一种DEMON信号线谱识别方法
一种适用于无人声纳的demon谱特征提取方法
一种适用于无人声纳的demon谱特征提取方法无人声纳（Noise Cancellation， NC）是一种有效消除噪声、噪音和混响的声音技术，它具有抑制外部因素、强化源信号等优点。
现在，NC技术已被应用于许多领域，如家庭影院、通信、安全系统和木工加工等。
本文旨在介绍一种新型的NC技术——demon谱特征提取，它可以有效地过滤掉噪音，进而提高NC的性能。
一、demon谱特征的概念demon谱特征（DemSpec）是基于古典声学原理，通过将输入信号投射到一维直线上，将这一维空间分割成相互独立的特征类别，并从不同特征类别中提取有效的特征，从而构建基于时间和神经网络表示的数字信号处理技术。
二、demon谱特征提取的过程Demon谱特征提取的过程包括：（1）将输入信号投射到一维直线上，将这一空间分割成相互独立的特征类别。
在此过程中，会根据输入信号具有的不同频率把该信号划分为不同的带宽段，并运用相应的窗口函数来确定信号在每个带宽段中的能量特征；（2）从划分出来的不同特征类别中，用有效的特征构建神经网络表示的时间空间域，以实现输入信号的时域和频域表示；（3）通过共轭梯度和拉格朗日优化，构建局部特征表示空间，从中提取出能够有效抑制噪音的特征；（4）根据从局部特征表示空间提取的特征，进一步构建负载项（load）矩阵，并以此构建谱均衡滤波器，最后得到抗噪性质更好的信号输出。
三、demon谱特征提取的优势1. Demon谱特征提取的过程对对信号的统计性能更有利，能够从不同带宽段提取出更丰富的有效信号特征；2. 由于局部算法聚焦于局部细节，不会受到外界噪声和混响等干扰，因此有效抑制噪声，提升NC的性能；3. 搭配谱均衡滤波器，能够有效过滤掉噪音，从而有效提升NC的性能。
四、demon谱特征提取的缺点1. Demon谱特征提取算法相比于其他NC算法，运行时间较长；2. Demon谱特征提取只能进行局部特征表示，因此会存在部分特征漏提取的情况；3. 此外，由于不同信号投射到一维空间上的效果不同，在某些信号中，特征提取效果并不理想。
一种适用于无人声纳的DEMON谱特征提取方法[发明专利]
![一种适用于无人声纳的DEMON谱特征提取方法[发明专利]](https://img.taocdn.com/s3/m/72d06d6c814d2b160b4e767f5acfa1c7ab00827d.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010467366.5(22)申请日 2020.05.28(71)申请人 哈尔滨工程大学地址 150001 黑龙江省哈尔滨市南岗区南通大街145号(72)发明人 邹男 付进 孟庆春 王逸林 梁国龙 邱龙皓 王晋晋 曲坦 李晨牧 杜致尧 (74)专利代理机构 哈尔滨市阳光惠远知识产权代理有限公司 23211代理人 张宏威(51)Int.Cl.G01H 3/08(2006.01)G01H 3/10(2006.01)(54)发明名称一种适用于无人声纳的DEMON谱特征提取方法(57)摘要本发明是一种适用于无人声纳的DEMON谱特征提取方法。
本发明属于DEMON谱特征提取领域，本发明采用小波去噪技术，降低待处理信号中噪声影响；将降噪后的信号通过带通滤波器滤波，提取滤波后的频段信号；根据滤波后的频段信号，进行调制谱检测，进行去信号直流操作，并通过低通滤波器，完成包络检测，得到解调后的信号；对解调后的信号进行傅里叶变换，并进行平均周期图谱估计，得到DEMON线谱；根据得到的DEMON线谱，基于门限准则自主提取线谱；根据基于门限准则自主提取后的线谱，进行轴频估计，并进行桨叶数估计。
本发明适用于保持匀速直线运动、具有规则的三至七叶螺旋桨叶、且在矢量水听器工作频带内具有明显调制现象的目标，能够估计出其螺旋桨转速和叶片数信息。
本发明能够自主处理目标辐射噪声，提取目标的轴频、桨叶数信息并将算法流程在DSP上进行实现。
权利要求书3页 说明书9页 附图3页CN 111735525 A 2020.10.02C N 111735525A1.一种适用于无人声纳的DEMON谱特征提取方法，其特征是：包括以下步骤：步骤1：采用小波去噪技术，降低待处理信号中噪声影响；步骤2：将降噪后的信号通过带通滤波器滤波，提取滤波后的频段信号；步骤3：根据滤波后的频段信号，进行调制谱检测，进行去信号直流操作，并通过低通滤波器，完成包络检测，得到解调后的信号；步骤4：对解调后的信号进行傅里叶变换，并进行平均周期图谱估计，得到DEMON线谱；步骤5：根据得到的DEMON线谱，基于门限准则自主提取线谱；步骤6：根据基于门限准则自主提取后的线谱，进行轴频估计，并进行桨叶数估计。
