / 2 {X _k ^* (f, T ) X _{k + 1} (f, T)}. Thus, if the mutual spectrum is defined between two identical realizations, which are an electric noise signal having the same frequency band and correlated in adjacent sets of sampled samples, then the energy of the mutual spectrum will be maximum. With the accumulation of N spectra, the signal spectra are summed. Since the electrical noise signal is received continuously, its spectra are slightly different from set to set, and we can assume that the mutual spectrum has a maximum value and, when summed, an accumulated spectrum is formed that has a maximum signal / noise ratio. The semantic technical content of the concept of “mutual spectrum” is quite well known from literary sources, (see Novikov AK “Measurements in ship acoustics”, Shipbuilding, L., 1971, p. 32, J. Bendat, A. Pearson “Applications of correlation and spectral analysis”, M., Mir, 1983, p. 60, S.I. Baskakov “Radio engineering circuits and signals”, M., Higher School, 1988, p. 68). The “reciprocal spectrum” is calculated as the product of the complex spectrum of one implementation and the complex conjugate spectrum of another implementation. The calculation of the mutual spectrum is a standard spectral analysis procedure (B. R. Levin, “Theoretical Foundations of Statistical Radio Engineering”, M. Sov. Radio, 1966, p. 216). If the obtained mutual energy spectrum is again subjected to a discrete Fourier transform, then the result will be an autocorrelation function (secondary spectrum)

where ω _in is the upper cutoff frequency of the received noise signals, ω _n is the lower cutoff frequency of the received noise signals.

Аргумент функции

определяет несущую частоту автокорреляционной функции, которая при этом является средней частотой полосы частот принятых сигналов шумоизлучения этого объекта. Аргумент функции

, определяет огибающую автокорреляционной функции, которая формируется полосой принятого сигнала (ω_в-ω_н). Если на направлении приема сигнала шумоизлучения расположены несколько шумящих объектов, то обрабатывается сигнал, равный сумме сигналов. Это приводит к искажению основного максимума огибающей автокорреляционной функции сигнала с самой широкой полосой. Сигналы шумоизлучения от различных источников являются не когерентными, поскольку они формируются различными механизмами и находятся на различных дистанциях. Поэтому их обработка производится независимо, как обработка нескольких независимых процессов и в этом случае суммарная автокорреляционная функция будет иметь вид:

, где Β(τ₁) - автокорреляционная функция первого процесса, В(τ₂) - автокорреляционная функция второго процесса, В(τ₃) - автокорреляционная функция третьего процесса (А.М. Заездный «Основы расчетов по статистической радиотехнике», стр. 88). Здесь каждому спектру соответствует своя автокорреляционная функция со своим интервалом корреляции, который определяется шириной спектра, характерного для данного источника шумоизлучения. Наличие одной или нескольких целей в направлении приема может быть определено по искажению ширины и формы огибающей первого максимума АКФ, который соответствует самому широкому спектру. Для этого используется отличие формы огибающей автокорреляционной функции одиночного шумового сигнала от формы огибающей автокорреляционной функции суммы независимых шумовых сигналов по числу перегибов огибающей. Если спектр первого шумового сигнала имеет полосу 5 кГц, то ширина автокорреляционной функции будет равна 0,2 мск. Если ширина спектра второго источника шумоизлучения составляет 1 кГц, то ширина автокорреляционной функции составит 1 мск. Ширина АКФ определяется на уровне 0,7 от максимума, а на уровне 0,3 от максимума ширина АКФ увеличивается в 2 раза и составит 0,4 мск. Если ширина АКФ на уровне 0,3 составляет 1 мск, то это говорит о том, что нарушена огибающая основного максимума АКФ первого сигнала и имеется перегиб огибающей за счет второго источника шумоизлучения, автокорреляционная функция которого исказила огибающую первого максимума.Function argument

determines the carrier frequency of the autocorrelation function, which in this case is the average frequency bandwidth of the received noise signals of this object. Function argument

