多维动态噪声信息的可视化研究

基于环境噪声声线追踪方法,提出基于不规则三角网格的噪声分析算法并通过噪声实测数据检验校正.基于自主知识产权的VRC:IS平台,将区域范围内噪声源数据、地理数据、建筑的分布状况、道路状况等信息综合,分析和计算后生成反映区域噪声水平状况的多维噪声分布图,并以动态放映和趋势分析方式进行噪声时空演变分析.将抽象无形的噪声转化为可实时漫游的多维噪声场景,直观形象的表现区域的噪声分布,为声环境决策提供依据.     

尾流中悬浮拦截弹环境噪声特性研究

尾流自导鱼雷对水面舰艇构成严重威胁。 为了把悬浮拦截弹被动拦截方式从非尾流区域扩展到尾流区，拦截尾流自导鱼雷，需要研究尾流内噪声特点，分析出拦截弹在尾流区的环境噪声特性。 基于悬浮拦截弹对不同吨位舰船尾流噪声进行研究，结合高阶累积量从概率论的角度出发，计算了尾流噪声的斜度和峰度随尾流年龄的变化规律；噪声斜度判断噪声是否满足对称分布，峰度判断噪声是否为高斯信号。 将实测数据与仿真数据峰度和斜度进行比对，得出结论：舰船尾流噪声环境可以近似看作是高斯信号，服从对称分布，且该分布特性与舰船吨位不相关。     

实测海洋环境噪声数据谱级特性研究

通过对噪声测量潜标系统测得的94 d海洋环境噪声数据及相应的气象数据进行联合时频、相关性、统计特性分析,得到试验海区风速、降雨等自然现象与噪声谱级之间的关系。分析结果表明,海洋环境噪声谱级与风速变化在低频段相关性较低,高频段相关性较高,同时1 k Hz以上频段谱级值分布接近呈正态分布;降雨对环境噪声的影响主要分布在500 Hz以上频段。     

东沙海域海洋环境噪声特性分析及其与风速的相关性研究

本研究利用亚洲海国际实验南海区所获取的海洋环境噪声数据,研究了2001年5月3日0时至5月17日0时海洋环境噪声的时频特性.实验期间有热带风暴西马仑经过,导致海面风速和风生海洋环境噪声随西马仑的逼近和远离出现了显著的升降.以1 250 Hz的海洋环境噪声为例,海洋环境噪声级在这一期间内有一个明显的升高、稳定和缓慢下降的过程.结合再分析风速数据研究海洋环境噪声级与风速的相关性,结果表明,在较高频1 250 Hz处,海洋环境噪声级与风速的互相关系数r为0.50;在较低频50~400 Hz处,两者的互相关系数r在-0.20~0.20之间.此外,本研究利用噪声级与对数风速之间的线性关系式,将海洋环境噪声级与实验过程中海面风速数据做回归分析,确定拟合系数,将此系数用于反演估计海面风速,反演误差在5%~20%之间.     

海上航船分布及其对海洋环境噪声的影响

当代水下目标探测向低频远程发展,海洋环境噪声的低频特性倍受关注,航船噪声是海洋中的主要低频噪声源。近几十年来,海上航运量迅速增长,导致海洋环境低频噪声大幅升高,增加了海洋环境的噪声污染。本文依据港口进出航船信息库和船舶自动识别技术数据库资料,分析历史航船分布数据,依据获得的某开阔海域航船分布规律,建立数值模型估计了航船噪声源对低频海洋环境噪声特征的影响。结果表明,日进、出港的航船数近似满足正态分布,近海开阔海域单位面积、单位时间内的航船数近似满足泊松分布;由于海上航船的影响,海洋环境噪声强度呈明显的水平非均匀分布状态。     