复杂调制形式脉压雷达信号的识别方法
样式的雷达信号。为了解决这个问题， 提出一种基于 ZAM-GTFR 法和 Radon 变换的分类方法。该方法通过对信号进行 ZAM-GTFR 分析以及 Radon 变换提取最佳旋转角和满足一定条件的尖峰数， 将信号区分开， 能识别包括正弦调频信号和 多相编码信号等在内的多种具有复杂调制形式的脉压雷达信号。仿真实验表明， 该方法在 - 3 dB 时能达到 94% 的平均正 确识别率。 关键词： ZAM-GTFR 方法； Radon 变换； 复杂调制形式； 雷达信号识别 文献标志码： A 中图分类号： TN911.7 doi： 10.3778/j.issn.1002-8331.1111-0149
198
2013， 49 （13）
Computer Engineering and Applications 计算机工程与应用
复杂调制形式脉压雷达信号的识别方法
李 建， 张国毅， 王长宇
LI Jian, ZHANG Guoyi, WANG Changyu
空军航空大学 航空信息对抗系， 长春 130022 Department of Aviation Information Countermeasure, Aviation University of Air Force, Changchun 130022, China LI Jian, ZHANG Guoyi, WANG Changyu. Identification method for complex modulated compression radar signal. Computer Engineering and Applications, 2013, 49 （13） ： 198-203. Abstract： With the wide application of complex modulated compression radar signal, traditional identification method can ’ t satisfy the need of modern electronical reconnaissance. Aiming at this problem, an identification method based on the Generalized Time-Frequency Representation of Zhao, Atlas and Marks （ZAM-GTFR） and Radon transform is put forward. After carry out ZAM-GTFR and Radon transform on signal, this method makes use of the optimal rotational angle and number of summits to identify signal. This method can identify many kinds of complex modulated compression radar signals, including sinusoid frequency modulated signal and poly-phase modulated signal. Simulation results verify that correct identification ratio of this method can reach 94% when signal-to-noise ration is - 3 dB . Key words：Generalized Time-Frequency Representation of Zhao， Atlas and Marks （ZAM-GTFR） ; Radon transform; complex modulation; radar signal identification 摘 要： 如今， 脉压雷达采用的脉内调制形式日益增多且越来越复杂。而传统的识别方法只能识别有限的几种简单调制
一种有效的雷达信号快速识别方法
