为了提高在运动平台下对舰船轴频电场的探测距离，需要深入研究舰船轴频电场的信号处理方法。在理论仿真、海上试验数据分析的基础上，对最小平均p范数（LMP）算法在轴频电场信号处理中的应用进行了研究。仿真结果表明，在非高斯背景下，LMP算法可以有效提高信噪比，且能够在低信噪比下对轴频电场进行有效检测。试验结果表明，对于非高斯噪声较强的海上运动平台，经LMP 算法处理后的轴频电场信噪比相比于传统的最小均方（LMS）算法可大幅提高信噪比，从而可以进一步提高对轴频电场的检测距离。
In order to improve the detection distance of the shaft frequency electric field under the moving platform, it is necessary to study the signal processing method of the shaft frequency electric field in depth. On the basis of theoretical simulation and marine test data analysis, the application of the least average p-norm (LMP) algorithm in the signal processing of shaft frequency electric field is studied. The simulation results show that under the non-Gaussian background, the LMP algorithm can effectively improve the signal-to-noise ratio, and can effectively detect the shaft frequency electric field under low signal-to-noise ratio; the test results show that for offshore sports platforms with strong non-Gaussian noise, Compared with the traditional least mean square (LMS) algorithm, the signal-to-noise ratio of the shaft frequency electric field processed by the LMP algorithm can greatly improve the signal-to-noise ratio, which can further increase the detection distance of the shaft frequency electric field.
2022,44(13): 139-143 收稿日期：2021-06-23
DOI：10.3404/j.issn.1672-7649.2022.13.030
分类号：TJ610.1,TP274.5
基金项目：国家自然科学基金资助项目（51509252）；青岛海洋科学与技术国家海洋实验室资助项目（SQ2017WHZZB0202）
作者简介：黄勇(1996-),男,硕士硕士生,研究方向为军用目标特性及其信息感知技术、武器控制与制导技术
参考文献：
[1] 林春生, 龚沈光. 舰船物理场（第2版）[M]. 北京: 兵器工业出版社, 2007
[2] 程锦房, 张伽伟, 姜润翔, 等. 水下电磁探测技术的发展现状[J]. 数字海洋与水下攻防, 2019, 2(4): 45–49
[3] 包中华, 龚沈光, 李俊, 等. 一种基于负熵的舰船轴频电场信号检测方法[J]. 仪器仪表学报, 2010, 31(10): 2210–2215
[4] 费志刚, 蔡旭东, 包中华. 基于高阶累量的船舶轴频电场信号自适应增强[J]. 舰船科学技术, 2014, 36(5): 120–124
[5] 程锐, 陈聪, 张伽伟. 基于EEMD和改进功率谱熵的船舶轴频电场检测[J]. 华中科技大学学报(自然科学版), 2017, 45(05): 11–16
[6] 李越, 张伽伟, 程锦房, 等. 基于尺度-小波能量谱的舰船轴频电场检测算法[J]. 舰船电子工程, 2020, 40(5): 152–156
[7] 喻鹏, 程锦房, 张伽伟, 等. 基于Rao检测器的舰船轴频电场滑动门限检测方法[J]. 兵工学报, 2021, 42(4): 827−834.
[8] 陈泽军. 非高斯噪声环境下的最小误差熵自适应滤波算法研究[D]. 成都: 西南交通大学, 2020.
[9] 石颖. 非高斯噪声环境下的比例自适应滤波算法研究[D]. 成都: 电子科技大学, 2019.
[10] SHAO M, NIKIAS C L. Signal processing with factional lower order moments: stable processes and them applications. Proceedings of the IEEE, 1993, 81(7): 986-1010.
[11] KUMAR P A, MOULI B C, GANESH S, et al. Extraction of target parameters using underwater electric field analysis[C]// International Conference on Communication & Electronics Systems. Coimbatore, India: IEEE, 2016.
[12] 赵知劲, 金明明. α稳定分布噪声下的核最小平均P范数算法[J]. 计算机应用研究, 2017, 34(11): 3308–3310+3315
[13] 沈锋, 姜利, 单志明. 非高斯噪声环境下的信号检测与自适应滤波方法[M]. 北京: 国防工业出版社, 2014.
[14] StevenM. Kay, 罗鹏飞. 统计信号处理基础[M]. 北京: 电子工业出版社, 2014.
[15] 梁小筠. 正态性检验[M]. 北京: 中国统计出版社, 1997.
