一种DEMON谱分析轴叶频提取方法与流程

一种demon谱分析轴叶频提取方法
技术领域
1.本发明属于水声目标识别领域，特别涉及一种demon谱分析轴叶频提取方法，可用于被动声纳噪声解调(detection ofenvelope modulation on noise，demon)谱分析，精确提取目标轴频叶频信息，提高目标识别能力。


背景技术：

2.水中舰船目标识别对于海防安全和海洋资源环境监测等领域具有重要意义。目前舰船目标识别主要依靠的特征是舰船辐射噪声，辐射噪声主要由螺旋桨噪声、内部机械噪声和水动力噪声三部分组成。相比机械噪声和水动力噪声，螺旋桨噪声具有更高的能量级和多种稳定的频率成分。螺旋桨噪声由离散线谱和高频连续谱组成，螺旋桨的转动使得其轴频和叶频对空化噪声进行调制，轴频等于螺旋桨转动频率，叶频在数值上等于轴频与桨叶数的乘积，通过轴频叶频信息便可以得到目标的螺旋桨转速、桨叶数等多种舰船识别的重要特征信息。但是从目标功率谱无法直接获得目标的轴频叶频信息，需要通过demon谱分析将连续谱进行频谱搬移，提取轴频以及其谐波频率，从而得到舰船目标的螺旋桨转速、桨叶数等信息，对目标进行分类识别。
3.传统的demon谱轴频叶频提取方法有最大公约数法、余数门限法、倍频提取法和基于神经网络的方法等。最大公约数法、余数门限法容易出现线谱遗漏的情况，在低信噪比时整体提取准确率不高。倍频提取法的问题是轴频假设值不易选取，其对算法提取效果影响较大。人工智能类的方法严重依赖于训练样本量，但敌对目标的样本获取难度很大，影响提取结果。因此有必要设计并提出一种线谱漏报概率低、轴频叶频提取准确率高且不依赖训练样本的demon谱分析方法。


技术实现要素：

4.本发明所要解决的技术问题在于提供一种demon谱分析轴叶频提取方法。解决传统demon谱分析方法在低信噪比条件下提取轴频叶频准确度低的问题。
5.本发明所要解决的技术问题是由以下技术方案实现的：
6.一种demon谱分析轴叶频提取方法，包括以下步骤：
7.(1)对阵列接收数据进行频域波束合成，得到目标方向的多组解调demon谱数据；
8.(2)通过排序截断平均法对每组解调demon谱数据进行背景均衡处理，并提取线谱，每组数据得到线谱频点集合记为p＝{f1,f2,...,fk}；
9.(3)将所提取线谱按强度进行排序，取强度最高的i根线谱，按频率从小到大排序，将得到的i根线谱频点集合记为q＝{f1,f2,...,fi}；其中，i为设定值；
10.(4)对线谱频点集合q中的频点互相求差频，得到差频频点集，并计算各差频频点对应的权重；
11.(5)更新差频权重，将最大权重对应的差频频率做为数据的轴频，得到每组数据的轴频值，放入轴频集合；
12.(6)将轴频集合中出现次数最多的轴频频率做为轴频提取结果fz；
13.(7)依照轴频提取结果对叶频进行提取，得到叶频提取结果fy。
14.进一步的，步骤(2)具体步骤包括：
15.(201)对于每组解调demon谱数据x(n)＝{x(1),x(2),...,x(n)}，x(n)中每一个元素x(n),n＝1,2,...,n，n为每组解调demon谱数据的个数，以窗长m对数据进行扩展，扩展后得到2m+1个数据：
16.x(n-m),...,x(n-1),x(n),x(n+1),...,x(n+m)
17.将数据从小到大排列为：
18.y(1),y(2),...,y(2m+1)
19.序列的中位数为y(m+1)，则序列的截断平均值为：
[0020][0021]
对序列进行截断平均值修正，将的点去除掉，得到：
[0022][0023]
其中，调节拒收阈值参数α为常数m为设定值；
[0024]
x(n)中每一个元素x(n),n＝1,2,...,n处理完成后得到背景均衡后的一组新数据z(n)；
[0025]
(202)设定轴频叶频检测提取区间[f
min
,f
max