一种有效的雷达信号快速识别方法杨建;周涛;何梓昂【摘要】Aiming at the problem of low success rate of radar signal detection and recognition,this paper proposes a new algorithm for radar signal recognition based on instantaneous frequency feature extraction.Firstly,the algorithm uses short time Fourier transform(STFT) to calculate every part of the signal's instantaneous frequency characteristic.Secondly,it calculates the once and twice normalized instantaneous frequency characteristic value.Finally,it uses hierarchical decision-making method to conduct radar signal classification.Simulation results show that the proposed method can effectively identify all kinds of radar signal.The recognition success rate is more than 90% when the signal-to-noise ratio(SNR) is higher than-3 dB.%针对多种调制类型的雷达信号快速侦察识别成功率较低的问题,提出了基于瞬时频率特征提取的雷达信号快速识别新算法.首先,由短时傅里叶变换(STFT)得到信号每一部分的瞬时频率特征;其次,对得到的瞬时频率进行两次归一化分别得到各自特征值;最后,用层次决策方法对雷达信号进行分类识别.仿真实验结果证明该方法能有效识别各种雷达信号,在信噪比高于-3 dB时,各种脉内调制的识别成功率都达到90%以上.【期刊名称】《电讯技术》【年(卷),期】2017(057)004【总页数】7页(P418-424)【关键词】雷达信号识别;瞬时频率;特征提取;短时傅里叶变换;脉内调制【作者】杨建;周涛;何梓昂【作者单位】电子信息控制重点实验室,成都 610036;电子信息控制重点实验室,成都 610036;电子信息控制重点实验室,成都 610036【正文语种】中文【中图分类】TN971.1雷达信号脉内调制分析及识别方法是当前电子战中电子侦察的重要内容。
基于线谱和DEMON谱的水声目标分类
62
指挥信息系统与技术
2019 年 8 月
息。舰船辐射噪声周期调制(DEMON)谱蕴含 着 目 标轴频和叶频等舰 船 固 有 物 理 特 性,这 些 特 征 常 用 作被动声呐系统目标分类识别的重要依据。
1 基于功率谱的线谱提取
舰船辐射噪声表现在频域上是由宽带连续谱和 一系列线谱组成,其 中 线 谱 成 分 与 目 标 电 机 运 转 情 况 、螺 旋 桨 结 构 及 旋 转 速 率 等 相 关 ,不 同 水 声 目 标 线 谱成分表现各异。舰船辐射噪声线谱提取处理流程 如图1所示。
Themeasureddataof maritimeandunderwatertargetsisverified.Experimentalresultsshow thatthemethodcangethigherclassificationaccuracyrate,andhasfeaturequantitywithobvious
图1 线谱提取处理流程
1.1 功率谱估计
第10卷 第4期 2019 年 8 月
·实践与应用·
指挥信息系统与技术 CommandInformationSystemandTechnology
Vol.10 No.4 Aug.2019
doi:10.15908/ki.cist.2019.04.011
显示器视频信号线检测识别方法
显示器视频信号线检测识别方法通过线颜色+万用表+示波器精确测试显示器视频信号线的接口方式：一般显示器为15针接口，旧式的工业显示器视频信号线的接口有4、7、9、14、20、24、25针或排线方式，也有3个或4个BNC接口或莲花头方式。
显示器视频信号色彩的种类：显示器视频信号一般由RGB红绿蓝三色组成，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。
单色和黑白显示方面也可以通过RGB红绿蓝三色组合成。
