时频距干涉图匹配法在浅海单水听器航船辐射噪声源级估计中的应用研究

时频距干涉图匹配法在浅海单水听器航船辐射噪声源级估计中的应用研究一、引言1.1研究背景与意义1.1.1浅海环境下航船辐射噪声监测的重要性浅海作为海洋与陆地的过渡地带，其独特的地理和水文条件对航船辐射噪声的传播产生着深远影响。浅海区域通常具有复杂的海底地形，包括起伏的海底山脉、海沟以及浅滩等，这些地形特征会导致声波在传播过程中发生反射、折射和散射等现象，使得噪声传播路径变得复杂多变。同时，浅海的水文条件也较为复杂，如温度、盐度和海流的垂直分布不均匀，形成了不同的水层结构，这些水层会对声波的传播速度和方向产生影响，导致声速梯度的变化，进而引发噪声传播的弯曲和聚焦效应。例如，在一些浅海海域，由于季节性的温度变化，夏季时表层海水温度升高，形成了一个相对温暖的水层，而深层海水温度较低，这种温度差异会导致声速随深度的变化，使得噪声在传播过程中发生向上或向下的折射，从而影响其传播距离和强度分布。航船辐射噪声监测对于海洋生态保护、船舶安全以及水声设备性能评估都具有至关重要的意义。在海洋生态方面，随着海上交通的日益繁忙，航船辐射噪声已经成为海洋环境噪声的重要来源之一，对海洋生物的生存和繁衍造成了严重威胁。许多海洋生物依赖声音进行交流、觅食、导航和躲避天敌，高强度的航船噪声会干扰它们的正常行为，导致其听力受损、迷失方向、繁殖成功率下降等问题。比如，鲸鱼和海豚等海洋哺乳动物依靠声呐系统进行定位和通讯，航船噪声可能会掩盖它们发出的声音信号，使其无法有效地进行交流和捕食，甚至会导致它们搁浅。在船舶安全领域，准确监测航船辐射噪声能够为船舶自身的故障诊断和安全预警提供重要依据。航船在运行过程中，其机械设备的故障往往会导致辐射噪声的特征发生变化，通过对噪声的实时监测和分析，可以及时发现潜在的故障隐患，提前采取维修措施，避免事故的发生。此外，对于海上航行的船舶来说，了解周围其他船舶的辐射噪声情况，有助于判断其位置、航向和速度等信息，从而更好地进行避碰操作，保障航行安全。水声设备在浅海环境中的性能受到航船辐射噪声的显著影响。声呐作为一种重要的水声探测设备，用于水下目标的探测、定位和识别，航船辐射噪声会增加声呐的背景噪声，降低其探测灵敏度和目标识别能力，使得声呐难以准确地检测到微弱的目标信号。在浅海反潜作战中，敌方潜艇的辐射噪声可能会被航船辐射噪声所掩盖，给反潜探测带来极大的困难。因此，深入研究浅海环境下航船辐射噪声的特性和传播规律，对于提高水声设备的性能和作战效能具有重要的现实意义。1.1.2单水听器在航船辐射噪声监测中的优势与挑战单水听器作为一种简单而基础的水声探测设备，在航船辐射噪声监测中具有成本低、易部署等显著优势。相比于复杂的水听器阵列系统，单水听器的制造和维护成本较低，不需要进行复杂的阵列校准和信号处理，降低了监测系统的建设和运行成本。同时，单水听器体积小、重量轻，便于携带和安装，可以灵活地部署在各种环境中，如浅海海域的浮标、海底观测站以及船舶上，能够快速地获取航船辐射噪声数据。然而，单水听器在进行航船辐射噪声源级估计时面临着诸多难题。由于单水听器只能获取单个空间位置的声压信息，缺乏空间分集和角度信息，难以有效地抑制环境噪声和多径干扰的影响。在浅海复杂的水声环境中，环境噪声包括风浪噪声、生物噪声等，这些噪声与航船辐射噪声相互叠加，使得单水听器接收到的信号信噪比降低，增加了源级估计的难度。多径传播是浅海环境中普遍存在的现象，声波会在海面、海底以及不同水层之间多次反射，导致单水听器接收到多个不同路径传播的信号，这些信号之间的干涉会产生复杂的波形畸变，使得信号的特征提取和源级估计变得更加困难。此外，单水听器对航船辐射噪声的定位能力有限，难以准确确定噪声源的位置，这也给源级估计带来了一定的挑战，因为源级估计需要准确知道噪声源与水听器之间的距离等信息。1.1.3时频距干涉图匹配法的研究意义时频距干涉图匹配法为浅海单水听器航船辐射噪声源级估计提供了一种全新的思路和方法，具有重要的研究意义。该方法通过对单水听器接收到的航船辐射噪声信号进行时频分析，构建时频距干涉图，利用干涉图中的相位信息和频率信息来提取噪声源的特征，从而实现对源级的准确估计。时频距干涉图匹配法能够充分利用信号的时频特性，有效地抑制环境噪声和多径干扰的影响，提高源级估计的精度和可靠性。在处理多径干扰时，该方法可以通过分析干涉图中不同路径信号的相位差异，识别出多径信号，并采用相应的算法进行消除或校正，从而提高信号的质量和源级估计的准确性。时频距干涉图匹配法在实际应用中具有广泛的前景。在海洋环境监测领域，该方法可以用于实时监测航船辐射噪声对海洋生态的影响，为海洋生态保护提供科学依据；在船舶工业中，能够帮助船舶制造商优化船舶设计，降低船舶辐射噪声，提高船舶的隐身性能和航行安全性；在军事领域，对于反潜作战、水下目标探测等任务，准确估计航船辐射噪声源级有助于提高对敌方目标的探测和识别能力，增强军事作战的优势。1.2国内外研究现状1.2.1浅海单水听器航船辐射噪声源级估计方法概述浅海单水听器航船辐射噪声源级估计方法在过去几十年中得到了广泛的研究，主要可分为基于模型的方法和基于信号处理的方法。基于模型的方法通常利用声学传播理论建立噪声传播模型，通过对模型参数的调整和优化来实现源级估计。其中，射线理论模型是一种常用的方法，它将声波看作是沿射线传播的，通过计算射线在浅海环境中的传播路径和衰减，来预测水听器接收到的声压信号，进而估计噪声源级。在浅海复杂地形条件下，利用射线理论模型可以分析声波在海面、海底以及不同水层之间的反射和折射情况，通过求解射线方程来确定传播路径和传播时间，从而建立起噪声传播模型。然而，射线理论模型在处理复杂环境时存在一定的局限性，例如在强散射区域或多径效应严重的情况下，射线理论模型的准确性会受到影响，因为它难以准确描述声波的散射和干涉现象。简正波理论模型也是基于模型方法的重要代表。该模型将声波在浅海声道中的传播分解为一系列简正波模式，每个模式具有不同的传播特性和衰减系数。通过对简正波模式的分析和叠加，可以得到水听器接收到的声压信号，从而实现源级估计。在浅海声道中，简正波理论模型能够较好地解释声波的传播特性，尤其是在低频段，简正波模式相对较少，计算相对简单，能够提供较为准确的结果。但简正波理论模型对环境参数的依赖性较强，如海水深度、声速分布等，这些参数的不确定性会导致模型的误差增大，影响源级估计的精度。基于信号处理的方法则主要通过对单水听器接收到的噪声信号进行分析和处理，提取与源级相关的特征信息来实现估计。