]，从z(n)中提取检测区间内的线谱，提取线谱时提取线谱频率间隔大于等于f
min
；z(n)频率分辨率为f
re
＝fs/nd，以线谱点提取间隔n
span
＝floor(f
min
/f
re
)从z(n)提取线谱，得到线谱频率集p＝{f1,f2,...,fk}；其中，nd为x(n)进行频域波束合成时做dft的点数，fs为采样率，floor为向下取整。
[0026]
进一步的，步骤(3)具体包括：
[0027]
对于每组提取得到的线谱集合p，将线谱按强度进行排序，信号及接收环境稳定的情况下，取强度最高的i根线谱，按频率从小到大排序，将得到的i根线谱频率集合记为q＝{f1,f2,...,fi}，频率集中各频率对应的线谱强度为s＝{s1,s2,...,si}；线谱频率集中每个频率fi对应的归一化权重为wi＝si/max(s)；
[0028]
信号及接收环境不稳定的情况下，只能提取到is根线谱，is＜i，此时，将该时刻线谱数据对应的权重按比例调整为wi＝sii/max(s)is。
[0029]
进一步的，步骤(4)具体步骤包括：
[0030]
(401)对每组线谱集合q中的频率互相依次求差频：
[0031]fij
＝|f
i-fj|,i＝1,2,...,i-1；j＝2,3,...,i；i＜j
[0032]wij
＝wi+wj,i＝1,2,...,i-1；j＝2,3,...,i；i＜j
[0033]
其中，f
ij
为所得差频，w
ij
为差频对应的权重；
[0034]
(402)对于得到的差频频点集合f，将其中频率值差值小于设定值的元素统一为一个频率值；
[0035]
设对应差频权重为wa和wb的差频fa和fb，满足|f
a-fb|＜ε，则将差频fa和fb统一为f
ab
，f
ab
计算方法为：
[0036][0037]
统一后的差频值f
ab
对应的权重为w
ab
＝wa+wb，完成统一后，对于差频频率集f中频率值相同的元素，只保留一个，并将对应的权重相加；其中调节差频统一参数ε为常数。
[0038]
进一步的，步骤(5)具体步骤包括：
[0039]
(501)对于每组差频频率集f，使用线频差频比β＝fi/f
ij
来更新差频权重值，如果β满足：
[0040][0041]
则将差频f
ij
对应的权重w
ij
加1；其中round为四舍五入；
[0042]
(502)将每组差频对应的权重更新完毕后，将每组权重中的最大权重对应的差频频率做为该组数据的轴频，并放入轴频集合。
[0043]
进一步的，步骤(7)具体包括：
[0044]
叶频在数值上等于轴频乘以桨叶数，对于得到的轴频结果fz，在频率fi∈[3fz,7fz]范围内取线谱强度最大的频率做为叶频结果fy。
[0045]
本发明与现有技术相比具有如下优点：
[0046]
本发明与传统方法相比，轴叶频提取的准确率更高。
[0047]
本发明通过波束合成对阵列接收数据进行空域滤波，提高demon谱的信噪比。
[0048]
本发明在demon谱预处理过程中，通过排序截断平均法对谱数据进行背景均衡，消除强噪声对弱线谱的干扰，使得调制线谱更加明显，便于提取。
[0049]
本发明针对某些时刻数据线谱根数不足i根的情况，对线谱权重进行加权，提高数据利用率，获得更高的时间增益。
附图说明
[0050]
图1是本发明的轴叶频提取流程图；
[0051]
图2是数据测试中波束合成后得到的demon谱历程图；
[0052]
图3是数据测试中本发明对波束合成demon谱历程图背景均衡后得到的历程图；
[0053]
图4是数据测试中本发明与传统方法轴频叶频提取结果对比图。
具体实施方式
[0054]
下面结合附图，对本发明的技术方案和效果作进一步详细说明。
[0055]
本发明的一种demon谱分析轴叶频提取方法，具体流程如图1所示，实现步骤如下：
[0056]
步骤1：对阵列接收数据进行频域波束合成，得到目标方向的多组解调demon谱数据。