显示器视频信号的传输模式：颜色的种类为RGB三色，信号的控制通过行频（H）和场频（V）组成，常见的色彩传输模式有：RGB SOG（绿色同步）RGB SOB（蓝色同步）RGB SOR（红色同步）RGB S（复合同步）RGB HV（分离同步）YPbPr（色差）显示器视频信号的检测方法：共需要检测的信号格式有：R、G、B、H、V（或CS同步）五种信号，复合同步时H，V信号将合二为一。
R、G、B三个信号测试的三种办法（金属外壳、黑色线、屏蔽层为地线）：1、通过线颜色分辨：R信号线的色彩为：红色（针1）；G信号线的色彩为：绿色（针2）；B信号线的色彩为：蓝色（针3）。
行频、场频颜色一般分别为黄色（针13）、白色（针14）。
其它针脚接口只可参照线的颜色。
2、通过万用表测试：电阻值为75欧姆左右：万用表黑针接地，红针测试1或2或3等线（轮流测试），找出75欧姆左右信号线三根。
行频率测试需要将万用表调至频率测试档位，万用表黑线接地，红线接行场频率黄线。
（行频范围为：15KHZ至90KHZ间。
）场频率测试需要将万用表调至频率测试档位，万用表黑线接地，红线接行场频率白线。
（场频率范围为：20HZ至120HZ间。
）3、通过示波器波型分辨：R、G、B三色波形为不规则重复性图，接地测试时频率不断大幅度变化，波形图请参照下图：行频（H）波型图为规律图，行频率一般为15K hz至90K hz之间，波形图请参照下图：场频（V）波型图为规律图，场频率一般为20 hz至120 hz之间，波形图请参照下图：（BNC接口测试方式为BNC金属外壳与BNC芯间的电阻或频率。
音乐信号的谱分析与鉴别方法研究
音乐信号的谱分析与鉴别方法研究音乐作为一种艺术形式，在人类文化中扮演着非常重要的角色。
根据人类的不同需求，音乐又分为了多种不同的类型和风格。
而从技术角度来看，音乐的信号应该是由一系列的波形组成的，这些波形也就有着各自不同的频率和振幅。
因此，对音乐信号进行分析和鉴别也就变得十分重要了。
音乐信号的谱分析通过对音乐信号进行谱分析，我们可以分析其频域特征，了解音乐信号是由哪些频率的波形组成的。
传统上，谱分析的方法主要有两种：傅里叶变换和小波分析。
傅里叶变换是一种将信号从时域转换到频域的方法。
通过傅里叶变换，我们可以将时域上的波形分解成多个频率成分，从而得到频域上的波形。
在实际应用时，我们通常使用快速傅里叶变换（FFT）来进行傅里叶变换，因为其速度和效率更高。
与傅里叶变换不同，小波分析是一种同时分析时间和频率信息的方法。
在小波分析中，我们使用小波函数将时域信号进行分解，并将每个分解出来的小波函数进行频谱分析。
在实际应用中，我们通常使用离散小波变换（DWT）来进行小波分析，因为它比傅里叶变换更适合信号的局部特征分析。
音乐信号的鉴别方法除了进行谱分析之外，我们还可以通过一些方法来对音乐信号进行鉴别。
在传统的音乐鉴别方法中，通常是通过人工进行听辨来进行鉴别。
这种方法的精度很高，但是限制了其效率和可拓展性。
近年来，随着人工智能技术的发展，我们可以使用计算机自动进行音乐鉴别。
其中，主要有以下几种方法：1. 基于特征提取的方法。
这种方法通常是通过从音乐信号中提取特征来进行鉴别。
例如，我们可以提取音符序列、音高、节拍等特征来进行鉴别。
然后，将提取出来的特征输入到机器学习模型中进行分类。
这种方法广泛应用于音乐分类、乐器识别等领域。
2. 基于卷积神经网络的方法。
这种方法通过训练具有卷积层和池化层的深度神经网络来进行音乐鉴别。
训练时，我们将音乐信号作为输入，将每个样本作为一个数组，并将数组的每个元素视为一个特征。
然后，将这些特征输入到模型中进行分类。
一种DEMON信号线谱识别方法
一种DEMON 信号线谱识别方法朱文亚 陆佶人(东南大学无线电工程系,江苏 南京 210096 ) A detection method Of DEMON signal line spectrumZhu Wen-ya Lu Ji-ren (Department of Radio Engineering, Southeast University, JiangSu NanJing 210096,China) 1: 概况 水声目标的螺旋桨空化,柴油机活塞调制等会使宽带噪声产生幅度调制,而通过对解调谱的处理得出的离散线谱,可以得出水声目标的一些重要特征.通过水听器得到的数据一般经过以下过程:带通滤波,绝对值检波,直流分量的滤除,低通滤波,抽样,背景均衡处理,线谱识别和多时刻数据复合处理.本文讨论背景均衡以后的几个部分.2:背景均衡处理和线谱识别2.1 背景均衡经过前面处理的数据包含有宽带背景噪声,在低信噪比的水声解调谱情况下会对检测产生很大影响,通过背景均衡处理可以消除宽带噪声,提高检测的检测率.由于目标是提取解调谱中的线谱部分,由线谱的特点,并考虑到以后要对数据进行峰值门限处理和谱宽门限处理,使用改进的滑动窗拟合算法可以得出较好的背景连续谱，因而可以得出较好的线谱识别结果。