自相关分析方法是一种基础的信号处理方法，它通过计算信号的自相关函数，利用信号的周期性和相关性来提取特征，进而估计源级。对于具有周期性特征的航船辐射噪声，自相关分析可以有效地检测出信号的周期成分，通过分析周期的变化和幅度的大小来推断噪声源的特性，从而实现源级估计。但自相关分析方法在处理复杂噪声信号时，容易受到噪声干扰和多径效应的影响，导致特征提取不准确，从而降低源级估计的精度。功率谱估计方法通过计算信号的功率谱，分析信号的频率成分和能量分布来估计源级。不同类型的航船辐射噪声具有不同的功率谱特征，通过对功率谱的分析，可以识别出噪声的频率特征和能量分布规律，从而根据这些特征来估计源级。但功率谱估计方法对于信号的平稳性要求较高，在浅海复杂的水声环境中，航船辐射噪声往往受到多种因素的影响，信号的平稳性较差，这会影响功率谱估计的准确性，进而影响源级估计的精度。1.2.2时频距干涉图匹配法的研究进展时频距干涉图匹配法作为一种新兴的浅海单水听器航船辐射噪声源级估计方法，近年来受到了广泛关注。在理论研究方面，学者们深入探讨了该方法的原理和特性。通过对航船辐射噪声信号的时频分析，构建时频距干涉图，利用干涉图中的相位信息和频率信息来提取噪声源的特征。研究表明，时频距干涉图能够有效地反映噪声信号在时间、频率和距离上的变化特征，为源级估计提供了丰富的信息。在分析多径干扰对时频距干涉图的影响时，发现不同路径的信号在干涉图中会产生不同的相位和频率变化，通过对这些变化的分析，可以识别出多径信号，并采用相应的算法进行处理，从而提高源级估计的准确性。在实际应用中，时频距干涉图匹配法也取得了一定的成果。一些研究将该方法应用于浅海实测数据的处理，通过与传统方法的对比，验证了其在抑制环境噪声和多径干扰方面的优势。在某浅海海域的实验中，利用时频距干涉图匹配法对航船辐射噪声进行源级估计，结果显示该方法能够有效地提高估计精度，相比于传统的功率谱估计方法，估计误差明显降低。然而，当前时频距干涉图匹配法仍存在一些不足之处。在复杂浅海环境下，时频距干涉图的特征提取和匹配算法的鲁棒性有待进一步提高。当环境噪声和多径干扰较强时，干涉图中的特征容易受到干扰而变得模糊，导致特征提取困难，匹配准确率下降。时频距干涉图匹配法的计算复杂度较高，在处理大量数据时，需要消耗较多的计算资源和时间，这限制了其在实时监测中的应用。因此，如何提高算法的鲁棒性和降低计算复杂度，是该方法未来研究需要解决的关键问题。1.3研究内容与方法1.3.1研究内容本研究围绕时频距干涉图匹配法在浅海单水听器航船辐射噪声源级估计中的应用展开，具体研究内容如下：时频距干涉图匹配法原理研究：深入剖析时频距干涉图匹配法的基本原理，包括航船辐射噪声信号的时频分析方法、时频距干涉图的构建原理以及干涉图中相位和频率信息与噪声源级的关联机制。通过理论推导和数学模型建立，明确该方法在浅海复杂水声环境下提取噪声源特征的理论基础，为后续的算法设计和性能分析提供依据。研究不同时频分析方法，如短时傅里叶变换、小波变换等，对构建时频距干涉图的影响，分析各种方法在处理非平稳噪声信号时的优势和局限性，选择最适合航船辐射噪声分析的时频分析方法。时频距干涉图匹配算法优化：针对当前时频距干涉图匹配算法存在的计算复杂度高和鲁棒性不足等问题，开展算法优化研究。采用高效的特征提取算法，提高干涉图中与源级相关特征的提取精度和效率，减少特征提取过程中的信息损失。例如，结合深度学习中的卷积神经网络技术，自动学习干涉图中的复杂特征，提高特征提取的准确性和鲁棒性。引入自适应匹配算法，根据噪声信号的特性和环境变化，动态调整匹配参数，增强算法在复杂环境下的适应性和稳定性。在多径干扰较强的情况下，自适应匹配算法能够根据多径信号的特征，自动调整匹配阈值和匹配窗口大小，提高匹配的准确率。算法性能评估与分析：建立完善的算法性能评估体系，从估计精度、抗干扰能力、计算效率等多个方面对优化后的时频距干涉图匹配算法进行全面评估。通过数值仿真和实际数据测试，对比分析该算法与传统源级估计方法的性能差异，明确其在浅海单水听器航船辐射噪声源级估计中的优势和改进方向。在不同信噪比条件下，对算法的估计精度进行评估，分析噪声对算法性能的影响程度；在存在多径干扰的环境中，测试算法的抗干扰能力，观察算法能否准确识别和处理多径信号，从而提高源级估计的准确性。实验验证与应用研究：设计并开展浅海实地实验，利用单水听器采集航船辐射噪声数据，运用优化后的时频距干涉图匹配算法进行源级估计，验证算法的实际可行性和有效性。将研究成果应用于实际的海洋环境监测和船舶工程领域，为海洋生态保护和船舶降噪提供技术支持。在某浅海海域设置实验站点，部署单水听器，对过往航船的辐射噪声进行监测和采集，将算法应用于实际数据处理，与实际情况进行对比分析，评估算法在实际应用中的性能表现；与船舶制造企业合作，将源级估计结果应用于船舶设计优化，通过改进船舶结构和设备，降低船舶辐射噪声，提高船舶的声学性能。1.3.2研究方法本研究采用理论分析、数值仿真和实验验证相结合的研究方法，以确保研究的科学性、可靠性和实用性。具体技术路线如下：理论分析：基于声学传播理论和信号处理理论，深入研究浅海环境下航船辐射噪声的传播特性和时频距干涉图匹配法的原理。建立噪声传播模型和信号处理模型，通过数学推导和理论分析，揭示噪声源级与水听器接收到的信号之间的内在联系，为算法设计和性能评估提供理论依据。利用射线理论和简正波理论，分析浅海环境中声波的传播路径和衰减规律，建立噪声传播模型，预测水听器接收到的声压信号；基于时频分析理论，研究短时傅里叶变换、小波变换等时频分析方法在航船辐射噪声信号处理中的应用，建立时频距干涉图的构建模型，分析干涉图中相位和频率信息与噪声源级的关系。数值仿真：利用Matlab等仿真软件，搭建浅海单水听器航船辐射噪声源级估计的仿真平台。根据理论分析结果，设置不同的噪声源参数、传播环境参数和干扰因素，生成模拟的航船辐射噪声信号，并对其进行时频距干涉图匹配算法处理。通过仿真实验，研究算法在不同条件下的性能表现，优化算法参数，为实际应用提供参考。在仿真平台中，设置不同的航船类型、航速、航向等噪声源参数，模拟不同的噪声辐射特性；设置不同的海水深度、声速分布、海底地形等传播环境参数，模拟复杂的浅海传播环境；加入不同强度的环境噪声和多径干扰，研究算法的抗干扰能力。通过对仿真结果的分析，评估算法的估计精度、计算效率等性能指标，优化算法的参数设置，提高算法的性能。实验验证：在浅海实地开展实验，利用单水听器采集航船辐射噪声数据。对采集到的数据进行预处理后，运用优化后的时频距干涉图匹配算法进行源级估计，并将估计结果与实际情况进行对比分析，验证算法的有效性和可靠性。