【技术实现步骤摘要】
本专利技术涉及振动与噪声学和信号处理，具体涉及一种基于噪声信号特征提取的目标分类识别方法。
技术介绍
1、目标分类识别在许多领域都具有重要意义，无论是在水下探测领域还是汽车维修领域。例如，在水下勘测和海洋研究中，精确识别水下螺旋桨目标的叶数对于判断船舰类型和性能至关重要。同时，在汽车维修和故障排除方面，快速准确地识别汽车发动机的故障类型可以节省时间和资源。
2、然而，传统的目标分类和故障诊断方法通常受限于数据处理和特征提取的复杂性，传统方法存在计算复杂度高、操作繁琐、准确性有限等问题。因此，需要一种更高效、自动化的方法，能够快速准确地识别水下螺旋桨的叶数，包括3叶、5叶、6叶和7叶螺旋桨，并能够在实际应用中实现。在水下和汽车领域，准确诊断螺旋桨和发动机的故障类型对于维修和性能保障至关重要。不同类型的故障可能包括螺旋桨叶片损坏、轴承问题、点火系统异常、供油系统故障等。需要一种方法能够将噪声信号转化为故障特征，并精确识别不同类型的故障，以便采取适当的维修措施。
技术实现思路
1、本专利技术的目的在于提供一种基于噪声信号特征提取的目标分类识别方法，能够同时解决水下螺旋桨叶数的识别问题和水下螺旋桨以及汽车发动机的故障诊断和分类问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于噪声信号特征提取的目标分类识别方法，包括以下步骤：
4、步骤一、数据收据与预处理：利用水听器对螺旋桨噪声信号或噪声振动测量仪对汽车发动机噪声振动信号进行
5、步骤二、stft频谱分析：根据短时傅里叶变换stft对真实噪声数据进行功率谱分析以提取谐波频率的幅值信息；
6、步骤三、提取谐波幅值：根据不同叶数的螺旋桨选择对应的谐波频率组合，计算各谐波幅值，进行归一化处理得到归一化谐波幅值；
7、步骤四、进行特征值计算：将得到归一化谐波幅值利用特定的权重系数进行加权求和，得到一个特征值；
8、步骤五、目标分类判定：通过比较计算得到的特征值与预设的螺旋桨叶数分类阈值，确定水下螺旋桨的叶数，或通过比较计算得到的特征值与预设的汽车发动机故障类型分类阈值，确定汽车发动机的故障类型。
9、作为本专利技术进一步的方案：真实噪声数据低频提取的范围为0到200hz的噪声信号。
10、作为本专利技术进一步的方案：所述谐波频率的幅值信息包括一倍轴频幅值、二倍轴频幅值、三倍轴频幅值和叶频幅值。
11、作为本专利技术进一步的方案：所述提取谐波幅值的具体方法为：对每个谐波幅值进行归一化处理，对于从频谱分析中获得的每个谐波幅值，执行以下计算步骤：
12、
13、其中，ni表示归一化后的谐波幅值，hi表示未处理的谐波幅值。min和max分别表示未处理的谐波幅值的最小和最大值，ming和maxg分别表示归一化范围谐波幅值的最小值和最大值。
14、作为本专利技术进一步的方案：所述特征值计算采用以下计算公式：特征值＝一倍轴频幅值+0.5*二倍轴频幅值+0.2*三倍轴频幅值。
15、作为本专利技术进一步的方案：所述预设的螺旋桨叶数分类阈值为：特征值介于阈值3和阈值4之间的水下螺旋桨被判定为3叶桨，特征值介于阈值5和阈值6之间的水下螺旋桨被判定为5叶桨，特征值介于阈值4和阈值5之间的水下螺旋桨被判定为6叶桨，特征值在7以上被判定为7叶桨。
16、作为本专利技术进一步的方案：所述预设的汽车发动机故障类型分类阈值为：
17、汽车发动机正常状态的特征值范围大于1；
18、汽车发动机气缸问题的特征值范围为[0.4，0.6)；
19、汽车发动机点火系统异常的特征值范围为[0.6，0.8)；
20、汽车发动机供油系统故障的特征值范围为[0.8，1)。
21、本专利技术的有益效果：
22、(1)本专利技术能够在不依赖复杂模型的情况下，实现对水下螺旋桨叶数的高准确性识别，在3叶、5叶、6叶和7叶之间进行区分，具有较高的辨识度。
23、(2)与传统方法相比，本专利技术的方法更加自动化，无需依赖繁琐的人工操作。通过数字滤波器和功率谱分析，能够快速对水下螺旋桨的噪声信号进行处理和分析，提高了识别效率。利用特征值进行目标分类识别。特征值的大小和与预设分类阈值的比较可用于将目标分类为不同的类别。对于汽车故障分类识别，不同类型的故障也将有不同的特征值。这有助于快速准确地诊断问题，并采取适当的措施来解决目标或汽车的相关问题。
24、(3)本专利技术的方法不需要复杂的信号处理技术或专业知识，操作相对简便。这使得该方法在水下声学领域的应用更为广泛，并降低了操作人员的技术门槛。
本文档来自技高网...【技术保护点】
1.一种基于噪声信号特征提取的目标分类识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，真实噪声数据低频提取的范围为0到200hz的噪声信号。
3.根据权利要求1所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述谐波频率的幅值信息包括一倍轴频幅值、二倍轴频幅值、三倍轴频幅值和叶频幅值。
4.根据权利要求3所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述提取谐波幅值的具体方法为：对每个谐波幅值进行归一化处理，对于从频谱分析中获得的每个谐波幅值，执行以下计算步骤：
5.根据权利要求4所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述特征值计算采用以下计算公式：特征值＝一倍轴频幅值+0.5*二倍轴频幅值+0.2*三倍轴频幅值。
6.根据权利要求5所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述预设的螺旋桨叶数分类阈值为：特征值介于阈值3和阈值4之间的水下螺旋桨被判定为3叶桨，特征值介于阈值5和
7.根据权利要求5所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述预设的汽车发动机故障类型分类阈值为：
...【技术特征摘要】
1.一种基于噪声信号特征提取的目标分类识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，真实噪声数据低频提取的范围为0到200hz的噪声信号。
3.根据权利要求1所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述谐波频率的幅值信息包括一倍轴频幅值、二倍轴频幅值、三倍轴频幅值和叶频幅值。
4.根据权利要求3所述的一种基于噪声信号特征提取的目标分类识别方法，其特征在于，所述提取谐波幅值的具体方法为：对每个谐波幅值进行归一化处理，对于从频谱分析中获得的每个谐波幅值，执行以下计算步骤：
5.根据权...
【专利技术属性】
技术研发人员：吴成坤，蔡伯华，姚勇，朱志峰，王兵，周芳，唐得志，
申请(专利权)人：安徽省爱夫卡电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。