算法步骤如下:（1）.设定滑动窗长2k+1，滑动步长step ，每滑动一次,取其中step 个点作为平滑值, step值一般取为窗长的1/4以下。
由于拟合时,取拟合点居于拟合窗中间比拟合窗边缘效果好，对数据进行增补处理，设定处理数组。
假设原数据为：(0),(1)()x x x n iii .处理数组则为: ()(1),(0),(1)(),(1)(1),(),(1)().x k x x x x k x k x n x n x n x n k +−−−iii iii iii iii（2）.拟合估计背景时，由于线谱值比原背景值大很多,拟合后会导致附近点的背景值拟合值偏大,所以应抑制这种影响.进行如下滑动窗预处理可减少线谱对背景估计的影响:搜索所有滑动窗内局部最大值点，可计算得窗内局部最大值点的均值为x ,若()x k 为极大值点，且()x k x gate >+(gate 为宽谱判别峰值门限,对归一化谱可取0.3),则依次判断x(k)周围值是否满足上式.假设判别结果为()(),(0,0)x k i x k j i j −+>>iii ,作如下预处理: ()((1)())/2,,1,,1x k p x k p x k p p i i −=−−+−=−iii()(()(1))/2,,1,,1x k q x k q x k q q j j +=++++=−iii()((1)(1))/2x k x k x k =−++。
用单个矢量水听器基于DEMON线谱的双目标分辨
用单个矢量水听器基于DEMON线谱的双目标分辨
姚直象;惠俊英;王德俊;蔡平
【期刊名称】《应用声学》
【年(卷),期】2005(024)003
【摘要】不同目标的解调线谱频率是不同的.本文提出了一种在DEMON谱域内对双目标测向的方法,它具有较好的抗相干及非相干干扰能力,表明单个矢量水听器也能分辨多目标.文中叙述了利用DEMON线谱测向的原理,给出了轴频提取及双目标DEMON线谱分离的方法,对DEMON线谱区分双目标的能力做了仿真分析.
【总页数】6页(P171-176)
【作者】姚直象;惠俊英;王德俊;蔡平
【作者单位】哈尔滨工程大学水声工程学院,哈尔滨,150001;海军工程大学电子工程学院,武汉,430033;哈尔滨工程大学水声工程学院,哈尔滨,150001;哈尔滨工程大学水声工程学院,哈尔滨,150001;哈尔滨工程大学水声工程学院,哈尔滨,150001【正文语种】中文
【中图分类】O223
【相关文献】
1.单矢量水听器线谱多目标分辨研究 [J], 陈韶华;陈川;郑伟
2.基于线谱和DEMON谱的水声目标分类 [J], 陈雪峰;张中戈;黄斌
3.基于线谱和DEMON谱的水声目标分类 [J], 陈雪峰; 张中戈; 黄斌
4.单矢量水听器ESPRIT法双目标分辨研究 [J], 宗方勇;吉礼超
5.单矢量水听器时域和频域双目标分辨能力比较 [J], 姚直象;惠俊英;王德俊;蔡平
因版权原因，仅展示原文概要，查看原文内容请购买。
电子探针特征X射线谱线识别的方法研究
０３ ｎ ，． ５ｍ处都有很强的谱峰， ． ６ｍ０２ ｎ ９ ９ 但从波长表
中无法得知是何元素的谱峰。而 ０３２ｍ处又无法 ． ｎ ２
基— 高莱法［计算函 ‘ 」 数微分可以 容易的获得较准
确的结果 。
判定是Ｓ的１还是Ｓ的Ｋ峰。 进后的 ｂ Ｐ ｃ ， 从改 软件
采集的谱线图可看出， 峰位判定是成功的。 参考文献：
第一次谱线采集因为Ｓ 的Ｋ（． ３ｎ ） ｂ ｃ ． ３ ２ｍ 与Ｓ ００ 的纬（． ２． 接近，Ｋ（． ４ｍ 是 Ｓ 的二倍 ０ ２ｎ ） ３ Ｙ ， ４ｎ ） ｂ ０ ６ １， （． ｎ） ｂ ．Ａ１ ０ ６１ ， ， ７ ｍ是Ｓ 的衍射线带来的。第二次 ｓ ９
谱线采集， 干扰元素的次强谱线未采集到， 在判别中 被除掉， Ｓ， 符合肯定存在的条件。可见利用该 而 ｂＳ 软件判别辉锑矿很简单， 但如果采用原来的人为记 录峰 位 进 行 识 别， 很 复 杂 了。如在 谱 图 中看 就
方法， 在此采用边采集边判别的 方式［， ［ 谱线识别时 ３ ［ 建立关系模块， 详见文献仁３ ３。
接线端子和特定导线的标记识别方法
接线端子和特定导线的标记识别方法在电气线路图中，为了易于识别接线、配线、敷线与各个电器元器件与装备之间的相对安装位置，以及它们之间的连接关系，需要对各种导线的连接标记、导线的颜色及接线端子的标记作出统一的规定.以方便设备维护，及时排除故障，确保人身和设备的安全。