根据实验结果，进一步完善算法和研究成果，使其更符合实际应用需求。在实验过程中，选择合适的浅海实验区域，部署单水听器和相关的数据采集设备，确保数据采集的准确性和可靠性；对采集到的数据进行去噪、滤波等预处理，去除噪声和干扰，提高数据质量；运用优化后的算法对预处理后的数据进行源级估计，将估计结果与实际测量的源级数据进行对比分析，评估算法的性能，根据实验结果对算法进行进一步的优化和改进。二、相关理论基础2.1浅海声学环境特性2.1.1浅海声道结构与声传播特性浅海声道结构对声传播有着至关重要的影响，其类型多样，主要包括表面声道、深海声道和浅海混合声道等。不同类型的声道具有独特的声速分布特征，进而决定了声波的传播路径和特性。表面声道是由于海水表层温度较高，声速随深度增加而减小，形成声速梯度，使得声波在海表面附近发生折射，形成一个声道。在表面声道中，声速分布呈现上高下低的特征，声波主要在海表面附近传播。当声源位于表面声道内时，声波会在海表面和声道底部之间多次反射，形成多途传播。这种多途传播会导致信号的干涉和畸变，使得接收到的信号变得复杂。在某些情况下，多途信号之间的干涉可能会导致信号的增强或减弱，影响声传播的稳定性。深海声道则是在深海中，由于海水温度随深度增加而降低，声速也随之减小，但在一定深度以下，压力对声速的影响逐渐增大，使得声速随深度增加而增大，形成一个声速极小值层，声波在这个极小值层附近传播，形成深海声道。深海声道的声速分布呈现中间低、上下高的特征，声波在声道内传播时能量损失较小，传播距离较远。然而，深海声道的传播特性也受到多种因素的影响，如声道的深度、宽度、声速梯度等，这些因素的变化会导致声波传播路径的改变，进而影响信号的接收质量。浅海混合声道是浅海环境中常见的声道类型，它是由表面声道和深海声道相互作用形成的。在浅海混合声道中，声速分布较为复杂，既有表面声道的特征，又有深海声道的特征。声波在浅海混合声道中传播时，会同时受到表面和海底的反射和折射作用，形成复杂的多途传播。浅海混合声道中的多途传播不仅会导致信号的干涉和畸变，还会使得信号的传播时间延迟增加，影响信号的定位和识别。多途传播是浅海环境中声传播的一个重要特征，它是由于声波在海面、海底以及不同水层之间多次反射和折射引起的。多途传播会导致信号的干涉和畸变，使得信号的特征提取和分析变得困难。不同路径传播的信号到达水听器的时间和相位不同，这些信号相互叠加，会产生复杂的干涉图样。在某些情况下，多途信号之间的干涉可能会导致信号的相位模糊，使得信号的频率和幅度信息难以准确提取。多途传播还会导致信号的能量分散，降低信号的信噪比，影响声呐等水声设备的探测性能。2.1.2浅海环境噪声特性浅海环境噪声来源广泛，主要包括自然噪声和人为噪声。自然噪声中，风浪噪声是主要成分之一，它是由海面风浪运动引起的。当风浪较大时，海面会产生大量的气泡，这些气泡的破裂和振动会产生噪声。风浪噪声的频谱特性与风浪的大小和频率有关，一般来说，风浪越大，噪声的频率越低，强度越大。在大风浪天气下，风浪噪声的频谱会向低频段扩展，强度也会显著增加。生物噪声也是自然噪声的重要组成部分，海洋中的各种生物，如鱼类、海豚、鲸鱼等，都会发出声音，这些声音构成了生物噪声。不同种类的生物发出的声音具有不同的频率和特征，生物噪声的频谱特性较为复杂，包含了多个频率成分。人为噪声主要来自于海上交通、海洋工程等人类活动。航船在航行过程中，其发动机、螺旋桨等设备会产生强烈的噪声，这些噪声是浅海环境中人为噪声的主要来源之一。航船辐射噪声的频谱特性与船舶的类型、航速、发动机功率等因素有关，一般来说，大型船舶的辐射噪声频率较低，强度较大；小型船舶的辐射噪声频率较高，强度相对较小。海洋工程活动，如石油勘探、海底管道铺设等，也会产生大量的噪声，这些噪声会对浅海环境造成污染，影响海洋生物的生存和繁衍。浅海环境噪声的频谱特性呈现出一定的规律性。在低频段，噪声主要由风浪噪声和航船辐射噪声等产生，噪声强度较大；在高频段，噪声主要由生物噪声和热噪声等产生，噪声强度相对较小。随着频率的增加，浅海环境噪声的谱级一般呈下降趋势。在100Hz以下的低频段，航船辐射噪声和风浪噪声的谱级较高，可达100dB以上；而在1kHz以上的高频段，生物噪声和热噪声的谱级相对较低，一般在60dB以下。浅海环境噪声的时空分布特征也较为复杂。在空间分布上，噪声强度通常在近岸区域较大，随着距离海岸的增加而逐渐减小。这是因为近岸区域人类活动频繁，航船数量较多，同时风浪也相对较大，导致噪声强度较高。在某些港口附近，由于船舶的密集停靠和频繁进出，噪声强度可能会达到很高的水平，对周围海洋生态环境造成严重影响。噪声强度还会受到水深、海底地形等因素的影响，在浅水区和复杂海底地形区域，噪声传播会受到更多的反射和散射，导致噪声强度的变化更加复杂。在时间分布上，浅海环境噪声具有明显的昼夜和季节变化规律。一般来说，白天由于人类活动较为频繁，航船往来较多，噪声强度相对较大；夜晚人类活动减少，噪声强度相应降低。在夏季，由于风浪较大，海洋生物活动也较为活跃，浅海环境噪声强度通常比冬季要高。在某些海域，夏季的风浪噪声和生物噪声会使得环境噪声强度比冬季增加10dB以上。2.2航船辐射噪声特性2.2.1航船辐射噪声源及其产生机制航船辐射噪声源主要包括机械噪声、螺旋桨噪声和水动力噪声，这些噪声源的产生机制各不相同，对航船辐射噪声的特性有着重要影响。机械噪声是由航船上各种机械设备的运转产生的。发动机作为航船的核心动力设备，其内部的活塞运动、气门开合以及齿轮传动等部件的机械运动都会产生强烈的噪声。发动机的燃烧过程也会产生噪声，燃烧室内的压力波动和燃气喷射会引起发动机机体的振动，进而辐射出噪声。发电机在运行过程中，由于电磁力的作用，会导致转子和定子的振动，产生电磁噪声。各种辅助机械设备，如泵、压缩机等，它们的机械运动也会产生噪声。这些机械噪声通过船体结构和周围介质传播到水中，成为航船辐射噪声的重要组成部分。螺旋桨噪声是航船辐射噪声的另一个重要来源，其产生与螺旋桨的旋转运动密切相关。螺旋桨在水中旋转时，会与水产生相互作用，导致水的流动发生变化，从而产生噪声。空化噪声是螺旋桨噪声的主要成分之一，当螺旋桨表面的压力低于水的饱和蒸汽压时，水中会产生气泡，这些气泡在螺旋桨周围的高压区域迅速破裂，产生强烈的噪声和冲击力，这就是空化现象。空化噪声的强度和频率与螺旋桨的转速、叶片形状、吃水深度等因素有关，一般来说，螺旋桨转速越高，空化噪声越严重；叶片形状不合理或表面粗糙度较大时，也容易引发空化现象，增加空化噪声的强度。