, defines the envelope of the autocorrelation function, which is formed by the band of the received signal (ω _in -ω _n ). If several noisy objects are located in the direction of receiving the noise signal, then a signal equal to the sum of the signals is processed. This leads to a distortion of the main maximum envelope of the autocorrelation function of the signal with the widest band. Noise emission signals from various sources are not coherent, since they are formed by various mechanisms and are at different distances. Therefore, their processing is carried out independently, as the processing of several independent processes, and in this case, the total autocorrelation function will look like:

, where Β (τ ₁ ) is the autocorrelation function of the first process, B (τ ₂ ) is the autocorrelation function of the second process, B (τ ₃ ) is the autocorrelation function of the third process (A.M. Zaezdny "Fundamentals of statistical radio engineering calculations", p. 88). Here, each spectrum has its own autocorrelation function with its own correlation interval, which is determined by the width of the spectrum characteristic of a given noise source. The presence of one or more targets in the receiving direction can be determined by distorting the width and shape of the envelope of the first maximum of the ACF, which corresponds to the widest spectrum. To do this, we use the difference in the envelope shape of the autocorrelation function of a single noise signal from the envelope shape of the autocorrelation function of the sum of independent noise signals in terms of the number of envelope bends. If the spectrum of the first noise signal has a band of 5 kHz, then the width of the autocorrelation function will be equal to 0.2 Moscow time. If the width of the spectrum of the second noise source is 1 kHz, then the width of the autocorrelation function will be 1 ms. The width of the ACF is determined at the level of 0.7 from the maximum, and at the level of 0.3 from the maximum, the width of the ACF is doubled and will be 0.4 Moscow time. If the width of the ACF at the level of 0.3 is 1 Moscow time, then this indicates that the envelope of the main maximum of the ACF of the first signal is violated and there is an inflection of the envelope due to the second noise source, whose autocorrelation function has distorted the envelope of the first maximum.

Известно соотношение, которое определяет давление в точке приема сигнала шумоизлучения, принимаемого одной характеристикой направленности (А.П. Евтютов, В.Б. Митько "Примеры инженерных расчетов в гидроакустике" Ленинград, Судостроение, 1981 г., стр. 106), где показано, что при распространении ширина спектра сигнала изменяется, поэтому на различных дистанциях ширина спектров шумоизлучения объектов будет различной и различной будет ширина огибающей автокорреляционной функции. Таким образом, если на направлении приема расположено несколько целей на различных дистанциях, то при наличии перегибов формы огибающей можно определить число шумящих объектов на направлении приема и проводить классификацию объектов только в том случае, если на направлении приема будет наблюдаться один объект шумоизлучения.A relation is known that determines the pressure at the point of reception of a noise signal received by one directivity characteristic (A.P. Yevtyutov, V. B. Mitko "Examples of engineering calculations in hydroacoustics" Leningrad, Shipbuilding, 1981, p. 106), which shows that during propagation, the width of the signal spectrum changes, therefore, at different distances, the width of the noise spectra of objects will be different and the width of the envelope of the autocorrelation function will be different. Thus, if several targets are located on the receiving direction at different distances, then if there are excesses in the envelope shape, you can determine the number of noisy objects in the receiving direction and classify objects only if one noise emission object is observed in the receiving direction.

Как показывает опыт работы, ошибка классификации определяется тем, что для принятия решения предъявляются спектры, одновременно принадлежащие нескольким источникам шумоизлучения, что категорически не допускается всеми методами теории распознавания (В.И. Васильев. Распознающие системы. Киев, Наукова думка, 1983 г., Стр. 116).As experience shows, the classification error is determined by the fact that, for decision-making, spectra are presented that simultaneously belong to several sources of noise, which is categorically not allowed by all methods of recognition theory (V.I. Vasiliev. Recognition systems. Kiev, Naukova dumka, 1983, P. 116).