一、标记代号接线端子的标记是指用以连接器件和外部导体的导电件的标记，主要用于基本件(如熔断器、继电器、变压器及旋转电机等)和由这些器件组成设备(如电动机控制设备)的接线端子标记，也适用于执行一定功能的特定导线线端(如电源接地和机壳接地等)的识别。
电工电气线路图中常用电器接线端子和特定导线的标记识别方法如下。
一.交流系统交流系统电器接线端子的标记有专门的械己方法:1相—标记符号为U;2相—标记符号为V;3相—标记符一号为W;中性线—标记符号为N。
二.交流系统的电源交流系统电源的特定导线标记方法如下:1相—标记符号为“L1"，有的图纸上用“A"表示;2相—标记符号为“L2”，有的图纸上用“B”表示;3相—标记符号为“L3 "，有的图纸上用“C”表示;中性线—标记符号为“N三.直流系统的电源直流系统电源的特定导线标记方法如下:正极—标记符号为“L.-，有的图纸上用“+”表示;负极—标记符号为“L- "，有的图纸上用“一”表示;中间线—标记符号为“M",四.保护接地线保护接地线的电器，其接线端子和特定导线的共同标记通常用“PE”标记符号来表示。
其图形符号如图5一la所示。
五，接地线接地线的电器，其接线端子和特定导线的共同标记通常用“E”标记符号来表示，其图形符号如图5一II，所示。
六.无噪声接地线无噪声接地线的电器，其接线端子和特定导线的共同标记通常用-JE”标记符号来表示，其图形符号如图5一Ic所示。
七.接机壳或机架接机壳或机架的电器，其接线端子的特定`F线的共同标记通常用“MM”标记符号来表示，其图形符号如图5一Id所示。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一种DEMON 信号线谱识别方法
朱文亚 陆佶人
(东南大学无线电工程系,江苏 南京 210096 ) A detection method Of DEMON signal line spectrum
Zhu Wen-ya Lu Ji-ren (Department of Radio Engineering, Southeast University, JiangSu NanJing 210096,China) 1: 概况 水声目标的螺旋桨空化,柴油机活塞调制等会使宽带噪声产生幅度调制,而通过对解调谱的处理得出的离散线谱,可以得出水声目标的一些重要特征.通过水听器得到的数据一般经过以下过程:带通滤波,绝对值检波,直流分量的滤除,低通滤波,抽样,背景均衡处理,线谱识别和多时刻数据复合处理.本文讨论背景均衡以后的几个部分.
2:背景均衡处理和线谱识别
2.1 背景均衡
经过前面处理的数据包含有宽带背景噪声,在低信噪比的水声解调谱情况下会对检测产生很大影响,通过背景均衡处理可以消除宽带噪声,提高检测的检测率.
由于目标是提取解调谱中的线谱部分,由线谱的特点,并考虑到以后要对数据进行峰值门限处理和谱宽门限处理,使用改进的滑动窗拟合算法可以得出较好的背景连续谱，因而可以得出较好的线谱识别结果。
算法步骤如下:
（1）.设定滑动窗长2k+1，滑动步长step ，每滑动一次,取其中step 个点作为平滑值, step
值一般取为窗长的1/4以下。
由于拟合时,取拟合点居于拟合窗中间比拟合窗边缘效果好，对数据进行增补处理，设定处理数组。
假设原数据为：(0),(1)()x x x n iii .处理数组则为: ()(1),(0),(1)(),(1)(1),(),(1)().x k x x x x k x k x n x n x n x n k +−−−iii iii iii iii
（2）.拟合估计背景时，由于线谱值比原背景值大很多,拟合后会导致附近点的背景值拟合值偏大,所以应抑制这种影响.进行如下滑动窗预处理可减少线谱对背景估计的影响:搜索所有滑动窗内局部最大值点，可计算得窗内局部最大值点的均值为x ,若()x k 为极大值点，且()x k x gate >+(gate 为宽谱判别峰值门限,对归一化谱可取0.3),则依次判断x(k)周围值是否满足上式.假设判别结果为()(),(0,0)x k i x k j i j −+>>iii ,作如下预处理: ()((1)())/2,,1,,1x k p x k p x k p p i i −=−−+−=−iii
()(()(1))/2,,1,,1x k q x k q x k q q j j +=++++=−iii
()((1)(1))/2x k x k x k =−++。
极值点判断若无满足条件点，则只作最后一步处理.