南海某海域海洋环境噪声谱级风关特性分析

为探索南海某区域海洋环境噪声谱级与风场的相关特性,结合潜标海洋环境噪声数据及对应海域的海面风场再分析数据,计算各频段噪声级与风速相关系数及线性拟合函数。分析结果表明:400～1 000 Hz频段,海洋环境噪声谱级与海面风速的相关系数在0.5～0.8之间,达到中等相关。1 000～5 000 Hz频段,两者互相关系数大于0.8,达到高度相关。对海洋环境噪声谱级与对数风速的回归分析结果显示,1000～5 000 Hz频段,两者的线性函数关系显著;并且在1 000 Hz附近的拟合斜率最大,海洋环境噪声谱级对海面风速变化的灵敏度最高。     

基于小波阈值算法的海杂波信号降噪

为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。     

考虑自由面反射作用的圆柱流噪声计算

对于现代舰船而言噪声是其关键性能之一,目前水下航行体的流激噪声预测方法已经较为成熟,但是水面舰船的水动力噪声研究起步较晚,还没有形成系统的预报方法和控制手段。使用开源CFD工具包OpenFOAM求解器,流场通过大涡模拟方法求解,自由液面则依靠VOF方法捕捉,通过Curle方程预测远场噪声,基于镜像法考虑自由面的反射作用,数值模拟近自由面圆柱周围的声场分布。开展了Re=3 900下距离自由液面不同高度的圆柱辐射噪声求解,主要结合流场分析自由面对声场的扰动作用和不同深度对水下几何体流噪声的影响。初步考虑了自由液面波形对辐射噪声的反射作用,为后续预测水面舰船的水动力噪声特性提供依据,自由面对辐射噪声的阻抗等作用还需进一步研究。     

基于辐射噪声特征的舰船目标识别分类方法综述

通过舰船的辐射噪声对目标进行识别分类是水声领域的一个重要研究课题。综合介绍舰船辐射噪声数据获取途径、特征提取技术和目标识别技术。首先,介绍了 4 种数据采集类型较为丰富的辐射噪声数据库。其次,从线谱识别、小波分析和非线性特征提取技术 3 个方面介绍辐射噪声的特征提取技术。最后,从支持向量机等传统分类识别技术和深度学习技术 2 个方向介绍辐射噪声领域的识别分类技术。较系统地总结了基于舰船辐射噪声的目标识别分类技术,可以为舰船目标分类识别的研究提供参考。     

基于Cressman优化算法的海洋矢量数据插值方法研究

随着海洋监测技术的发展,多源、异构、多维的海洋数据成指数激增。当前用于海洋数据的插值技术存在处理速度慢、读取效率低等问题,难以满足数据处理的需要。针对具有空间分布特性的海洋矢量数据,本文旨在研究一种高效的插值方法,首先基于Moran’s I对矢量数据进行空间相关性分析,根据数据间的聚类程度对数据集进行冗余度处理,然后基于Cressman插值算法对处理后的矢量数据进行插值展示。最后,以某区域的流场数据进行仿真,验证了基于Cressman插值优化算法的合理性和可行性。     

近海海上风电场水下噪声传播模型适用性研究

通过现场采集近海海上风电场工程区运营期风机水下噪声和背景噪声数据,计算了噪声信号的倍频带声压级,功率谱级和峰值声压级,确定了海上风电场水下噪声总声源级为148.3 d B,以此开展近海海上风电工程风机水下噪声频域特性、功率密度谱特性等研究。在此基础上使用Kraken简正波模型和Bellhop射线模型对风电场运营期风机水下噪声在水平与垂直方向上的传播进行模拟,模拟了噪声在不同频带内的衰减程度,结果显示模型模拟结果在不同频率下的衰减趋势有着很大差异,产生了明显的多途干涉现象,通过实测数据对建立的噪声传播模型进行验证,发现Kraken简正波模型在500 Hz以下,Bellhop射线模型在500 Hz以上适合模拟实际水下噪声传播情形,同时海区本身背景噪声的存在会对预测的准确性产生影响。这些结论可用于进一步对近海海上风电场水下噪声传播的研究。     

