一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法技术

本发明专利技术涉及一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，对原始水听器信号求包络，然后对每个小波包信号做希尔伯特‑黄变换得到小波包络信号，再进行小波重构得到改进的噪声包络信号。然后计算时间相关谱，取其在低频段峰值突出的线谱作为疑似轴频，根据需求设定小于频率分辨率的步长，以疑似轴频为中心组成疑似轴频集合，再对各疑似轴频的时间相关谱信号做循环相关计算，得到循环调制谱的频率统计量，最终根据该频率统计量来搜索目标的轴频。本发明专利技术方法校正了传统的循环调制谱方法在频谱计算过程中产生的轴频偏移误差，提高了轴频检测的精度，极大地减小了循环迭代的计算量，而且在工程应用方面便于实现。

A propeller shaft frequency search method based on improved noise envelope signal recognition

The present invention relates to a propeller shaft frequency search method based on improved noise envelope signal recognition. The original hydrophone signal is enveloped, and then the wavelet envelope signal is obtained by Hilbert-Huang transform for each wavelet packet signal, and then the improved noise envelope signal is obtained by wavelet reconstruction. Then the time correlation spectrum is calculated, and the line spectrum whose peak value is prominent in the low frequency band is taken as the suspected axial frequency. According to the requirement, the step size smaller than the frequency resolution is set. The suspected axial frequency set is formed with the suspected axial frequency as the center. Then the frequency statistics of the cyclic modulation spectrum are obtained by cyclic correlation calculation of the suspected axial frequency time correlation spectrum signals. Finally, according to the frequency statistics, the axis frequency of the target is searched. The method of the invention corrects the axis frequency offset error produced by the traditional cyclic modulation spectrum method in the process of spectrum calculation, improves the accuracy of the axis frequency detection, greatly reduces the calculation amount of the cyclic iteration, and is easy to realize in the engineering application.