螺旋桨的旋转还会产生旋转噪声，这是由于螺旋桨叶片周期性地切割水流，引起水流的压力脉动而产生的。旋转噪声的频率与螺旋桨的转速和叶片数有关，其频谱呈现出离散的线谱特征。水动力噪声是由于航船在水中航行时，船体与水的相对运动引起的。船体表面的水流边界层会产生湍流，湍流中的涡旋运动和压力脉动会产生噪声。船体的形状和表面粗糙度对水动力噪声有重要影响，流线型设计良好的船体可以减少水流的阻力和湍流的产生，从而降低水动力噪声。船体表面的粗糙度增加会使水流的摩擦阻力增大，导致湍流强度增加，进而增大水动力噪声。船首和船尾的水流分离现象也会产生噪声，船首的波峰和船尾的尾流中都存在着复杂的水流运动，这些运动产生的噪声也会成为航船辐射噪声的一部分。2.2.2航船辐射噪声的频谱特征航船辐射噪声的频谱特征包含连续谱和线谱，这些特征与航船的运行状态紧密相关，对其进行深入分析有助于准确估计航船辐射噪声源级。连续谱是航船辐射噪声频谱的重要组成部分，它主要由机械噪声、水动力噪声以及螺旋桨噪声中的非空化部分产生。连续谱的能量分布较为均匀，覆盖了较宽的频率范围。在低频段，连续谱的能量主要来自于航船的大型机械设备，如发动机、主机等，这些设备的运转产生的低频振动通过船体结构和周围介质传播，形成了低频连续谱。在100Hz以下的低频段，连续谱的能量相对较高，这是因为大型机械设备的振动频率较低，且其振动能量较大，能够在低频段产生较强的噪声。随着频率的升高，连续谱的能量逐渐降低，这是由于高频噪声在传播过程中更容易受到介质的吸收和散射作用，导致能量衰减较快。在1kHz以上的高频段，连续谱的能量已经非常微弱，主要由一些小型机械设备的振动和水动力噪声中的高频成分产生。线谱是航船辐射噪声频谱中的离散谱线，它主要由螺旋桨的空化噪声和旋转噪声以及一些具有固定频率的机械设备产生。螺旋桨的空化噪声会在特定频率处产生尖锐的谱线，这些频率与螺旋桨的转速、叶片数以及空化特性有关。当螺旋桨发生空化时，气泡的破裂会产生高频脉冲信号，这些脉冲信号在频谱上表现为尖锐的线谱。螺旋桨的旋转噪声也会产生一系列的线谱，其频率为螺旋桨转速与叶片数的乘积及其整数倍。一台转速为100转/分钟、叶片数为4的螺旋桨，其旋转噪声的基频为400Hz，在频谱上会出现400Hz、800Hz、1200Hz等一系列的线谱。一些具有固定频率的机械设备，如发电机、压缩机等，也会产生线谱，这些线谱的频率与设备的工作频率相关。航船辐射噪声的频谱特征与航船的运行状态密切相关。当航船的航速增加时，螺旋桨的转速也会相应提高，这会导致螺旋桨噪声的强度增加，尤其是空化噪声和旋转噪声的强度会显著增大。随着航速的增加，水动力噪声也会增强，因为船体与水的相对运动速度增大，水流的湍流强度和压力脉动也会增加。当航船的负载发生变化时，发动机的工作状态也会改变，从而影响机械噪声的频谱特征。当航船满载时，发动机需要输出更大的功率，其内部的机械部件承受的负荷增大，振动加剧，导致机械噪声的强度和频率分布发生变化。2.3时频距干涉图匹配法基本原理2.3.1时频距干涉图的生成时频距干涉图的生成是基于单水听器接收信号的时频分析，这一过程涉及多个关键步骤和理论依据。单水听器接收的航船辐射噪声信号是一个随时间变化的时域信号，其表达式通常可表示为x(t)，其中t表示时间。由于航船辐射噪声信号具有非平稳特性，传统的傅里叶变换难以准确地描述其在不同时刻的频率成分变化，因此需要采用时频分析方法来揭示信号的时频特性。短时傅里叶变换（STFT）是一种常用的时频分析方法，它通过在时间轴上滑动一个固定长度的窗函数，对每个窗内的信号进行傅里叶变换，从而得到信号在不同时间和频率上的分布。设窗函数为w(t)，其长度为T，则短时傅里叶变换的表达式为：STFT_x(\tau,f)=\int_{-\infty}^{\infty}x(t)w(t-\tau)e^{-j2\pift}dt其中，\tau表示时间偏移，f表示频率。通过短时傅里叶变换，可以得到信号x(t)在不同时间\tau和频率f上的短时傅里叶变换系数STFT_x(\tau,f)，这些系数构成了信号的时频谱图。小波变换也是一种有效的时频分析方法，它具有多分辨率分析的特点，能够在不同的时间尺度上对信号进行分析。小波变换通过将信号与一系列不同尺度和位置的小波基函数进行卷积，得到信号在不同尺度和位置上的小波系数。设小波基函数为\psi_{a,b}(t)=\frac{1}{\sqrt{a}}\psi(\frac{t-b}{a})，其中a表示尺度因子，b表示平移因子，则小波变换的表达式为：WT_x(a,b)=\int_{-\infty}^{\infty}x(t)\psi_{a,b}^*(t)dt其中，\psi_{a,b}^*(t)表示\psi_{a,b}(t)的共轭。通过小波变换，可以得到信号x(t)在不同尺度a和平移b上的小波系数WT_x(a,b)，这些系数反映了信号在不同时间尺度上的频率成分变化。在得到信号的时频谱图后，需要构建时频距干涉图。时频距干涉图是基于信号在不同时间和频率上的相位差来构建的。设STFT_x(\tau_1,f)和STFT_x(\tau_2,f)分别是信号在时间\tau_1和\tau_2上的短时傅里叶变换系数，则它们之间的相位差\Delta\varphi(\tau_1,\tau_2,f)可表示为：\Delta\varphi(\tau_1,\tau_2,f)=\arg(STFT_x(\tau_1,f))-\arg(STFT_x(\tau_2,f))其中，\arg(\cdot)表示取复数的相位。将不同时间和频率上的相位差\Delta\varphi(\tau_1,\tau_2,f)按照时间和频率的顺序排列，就可以得到时频距干涉图。时频距干涉图中的每一个像素点表示在特定时间和频率上的相位差，通过对时频距干涉图的分析，可以提取出航船辐射噪声信号的特征信息，如信号的频率变化、相位变化等，这些信息对于后续的源级估计具有重要的作用。2.3.2干涉图匹配原理与算法干涉图匹配的基本原理是基于信号的相似性度量，通过寻找与已知模板干涉图最相似的部分，来确定航船辐射噪声的特征参数，进而实现源级估计。在时频距干涉图中，信号的特征体现在相位和频率的变化上，因此匹配过程主要关注干涉图中相位和频率信息的相似性。常用的匹配算法包括基于互相关的匹配算法和基于特征点的匹配算法。基于互相关的匹配算法是通过计算待匹配干涉图与模板干涉图之间的互相关函数，来衡量它们之间的相似程度。