[0057]
步骤2：通过排序截断平均法对每组demon谱进行背景均衡处理，并提取线谱，每组数据得到线谱频点集合记为p＝{f1,f2,...,fk}。
[0058]
(201)对于每组demon谱数据x(n)＝{x(1),x(2),...,x(n)}，假设处理该组数据第n个元素x(n),n＝1,2,...,n，n为每组解调demon谱数据的个数，为消除数据边缘效应，以窗
长m对数据进行扩展，扩展后得到2m+1个数据：
[0059]
x(n-m),...,x(n-1),x(n),x(n+1),...,x(n+m)
[0060]
将数据从小到大排列为：
[0061]
y(1),y(2),...,y(2m+1)
[0062]
序列的中位数为y(m+1)，定义序列的截断平均值为：
[0063][0064]
对序列进行截断平均值修正，将的点去除掉，得到：
[0065][0066]
其中，调节拒收阈值参数α为一常数，通常取1.0～1.1之间，m为设定值；
[0067]
对x(n)中每一个元素x(n),n＝1,2,...,n依次进行上述处理便可以得到背景均衡后的一组新数据z(n)。
[0068]
(202)设定轴频叶频检测提取区间[f
min
,f
max
]，由于调制谱主要存在于低频段且通常为1～100hz，所以一般设f
min
＝1，f
max
＝100。从z(n)中提取检测区间内的线谱，由于轴频大于等于f
min
，故提取线谱时提取线谱频率间隔大于等于f
min
。对于做nd点dft得到的demon谱z(n)，其频率分辨率为f
re
＝fs/nd，以线谱点提取间隔n
span
＝floor(f
min
/f
re
)从z(n)提取线谱，得到线谱频率集p＝{f1,f2,...,fk}；其中，fs为采样率，floor为向下取整。
[0069]
步骤3：将所提取线谱按强度进行排序，取强度最高的i根线谱，按频率从小到大排序，将得到的i根线谱频点集合记为q＝{f1,f2,...,fi}。
[0070]
对于每组提取得到的线谱集合p，将线谱按强度进行排序，信号及接收环境稳定的情况下，取强度最高的i根线谱，按频率从小到大排序，将得到的i根线谱频率集合记为q＝{f1,f2,...,fi}，频率集中各频率对应的线谱强度为s＝{s1,s2,...,si}。
[0071]
线谱频率集中每个频率fi对应的归一化权重为wi＝si/max(s)。
[0072]
对于线谱集合q，由于信号及接收环境的不稳定，某些时刻得到的demon谱数据中只能提取到is根线谱，is＜i。此时，将该时刻线谱数据对应的权重按比例调整为wi＝sii/max(s)is。
[0073]
步骤4：对线谱频点集合q中的频点互相求差频，得到差频频点集，并计算各差频频点对应的权重。
[0074]
(401)对每组线谱集合q中的频点互相依次求差频，差频对应的权重为做差的两线谱频率对应的权重之和：
[0075]fij
＝|f
i-fj|,i＝1,2,...,i-1；j＝2,3,...,i；i＜j
[0076]wij
＝wi+wj,i＝1,2,...,i-1；j＝2,3,...,i；i＜j
[0077]
其中，f
ij
为差频，w
ij
为差频f
ij
对应的权重。
[0078]
(402)对于得到的差频频点集合f，将其中频率值接近的元素统一为一个频率值，并保证集合中相同的差频只出现一次。
[0079]
假设对应差频权重为wa和wb的差频fa和fb，满足|f
a-fb|＜ε，其中调节差频统一参数ε为一常数，一般取值为0.5，对应的最小差频为1hz。则将差频fa和fb统一为f
ab
，f
ab
计算方
法为：
[0080][0081]
统一后的差频值f
ab
对应的权重为w
ab
＝wa+wb。完成频率值接近元素统一后，对于差频频率集f中频率值相同的元素，只保留一个，并将它们对应的权重相加。