Сущность изобретения поясняется фиг. 1, где представлена блок-схема, реализующая данный способ;The invention is illustrated in FIG. 1, which shows a block diagram that implements this method;

Устройство, реализующее способ (фиг. 1), содержит последовательно соединенные антенну 1, блок 2 АЦП - аналогово-цифровой преобразователь, блок 3 БПФ спектрального анализа, блок 4 определения взаимных спектров, блок 5 накопления взаимных спектров, блок 6 определения АКФ автокорреляционной функции, блок 7 анализа АКФ, блок 8 определения объектов шумоизлучения, блок 9 классификации, индикатор 11. Второй выход блока 7 анализа АКФ соединен со вторым входом индикатора 11, выход которого передается оператору 10. Решение оператора 10 поступает на второй вход блока 8 и на второй вход блока 9 классификации. Второй выход блока 5 связан с третьим входом блока 9, а второй выход блока 6 - с четвертым входом блока 9.A device that implements the method (Fig. 1) contains a series-connected antenna 1, ADC block 2 - an analog-to-digital converter, FFT block 3 for spectral analysis, block 4 for determining mutual spectra, block 5 for accumulating mutual spectra, block 6 for determining ACF autocorrelation function, ACF analysis unit 7, noise emission object determination unit 8, classification unit 9, indicator 11. The second output of the ACF analysis unit 7 is connected to the second input of indicator 11, the output of which is transmitted to operator 10. The operator’s decision 10 goes to the second input block 8 and the second input of block 9 classification. The second output of block 5 is connected with the third input of block 9, and the second output of block 6 is connected with the fourth input of block 9.

С помощью рассмотренного устройства предложенный способ реализуется следующим образом.Using the considered device, the proposed method is implemented as follows.