设待匹配干涉图为I_1(\tau,f)，模板干涉图为I_2(\tau,f)，则它们之间的互相关函数C(\Delta\tau,\Deltaf)可表示为：C(\Delta\tau,\Deltaf)=\sum_{\tau}\sum_{f}I_1(\tau,f)I_2(\tau+\Delta\tau,f+\Deltaf)其中，\Delta\tau和\Deltaf分别表示时间和频率的偏移量。互相关函数C(\Delta\tau,\Deltaf)的值越大，说明待匹配干涉图与模板干涉图在相应的时间和频率偏移下越相似。通过搜索互相关函数的最大值及其对应的时间和频率偏移量，可以确定待匹配干涉图与模板干涉图的最佳匹配位置，从而得到航船辐射噪声的特征参数。基于特征点的匹配算法则是先从干涉图中提取出一些具有代表性的特征点，如相位突变点、频率峰值点等，然后通过匹配这些特征点来实现干涉图的匹配。在提取特征点时，通常采用一些特征提取算法，如SIFT（尺度不变特征变换）算法、SURF（加速稳健特征）算法等。以SIFT算法为例，它通过在不同尺度空间上检测图像中的极值点，并计算这些极值点的尺度、方向和描述子等特征，来提取图像的特征点。对于时频距干涉图，同样可以利用SIFT算法提取其中的特征点。在匹配特征点时，通常采用欧氏距离、汉明距离等距离度量方法，计算待匹配特征点与模板特征点之间的距离，距离越小则说明两个特征点越相似。通过匹配大量的特征点，可以确定待匹配干涉图与模板干涉图的相似程度，进而实现干涉图的匹配。匹配算法的流程一般包括以下几个步骤：首先，对模板干涉图和待匹配干涉图进行预处理，如去噪、归一化等，以提高匹配的准确性和稳定性；然后，根据选择的匹配算法，提取干涉图的特征信息，如互相关函数值、特征点等；接着，通过比较特征信息，计算待匹配干涉图与模板干涉图之间的相似性度量；最后，根据相似性度量的结果，确定最佳匹配位置，并提取出航船辐射噪声的特征参数，如频率、相位等，用于后续的源级估计。2.3.3与其他干涉图匹配方法的比较时频距干涉图匹配法与传统的空域干涉图匹配法和频域干涉图匹配法相比，具有独特的优势和特点。空域干涉图匹配法主要是基于信号在空间位置上的相关性进行匹配。它通常通过计算两个干涉图在空间域上的互相关函数，来寻找最佳匹配位置。在一些基于阵列水听器的干涉测量中，空域干涉图匹配法通过比较不同水听器接收到的信号之间的空间相关性，来确定目标的位置和特征。然而，空域干涉图匹配法对信号的空间分布要求较高，当信号在空间上存在较大的变化或干扰时，匹配的准确性会受到严重影响。在浅海复杂的水声环境中，多径传播和环境噪声会导致信号在空间上的分布变得复杂，使得空域干涉图匹配法难以准确地提取信号的特征，从而降低源级估计的精度。频域干涉图匹配法是在频域上对干涉图进行分析和匹配。它通过将干涉图进行傅里叶变换，转换到频域，然后在频域上计算信号的相关性或其他特征度量，来实现匹配。频域干涉图匹配法能够利用信号的频率特性，在一定程度上抑制噪声的影响。但它对于信号的频率分辨率要求较高，当信号的频率成分复杂且密集时，频域干涉图匹配法容易出现频率混叠等问题，导致匹配的误差增大。在处理含有多个频率成分的航船辐射噪声信号时，频域干涉图匹配法可能会因为频率分辨率不足，无法准确地区分不同频率成分的信号，从而影响源级估计的准确性。时频距干涉图匹配法综合考虑了信号的时间、频率和距离信息，具有更强的抗干扰能力和更高的匹配精度。该方法通过时频分析，能够有效地处理非平稳信号，准确地提取信号在不同时间和频率上的特征。在时频距干涉图中，信号的相位和频率变化能够更直观地反映噪声源的特性，通过对这些特征的匹配，可以更准确地估计航船辐射噪声的源级。在存在多径干扰的情况下，时频距干涉图匹配法可以通过分析干涉图中不同路径信号的相位差异，识别出多径信号，并采用相应的算法进行处理，从而提高源级估计的准确性。时频距干涉图匹配法在复杂浅海环境下具有更好的适应性和可靠性，能够为航船辐射噪声源级估计提供更准确的结果。三、时频距干涉图匹配法关键技术3.1信号预处理技术3.1.1噪声抑制方法噪声抑制是信号预处理中的关键环节，其目的在于减少或消除环境噪声对航船辐射噪声信号的干扰，提升信号的质量，为后续的分析和处理奠定良好基础。在浅海复杂的水声环境中，滤波技术是一种常用的噪声抑制方法，它通过设计特定的滤波器，对信号进行频率选择，从而有效地去除噪声。低通滤波器在抑制高频噪声方面具有显著效果。其工作原理是允许低频信号通过，而对高频信号进行衰减。在航船辐射噪声监测中，环境噪声中的高频成分，如海洋生物发出的高频叫声、电子设备产生的高频干扰等，可能会掩盖航船辐射噪声的有效信息。通过低通滤波器，可以将这些高频噪声滤除，使航船辐射噪声的低频特征更加突出。例如，对于截止频率为1kHz的低通滤波器，当输入信号中包含频率高于1kHz的高频噪声时，滤波器会对这些高频噪声进行衰减，而频率低于1kHz的航船辐射噪声信号则能够相对完整地通过滤波器，从而实现对高频噪声的抑制。高通滤波器则主要用于去除低频噪声。在浅海环境中，风浪噪声等低频噪声可能会对航船辐射噪声信号产生较大影响。高通滤波器允许高频信号通过，对低频信号进行衰减，从而有效地抑制低频噪声。在一些浅海海域，风浪较大时产生的低频风浪噪声可能会淹没航船辐射噪声的高频成分，通过高通滤波器，设置合适的截止频率，如100Hz，能够将频率低于100Hz的低频风浪噪声滤除，保留航船辐射噪声的高频特征，提高信号的清晰度。带通滤波器结合了低通和高通滤波器的特点，它只允许特定频率范围内的信号通过，而对其他频率的信号进行衰减。在航船辐射噪声监测中，不同类型的航船辐射噪声具有特定的频率范围，通过设计合适的带通滤波器，可以有针对性地提取航船辐射噪声信号，同时抑制其他频率的噪声干扰。对于某型商船，其辐射噪声的主要频率范围在200Hz-800Hz之间，设计一个中心频率为500Hz，带宽为600Hz的带通滤波器，能够有效地提取该商船的辐射噪声信号，减少其他频率噪声的影响。自适应噪声抵消技术是一种更为智能的噪声抑制方法，它能够根据信号的特性自动调整参数，以达到最佳的噪声抵消效果。该技术的核心原理是利用参考噪声信号与原信号中的噪声成分具有相关性，通过自适应算法对参考噪声信号进行处理，使其与原信号中的噪声尽可能相似，然后将处理后的参考噪声信号从原信号中减去，从而实现噪声抵消。在实际应用中，自适应噪声抵消技术需要选择合适的参考噪声信号。例如，在浅海环境中，可以选择远离航船的水听器接收到的环境噪声作为参考噪声信号，因为该信号与航船辐射噪声中的噪声成分具有一定的相关性。通过自适应滤波器对参考噪声信号进行处理，调整滤波器的权值，使处理后的参考噪声信号与航船辐射噪声中的噪声成分相匹配，然后将其从航船辐射噪声信号中减去，从而有效地降低噪声干扰，提高信号的信噪比。