[发明专利]一种低信噪比条件下的轴频线谱增强方法

说明书

本发明公开了一种低信噪比条件下的轴频线谱增强方法，包括：(1)采集水下螺旋桨的噪声信号数据；(2)将采集的噪声信号数据导入程序，使用快速循环平稳特征函数计算，得到循环密度谱；(3)对得到的循环密度谱进行归一化，得到循环相干谱，并构建对数坐标下的增强包络谱；(4)根据得到的增强包络谱判断特征频率，选择特征频率对应时间周期的整数倍，对原始信号数据进行改进的时域平均；(5)将时域平均后的信号数据，重复一次步骤(2)和步骤(3)，得到降噪后的增强包络谱；(6)根据先验信息和降噪后的增强包络谱估计轴频和叶频信息，提取出低信噪比条件下的低频特征。利用本发明，能够更准确的得到低信噪比下的低频特征。

技术领域

本发明属于信号处理和特征提取领域，尤其是涉及一种低信噪比条件下的轴频线谱增强方法。

背景技术

螺旋桨噪声是水面舰船、潜艇、鱼雷等水声目标的主要噪声源。由于螺旋桨空化噪声常常会产生幅度调制，带来二阶的循环平稳性，通过循环平稳分析计算出的增强包络谱中存在着许多离散线谱，其位置对应螺旋桨的轴频、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检测和分类识别提供了有力的工具。

循环平稳信号处理是近来兴起的信号处理的一种新兴技术。循环平稳信号即信号中包含着隐藏的周期信息的信号。循环平稳信号是非平稳信号的一种，相比于传统检测方式，更接近实际信号，尤其是旋转机械产生的信号。

目前信号处理领域常用的旋转机械故障检测方法主要有傅立叶变换、短时傅立叶变换、小波变换、第二代小波变换和多小波变换等，可以说都是基于内积原理的特征波形基函数信号分解，旨在灵活运用与特征波形相匹配的基函数去更好地处理信号，提取故障特征，从而实现故障诊断。

但是，现有技术中存在以下缺点和不足：傅立叶变换、短时傅立叶变换、小波变换、第二代小波变换和多小波变换等故障检测的方法都建立在假设信号是平稳信号的基础上，而现实中往往是非平稳信号，从而这些检测方法都有不合理的地方，不合实际。同时，这些传统检测方法由于理论上的限制，很难检测到旋转机械的一些重要特征，如叶片通过频率BPF、叶片比频率BRF等，有很大的局限性。由于大部分螺旋桨信号中的轴频相较于叶频不明显，在低信噪比条件下提取轴频就成为了目标识别的基础。

发明内容

本发明提供了一种低信噪比条件下的轴频线谱增强方法，能将螺旋桨在低信噪比条件下的轴频特征表现出来，得到特征频率的估计更加准确。

本发明的技术方案如下：

一种低信噪比条件下的轴频线谱增强方法，包括以下步骤：

(1)采集水下螺旋桨的噪声信号数据；

(2)将采集的噪声信号数据导入程序，使用快速循环平稳特征函数计算，得到循环密度谱；

(3)对得到的循环密度谱进行归一化，得到循环相干谱，并进行积分平均构建对数坐标下的增强包络谱；

(4)根据得到的增强包络谱判断特征频率，选择特征频率对应时间周期的整数倍，对原始信号数据进行改进的时域平均；

(5)将时域平均后的信号数据，重复一次步骤(2)和步骤(3)，得到降噪后的增强包络谱，

(6)根据先验信息和降噪后的增强包络谱估计轴频和叶频信息，提取出低信噪比条件下的低频特征。

本发明的方法能将螺旋桨在低信噪比条件下的轴叶频等特征表现出来，得到的特征频率更加贴近螺旋桨噪声的本质，通过得到的轴叶比，可以实现初步的目标识别和分类。