正文:摘 要:从识别潜艇的需求出发,分析了潜艇螺旋桨噪声线谱的基本特性,指出潜艇螺旋桨轴频是识别潜艇的有力依据。使用短时傅立叶变换(STFT)分析法来提取潜艇螺旋桨噪声的离散特征线谱,仿真结果表明,该方法简单有效。研究了潜艇螺旋桨轴频估计的特点,为提高潜艇螺旋桨轴频估计的性能,在得到潜艇辐射噪声的时频分析图后,先将线谱与连续谱分离,再检测螺旋桨噪声线谱并进行净化,并提出了一种潜艇螺旋桨轴频估计方法。
关键词:轴频估计;特征线谱;潜艇螺旋桨
中图分类号: 文献标识码:A
Estimation for Shaft Rate of Submarine Screw Propeller Based on Extraction of Characteristic Line Spectrum
Abstract: On requirement of submarien recognition, elementary characteristics of line spectrum of submarine screw propeller noise was analysed, and it was confirmed that shaft rate of submarine screw propeller is convincing evidence to recognize submarine. STFT was used to extract discrete characteristic line spectrum of submarine screw propeller noise, which was proved to be effective by simulation experiment. Then, characteristics of estimation for shaft rate of submarine screw propeller were studied. For improving performance of estimation for shaft rate of submarine screw propeller, line spectrum and continuous spectrum are separated firstly after time-frequency analysis diagram is got, then, line spectrum of screw propeller noise is detected and purified. At last, a method for estimating shaft rate of submarine screw propeller was advanced.
Key Words: shaft rate estimation; characteristic line spectrum; submarine screw propeller
1 引言[1]
对于识别潜艇而言,被动声纳目标识别主要利用潜艇辐射噪声进行识别,是隐蔽探测的重要手段。但是,由于海洋水声探测环境和水声信道的复杂性和多变性等综合因素的影响,目前对潜艇辐射噪声进行特征提取进而进行分类识别仍是一个技术难题。
螺旋桨噪声是潜艇的主要噪声源。螺旋桨噪声常常会产生幅度调制,通过解调处理计算出的调制谱中存在着许多离散线谱,其位置对应着螺旋桨的轴频、叶频及其谐波。因而利用这些离散线谱估计螺旋桨的轴频和叶片数为被动声纳目标识别提供了有力的依据。
然而,随着潜艇隐身技术的发展,潜艇辐射噪声越来越低,被动探测和识别潜艇变得越来越困难。如何有效提取潜艇的特征线谱,进而估计出潜艇螺旋桨的轴频,是迫切需要解决的问题。
2 基于STFT的潜艇螺旋桨噪声特征线谱提取
潜艇螺旋桨噪声是非平稳随机过程,因此,用局部平稳过程来拟合是很合适的
[1]。对于非平稳信号而言,傅立叶变换不再是有效的数学分析工具,因为它是全局变换,为得到某一频率在整个频域内其能量的相对值,必须知道全时域上所有信号的信息,这样就将某些有用的线谱频率分量通过平均而湮没了。信号局部性能的分析必须依靠信号的局部变换,且信号的局部性能需要使用时域和频域的二维联合表示,才能得到精确的描述,即时频信号分析。
短时傅立叶变换(STFT)是一种常用的时频分析方法,其基本思想是在傅立叶变换的基础上实现时域的局部化,对于非平稳信号,STFT采用某一滑动窗函数截取信号,并认为窗内的信号是准平稳的,然后再分别对这些信号进行傅立叶变换,构成非平稳信号的时频谱。
设

是一个时间宽度很短的窗函数,它沿时间轴滑动,则信号

的STFT定义为
[2]:

(1)

式中,“

”代表复数共轭。由于信号

乘一个相当短的窗函数

等价于取出信号在分析时间点
t附近的一个切片,所以

可以理解为信号

在“分析时间”
t附近的傅立叶变换。

将信号

变换为时频空间的二维函数,它同时反映了信号频域和时域的信息。相应的短时傅立叶反变换为
[2]:

(2)
通常情况下,时间区域和频率区域构成的二维区域面积越小,STFT的局部化分辨能力就越强,但是不能同时得到理想的时间分辨率和频率分辨率。如果用

和

分别表示STFT的时间分辨率和频率分辨率,对于有限能量信号

或窗函数

,其时宽和带宽的乘积总是满足下面的不等式
[2]:
时宽-带宽乘积=

或
=

(3)
式(3)称为Heisenberg不等式或不相容原理。
1/3 1 2 3 下一页 尾页