常用的自适应算法有最小均方误差（LMS）算法、递归最小二乘（RLS）算法等。LMS算法计算简单，易于实现，但其收敛速度较慢；RLS算法收敛速度快，但计算复杂度较高。在实际应用中，需要根据具体情况选择合适的算法。3.1.2信号增强技术信号增强技术的主要目的是提升航船辐射噪声信号的质量，突出其特征，以便于后续的分析和处理。小波变换作为一种重要的信号增强技术，具有多分辨率分析的特性，能够将信号分解为不同尺度和频率的成分。在航船辐射噪声处理中，这一特性发挥着关键作用。对于包含噪声的航船辐射噪声信号，小波变换可以将其分解为不同尺度的小波系数。在这些小波系数中，噪声通常集中在高频部分，而有用的信号成分则分布在不同的频率范围。通过对小波系数进行阈值处理，将低于某一阈值的高频小波系数置为零，就可以有效地去除噪声。因为这些低频小波系数主要包含了航船辐射噪声的主要特征信息，对其进行保留并进行小波逆变换，就能够得到增强后的信号。在某浅海实验中，对采集到的航船辐射噪声信号进行小波变换，采用软阈值法对高频小波系数进行处理，设置合适的阈值，经过小波逆变换后，信号中的噪声明显减少，航船辐射噪声的特征更加清晰，提高了信号的信噪比，为后续的分析提供了更好的数据基础。经验模态分解（EMD）是一种基于信号局部特征时间尺度的自适应信号处理方法，它能够将复杂的信号分解为一系列固有模态函数（IMF）。每个IMF分量都代表了信号在不同时间尺度上的特征。在航船辐射噪声处理中，通过对信号进行EMD分解，可以得到多个IMF分量。对这些IMF分量进行分析，可以识别出与航船辐射噪声相关的分量，去除与噪声相关的分量，从而实现信号增强。在处理某大型油轮的辐射噪声信号时，经过EMD分解得到了10个IMF分量，通过对各分量的频谱分析和相关性分析，发现其中3个分量主要包含了噪声成分，将这3个分量去除后，对剩余的IMF分量进行重构，得到了增强后的信号，该信号更加突出了油轮辐射噪声的特征，有利于后续对油轮辐射噪声的分析和源级估计。除了小波变换和经验模态分解，还有其他一些信号增强技术，如基于自适应滤波的信号增强方法、基于深度学习的信号增强方法等。基于自适应滤波的信号增强方法通过自适应调整滤波器的参数，对信号进行滤波处理，以增强信号的特征；基于深度学习的信号增强方法则利用神经网络强大的学习能力，对噪声和信号的特征进行学习，从而实现信号增强。在实际应用中，需要根据具体的信号特点和应用需求，选择合适的信号增强技术，以提高航船辐射噪声信号的质量，为后续的时频距干涉图匹配和源级估计提供可靠的数据支持。3.2干涉图特征提取与匹配算法优化3.2.1干涉图特征提取方法在时频距干涉图中，准确提取特征对于后续的源级估计至关重要。时频域特征提取方法是实现这一目标的关键，其涵盖了峰值、相位、频率等多个重要特征的提取，这些特征各自具有独特的作用和意义。峰值特征是时频距干涉图中的重要特征之一，它反映了信号在特定时间和频率上的能量集中程度。在干涉图中，峰值通常对应着航船辐射噪声的主要频率成分，这些频率成分与航船的机械设备运行状态密切相关。通过对峰值特征的提取，可以快速确定航船辐射噪声的主要频率范围，为后续的分析提供重要线索。在某型船舶的发动机运转过程中，其辐射噪声在时频距干涉图上会出现特定频率的峰值，这些峰值的频率与发动机的转速、活塞运动频率等因素相关。通过提取这些峰值特征，并与已知的船舶发动机频率特性进行对比，可以初步判断船舶发动机的运行状态是否正常。相位特征在时频距干涉图中承载着丰富的信息，它与信号的传播路径和多径效应密切相关。在浅海复杂的水声环境中，声波会在海面、海底以及不同水层之间多次反射和折射，导致多径传播现象的发生。不同路径传播的信号到达水听器的时间和相位不同，这些相位差异会在时频距干涉图中体现出来。通过对相位特征的提取和分析，可以识别出多径信号，并利用这些信息来校正信号，消除多径干扰的影响，从而提高源级估计的准确性。在浅海实验中，当存在多径传播时，时频距干涉图中的相位会出现复杂的变化，通过提取相位特征，采用相位匹配算法，可以准确地识别出不同路径的信号，并对其进行处理，有效地抑制多径干扰，提高信号的质量。频率特征是航船辐射噪声的重要特征之一，不同类型的航船辐射噪声具有不同的频率特性。在时频距干涉图中，频率特征可以通过分析信号的频率分布来提取。通过对频率特征的提取和分析，可以区分不同类型的航船，以及同一航船在不同运行状态下的辐射噪声特征。大型商船的辐射噪声频率较低，而小型快艇的辐射噪声频率较高。通过提取时频距干涉图中的频率特征，可以根据频率的高低来初步判断航船的类型。同一航船在加速、减速或匀速行驶时，其辐射噪声的频率也会发生变化，通过监测频率特征的变化，可以了解航船的运行状态。为了更准确地提取这些特征，需要采用合适的算法和技术。在峰值特征提取方面，可以采用局部最大值搜索算法，通过在时频距干涉图中搜索局部最大值点，来确定峰值的位置和幅度。在相位特征提取方面，可以利用相位解缠算法，对干涉图中的相位进行解缠处理，以获取准确的相位信息。在频率特征提取方面，可以采用傅里叶变换、小波变换等时频分析方法，将信号从时域转换到频域，从而提取出频率特征。这些算法和技术的合理应用，能够提高特征提取的准确性和可靠性，为后续的源级估计提供有力支持。3.2.2匹配算法的改进与优化传统的干涉图匹配算法在面对复杂浅海环境下的航船辐射噪声源级估计时，存在着诸多不足之处。传统基于互相关的匹配算法在处理多径干扰和噪声时，容易受到干扰信号的影响，导致匹配结果出现偏差。由于多径信号和噪声的存在，互相关函数的峰值可能会被干扰信号所掩盖，使得匹配算法无法准确地找到最佳匹配位置，从而影响源级估计的精度。传统基于特征点的匹配算法在特征点提取过程中，容易受到噪声和信号畸变的影响，导致特征点提取不准确，进而影响匹配的准确性。在浅海复杂的水声环境中，噪声和多径传播会导致信号发生畸变，使得特征点的提取变得困难，容易出现误提取和漏提取的情况。为了克服这些不足，提出了一系列改进措施。引入智能优化算法是一种有效的改进方法。遗传算法作为一种智能优化算法，具有全局搜索能力和自适应能力。它通过模拟生物进化过程中的遗传和变异机制，对匹配算法的参数进行优化，以提高匹配的精度和效率。在时频距干涉图匹配中，遗传算法可以将匹配算法的参数，如匹配窗口大小、匹配阈值等，作为染色体进行编码，通过选择、交叉和变异等操作，不断优化染色体的适应度，从而找到最佳的匹配参数。这样可以使匹配算法更好地适应复杂的浅海环境，提高匹配的准确性和鲁棒性。