對于潛艇而言,自身的隱蔽性可以衡量其戰(zhàn)斗力的強(qiáng)弱。在低速航行時(shí),潛艇上的結(jié)構(gòu)噪聲是最重要的噪聲源,有效的控制和降低結(jié)構(gòu)噪聲可以增加潛艇的隱身性,這是在設(shè)計(jì)潛艇時(shí)首要考慮的環(huán)節(jié)。機(jī)械結(jié)構(gòu)噪聲主要是由潛艇內(nèi)各機(jī)械設(shè)備在運(yùn)行過程中產(chǎn)生,并通過艇內(nèi)結(jié)構(gòu)傳遞到潛艇的殼體上向遠(yuǎn)場輻射。但是由于潛艇內(nèi)噪聲源種類繁多,各噪聲源之間相互耦合,因此對艙室內(nèi)主要噪聲源進(jìn)行識別分類是一個復(fù)雜的過程。通過對噪聲源的識別分類技術(shù)的研究,獲得各主要聲源貢獻(xiàn)大小,可以有效的為噪聲源分別降噪提供良好的依據(jù)。本文采用數(shù)據(jù)融合技術(shù),將各傳感器采集的目標(biāo)局部信息在一定的融合規(guī)則下進(jìn)行處理與分析并進(jìn)行融合,在充分利用各傳感器提供的信號特征信息的基礎(chǔ)上,盡可能的降低因冗余而給系統(tǒng)帶來的復(fù)雜性,并最終實(shí)現(xiàn)對目標(biāo)的一致性描述,進(jìn)而提高艙室內(nèi)主要噪聲源的識別分類效果。論文將對以下內(nèi)容進(jìn)行分析與研究:首先,針對潛艇艙室內(nèi)各噪聲源的特點(diǎn),基于仿真與試驗(yàn)數(shù)據(jù),分別應(yīng)用時(shí)域、頻域、時(shí)頻域多種特征提取技術(shù)進(jìn)行特征提取。其次,對信息融合的基本原理與方法進(jìn)行了介紹,闡述了用于目標(biāo)識別的D-S證據(jù)理論,并研究了基本概率賦值的獲取方法以及分析了幾種改進(jìn)... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．?２時(shí)域信號對比??

圖２．１過零法流程示意圖??通過過零分布法對兩類信號進(jìn)行仿真分析

?（ｂ）第二類目標(biāo)??圖２．?３過零分布處理結(jié)果對比??通過對比圖２．２和圖２．３可發(fā)現(xiàn)，兩類目標(biāo)在時(shí)域上難以區(qū)分，但是在過零分布??分析后可以很好的區(qū)分出來。第一類目標(biāo)的過零點(diǎn)數(shù)要多于第二類目標(biāo)，主要是由??于第二類目標(biāo)信號中高頻部分比重高于第一類目標(biāo)信號，因此過零點(diǎn)數(shù)也大。??２．２基于頻譜估計(jì)的特征提取??信號頻譜分析是將時(shí)域信號變換至頻域并加以分析，獲取信號的各個頻率成分??及各頻率分布情況等多重信息，是在信號處理中應(yīng)用廣泛且比較有效的分析方法。??由于噪聲源輻射噪聲有比較明顯的特征線譜，因此，頻域特征分析法可以有效的對??目標(biāo)進(jìn)行識別。??２．２．１自譜特征提取??首先對隨機(jī)時(shí)域函數(shù)扒〇進(jìn)行傅里葉變換：??Ｔ??Ｐ（ｗ）＝?＼ｐ（ｔ）ｅ￣Ｊｗｌｄｔ?（２－３）??０??式中Ｔ為信號長度。由自譜密度的定義知：??＾（ｃｙ）＝ｉ？｜（ｉｐＨｒ）?（２＿４）??下面對兩類目標(biāo)信號仿真分析：假設(shè)噪聲信號的頻率是＿／；，對應(yīng)其強(qiáng)度值是??＝?２，…，Ｍ），是選取的相位具有隨機(jī)性，仿真線譜常利用多條單頻的正弦??信號相加

【參考文獻(xiàn)】：
期刊論文
[1]信息融合理論的基本方法與進(jìn)展（Ⅱ）[J]. 潘泉,王增福,梁彥,楊峰,劉準(zhǔn)釓.  控制理論與應(yīng)用. 2012(10)
[2]基于IMF能量譜的水聲信號特征提取與分類[J]. 劉深,張小薊,牛奕龍,汪平平.  計(jì)算機(jī)工程與應(yīng)用. 2014(03)
[3]基于自適應(yīng)噪聲閾值的EMD域多尺度邊緣提取[J]. 鄭玲,張玢,林潔,付立辰.  計(jì)算機(jī)科學(xué). 2012(S1)
[4]分布式信息融合的物聯(lián)網(wǎng)事件檢測方法[J]. 樓曉俊,鮑必賽,劉海濤.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(01)
[5]基于固有模態(tài)能量熵的微弱目標(biāo)檢測算法[J]. 關(guān)鍵,張建.  電子與信息學(xué)報(bào). 2011(10)
[6]應(yīng)用分?jǐn)?shù)傅立葉變換方法的水下目標(biāo)特征提取[J]. 李秀坤,秦宇.  聲學(xué)技術(shù). 2010(01)
[7]一種新的可應(yīng)用于聲目標(biāo)識別的倒譜系數(shù)[J]. 馬元鋒,陳克安,馬苗,張成.  兵工學(xué)報(bào). 2009(11)
[8]一種基于多傳感器信息融合的故障診斷方法[J]. 馬大中,張化光,馮健,劉金海.  智能系統(tǒng)學(xué)報(bào). 2009(01)
[9]一種新的水聲目標(biāo)輻射噪聲特征提取模型[J]. 胡橋,郝保安,呂林夏,陳亞林,孫起.  魚雷技術(shù). 2008(06)
[10]潛艇結(jié)構(gòu)振動和聲學(xué)特性研究進(jìn)展[J]. 殷學(xué)文,黃捷,崔宏飛,華宏星,沈榮瀛.  振動與沖擊. 2008(04)

博士論文
[1]多傳感器數(shù)據(jù)融合關(guān)鍵技術(shù)研究[D]. 姜延吉.哈爾濱工程大學(xué) 2010
[2]復(fù)雜環(huán)境下目標(biāo)識別的智能數(shù)據(jù)融合技術(shù)研究[D]. 蒲書縉.哈爾濱工程大學(xué) 2006
[3]故障診斷中信息熵特征提取及融合方法研究[D]. 謝平.燕山大學(xué) 2006

碩士論文
[1]基于聽覺特征的水中目標(biāo)輻射噪聲特征提取[D]. 韓雪.哈爾濱工程大學(xué) 2013
[2]基于信息融合的目標(biāo)識別分類技術(shù)研究[D]. 賀一平.西北工業(yè)大學(xué) 2002



本文編號：3340707