(3).滑动窗拟合曲线。
读入2k+1个数据进行多项式拟合，假设滑动窗拟合结果为(1:)tt width ，
则取拟合值：(1:)()1:)))sdata step tt round round step =++width width （（22
滑动步长step 更新待拟合数据,重复以上步骤直至数据处理完毕。
00.05
0.1
0.15
0.2
0.25
0.3
图1.某DEMON 信号背景平衡前后数据结果
上图为某DEMON 信号进行滑动窗拟合背景平衡前后数据结果.所用参数：拟合多项式阶数为8,滑动窗长12，滑动步长3.图中从上而下依次为原谱线,平滑背景后曲线，背景线.可见滤除背景后的曲线基本保存了所有峰值情况，预处理使线谱处平滑拟合后偏差较小,通过适当的峰值门限可以得到较好的线谱。
2.2 线谱识别
由于线谱有以下特征:线谱一般位于谱峰范围内的局部极大值的位置;线谱比噪声相比一般相对值大许多;线谱宽度较窄;相邻线谱之间应具有一定的间隔.因而线谱识别采用双门限方法:即卡峰值门限和谱宽门限方法.算法步骤如下:
(1).谱峰判断.比较当前谱值与两侧值大小即可知是否为谱峰
(2).根据检测概率与虚警概率设定峰值门限,与谱峰比较,符合则继续下一步
(3).根据设定的谱宽门限,比较计算谱峰的谱宽并比较,通过则认为此处有线谱，非线谱处置零。
3:多时刻数据统计复合处理
4：理论分析和实验数据结果分析
解调谱检测线谱时,得到连续谱结果越好，得到的线谱也就越好。
采用最小二乘拟合,所得误差与拟合数据、拟合曲线阶数有关。
线谱存在点对拟合数据而言是误差较大点，所以拟合时应对其进行抑制。
本文采用数据预处理降低线谱对拟合的影响.由于拟合时拟合结果居于拟合窗中间比拟合窗边缘效果好,所以增补数据拟合。
峰值门限根据所要求的检测概率和虚警概率确定,噪声谱峰一般较低,通不过峰值门限.谱宽门限体现谱峰的陡峭度，只有比较陡的谱峰才能通过门限而保留.
由于目标幅度调制在一段时间存在,而背景噪声时间上无连续性,通过上述门限处理的伪线谱在多时刻同时存在概率比较小。
只有通过统计门限的峰值才被确认为线谱,因此降低了系统虚警率。
以下为某信号宽带解调结果。
由上而下为原谱线，背景线，柱线为提出的线谱。
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
图2. 某实测信号宽带解调结果
5: 结论:
本文介绍了一种用改进的拟合曲线法平滑背景的宽带幅度调制信号检测方法,针对DEMON 信号检测的特殊性,对滑动窗拟合曲线背景均衡法进行部分改善。
然后采用双峰值门限加谱宽门限对其进行检测,最后利用多时刻数据统计平均以达到最好检测效果并降低虚警率。
参考文献
[1] 陶笃纯.噪声和振动谱中线谱的提取和连续谱平滑.声学学报.1984.6(9).337-344.
[2] 吴国清,李靖等.舰船噪声识别(I)—总体框架、线谱分析和提取.声学学报.1998.5(23). 394-400.
[3] 徐建民.水声目标识别系统软件集成及调制特征提取研究.东南大学硕士论文.南京:东南大学.1999.3.
作者简介：朱文亚 1976年生，东南大学信号与信息处理研究生，研究方向为通过解调谱进行水声目标的识别。