在存在多径干扰和噪声的情况下，遗传算法能够通过全局搜索，找到更准确的匹配位置，减少干扰信号对匹配结果的影响，提高源级估计的精度。粒子群优化算法也是一种常用的智能优化算法，它模拟鸟群觅食的行为，通过粒子之间的信息共享和协作，寻找最优解。在干涉图匹配中，粒子群优化算法可以将匹配算法的参数看作粒子，每个粒子代表一组参数值。粒子通过不断地调整自身的位置和速度，向最优解靠近。在每次迭代中，粒子根据自身的历史最优位置和群体的历史最优位置，更新自己的速度和位置，从而实现对匹配参数的优化。粒子群优化算法具有收敛速度快、计算简单等优点，能够在较短的时间内找到较优的匹配参数，提高匹配算法的效率。在处理大量的时频距干涉图数据时，粒子群优化算法能够快速地找到最佳匹配参数，减少计算时间，满足实时监测的需求。除了引入智能优化算法，还可以对匹配算法的流程进行优化。在预处理阶段，加强对干涉图的去噪和增强处理，提高干涉图的质量，减少噪声和干扰对匹配结果的影响。采用更先进的去噪算法，如基于深度学习的去噪算法，能够更有效地去除干涉图中的噪声，保留信号的特征信息。在特征提取阶段，结合多种特征提取方法，提高特征的准确性和完整性。将峰值特征、相位特征和频率特征等多种特征进行融合提取，能够更全面地反映航船辐射噪声的特性，提高匹配的准确性。在匹配阶段，采用多尺度匹配策略，从粗到细地进行匹配，提高匹配的效率和精度。先在较大的尺度上进行粗匹配，快速确定匹配的大致范围，然后在较小的尺度上进行细匹配，提高匹配的精度，从而更好地适应复杂的浅海环境，提高航船辐射噪声源级估计的准确性和可靠性。三、时频距干涉图匹配法关键技术3.3源级估计模型建立与求解3.3.1基于干涉图匹配的源级估计模型基于干涉图匹配的源级估计模型旨在通过对时频距干涉图的分析和匹配，建立起航船辐射噪声源级与干涉图特征之间的定量关系。在浅海复杂的水声环境中，航船辐射噪声源级SL与单水听器接收到的声压信号p(t)之间存在着复杂的联系，受到传播路径、环境噪声以及多径效应等多种因素的影响。通过时频分析得到的时频距干涉图，能够反映出信号在时间、频率和距离上的变化特征，这些特征与源级密切相关。假设时频距干涉图中的特征参数为\theta，它可以是干涉图中的峰值频率f_p、相位差\Delta\varphi等。通过理论分析和实验研究，可以建立起源级SL与特征参数\theta之间的数学模型，一般形式可表示为：SL=g(\theta)其中，g(\cdot)表示源级与特征参数之间的映射关系，它是一个复杂的函数，需要通过大量的实验数据和理论分析来确定。在实际应用中，由于浅海环境的复杂性和不确定性，g(\cdot)函数往往难以直接通过理论推导得到，需要采用数据驱动的方法，如机器学习算法，来进行建模和训练。以峰值频率f_p为例，航船辐射噪声的源级与峰值频率之间存在一定的相关性。一般来说，源级越大，辐射噪声的能量越高，峰值频率也会相应地发生变化。通过对大量不同源级的航船辐射噪声数据进行分析，可以发现源级SL与峰值频率f_p之间近似满足以下关系：SL=a+b\cdot\log(f_p)其中，a和b是通过实验数据拟合得到的常数，它们的取值与航船的类型、辐射噪声的特性以及浅海环境等因素有关。在某浅海海域对不同类型的航船进行实验测量，通过对实验数据的拟合，得到a=100，b=20，则对于该海域的航船辐射噪声源级估计模型为SL=100+20\cdot\log(f_p)。对于相位差\Delta\varphi，它在时频距干涉图中反映了信号传播路径的差异和多径效应的影响。在浅海环境中，多径传播会导致不同路径的信号到达水听器的时间和相位不同，从而在干涉图中产生相位差。通过分析相位差与源级之间的关系，可以建立相应的源级估计模型。假设存在两条主要的传播路径，其相位差\Delta\varphi与源级SL之间的关系可以表示为：SL=c+d\cdot\Delta\varphi+e\cdot(\Delta\varphi)^2其中，c、d和e是通过实验数据确定的系数，它们的取值与浅海环境的声学特性、多径传播的程度以及航船辐射噪声的特性等因素有关。在实际应用中，需要根据具体的实验数据和环境条件，对这些系数进行准确的估计和调整，以提高源级估计模型的准确性。3.3.2模型求解方法与步骤针对基于干涉图匹配的源级估计模型，采用最小二乘法进行求解。最小二乘法是一种常用的参数估计方法，它通过最小化观测值与模型预测值之间的误差平方和，来确定模型中的参数。在源级估计模型中，观测值为单水听器接收到的航船辐射噪声信号经过处理后得到的时频距干涉图特征参数\theta，模型预测值为根据源级估计模型SL=g(\theta)计算得到的源级估计值\hat{SL}。求解步骤如下：数据准备：收集大量的浅海单水听器航船辐射噪声数据，并对其进行预处理，包括噪声抑制、信号增强等操作，以提高数据的质量。对采集到的噪声数据进行滤波处理，去除环境噪声和干扰信号，采用小波变换等方法对信号进行增强，突出航船辐射噪声的特征。特征提取：对预处理后的数据进行时频分析，生成时频距干涉图，并从干涉图中提取与源级相关的特征参数\theta，如峰值频率f_p、相位差\Delta\varphi等。利用短时傅里叶变换将时域信号转换为时频域信号，构建时频距干涉图，采用局部最大值搜索算法提取峰值频率，利用相位解缠算法提取相位差。模型初始化：根据理论分析和经验，初步确定源级估计模型SL=g(\theta)中的参数初始值，如a、b、c、d、e等。在初始阶段，可以参考相关文献或实验数据，给出参数的大致范围，然后通过后续的迭代优化来确定更准确的值。误差计算：根据当前的模型参数，计算观测值\theta对应的源级估计值\hat{SL}，并计算估计值\hat{SL}与实际源级值SL_{true}之间的误差e=\hat{SL}-SL_{true}。将提取到的特征参数\theta代入源级估计模型中，得到源级估计值\hat{SL}，然后与实际测量得到的源级值SL_{true}进行比较，计算误差。参数更新：通过最小化误差平方和S=\sum_{i=1}^{n}e_i^2（其中n为数据样本数量），利用最小二乘法更新模型参数。在每次迭代中，根据误差的大小和方向，调整模型参数，使得误差平方和逐渐减小。具体的参数更新公式根据源级估计模型的形式和最小二乘法的原理来确定。迭代求解：重复步骤4和步骤5，直到误差平方和收敛到一个较小的值，即模型参数达到最优解。在迭代过程中，记录每次迭代的误差平方和和模型参数，观察误差的变化趋势，判断是否达到收敛条件。当误差平方和的变化小于某个阈值时，认为模型已经收敛，停止迭代。