[0082]
步骤5：更新差频权重，将最大权重对应的差频频率做为数据的轴频，得到每组数据的轴频值，放入轴频集合。
[0083]
(501)对于每组差频频率集f，使用线频差频比β＝fi/f
ij
来更新差频权重值，如果β满足：
[0084][0085]
则将差频f
ij
对应的权重w
ij
加1。其中round为四舍五入。
[0086]
(502)将每组差频对应的权重更新完毕后，将每组权重中的最大权重对应的差频频率做为该组数据的轴频，并将其放入轴频集合。
[0087]
步骤6：轴频集合中出现次数最多的轴频频率做为轴频提取结果fz。
[0088]
步骤7：依照轴频结果对叶频进行提取，得到叶频提取结果fy。
[0089]
叶频在数值上等于轴频乘以桨叶数，舰船桨叶数通常为3～7叶。对于得到的轴频结果fz，在频率fi∈[3fz,7fz]范围内取线谱强度最大的频率做为叶频结果fy。
[0090]
本发明的效果可以通过以下数据测试结果说明：
[0091]
1.数据测试条件
[0092]
选择某次试验采集数据，采集目标的螺旋桨为5叶桨，对应3..05hz轴频、15.25hz叶频。
[0093]
2.数据测试结果
[0094]
如图2所示为采集数据波束合成得到的目标方向的demon谱，对demon谱进行排序截断平均背景均衡后得到的谱图如图3所示，可以看到经过背景均衡后demon谱弱线谱得到明显增强，方便精确地将线谱频率提取出来供后续处理。将本文提出的demon谱分析轴叶频提取方法与传统的最大公约数法、倍频检测法进行比较，各方法提取得到的轴频叶频结果如图4所示。实验结果表明本发明所提方法轴频叶频提取准确率相比现有最大公约数法、倍频检测法有明显提高。
[0095]
综上所述，本发明提出的一种demon谱分析轴叶频提取方法，实现了对demon谱轴频叶频的精确提取。通过波束合成对阵列接收数据进行空域滤波，提高demon谱的信噪比；在demon谱预处理过程中，通过排序截断平均法对谱数据进行背景均衡，消除强噪声对弱线谱的干扰，使得调制线谱更加明显；针对某些时刻数据线谱根数不足i根的情况，对线谱权重进行加权，提高数据利用率，获得更高的时间增益。

技术特征：
1.一种demon谱分析轴叶频提取方法，其特征在于，包括以下步骤：(1)对阵列接收数据进行频域波束合成，得到目标方向的多组解调demon谱数据；(2)通过排序截断平均法对每组解调demon谱数据进行背景均衡处理，并提取线谱，每组数据得到线谱频点集合记为p＝{f1,f2,...,f
k
}；(3)将所提取线谱按强度进行排序，取强度最高的i根线谱，按频率从小到大排序，将得到的i根线谱频点集合记为q＝{f1,f2,...,f
i
}；其中，i为设定值；(4)对线谱频点集合q中的频点互相求差频，得到差频频点集，并计算各差频频点对应的权重；(5)更新差频权重，将最大权重对应的差频频率做为数据的轴频，得到每组数据的轴频值，放入轴频集合；(6)将轴频集合中出现次数最多的轴频频率做为轴频提取结果f
z
；(7)依照轴频提取结果对叶频进行提取，得到叶频提取结果f
y
。2.根据权利要求1所述的一种demon谱分析轴叶频提取方法，其特征在于，步骤(2)具体步骤包括：(201)对于每组解调demon谱数据x(n)＝{x(1),x(2),...,x(n)}，x(n)中每一个元素x(n),n＝1,2,...,n，n为每组解调demon谱数据的个数，以窗长m对数据进行扩展，扩展后得到2m+1个数据：x(n-m),...,x(n-1),x(n),x(n+1),...,x(n+m)将数据从小到大排列为：y(1),y(2),...,y(2m+1)序列的中位数为y(m+1)，则序列的截断平均值为：对序列进行截断平均值修正，将的点去除掉，得到：其中，调节拒收阈值参数α为常数，m为设定值；x(n)中每一个元素x(n),n＝1,2,...,n处理完成后得到背景均衡后的一组新数据z(n)；(202)设定轴频叶频检测提取区间[f