单水滴致噪声平均能量密度谱的神经网络模型

单水滴击水致水下噪声平均能量密度谱是Medwin雨致噪声理论中的基本参量。基于人工神经网络算法,建立了利用一定粒度分布的水滴群及其击水后的噪声谱反演单水滴致水下噪声能量密度谱的模型。通过分析三种训练模式,得到反演值与真实值的对比及误差指标MSE的起伏性和收敛速度,验证了利用人工神经网络算法研究雨致噪声的有效性。     

通道特性相关时带乘性噪声系统观测噪声的最优估计

研究在较弱的乘性噪声条件下系统观测噪声的最优估计问题,就乘性噪声为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形,给出了在线性最小方差意义下的观测噪声最优滤波算法和最优平滑算法。针对这些算法进行了仿真研究,仿真结果表明算法有较好的估计效果。     

多通道带乘性噪声系统观测噪声的最优估计

研究在多通道观测时观测噪声的最优估计问题。就多通道的乘性噪声为对角阵且动态噪声一步相关并与观测噪声在同时刻和过去相邻时刻也相关的复杂情况下给出了在线性最小方差意义下的观测噪声最优滤波估计算法和固定区间平滑估计算法。针对这些算法进行了仿真研究 ,仿真结果表明了算法的有效性。     

带乘性噪声广义系统的观测噪声最优估计算法

研究带乘性噪声广义系统的观测噪声最优估计问题。在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换和状态扩维的方法,给出了线性最小方差意义下的观测噪声最优滤波算法和最优平滑估计算法。数字仿真结果表明了算法的有效性。     

基于潜标测量的海洋环境噪声谱特性分析

利用海洋环境噪声测量潜标系统对南海典型海域开展了为期3个月的海洋环境噪声测量,16通道海洋环境噪声测量系统每小时测量两分钟噪声信号。数据处理结果表明,800~5 000Hz范围内,噪声谱与风速相关性最好,且风速越大相关性越好,噪声谱与风速的相关性好于与浪高的相关性。风关噪声谱级在海水中部基本不随接收深度发生变化,但由于测量水听器阵长度未能覆盖整个水深,因此未给出海面和海底处谱级变化规律。在400Hz以上的高频段整个风速范围内噪声谱级都随风速发生变化,且噪声谱级与对数风速具有很好的线性关系。     

西沙北部海域海洋环境噪声频谱特性

Ambient noise is very important in the prediction system of a sonar performance, because it determines the detection ranges always in a passive sonar and usually in an active sonar. In the uncertainty issue for the so-nar performance, it is necessary to know this factor＇s statistical characteristics that are only obtained by data processing from the underwater ambient noise measurements. Broad-band ambient noise signals from 16 hydrophones were amplified and recorded for 2 min every 1 h. The results show that the ambient noise is essentially depth independent. The cross correlation of the ambient noise levels （1, 6 and 12 h average） with a wind speed is presented. It was found that the correlation is excellent on the upper frequency band and the noise levels correlate better with high wind speed than with low wind speed.     

Passive Fathometry in Shallow Waters of the Indian Continental Shelf

The present study demonstrates the use of ambient noise for estimating the ocean depth in shallow waters of the Indian continental shelf. Ocean depth is estimated using a technique known as passive fathometer processing, which involves the correlation of surface-generated ambient noise with its reflection from the seabed. Ambient noise data collected using a vertical array from four locations (off Cochin, off Cuddalore, off Kakinada, and off Goa) along the Indian continental shelf were used for the study. The noise data recorded during windy conditions within the frequency band of 200–5000 Hz were used for analysis. Both conventional and adaptive beamforming techniques were applied for the passive estimation of the ocean depth. The estimated water column depth using the ambient noise measurement shows good agreement with the known depth from all the four locations. The advantages and limitations of the adaptive processing technique have also been discussed. The study clearly demonstrates the application of the surface-generated ambient noise in seabed image processing.