張宇

（大連測(cè)控技術(shù)研究所，遼寧大連 116013）

0 引言

艦船輻射噪聲是多年來水聲學(xué)領(lǐng)域研究的重要對(duì)象，它所攜帶的信息不僅影響了艦船的隱身性能和戰(zhàn)斗力，而且反映了艦船自身的健康性能。

艦船有許多用于推進(jìn)、控制的機(jī)械，如柴油機(jī)、發(fā)電機(jī)、電動(dòng)機(jī)、海水泵、空壓機(jī)、螺旋槳等［1］。這些機(jī)械的轉(zhuǎn)動(dòng)和振動(dòng)產(chǎn)生的機(jī)械噪聲，螺旋槳旋轉(zhuǎn)引起的噪聲以及水流與船體接觸產(chǎn)生的水動(dòng)力噪聲向周圍環(huán)境中傳播，形成了艦船聲場(chǎng)。艦船噪聲信號(hào)的通過特性、線譜、連續(xù)譜、時(shí)頻譜等一系列信號(hào)特征都可以看作是艦船的聲紋特征。當(dāng)艦船在正常航行狀態(tài)（多種機(jī)械設(shè)備的標(biāo)準(zhǔn)配套工況狀態(tài)）時(shí)，其聲紋特征也是穩(wěn)定的。若聲紋特征發(fā)生明顯變化，則可以判定艦船的機(jī)械設(shè)備或螺旋槳出現(xiàn)了異常。

寬帶連續(xù)譜作為艦船的聲紋特征之一，從頻帶內(nèi)攜帶能量的角度描述了艦船輻射噪聲的特性，對(duì)艦船輻射噪聲的監(jiān)測(cè)有著不可或缺的作用。本文就是從寬帶連續(xù)譜的角度，尋找合適的特征提取方法和相似度計(jì)算方法，進(jìn)而制定特征監(jiān)測(cè)方案。

1 特征監(jiān)測(cè)流程

整個(gè)流程采用模式識(shí)別的方法，分為訓(xùn)練和識(shí)別2部分［2］。訓(xùn)練部分通過對(duì)一定數(shù)量數(shù)據(jù)樣本的訓(xùn)練，提取并統(tǒng)計(jì)其參數(shù)特征，得到標(biāo)準(zhǔn)參數(shù);識(shí)別部分用同樣的方法提取待識(shí)別數(shù)據(jù)的參數(shù)特征，利用相似度測(cè)度的方法與標(biāo)準(zhǔn)參數(shù)進(jìn)行相似度計(jì)算，通過閾值對(duì)樣本進(jìn)行判決。

特征監(jiān)測(cè)流程由聲信號(hào)模塊、預(yù)處理模塊、特征提取模塊、特征統(tǒng)計(jì)模塊、相似度計(jì)算模塊、閾值模塊、判決模塊、驗(yàn)證模塊等組成，如圖1所示。

圖1 特征監(jiān)測(cè)流程圖Fig.1Feature monitoring flow chart

1）聲信號(hào)模塊，是當(dāng)待測(cè)艦船在水聽器上方通過時(shí)，采集到的一段時(shí)間的艦船輻射噪聲數(shù)據(jù)。

2）預(yù)處理模塊，作用是得到盡量干凈的方便處理的聲信號(hào)，其中包括數(shù)據(jù)截取、濾波、降采樣等。首先，對(duì)于采集到的艦船輻射噪聲的數(shù)據(jù)，只關(guān)心艦船正橫時(shí)刻前后一段時(shí)間的數(shù)據(jù)，因此截取艦船正橫時(shí)刻前后各8 s，共16 s的數(shù)據(jù)，用于信號(hào)處理;然后，對(duì)截取的數(shù)據(jù)進(jìn)行濾波處理。由于10 kHz以上頻率的信號(hào)我們不考慮，50 Hz以下頻率干擾比較嚴(yán)重，因此，采用50～10 000 Hz的帶通濾波;最后，根據(jù)處理需要對(duì)原始信號(hào)進(jìn)行降采樣。

3）特征提取模塊，在計(jì)算信號(hào)1/3oct譜的基礎(chǔ)上進(jìn)行數(shù)據(jù)的特征提取，特征提取的向量要表征整個(gè)譜線。

4）特征統(tǒng)計(jì)模塊，用來統(tǒng)計(jì)訓(xùn)練過程中的特征向量，取相對(duì)應(yīng)特征值的均值，得到1個(gè)標(biāo)準(zhǔn)特征向量。

5）相似性計(jì)算模塊，訓(xùn)練中的相似性計(jì)算是標(biāo)準(zhǔn)特征向量分別和用于訓(xùn)練的各組特征向量進(jìn)行的相似性計(jì)算，而識(shí)別中是標(biāo)準(zhǔn)特征向量與待測(cè)的特征向量進(jìn)行的相似性計(jì)算。

6）閾值模塊，首先統(tǒng)計(jì)標(biāo)準(zhǔn)特征向量與用于訓(xùn)練的各組特征向量的相似度，再根據(jù)虛警概率和漏報(bào)概率的具體需要進(jìn)行分析得到閾值。