min
,f
max
]，从z(n)中提取检测区间内的线谱，提取线谱时提取线谱频率间隔大于等于f
min
；z(n)频率分辨率为f
re
＝f
s
/n
d
，以线谱点提取间隔n
span
＝floor(f
min
/f
re
)从z(n)提取线谱，得到线谱频率集p＝{f1,f2,...,f
k
}；其中，n
d
为x(n)进行频域波束合成时做dft的点数，f
s
为采样率，floor为向下取整。3.根据权利要求1所述的一种demon谱分析轴叶频提取方法，其特征在于，步骤(3)具体包括：对于每组提取得到的线谱集合p，将线谱按强度进行排序，信号及接收环境稳定的情况下，取强度最高的i根线谱，按频率从小到大排序，将得到的i根线谱频率集合记为q＝{f1,f2,...,f
i
}，频率集中各频率对应的线谱强度为s＝{s1,s2,...,s
i
}；线谱频率集中每个频率
f
i
对应的归一化权重为w
i
＝s
i
/max(s)；信号及接收环境不稳定的情况下，只能提取到i
s
根线谱，i
s
＜i，此时，将该时刻线谱数据对应的权重按比例调整为w
i
＝s
i
i/max(s)i
s
。4.根据权利要求3所述的一种demon谱分析轴叶频提取方法，其特征在于，步骤(4)具体步骤包括：(401)对每组线谱集合q中的频率互相依次求差频：f
ij
＝|f
i-f
j
|,i＝1,2,...,i-1；j＝2,3,...,i；i＜jw
ij
＝w
i
+w
j
,i＝1,2,...,i-1；j＝2,3,...,i；i＜j其中，f
ij
为所得差频，w
ij
为差频对应的权重；(402)对于得到的差频频点集合f，将其中频率值差值小于设定值的元素统一为一个频率值；设对应差频权重为w
a
和w
b
的差频f
a
和f
b
，满足|f
a-f
b
|＜ε，则将差频f
a
和f
b
统一为f
ab
，f
ab
计算方法为：统一后的差频值f
ab
对应的权重为w
ab
＝w
a
+w
b
，完成统一后，对于差频频率集f中频率值相同的元素，只保留一个，并将对应的权重相加；其中调节差频统一参数ε为常数。5.根据权利要求4所述的一种demon谱分析轴叶频提取方法，其特征在于，步骤(5)具体步骤包括：(501)对于每组差频频率集f，使用线频差频比β＝f
i
/f
ij
来更新差频权重值，如果β满足：则将差频f
ij
对应的权重w
ij
加1；其中round为四舍五入；(502)将每组差频对应的权重更新完毕后，将每组权重中的最大权重对应的差频频率做为该组数据的轴频，并放入轴频集合。6.根据权利要求1所述的一种demon谱分析轴叶频提取方法，其特征在于，步骤(7)具体包括：叶频在数值上等于轴频乘以桨叶数，对于得到的轴频结果f
z
，在频率f
i
∈[3f
z
,7f
z
]范围内取线谱强度最大的频率做为叶频结果f
y
。

技术总结
本发明公开了一种DEMON谱分析轴叶频提取方法，属于水声目标识别领域，可用于被动声纳DEMON谱分析，提取目标轴频叶频信息，提高目标识别能力。本方法在预处理阶段通过波束合成对接收数据进行空域滤波以提高信噪比；通过排序截断平均法对DEMON谱做背景均衡以更准确提取线谱；再通过改进的最大公约数法获得线谱差频更准确的权重以精确提取轴频及叶频信息，其中针对不稳定时刻线谱根数不足的情况，对线谱权重进行加权，提高数据利用率。本发明方法有效提高了DEMON谱分析轴频叶频提取的准确率。提高了DEMON谱分析轴频叶频提取的准确率。提高了DEMON谱分析轴频叶频提取的准确率。


技术研发人员：梁浩前 李晋 王晓庆
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：2023.02.17
技术公布日：2023/7/12