舰船辐射噪声非线性频谱特征提取与应用

舰船辐射噪声分类识别一直是被动声呐面临的难题,提取舰船辐射噪声的频谱特征来实现分类识别是一种常用的方法。基于舰船辐射噪声频谱特征主要聚于低频段的特点,按照稀疏分解的原理,通过构造完备的非线性频谱字典,提出了一种舰船辐射噪声非线性频谱特征提取方法。对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取,采用最近邻分类器对辐射噪声样本进行了分类识别实验,结果表明,非线性频谱特征的正确分类识别概率高于线性频谱特征的正确分类识别概率。

基于干扰方位跟踪的自适应干扰抑制方法

针对复杂海洋环境中声呐探测弱目标易被强干扰淹没的问题,提出一种对被动声呐探测到的强干扰源进行跟踪抑制的方法,通过对观测数据的互谱密度矩阵(Cross Spectral Density Matrix,CSDM)进行特征分解,根据干扰方位范围的先验知识,对干扰源的方位进行跟踪,依据方位信息选择代表强干扰的特征向量,依此根据不同的算法重构剔除了干扰信息的CSDM。数值仿真和海试数据验证结果表明,该方法能够在已知干扰初始方位区域的情况下自适应地抑制强干扰,较好地保留并提取目标信息,检测出感兴趣的目标。该方法为后续的目标识别与跟踪提供了有利条件。

基于噪声特性分析的稀疏度估计方法

稀疏表示方法经过几十年的发展,在很多领域得到了深入研究与应用。信号稀疏度的估计是对信号进行稀疏分解的工作中的重要环节。根据噪声的特性,提出了一种稀疏度估计方法。即通过构造傅立叶基字典,利用噪声能量在全频域均匀分布的特点,通过遍历信号在全频谱上的稀疏特性,逐步确定准确的信号稀疏度。仿真实验结果表明,提出的方法能有效的完成对信号稀疏度的估计。

舰船辐射噪声声纹图纹理特征提取研究

船舶辐射噪声的成因非常复杂,寻找新的识别特征是水下被动目标识别中的一项非常迫切而艰巨的任务。通过对舰船辐射噪声产生机理的研究与分析,在听觉Patterson-Holdsworth耳蜗模型和Meddis内毛细胞模型的基础上,建立了一个模拟部分听觉系统的船舶辐射噪声"声纹图"提取模型,在此基础上提取了15维图像纹理特征。对比分析表明,不同类型的舰船辐射噪声"声纹图"纹理特征具有较好的类间相似性和类类可分性,为被动声纳目标识别提供了新的思路。