舰船辐射噪声
舰船辐射噪声的相关文献在1998年到2022年内共计195篇,主要集中在一般工业技术、无线电电子学、电信技术、水路运输
等领域,其中期刊论文134篇、会议论文29篇、专利文献88588篇;相关期刊59种,包括哈尔滨工程大学学报、西北工业大学学报、声学与电子工程等;
相关会议23种,包括2016年全国声学学术会议、中国声学学会第十一届青年学术会议、中国声学学会水声学分会2015年学术会议等;舰船辐射噪声的相关文献由468位作者贡献,包括程玉胜、申晓红、相敬林等。
舰船辐射噪声—发文量
专利文献>
论文:88588篇
占比:99.82%
总计:88751篇
舰船辐射噪声
-研究学者
- 程玉胜
- 申晓红
- 相敬林
- 孙超
- 李亚安
- 戴卫国
- 王海燕
- 于海滨
- 刘敬彪
- 周涛
- 张效民
- 李俊豪
- 李峰
- 李枚毅
- 杨宏晖
- 潘勉
- 王毅
- 章雪挺
- 韩鹏
- 刘纯虎
- 方世良
- 盛庆华
- 程广涛
- 胡光波
- 蔡文郁
- 马石磊
- 付进
- 刘磊
- 刘雨东
- 向龙凤
- 张光普
- 张国军
- 张明敏
- 张春华
- 徐光辉
- 曹静
- 李余兴
- 李国辉
- 李竹
- 杨坤德
- 杨宏
- 杨益新
- 梁国龙
- 王晋晋
- 王燕
- 王盼盼
- 王逸林
- 王鹏
- 程健
- 罗建
-
-
黄擎;
曾向阳
-
-
摘要:
针对具有非平稳特性的水声信号的分类识别问题,本文对卷积神经网络进行改进,并将改进的CNN网络与小波分解相融合,提出一种水下目标识别算法WAVEDEC_CNN。应用采集的4类湖试数据,对该算法进行验证。实验结果表明:与传统方法MFCC+SVM对比,WAVEDEC_CNN算法可提升正确识别率15.38%;与NO_CNN、WPDEC_CNN以及EMD_CNN 3种方法对比,WAVEDEC_CNN算法的正确识别率分别提升了4.41%、3.23%、12.81%,同时就计算时间而言,所提出的WAVEDEC_CNN算法所用计算时间最短。本文提出的方法能够有效应用于水声目标识别。
-
-
李嘉义;
潘悦;
王强
-
-
摘要:
现有的舰船辐射噪声信号仿真方法都存在一定的局限性,文章提出通过深度神经网络生成舰船辐射噪声功率谱,利用深度神经网络构建目标物理参数到仿真信号的映射模型。在10万条仿真数据上进行测试,文章方法训练得到的仿真功率谱与经验公式得到的仿真功率谱相比,不同网络的平均谱分析最大差异的最小值仅2.38 dB;在未进行学习的数据集上,仿真功率谱平均谱分布差异相差最小仅2.40 dB。测试结果说明该方法训练得到模型的有效性和泛化能力。
-
-
王莹;
侯朋;
吴迪;
王文冠;
李光远
-
-
摘要:
传统的被动目标识别主要依靠声呐员的作用,随着人工智能的迅速发展,水下目标智能识别成为未来发展的趋势。针对这一问题,根据舰船辐射噪声特性,提出基于特征融合的舰船目标识别方法,通过提取基于人耳听觉感知的梅尔倒谱系数特征、基于循环平稳分析的谱相关密度函数特征,构建特征层融合和决策层融合的特征融合模型,利用深度学习中的卷积神经网络进行舰船目标识别。利用4种舰船辐射噪声实测数据进行验证,结果表明,所提出的决策层融合算法能够明显提高舰船目标识别率。
-
-
吴承希;
王彪;
徐千驰;
朱雨男
-
-
摘要:
为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。
-
-
郭政;
赵梅;
胡长青;
倪俊帅
-
-
摘要:
为稳定提取复杂水声环境下舰船辐射噪声的有效特征,在数学形态学方法的基础上提出一种广义多尺度数学形态腐蚀谱熵(generalized multiscale pattern erosion spectrum entropy, GMPESE)的舰船辐射噪声非线性特征提取方法。通过对千岛湖及东海实测舰船辐射噪声处理,验证了不同环境下该特征提取方法的可行性,分析了相关参数选取对特征区分度的影响,并比较了该特征提取方法与多尺度熵(multiscale sample entropy, MSE)特征的识别性能。数据处理结果表明,综合比较运算耗时、提取稳定的特征所需信号时长及复杂环境下目标识别准确率,GMPESE特征提取方法具有更大的优势。
-
-
吴晏辰;
王英民
-
-
摘要:
舰船辐射噪声的声学特征提取对目标训练和识别有着重要影响。文中提出一种基于Gammatone频率倒谱系数(GFCC)的特征分析方法:以目标特征提取方法——Mel频率倒谱系数(MFCC)算法作为比照组,针对小型低速船只、小型高速船只及大型船只三大类目标,在2种不同水声环境中提取的5122个样本进行了分类识别比对试验。试验结果表明,2种算法的目标识别率均大于80%,且GFCC在海洋复杂声环境中的识别率显著高于MFCC,并对高频目标更敏感。说明GFCC算法与标准的MFCC算法相比,在海洋等强干扰环境下具有更好的抗噪性和更高的快速目标识别率。
-
-
吴晏辰;
王英民
-
-
摘要:
舰船辐射噪声的声学特征提取对目标训练和识别有着重要影响.文中提出一种基于Gammatone频率倒谱系数(GFCC)的特征分析方法:以目标特征提取方法——Mel频率倒谱系数(MFCC)算法作为比照组,针对小型低速船只、小型高速船只及大型船只三大类目标,在2种不同水声环境中提取的5 122个样本进行了分类识别比对试验.试验结果表明,2种算法的目标识别率均大于80%,且GFCC在海洋复杂声环境中的识别率显著高于MFCC,并对高频目标更敏感.说明GFCC算法与标准的MFCC算法相比,在海洋等强干扰环境下具有更好的抗噪性和更高的快速目标识别率.
-
-
佘黎煌;
沈冰鑫;
闫子军;
赵强;
赵一博;
葛志毅
-
-
摘要:
水下目标辐射噪声的模拟是水声学领域中一个重要的课题,其中尤以舰船的辐射噪声最为典型.对舰船辐射噪声进行研究模拟,有利于被动式声呐的研发、测试.文章首先对舰船的辐射噪声进行了频域特性的分析,给出其线谱与连续谱叠加的模型.连续谱通过对高斯白噪声的自适应滤波得到,线谱根据设置的参数得到.随后在VIVADO HLS平台实现了模拟连续谱噪声的算法并做了一定的优化加速,同时生成一个IP核,该IP核在VIVADO软件中与其他器件连接搭建得到Overlay结构,最终在PYNQ平台上调用该Overlay,实现了在PYNQ平台上生成舰船辐射噪声数据.
-
-
鞠东豪;
李宇;
王宇杰;
张春华
-
-
摘要:
传统的特征提取算法往往依赖于算法设计者的先验知识,没有突出大数据的优势,所以在实际应用中分类正确率较差且对于不同应用场景的泛化能力也明显不足.使用深度学习算法进行舰船辐射噪声的特征提取,利用了大量无类标数据,使用堆栈稀疏自编码器算法训练特征提取神经网络,并使用Softmax分类器算法利用有类标数据对特征提取神经网络进行参数微调.应用SSDAE-Softmax算法以及主成分分析算法、线性判别分析算法以及局部线性嵌入算法三类机器学习算法对海试数据进行处理,SSDAE-Softmax算法能够从舰船辐射噪声中提取更加具有区分度的特征,能够提升舰船辐射噪声的分类识别正确率,试验结果表明在低信噪比以及少量训练样本的应用场景下分类效果均高于其他三类算法.
-
-
-
WU Yan-qun;
吴艳群;
CHENG Zhuang;
程壮;
LIU Yuan-xin;
刘媛昕;
WU Guo-li;
吴国溧;
HU Zheng-liang;
胡正良
- 《2016年全国声学学术会议》
| 2016年
-
摘要:
在目标定向和定位中,通常假设阵形已知.由于水平阵列在布放和使用过程中存在很多不可控和不确定因素,其实际阵形会与预设阵形不一致,从而导致目标测向和定位性能大大恶化.目前,基于水声的阵形校正技术大多采用主动声信号,这使得成本高、试验方案复杂.为此,本文利用水平阵列接收到的航船辐射噪声来估计水听器位置与参考传感器之间的互相关到达结构,并与模拟的水听器位置与参考传感器之间的互相关到达结构进行匹配,从而实现了水平阵列的阵形估计.为验证算法的有效性,对SWellEX-96海试中经过倾斜海底传播到达阵列的舰船辐射噪声信号进行了分析与处理,获得了水声信道的相关多途到达结构.结合舰船的GPS数据,采用射线模型Bellhop模拟了水听器与参考水听器不同水平距离时的相关多途结构.最后通过与观测数据的多途相关峰进行匹配得到水平阵列各个传感器相对于参考传感器的估计距离,从而获得水平阵列的阵形估计.海试结果表明:该方法计算效率高,且估计结果与其他方法得到的阵形估计结果(W.S.Hodgkiss,P.Gerstoft,and J.J.Murray.Array Shape Estimation from Sources of Opportunity.Oceans2003.Proceedings,vol1.,582-585.)基本一致.此方法无需主动发射声信号,环境友好,且成本低、易实现,具有很强的实用性和应用价值.