7）判決模塊，依據(jù)閾值模塊得出的閾值對(duì)未知樣本進(jìn)行判決。

8）驗(yàn)證模塊，驗(yàn)證艦船的真實(shí)狀態(tài)，分析判決的正確性，再把得到的結(jié)果返回到訓(xùn)練過程的特征統(tǒng)計(jì)模塊，重新對(duì)特征向量進(jìn)行統(tǒng)計(jì)，得到更新的特征向量及閾值，使其具有自我學(xué)習(xí)功能。

2 特征監(jiān)測(cè)方案

在特征監(jiān)測(cè)的流程中，特征提取模塊和相似度計(jì)算模塊是2個(gè)比較重要的模塊，它們所采用的方法決定了特征監(jiān)測(cè)的效果和整個(gè)特征監(jiān)測(cè)的方案數(shù)目。

2.1 特征提取

1）折線法

運(yùn)用折線法提取出的特征向量包括5個(gè)特征值［3］:

①寬帶連續(xù)譜分析結(jié)果中最大譜峰值所在的頻帶。

②低頻斜率kL:低頻帶輻射噪聲幅度隨頻率增加的上升斜率。

③高頻斜率kH:高頻帶輻射噪聲幅度隨頻率升高的下降斜率。

④頻帶聲壓級(jí)Lp:選中心頻率為1 kHz的頻帶聲壓級(jí)。

⑤總聲壓級(jí)Lps:即頻帶聲壓級(jí)之和。

這種方法中，前3個(gè)特征值——峰值頻帶、低頻斜率和高頻斜率共同描述了譜的形狀——單峰折線形，第4個(gè)特征值為某一頻帶的取值，確定了折線的位置，因此稱為折線法。圖2為折線法示意圖。

圖2 折線法示意圖Fig.2Diagrammatic sketch of fold line method

2）改進(jìn)折線法

為了提高寬帶譜的利用率，采用改進(jìn)折線法。具體方案如下:將低頻斜率kL修改為第1個(gè)頻帶到最大譜峰值頻帶之間的相鄰頻帶斜率的絕對(duì)值之和;同理，高頻斜率kH修改為最大譜峰值頻帶到最后頻帶之間的相鄰頻帶斜率的絕對(duì)值之和。改進(jìn)后的5個(gè)特征值為:①寬帶連續(xù)譜分析結(jié)果中最大譜峰值所在的頻帶;②低頻斜率k′L;③高頻斜率k′H;④頻帶聲壓級(jí)Lp;⑤總聲壓級(jí)Lps。圖3為改進(jìn)折線法示意圖。

圖3 改進(jìn)折線法示意圖Fig.3Diagrammatic sketch of changing fold line method

3）頻帶能量法

考慮到1/3oct譜本身就是寬帶連續(xù)譜的一種特征提取方式，它提取了各頻帶的能量，即使用1/3oct譜的頻帶聲壓級(jí)作為寬帶連續(xù)譜的特征值，組成特征向量。圖4為1/3oct譜帶級(jí)圖。

圖41 /3oct譜帶級(jí)圖Fig.41/3oct band level figure

由于頻帶能量法使用的特征值較多，更準(zhǔn)確地體現(xiàn)了寬帶連續(xù)譜的特征，當(dāng)然與此同時(shí)，提高了運(yùn)算量，降低了運(yùn)算速度。

2.2 相似度計(jì)算

相似度測(cè)度的方法比較多，根據(jù)實(shí)際應(yīng)用的需要在相似度計(jì)算模塊中采用了3種有代表性的方法:歐氏距離、夾角余弦、相關(guān)系數(shù)。

1）歐氏距離［4］

在計(jì)算2組向量距離的方法中，歐氏距離是最常見的距離之一。由于其具有簡(jiǎn)單實(shí)用、意義明確的特點(diǎn)，被廣泛使用。它的取值范圍為［0，∞），當(dāng)2組向量完全相同時(shí)，他們的歐式距離為0，相差越大，歐式距離越大。

2）夾角余弦［5］

夾角余弦用來度量2組向量之間夾角的大小，亦稱為相和系數(shù)，表達(dá)式為:

夾角余弦的幾何意義是在由N個(gè)元素組成的N維空間中，表征2個(gè)向量之間夾角的余弦值。一般在使用前需要對(duì)向量中各元素進(jìn)行無量綱化處理，使各元素都為正，這時(shí)夾角余弦的取值范圍為［0，1］，取值越大表明2組向量夾角越小，二者越接近，值為1時(shí)，2組向量完全相同。

3）相關(guān)系數(shù)

相關(guān)系數(shù)是多元統(tǒng)計(jì)學(xué)中用來衡量2組變量之間線性密切程度的無量綱指標(biāo)，取值范圍為［－1，1］。分為正相關(guān)、不相關(guān)和負(fù)相關(guān)3類情況。通常在計(jì)算時(shí)，還要經(jīng)過處理，將負(fù)相關(guān)與正相關(guān)合并到一起，這時(shí)它的取值范圍為［0，1］，值越大相關(guān)性越強(qiáng)，當(dāng)值為1時(shí)，2組向量完全相同。從上式可以看出相關(guān)系數(shù)是中心化的夾角余弦，性質(zhì)與夾角余弦相似。