【技术实现步骤摘要】
一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法
本专利技术属于水声工程、海洋工程和声纳技术等领域，涉及一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，是基于循环调制谱和多重信号分类算法相结合的改进噪声包络信号识别方法用来提取舰船螺旋桨的轴频及各阶的谐波线谱，该方法适用于舰船辐射噪声的目标识别。
技术介绍
理论研究及实测表明，实船的螺旋桨噪声是非平稳的宽带连续信号，其频谱信号由连续谱噪声与低频离散噪声两部分组成。连续谱的主要声源是螺旋桨的空化噪声，低频离散噪声又被称为线谱噪声，其频率通常在0-300Hz之间，各条线谱相互之间不连续且呈周期性出现，其幅值高于邻近的连续谱信号，而且频率越低幅值越高，一般频率最低幅值最高的线谱就是螺旋桨的轴频，其余那些频率周期性成倍递增的线谱就是螺旋桨轴频的各阶次谐波，各阶次谐波的频率大致上等于轴频与其阶次相乘。螺旋桨噪声中包含着丰富的目标信息，其中螺旋桨的轴频物理特征最为明显，再加上离散线谱噪声易检测，呈周期性出现等特点，螺旋桨轴频始终被视为目标识别的重要特征之一。因此改进螺旋桨线谱的搜索方法，提高轴频检测的精度，对于海上目标的分类和识别有着重要意义。目前常用的螺旋桨线谱搜索算法大都是基于LOFAR(Low-frequencyAnalysisandRecording)谱和DEMON(DetectionofEnvelopeModulationonNoise)谱的各类改进算法，最新提出的线谱搜索方法是先基于线谱噪声的二阶循环平稳特性进行循环调制谱的计算，然后利用压缩感知方法从循环调制谱中分离线谱，该方法参见“CompressiveSensingforDetectingShipswithSecond-OrderCyclostationarySignatures”，该文2017年9月发表于《IEEEJournalofOceanicEngineering》第99期，页码为1-13。该方法虽然能够有效的提取线谱，但是循环迭代的收敛速度过慢导致计算时间过长，多次频谱计算会导致频率偏移和频谱泄露，而且利用压缩感知方法会有部分数据在数据压缩的过程中丢失，最终降低轴频检测的精度。
技术实现思路
要解决的技术问题为了避免现有技术的不足之处，本专利技术提出一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，克服现有的噪声信号识别方法在估计目标轴频时存在的计算量过大、迭代收敛速度慢以及估计精度较差等缺点。技术方案一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，其特征在于步骤如下：步骤1：对水听器接收到的时域原始信号x(t)做I层的小波包分解，得到最后一层的各段小波包信号，设为第i层小波包分解得到的第j个小波包信号，而原始信号其分解算法为：其中，参数k为位置坐标，gk和hk为小波包分解滤波器的系数，且gk与hk相互正交，满足gk＝(-1)kh1-k；最后一层小波包分解得到的每一段小波信号为步骤2：对最后一层小波包分解得到的每一段小波信号做希尔伯特-黄变换，首先对每一段小波信号进行经验模态分解；然后进行希尔伯特变换求解包络信号，得到连续时域信号为：式中：为卷积运算符；为小波信号经过m次模态分解后得到信号序列；步骤3：对所有经过希尔伯特-黄变换的小波信号进行重构得到新的包络信号H[r(t)]，其第i层的第j个小波包的重构计算公式如下：其中：i＝I,I-1,...2,1，j＝2i,2i-1,...2,1，则重构后最终得到的噪声包络信号为H[r(t)]；步骤4、对重构的包络信号H[r(t)]做加权傅立叶变换计算，求其时间相关谱：先对连续时间信号H[r(t)]采样得到N点离散信号H[r(n)]，之后采用长度为L2的汉宁窗函数对H[r(n)]进行分段加权计算，这里H[r(n)]被分成L1段，每段的长度含有个数据点，窗函数的重叠率为50％，窗系数为w(n)；因此，对于第l段信号H[r(n)]，进行短时离散傅立叶计算得到时间相关谱定义如下：w(n)＝0.5-0.5cos(2πn/N)其中：zl(n,f)是H[r(n)]的时间相关谱，f是时间相关谱信号的频率，fs是整段信号的采样频率；步骤5、对时间相关谱信号zl(n,f)采用多目标分类算法处理：先计算zl(n,f)的相关矩阵R，并对R做特征值分解，其计算过程如下：其中：λ1,λ2,...λ为矩阵R中p个大的特征矢量，σ2为噪声的方差；用p个大的特征矢量构成信号子空间Us，用N-p个小的特征值对应的特征矢量来构成噪声子空间UN；利用噪声子空间UN与信号子空间Us构造空间谱：将PMUSIC在2～15Hz以内的峰值对应的频点记录下来，这些点的频率组成集合F1＝{fq|fq＝fMUSIC,2＜fq＜15,q＝1,2,3…Q}，fMUSIC为空间谱PMUSIC的频率，空间谱公式构造为：其中：a为搜索矢量，aH为a的共轭转置，为UN的共轭转置矩阵；其中的PMUSIC为2～15Hz频段内的极大值即为疑似轴频将F1中的每个元素fq视为疑似轴频，分别以fq为中心频率，以0.01＜α＜0.1大小的步长生成Q个集合，每个集合为这里g为中心频率加减步长的个数；步骤6：对步骤4中计算得到的zl(n,f)的平方再一次做离散傅立叶计算，将时间变量n转换为双循环频率变量f双，推导得到二阶循环相关信号频谱为：其中：f双为集合中的每个疑似轴频；f既是每段时间相关谱zl(n,f)的频率也是循环调制谱中载频f载的中心频率，即上述公式计算得到的循环调制谱被最终表示为P(fq,g,f载)，是关于载频f载和双循环频率变量的频谱；步骤7：对于只包含单个螺旋桨噪声的原始信号，定义每个集合的频率统计量为Pg＝argmax(P(fq,g,f载))，fq,g是步骤6得到的二阶循环频率分量，定义轴频是max(Pg)对应的频率；步骤8：以步骤6检测得到的循环调制谱P(fq,g,f载)在1～100Hz频段内的载频f载分别与比较搜索，搜索公式如下：其中：R是对取整后四舍五入的值；是选定的搜索各阶次谐波的偏移精度阈值，取值为小于等于频谱分辨率；步骤9：将满足公式所得到每个有效频点f载按从小到大排序，得到频率成倍数递增的一系列线谱，为搜索得到的目标螺旋桨的轴频与各阶次的谐波，线谱序列中的第一条谱线就是轴频剩余的线谱f载就是各阶次的谐波。所述步骤5的p个大的特征矢量的p≥10。所述步骤5的中心频率加减步长的个数有益效果本专利技术提出的一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，先对原始水听器信号求包络，也就是对该信号进行多尺度小波包分解，然后对每个小波包信号做希尔伯特-黄变换得到小波包络信号，之后将所有的小波包信号进行小波重构，得到改进的噪声包络信号。然后对包络信号进行分段加权计算其时间相关谱，接下来结合多目标分类算法处理时间相关谱信号，取其在低频段峰值突出的线谱作为疑似轴频，根据需求设定小于频率分辨率的步长，以疑似轴频为中心组成疑似轴频集合，再对各疑似轴频的时间相关谱信号做循环相关计算，得到循环调制谱的频率统计量，最终根据该频率统计量来搜索目标的轴频。本专利技术方法校正了传统的循环调制谱方法在频谱计算过程中产生的轴频偏移误差，提高了轴频检测的精度，极大地减小了循环迭代的计算量，而且在工程应用方面便于实现。本专利技术有益效果是：步骤一、本文档来自技高网...

