摘要：本文依据典型舰船噪声的频谱特性规律,设计研制了一套舰船辐射噪声发射系统实验样机,包括信号结构设计、换能器选择配置、系统构成设计等,本噪声模拟发射系统具有100Hz～16kHz频带噪声的模拟发射功能,包括线谱、连续谱成分,频谱分配和谱线形式可调可控,信号总声源级动态范围达60dB。

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。

摘要：本文针对舰船辐射噪声目标识别问题,提出了一种基于奇异值分解(SVD)的辐射噪声爿标识 别算法。该算法充分利用了不等权值SVD的空间滤波作用,来消除辐射噪声中复杂的干扰成分;结 合二阶累积量谱进行特征分析及提取;然后根据所要解决的实际问题,设计了合适的概率密度函数, 并对其进行训练,作为识别模板;进而根据距离分类准则设计了分类函数,以完成识别分类。运用实 际的舰船辐射噪声数据,进行了仿真实验,结果表明了本文算法的可行性和有效性。

摘要：文章首先分析了舰船辐射噪声的频谱特性和声学特征,给出了线谱和连续谱的合成方法,随后从工作原理、硬件结构和软件流程三个方面介绍了模拟器的设计。该模拟器具有结构简单、可靠性高的优点,能够逼真模拟船辐射噪声的线谱和连续谱信号,可用于在水声装备的研制、仿真和试验。

摘要：基于舰船声特性模拟在仿真实验、模拟训练、声学系统测评、舰船指挥系统方案论证以及在水声对抗中诱骗鱼雷和声呐等方面的广泛应用,针对现有舰船声特性模拟中常用的特定频率响应滤波器参数计算与设置复杂等问题,在分析和研究舰船声学特征的基础上,分别得出其线谱、连续谱的数学模型。通过频域函数拟合,设计一种响应频率与幅度可调且易于实现的FIR低通滤波器,实现对舰船辐射噪声的仿真模拟,并通过与实测舰船辐射噪声声特性的对比,验证仿真方法的有效性。

摘要：本文根据人耳听觉机理,分析了人耳听觉感受和辨物过程,针对舰船辐射噪声识别,从音色的角度寻求新的基于听觉模型的目标识别特征。提出了舰船辐射噪声的谱通量、最大谱峰对应的频率值和时间重心三个听觉特征,研究了这三个听觉特征量的物理意义及提取方法,设计了适用于舰船辐射噪声分类识别的BP神经网络分类器。采用实际的舰船辐射噪声进行综合试验,从分类的结果可以得出,基于听觉特征提取方法对舰船辐射噪声识别率高于传统的统计特征提取方法,达到了预想的效果。

摘要：基于小波的统计信号处理技术 ,一般都将小波系数建模为独立或联合高斯的 ,但这些模型对许多实际信号来说并不理想。在本文中 ,我们使用一种基于小波域隐马尔可夫模型 (HMM)的统计信号处理结构 ,对实际信号涉及的统计独立性和非高斯统计进行建模。小波域 HMM使用小波变换的基本性质来设计 ,提供了强有力并易处理的随机信号模型。我们使用一种有效的期望值最大化算法来将小波域 HMM用于观察得到的信号数据 ,即舰船辐射噪声。从初步结果来看 。

摘要：神经网络分类器在舰船辐射噪声分类中得到了广泛的应用。针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法。在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习。使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能。

摘要：介绍了基于PC104控制计算机的舰船发动机辐射噪声传播特性测量系统的组成和软硬件设计技术。试验证明该系统可有效应用于舰船发动机噪声传播特性的测量。

摘要：由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理。而小波包变换对信号的非平稳特性有适应性。本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的。结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性。