2.3 組合方案

特征提取模塊中所采用的方法和相似度計(jì)算模塊中所采用的方法進(jìn)行兩兩搭配就得到了特征監(jiān)測(cè)的組合方案，共9種，如圖5所示。

圖5 特征監(jiān)測(cè)方案組成Fig.5Feature detection scheme component

3 海試數(shù)據(jù)分析

3.1 數(shù)據(jù)說明

海試的艦船共有6個(gè)型號(hào)，分別為A型、B型、C型、D型、E型、F型。采集數(shù)據(jù)共有160條，其中，40條用于訓(xùn)練，120條用于識(shí)別驗(yàn)證。

為了避免系統(tǒng)在水下的低頻干擾，在采集過程中添加了50～10 000 Hz的帶通濾波，因此，重點(diǎn)考慮中心頻率為63～10 000 Hz的23個(gè)頻帶，略去50 Hz以下部分。

按艦船類型分類，統(tǒng)計(jì)每一種工況下1/3oct譜各頻帶的均值μ和標(biāo)準(zhǔn)差σ，將同一工況下的μ，μ+ 2σ和μ－2σ分別連成曲線，并在同一張圖上顯示出來，以表征1/3oct譜的變化范圍。圖6～圖11為各類型的艦船的1/3oct譜的動(dòng)態(tài)曲線。

圖6 A型艦船的1/3oct譜均值與2倍標(biāo)準(zhǔn)差界限Fig.61/3oct spectrum mean value and 2 times standard deviation limit of A type ship

3.2 試驗(yàn)結(jié)果分析

利用檢測(cè)理論［6］，對(duì)比同一虛警概率下檢測(cè)概率的大小，進(jìn)而分析9種組合方案的優(yōu)劣。分別計(jì)算虛警概率為0，5%，10%和20%時(shí)的檢測(cè)概率，并列于表1中。

表1可以看出:

1）各方案的檢測(cè)概率隨虛警概率的增大而增大（檢測(cè)概率為100%時(shí)除外），當(dāng)虛警概率為20%時(shí)，各方案都能得到較高的檢測(cè)概率;

2）對(duì)于特征提取方法，無論采用哪一種相似度計(jì)算方法，頻帶能量法的識(shí)別效果都是最好的;

3）對(duì)于相似度計(jì)算方法，無論采用哪一種特征提取方法，歐式距離的識(shí)別效果明顯優(yōu)于夾角余弦和相關(guān)系數(shù);

4）得到艦船寬帶譜特征監(jiān)測(cè)最優(yōu)組合方案，即頻帶能量法與歐式距離相結(jié)合。

4 結(jié)語

本文從寬帶連續(xù)譜的角度制定了艦船輻射噪聲特征監(jiān)測(cè)流程，運(yùn)用多種特征提取方法和相似度計(jì)算方法，組成了9種特征監(jiān)測(cè)方案。最后利用海上實(shí)測(cè)數(shù)據(jù)對(duì)多種組合方案進(jìn)行對(duì)比分析，證明了整個(gè)特征監(jiān)測(cè)流程的有效性，并得到了最優(yōu)的組合方案。

［1］劉伯勝，雷家煜．水聲學(xué)原理［M］．哈爾濱:哈爾濱工程大學(xué)出版社，2006．225－227．

LIU Bo-sheng，LEI Jia-yu．Hydroacoustics principle［M］．Haerbin:Haerbin Engineering University Press，2006．225－227．

［2］張宇．基于寬帶譜的艦船噪聲異常判斷技術(shù)研究［D］．大連:中國船舶重工集團(tuán)公司第760研究所，2009．29－32．

ZHANG Yu．Abnormal judgement technical research based on ship broadband radiation noise［D］．Dalian:The 760 Research Institute of CSIC，2009．29－32．

［3］趙艷玲．艦船噪聲異常判斷［D］．大連:中國船舶重工集團(tuán)公司第760研究所，2008．23－24．

ZHAO Yan-ling．Ship noise abnormal judgment［D］．Dalian:The 760 Research Institute of CSIC，2008．23－24．

［4］沈清，湯霖．模式識(shí)別導(dǎo)論［M］．長(zhǎng)沙:國防科技大學(xué)出版社，1991．

SHEN Qing，TANG Lin．Introduction of patten recognition［M］．Changsha:National Defense Science and Technology University Press，1991．

［5］孫即祥．現(xiàn)代模式識(shí)別［M］．長(zhǎng)沙:國防科技大學(xué)出版社，2002．

SUN Ji-xiang．Modern patten recognition［M］．Changsha: National Defense Science and Technology University Press，2002．

［6］陳炳和．隨機(jī)信號(hào)處理［M］．北京:國防工業(yè)出版社，1996．

CHENG Bing-he．Random signal processing［M］．Beijing: National Defense Industries University Press，1996．