-
-
-
-
Cao Hong-Li;
曹红丽;
Fang Shi-Liang;
方世良;
Luo Xin-Wei;
罗昕炜
- 《第九届国际近代声学研讨会》
| 2012年
-
摘要:
本文研究了一种集相空间重构的几何特征和盒数维为一体的计算复杂度较低的非线性特征提取方案,首先利用基于统计学方法的C--C方法提取嵌入维和时延,根据舰船辐射噪声的嵌入维确定维数范围,在维数范围内采用时延法进行相空间重构,将舰船辐射噪声时间序列扩展到高维空间,在高维空间中计算时间子序列的相关系数,并从相关系数中寻找阈值范围提取具有区分性相似性重复度,将相似性重复度进行升序重排画相似性重复度曲线,提取相似性重复度平均值这一几何特征,然后从盒子维的数学分析出发研究盒子维数的简化工程计算模型,三类舰船辐射噪声的盒子维分布图验证盒子维特征具有一定的区分性,最后设计后传播(BP)神经网络分类器,BP神经网络采用两层结构的批处理模式.推导特征的类间距离和类内距离,并通过实际海上数据仿真,计算结果表明结合特征的类间距离较大,类内距离较小,验证结合特征提取方法的有效性,三类目标的识别率表明该方法具有一定的水声目标识别能力.
-
-
-
-
ZHANG Da-wei;
张大伟;
ZHANG Xin-hua;
章新华;
FU Liu-fang;
付留芳;
HU Guang-chao;
胡光潮;
Li Qian-yan;
李前言
- 《中国声学学会第十一届青年学术会议》
| 2015年
-
摘要:
采用听觉感知和卷积神经网络模拟人类听觉系统的听音判型过程对舰船辐射噪声进行分类识别.首先,通过听觉外周模型对舰船辐射噪声进行分析,得到目标信号的神经发放图样.然后通过差分处理和半波整流模拟人耳低级听觉中枢的侧抑制功能,对信号的发放图样进行处理,从而得到其在低级听觉中枢上的听觉谱图.最后,设计一种五层卷积神经网络结构对目标信号的二维听觉谱进行特征提取,通过卷积神经网络特有的局部感受野功能,提取听觉谱中的基本结构特征,并通过网络的层次迭代,不断将低级结构特征组合为高一级特征,完成高层次抽象特征的提取,从而模拟大脑皮层的功能对目标进行识别分类.结果表明,应用该方法对水面目标和水下目标进行识别,对训练集的识别率为93.6%,使用训练集中未出现过的目标测试时,识别正确率为65.3%,表明其具有较好的学习和泛化能力。
-
-
-
-
王盼盼;
王鹏;
张国军
- 《中国兵工学会第十五届测试技术学术年会》
| 2010年
-
摘要:
线谱的提取为舰船的检测识别和方位跟踪提供了依据,研究线谱的提取具有实际的应用意义.采用Welch算法和Chirp-Z变换联合处理舰船的辐射噪声信号能够有效地提取线谱.根据对仿真信号和某实船的辐射噪声信号分析的结果表明,该方法原理简单,能够精确地提取特征线谱,其中频率分辨力可达0.36 Hz;根据所提取的船只的特征线谱,设定滤波区间对船辐射的噪声信号进行滤波,可以更准确地跟踪船的航迹.
-
-
- 西北工业大学深圳研究院
- 公开公告日期:2022.03.01
-
摘要:
本发明公开了一种基于熵的多通道舰船辐射噪声特征提取方法,属于复杂海洋环境下舰船辐射噪声特征提取技术领域,包括如下步骤:得到多维时间序列{yi,j};得到嵌入维度为M的第一相空间矩阵YM(i);得到各两向量间切比雪夫距离d[YM(i),YM(j)];得到相对预设向量的切比雪夫距离小于预设阈值R的向量个数CiM(R);得到各向量间切比雪夫距离小于预设阈值R的平均概率BM(R);得到YM+P(i)及其中各向量间小于预设阈值R的平均概率BM+P(R);得到多通道多尺度样本熵IMMSE,完成基于熵的特征提取;本发明解决了提取多通道舰船辐射噪声,并在保留通道内与通道间相关性能力的基础上提升稳定性的问题。
-
-
-
-
-
-
-
-
-