[发明专利]一种基于自噪声数据的线谱提取技术

说明书

本发明公开了一种基于自噪声数据的线谱提取技术，包括以下步骤：通过采集设备获取舰船海上自噪声数据的采集信号或仿真生成采样信号，将采集信号分为若干段，每段信号做中心化处理，接着进行功率谱分析得到信号的功率谱，用三点平滑的手段减去噪声信号功率谱中的连续谱，得到拉直后的线谱，并进行归一化处理，保留极大值，将峰值置为1进行累积，设置25%筛选，与极大值累积结果对应部位相乘，提取特征线谱，绘制线谱时频图。本发明建立了一套完整的舰船自噪声信号线谱检测和提取模型，通过自噪声数据的分包读取以及各包数据的相关结果累积，减小不相干峰值的影响，可以有效提高舰船自噪声线谱的检测能力。

技术领域

本发明属于水声工程领域，涉及一种基于自噪声数据的线谱提取技术。

背景技术

在声信号的处理分析和识别中，线谱的检测和提取具有非常重要的地位。通过提取特征线谱，能够估计目标的运动参数。因此，舰船线谱的检测和提取一直是国内外研究的重点。而舰船自噪声数据中存在大量的低频线谱，对这些自噪声数据开展线谱提取的分析研究，可以为深入认识舰船平台噪声特性和降低舰船自噪声来提高战术机动决策水平提供技术支撑。

对于低频线谱的提取，国内外有很多的方法，其主要的分析方法有现代谱分析法、高阶谱分析方法、自适应技术分析法和时频技术分析法等。因为高阶累积量法可以自动抑制高斯噪声的干扰，所以对于高阶累积量的线谱谱分析方法在线谱提取的分析研究中得到重视。学者张贤达在时间序列分析——高阶统计量方法(清华大学出版社，1996年4月)一书中详细地研究了高阶累积量法的算法特性和高阶累积量法相对于功率谱的明显的优势。学者张晓云(高阶统计量在水雷目标特征提取中的应用，哈尔滨工程大学硕士学位论文，2008年2月)将高阶统计的分析方法对水下目标的特征信息的提取进行了应用，并取得了不错的效果。对于将时域信号变换到时频联合域的时频技术分析法，侯铁双等人(舰船噪声通过特性的时频分析，西北工业大学硕士学位论文，2003年12月)将时频技术分析方法对舰船低频特征线谱的提取进行了应用，并将把这种分析方法应用于实验数据的处理，从得出的结果中可以比较清晰地看到舰船特征线谱频率随时间的变化情况。由于经典的时频技术分析法的实验条件要求高信噪比，并没有触及到在信号数据存在强背景噪声干扰的情况下的处理和应用，所以为了有效地解决这一问题，学者们又提出了高阶累积量的时频分析方法。

总结近年来国内外有关线谱检测和线谱提取方法的研究成果，在线谱提取过程中，受到背景噪声中不相干峰值的干扰，满足要求的特征线谱提取的准确性和可靠性不足，在舰船自噪声线谱检测时效果受到影响。

发明内容

针对上述问题，本发明通过减小不相干峰值影响的方法，提供一种基于自噪声数据的线谱提取技术，有效提升舰船自噪声信号的特征线谱检测能力。

本发明的技术方案是：

步骤一：将采集信号分为P段，把第p段噪声信号的采样样本x_p(i)做中心化处理，使采样样本的均值为零：

接着进行功率谱分析得到信号的功率谱：

y'_p(i)＝FFT[y_p(i)]；

步骤二：功率谱平滑：用三点平滑的手段减去噪声信号功率谱中的连续谱，得到拉直后的线谱；

步骤三：归一化处理：对拉直后的线谱进行归一化处理；

步骤四：峰值检测：对归一化处理后的信号Y_p'求均值，舍掉小于平均值的点，即对每个点设置Flag(i)，并舍掉Flag(i)为-1的点；

其中