为更好地实现舰船识别与管理的目的，设计研究功率谱估计在舰船噪声特征提取中的应用方法。依照舰船实际信号与噪声信号的差异性推导滤波器结构，在滤波器内迭加一个白噪声谱改善信号失真问题，利用滤波器对舰船噪声信号进行白化处理。采用Welch功率谱估计法，通过窗函数截断白化处理后的舰船噪声时程离散信号，获取不同段舰船噪声信号的功率谱并实施平均值计算，得到舰船噪声信号的功率谱估计结果，分析该功率谱估计结果，得到舰船噪声功率谱特征。在具有多种舰船噪声特征信息的条件下，依照动态规划理论选取最优功率谱特征。仿真结果显示该方法有效实现信号滤波处理，基于该方法特征提取结果可实现高精度的舰船识别。
In order to better realize the purpose of ship identification and management, the application method of power spectrum estimation in ship noise feature extraction is studied. The filter structure is deduced according to the difference between ship's actual signal and noise signal, a white noise spectrum is added to the filter to improve the signal distortion, and the ship's noise signal is whitened by the filter. Welch power spectrum estimation method was used to truncate the time-history discrete signals of ship noise after whitening by window function, obtain the power spectrum of ship noise signals in different sections and perform average calculation to obtain the power spectrum estimation results of ship noise signals. Then, analyze the power spectrum estimation results to obtain the power spectrum characteristics of ship noise signals. The optimal power spectrum features are selected according to the dynamic programming theory under the condition of various ship noise characteristics. Simulation results show that the proposed method can effectively achieve the purpose of signal filtering, and high precision ship recognition can be realized based on the feature extraction results of the proposed method.
2022,44(4): 43-46 收稿日期：2021-07-08
DOI：10.3404/j.issn.1672-7649.2022.04.010
分类号：TP391
基金项目：山东省教育科学“十三五”规划自筹课题（2020ZC325）
作者简介：李新(1981-)，女，硕士，副教授，研究方向为移动通信与无线技术
参考文献：
[1] 韩雪, 朴胜春, 付金山. 舰船辐射噪声听觉节奏的时变响度特征提取[J]. 哈尔滨工程大学学报, 2020, 41(4): 487–492
[2] 黄卫权, 王刚, 程建华, 等. 基于相位补偿的舰船升沉位移测量方法[J]. 中国惯性技术学报, 2019, 27(2): 148–153
[3] 周运斌, 陈茜, 王颖, 等. 基于聚类算法和类噪声数据辨识的负荷模型特征参数提取[J]. 电工电能新技术, 2020, 39(12): 12–18
[4] 张涛, 任相赢, 刘阳, 等. 基于自编码特征的语音增强声学特征提取[J]. 计算机科学与探索, 2019, 13(8): 1341–1350
[5] 倪俊帅, 赵梅, 胡长青. 基于深度学习的舰船辐射噪声多特征融合分类[J]. 声学技术, 2020, 39(3): 366–371
[6] 陈哲, 李亚安. 基于多尺度排列熵的舰船辐射噪声复杂度特征提取研究[J]. 振动与冲击, 2019, 38(12): 225–230
[7] 王彬, 侯越圣. 一种Alpha稳定分布噪声下目标螺旋桨特征提取方法[J]. 电子与信息学报, 2020, 42(10): 2478–2484
[8] 李余兴, 李亚安, 陈晓, 等. 基于VMD和SVM的舰船辐射噪声特征提取及分类识别[J]. 国防科技大学学报, 2019, 41(1): 89–94
[9] 薛峰,姚长利,郑元满. 水平尺度因子对功率谱深度估计的影响及修正方法研究[J]. 地球物理学进展, 2020, 35(5): 1902–1910
[10] 张少康, 王超, 孙芹东. 基于多类别特征融合的水声目标噪声识别分类技术[J]. 西北工业大学学报, 2020, 38(2): 366–376
[11] 蒋国庆, 孙超, 刘雄厚, 等. 基于多途信道的舰船辐射噪声功率谱密度估计[J]. 应用声学, 2020, 39(1): 81–88
[12] 卿宗胜, 高云鹏, 吴聪, 等. 基于自适应VMD和改进功率谱估计的球磨机负荷特征提取[J]. 仪器仪表学报, 2020, 41(5): 234–241
[13] 庄陵, 关鹃, 马靖怡, 等. 一种基于结构优化的FIR滤波器舍入噪声性能改进方案[J]. 电子与信息学报, 2019, 41(4): 932–938
[14] 陈家益, 战荫伟, 曹会英, 等. 消除椒盐噪声的基于纹理特征的决策滤波[J]. 电子测量与仪器学报, 2019, 33(3): 126–135
[15] 徐少平, 刘婷云, 李崇禧, 等. 基于CNN噪声分离模型的噪声水平估计算法[J]. 计算机研究与发展, 2019, 56(5): 1060–1070