【技术保护点】
1.一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，其特征在于步骤如下：步骤1：对水听器接收到的时域原始信号x(t)做I层的小波包分解，得到最后一层的各段小波包信号，设

【技术特征摘要】
1.一种基于改进噪声包络信号识别的螺旋桨轴频搜索方法，其特征在于步骤如下：步骤1：对水听器接收到的时域原始信号x(t)做I层的小波包分解，得到最后一层的各段小波包信号，设为第i层小波包分解得到的第j个小波包信号，而原始信号其分解算法为：其中，参数k为位置坐标，gk和hk为小波包分解滤波器的系数，且gk与hk相互正交，满足gk＝(-1)kh1-k；最后一层小波包分解得到的每一段小波信号为步骤2：对最后一层小波包分解得到的每一段小波信号做希尔伯特-黄变换，首先对每一段小波信号进行经验模态分解；然后进行希尔伯特变换求解包络信号，得到连续时域信号为：式中：为卷积运算符；为小波信号经过m次模态分解后得到信号序列；步骤3：对所有经过希尔伯特-黄变换的小波信号进行重构得到新的包络信号H[r(t)]，其第i层的第j个小波包的重构计算公式如下：其中：i＝I,I-1,...2,1，j＝2i,2i-1,...2,1，则重构后最终得到的噪声包络信号为H[r(t)]；步骤4、对重构的包络信号H[r(t)]做加权傅立叶变换计算，求其时间相关谱：先对连续时间信号H[r(t)]采样得到N点离散信号H[r(n)]，之后采用长度为L2的汉宁窗函数对H[r(n)]进行分段加权计算，这里H[r(n)]被分成L1段，每段的长度含有个数据点，窗函数的重叠率为50％，窗系数为w(n)；因此，对于第l段信号H[r(n)]，进行短时离散傅立叶计算得到时间相关谱定义如下：w(n)＝0.5-0.5cos(2πn/N)其中：zl(n,f)是H[r(n)]的时间相关谱，f是时间相关谱信号的频率，fs是整段信号的采样频率；步骤5、对时间相关谱信号zl(n,f)采用多目标分类算法处理：先计算zl(n,f)的相关矩阵R，并对R做特征值分解，其计算过程如下：其中：λ1,λ2,...λ为矩阵R中p个大的特征矢量，σ2为噪声的方差；用p个大的特征矢量构成信号子空间Us，用N-p个小的特征值对应的特征矢量来构成噪声子空间UN；利用噪声子...

【专利技术属性】
技术研发人员：杨坤德，周星月，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61