-
题名舰船地震波信号的滑动功率谱实时检测算法
被引量：2
- 1
-
-
作者
戴忠华
周穗华
孙玉绘
单珊
-
机构
海军工程大学兵器工程学院
陆军炮兵防空兵学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2020年第1期74-80,共7页
-
基金
国家自然科学基金(51509252)资助项目。
-
文摘
为提高低信噪比环境下的地震波信号检测概率,结合自适应线谱增强技术,基于滑动功率谱提出一种新的舰船地震波信号实时检测算法。首先利用自适应线谱增强技术对信号进行处理,然后对处理后的信号进行功率谱估计,选取一段频带内的平均功率作为检测特征量,并设计相应的自适应检测阈值算子,最后根据一定的检测规则完成对舰船地震波信号的实时检测。实测数据和仿真数据表明,该检测算法能够有效完成低信噪比的目标检测,在信噪比为-15 dB时,检测概率达到93%。
-
关键词
舰船地震波
自适应线谱增强
滑动功率谱
检测特征量
检测阈值
-
Keywords
ship seismic wave
adaptive line spectrum enhancement
sliding power spectrum
detection feature quantity
detection threshold
-
分类号
P733.23
[天文地球—物理海洋学]
-
-
题名基于最大熵谱估计的舰船静电场实时检测方法
被引量：2
- 2
-
-
作者
陈剑云
李俊
袁勇
李松
-
机构
南海舰队司令部装备处
海军工程大学
中国人民解放军
海军装备研究院
-
出处
《舰船科学技术》
2009年第4期90-92,102,共4页
-
基金
国防重点实验室基金项目资助(5144407105JB11)
-
文摘
舰船静电场是海水中舰船产生的物理场之一,是很难被隐身的目标特征信号。以往对静电场的检测方法都是基于信号的时域特征,低信噪比情况下,检测效果差。通过对舰船静电场的频域特征分析发现,其能量主要集中在低频段,利用这个特点,提出了一种基于最大熵谱估计(MESE)的舰船静电场实时检测的方法。首先对舰船静电场信号进行最大熵谱估计,然后提取低频段功率谱值作为特征量,通过设定的浮动阈值进行分段功率谱滑动检测,用实船数据对该方法进行了验证,取得了较好的效果。
-
关键词
舰船
静电场
最大熵谱估计
浮动阈值
滑动功率谱
-
Keywords
power spectrum. ships
static field
maximum entropy spectral estimation
floating threshold
moving
-
分类号
TB559
[理学—声学]
-
-
题名基于自适应累量算法的舰船轴频电场信号检测方法
被引量：13
- 3
-
-
作者
包中华
龚沈光
李松
-
机构
海军工程大学兵器工程系
海军装备研究院
-
出处
《海军工程大学学报》
CAS
北大核心
2009年第4期13-16,共4页
-
基金
国家部委基金资助项目
-
文摘
提出一种新的舰船轴频电场信号检测方法。该方法利用高阶累量对高斯噪声的抑制作用,首先使用基于自适应累量算法的FIR滤波器对接收信号进行滤波消噪处理,以提高信噪比;然后再对滤波输出信号进行滑动功率谱检测。实测数据处理结果表明了该方法的稳健性和有效性。
-
关键词
舰船
极低频电场
高阶累积量
信号检测
滑动功率谱
-
Keywords
ships
extremely low frequency electric field
cumulant
signal detection
moving power spectrum
-
分类号
TB559
[理学—声学]
-
-
题名基于EMD和四阶混合累积量的船舶轴频电场检测
被引量：2
- 4
-
-
作者
程锐
姜润翔
龚沈光
-
机构
海军工程大学兵器工程系
-
出处
《海军工程大学学报》
CAS
北大核心
2015年第6期21-26,共6页
-
基金
国家自然科学基金资助项目(51109215)
-
文摘
为实现低信噪比情况下微弱的船舶轴频电场信号的有效检测,提出了一种结合经验模态分解(empirical mode decomposition,EMD)和四阶混合累积量对角切片滑动功率谱的方法。首先,利用EMD将信号自适应地进行子带分解,对得到的本征模态函数(intrinsic mode functions,IMF)采用相关系数准则进行筛选;然后,利用高阶累积量可抑制高斯色噪声的特性,计算各有效IMF分量的四阶混合累积量对角切片的功率谱,并进行了多子带中的滑动检测。实测数据处理结果表明:该方法具有较好的应用价值。
-
关键词
轴频电场
经验模态分解
四阶混合累积量
滑动功率谱
信号检测
-
Keywords
shaft-rate electric field
empirical mode decomposition
fourth order mixed cumulant
sliding power spectrum
signal detection
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于卷积神经网络的蛋胚活性精准检测方法研究
被引量：2
- 5
-
-
作者
郭盟
董新明
韩广
王慧泉
王忠强
赵喆
-
机构
天津工业大学生命科学学院
天津康复疗养中心
天津市光电检测技术重点实验室
爱科维申科技(天津)有限公司
-
出处
《应用光学》
CAS
CSCD
北大核心
2021年第2期268-275,共8页
-
基金
天津市科技计划项目(18ZXRHSY00200)
天津市科技重大专项(18ZXJMTG00060)
天津市研究生科研创新项目(2019YJSS013)。
-
文摘
孵化的蛋胚是生产禽流感疫苗的载体,蛋胚的活性检测是疫苗生产中的关键环节,通过光电容积脉搏法检测蛋胚活性是提高蛋胚活性检测准确率的关键。为了提高蛋胚活性检测效率和检测准确率,采用滑动功率谱方法(PSD)将蛋胚脉搏波可视化,基于卷积神经网络对蛋胚活性进行精准分类。实验结果显示,采用卷积神经网络对单个蛋胚信号的计算时间仅为12.6 ms,与人工检测方法相比,检测效率提高近200倍。可视化后的蛋胚脉搏波的卷积神经网络分类准确率可达94.14%,其中活胚、死胚和弱胚的真阳率分别为99.74%、93.73%、84.39%。基于卷积神经网络的蛋胚活性分类模型,可在大规模生产中精准地辨识蛋胚活性,对疫苗生产过程具有重要的应用价值。
-
关键词
蛋胚
光电容积脉搏波
卷积神经网络
滑动功率谱
-
Keywords
egg embryo
photoplethysmographic pulse wave
convolutional neural network
sliding power spectrum
-
分类号
TN29
[电子电信—物理电子学]
-