Акустический сигнал шумоизлучения принимается антенной 1, преобразуется в аналоговый электрический сигнал и передается в блок 2 АЦП, где производится дискретизация принятого электрического сигнала в цифровой код, который используется в дальнейшем для цифровой обработки. Последовательные временные наборы цифровых отсчетов поступают на вход блока 3 БПФ, где производится вычисление спектров набранной временной входной реализации, которые последовательно передаются на блок 4 вычисления взаимного спектра. Измеренные оценки взаимного спектра передаются последовательно в блок 5, где происходит накопление взаимных спектров для повышения отношения сигнал/помеха. Практически эта операция может выполняться непосредственно в блоке 3 БПФ при вычислении спектров входной реализации. Время накопления определяется исходя из уровня изотропной помехи, действующей на входе антенны. Принципы цифрового преобразования и обработки достаточно подробно приведены в работе («Применение цифровой обработки сигналов» п/р Оппенгейма, М., Мир, 1980 г., стр. 389-436). При использовании цифровой техники в качестве спектрального анализа применяют процедуры быстрого преобразования Фурье (БПФ), которые обеспечивают выделение и измерение энергетического спектра шумового электрического процесса. ("Применение цифровой обработки сигналов", М., Мир, 1980 г., стр. 296). В настоящее время практически вся гидроакустическая аппаратура выполняется на спецпроцессорах, которые преобразуют акустический сигнал в цифровой вид и производят в цифровом виде формирование характеристик направленности, многоканальную обработку и обнаружение сигнала, а также измерение спектров сигнала шумоизлучения, автокорреляционную обработку и процедуры анализа спектров. Вопросы реализации спецпроцессоров достаточно подробно рассмотрены в книге Ю.А. Корякин, С.А. Смирнов, Г.В. Яковлев «Корабельная гидроакустическая техника» Санкт-Петербург, «Наука», 2004 г., стр. 281. С выхода блока 5 накопленные спектры передаются в блок 6 вычисления автокорреляционной функции, который выполнен практически на той же основе, что и блок 3. Выделенная автокорреляционная функция поступает в блок 7 анализа АКФ, где оцениваются параметры функции, выделяется огибающая АКФ и передаются в блок 8 определения числа объектов шумоизлучения и в блок 11 на индикатор для представления информации оператору. Определение числа источников шумоизлучения может происходить либо на основе разработанных алгоритмов, либо оператором на основе визуальной оценки вида автокорреляционной функции и имеющегося опыта работы. Если в блоке 8 принимается решение, что источник входного шума единственный, то передается команда на блок 9 классификации, который выделяет классификационные признаки из накопленных спектров, поступивших из блока 5, либо из блока 6 оценок автокорреляционной функции и при наличии одного источника шумоизлучения производят классификацию шумящего объекта по ширине автокорреляционной функции или по ее несущей частоте. Выработанное в блоке 9 решение передается в блок 11 для представления оператору.The acoustic noise signal is received by antenna 1, converted into an analog electrical signal and transmitted to block 2 of the ADC, where the received electrical signal is sampled into a digital code, which is then used for digital processing. Serial time sets of digital samples are fed to the input of the FFT block 3, where the spectra of the dialed temporary input implementation are calculated, which are sequentially transmitted to the mutual spectrum calculation block 4. The measured estimates of the mutual spectrum are transmitted sequentially to block 5, where the mutual spectra are accumulated to increase the signal-to-noise ratio. In practice, this operation can be performed directly in the FFT block 3 when calculating the spectra of the input implementation. The accumulation time is determined based on the level of isotropic interference acting on the input of the antenna. The principles of digital conversion and processing are given in sufficient detail in the work (“The Use of Digital Signal Processing” p / r Oppenheim, M., Mir, 1980, pp. 389-436). When using digital technology, fast Fourier transform (FFT) procedures are used as spectral analysis, which provide the selection and measurement of the energy spectrum of a noise electrical process. ("The use of digital signal processing", M., Mir, 1980, p. 296). Currently, almost all hydroacoustic equipment is performed on special processors that convert the acoustic signal into digital form and digitally generate directivity characteristics, multichannel processing and signal detection, as well as measuring the spectra of the noise signal, autocorrelation processing and spectral analysis procedures. Issues of the implementation of special processors are considered in sufficient detail in the book of Yu.A. Koryakin, S.A. Smirnov, G.V. Yakovlev “Ship hydroacoustic technology”, St. Petersburg, “Nauka”, 2004, p. 281. From the output of block 5, the accumulated spectra are transferred to block 6 for calculating the autocorrelation function, which is performed on almost the same basis as block 3. Highlighted the autocorrelation function enters the ACF analysis unit 7, where the function parameters are estimated, the envelope of the ACF is extracted and transmitted to block 8 for determining the number of noise emission objects and to block 11 for an indicator to present information to the operator. The determination of the number of noise sources can occur either on the basis of the developed algorithms, or by the operator on the basis of a visual assessment of the type of autocorrelation function and the available work experience. If in block 8 it is decided that the input noise source is unique, then a command is sent to classification block 9, which extracts classification features from the accumulated spectra from block 5, or from block 6 of the autocorrelation function estimates and, if there is one source of noise emission, the noise object by the width of the autocorrelation function or by its carrier frequency. The decision developed in block 9 is transmitted to block 11 for presentation to the operator.

Все изложенное позволяет считать задачу изобретения решенной.All of the above allows us to consider the problem of the invention solved.

Claims

A method for classifying noisy objects, comprising receiving noise emission signals, spectral analysis of received noise emission signals, determining a mutual spectrum, determining an autocorrelation function, characterized in that receiving a noise emission signal is performed by a single antenna, performing a sequential set of temporal realizations, extracting a mutual spectrum between successive sets of temporal realizations accumulate the selected sequential mutual spectra, determine the autocorrelation hydrochloric function of the accumulated cross spectrum, determine the amount of noise emission sources in form of the autocorrelation function, and in the presence of a source of noise emissions in the number of bends of the autocorrelation function, and in the absence of bends, i.e., in the presence of one noise source, a noisy object is classified by the width of the autocorrelation function or by its carrier frequency.