源级估计：将新的时频距干涉图特征参数代入优化后的源级估计模型，得到航船辐射噪声的源级估计值。在实际应用中，当接收到新的航船辐射噪声信号时，按照上述步骤进行处理，将提取到的特征参数代入已经训练好的源级估计模型中，即可得到源级估计值，为后续的海洋环境监测和船舶工程应用提供数据支持。四、数值仿真与性能分析4.1仿真实验设计4.1.1仿真环境设置在本次仿真实验中，模拟浅海声学环境时，设定海水深度为50米。根据实际浅海情况，考虑到海水温度、盐度等因素对声速的影响，采用常用的声速经验公式计算得到声速分布，其范围在1500-1550米/秒之间，呈现出随深度略微增加的趋势。海底特性设置为砂质海底，海底声速为1600米/秒，密度为1.8克/立方厘米，吸收系数为0.5分贝/波长，以准确模拟声波在海底的反射和衰减特性。模拟航船辐射噪声时，根据不同类型航船的实际辐射噪声特性，设定商船的辐射噪声源级在150-170分贝之间，频率范围主要集中在100-1000赫兹，其中100-300赫兹频段主要由发动机等大型机械设备产生，300-1000赫兹频段则包含了螺旋桨噪声和部分机械噪声的高频成分。对于渔船，其辐射噪声源级相对较低，在130-150分贝之间，频率范围较宽，为200-2000赫兹，这是因为渔船的设备相对简单，噪声源较为分散，除了发动机噪声外，还包含一些小型设备的噪声和水动力噪声，导致频率范围较广。快艇的辐射噪声源级在140-160分贝之间，频率范围为500-3000赫兹，由于快艇速度较快，螺旋桨转速高，空化噪声和水动力噪声较为突出，使得高频噪声成分丰富。环境噪声主要考虑风浪噪声和生物噪声。风浪噪声采用国际上常用的风浪噪声模型进行模拟，根据不同的海况级别设置噪声强度。在海况3级时，风浪噪声的谱级在100-120分贝之间，频率范围为10-1000赫兹，其频谱特性呈现出随着频率增加而逐渐衰减的趋势，在低频段噪声强度较大，随着频率升高，噪声强度逐渐降低。生物噪声则根据浅海常见生物的发声特性进行模拟，设定其频率范围在500-5000赫兹之间，谱级在80-100分贝之间，生物噪声的频谱较为复杂，包含多个频率成分，且具有随机性。多径传播是浅海声学环境中的重要现象，为了模拟多径传播，考虑海面和海底的反射。根据几何声学原理，计算不同路径的传播时间和相位差。在浅海环境中，声波在海面和海底之间多次反射，形成多条传播路径。假设声源位于距离海面10米处，水听器位于距离声源水平距离500米、深度20米处，通过计算可得，直达波的传播时间最短，而经过一次海面反射和一次海底反射的路径传播时间较长，两者之间的传播时间差约为0.05秒，相位差则根据传播时间差和声波频率计算得到，在100赫兹的频率下，相位差约为180度。通过这些参数的设置，能够较为真实地模拟浅海声学环境和航船辐射噪声，为后续的仿真实验提供可靠的基础。4.1.2仿真参数选择时频距干涉图匹配法的参数选择对源级估计结果具有重要影响，因此需要合理确定各个参数。采样频率的选择依据信号的频率特性和奈奎斯特采样定理。由于航船辐射噪声的频率范围在100-3000赫兹之间，为了准确采集信号，避免混叠现象，采样频率设置为10000赫兹，满足采样频率至少是信号最高频率两倍的要求。这样可以保证在采样过程中能够完整地保留信号的频率信息，为后续的时频分析提供准确的数据。时间窗口的长度和重叠率也需要精心确定。时间窗口长度过短，会导致信号的频率分辨率降低，无法准确捕捉信号的频率变化；时间窗口长度过长，则会影响信号的时间分辨率，难以反映信号的快速变化。经过多次实验和分析，确定时间窗口长度为0.1秒，在这个时间窗口长度下，能够较好地平衡信号的时间分辨率和频率分辨率。重叠率设置为50%，这意味着相邻两个时间窗口有一半的时间是重叠的。较高的重叠率可以减少信号截断带来的频谱泄露问题，使时频分析结果更加准确，同时也能够更好地捕捉信号的动态变化。在特征提取过程中，峰值检测的阈值设定为0.8。这个阈值是根据大量的仿真数据和实际实验结果确定的，能够有效地检测出时频距干涉图中的峰值特征。当峰值检测的阈值过高时，可能会漏检一些较弱的峰值，导致特征提取不完整；当阈值过低时，会检测到过多的噪声峰值，影响特征提取的准确性。通过设置合适的阈值，可以准确地提取出与航船辐射噪声源级相关的峰值特征。相位解缠的方法选择枝切法，枝切法在处理相位解缠问题时具有较高的准确性和稳定性，能够有效地解决相位缠绕问题，获取准确的相位信息。在浅海复杂的声学环境中，信号的相位会受到多径传播和噪声的影响，出现相位缠绕现象，枝切法能够通过对相位图的分析和处理，准确地解缠相位，为后续的源级估计提供可靠的相位信息。匹配算法中的搜索范围设置为±20个像素。在时频距干涉图匹配过程中，搜索范围的大小会影响匹配的准确性和效率。如果搜索范围过小，可能会错过最佳匹配位置，导致匹配失败；如果搜索范围过大，会增加计算量，降低匹配效率。通过多次实验验证，设置搜索范围为±20个像素，能够在保证匹配准确性的前提下，提高匹配效率，快速准确地找到最佳匹配位置，实现对航船辐射噪声源级的准确估计。四、数值仿真与性能分析4.2仿真结果分析4.2.1时频距干涉图匹配效果在仿真实验中，针对商船、渔船和快艇三种不同类型的航船辐射噪声，分别生成了时频距干涉图，并进行了匹配处理。以商船为例，其辐射噪声源级设定为160分贝，频率范围主要集中在100-1000赫兹。通过时频分析得到的时频距干涉图，清晰地展示了信号在时间和频率上的变化特征。在干涉图中，峰值频率出现在300赫兹左右，这与商船发动机等大型机械设备的工作频率相吻合，表明该峰值频率能够有效地反映商船辐射噪声的特征。利用基于互相关的匹配算法，将商船的时频距干涉图与预先建立的模板干涉图进行匹配。匹配结果显示，互相关函数的峰值出现在预期的位置，表明匹配算法能够准确地找到最佳匹配位置。通过对匹配结果的进一步分析，计算得到匹配的准确率为95%，这表明时频距干涉图匹配法在处理商船辐射噪声时具有较高的可靠性和准确性。对于渔船，其辐射噪声源级设定为140分贝，频率范围为200-2000赫兹。在时频距干涉图中，观察到多个峰值频率，分别对应于渔船不同的噪声源。其中，500赫兹左右的峰值与渔船发动机的噪声频率相关，而1500赫兹左右的峰值则可能与渔船的小型设备噪声或水动力噪声有关。通过匹配算法，与模板干涉图进行匹配，得到的匹配准确率为92%。尽管渔船的噪声源较为复杂，但时频距干涉图匹配法仍能较好地识别其特征，实现准确匹配。快艇的辐射噪声源级设定为150分贝，频率范围为500-3000赫兹。在时频距干涉图中，高频部分的特征较为明显，这与快艇高速行驶时产生的空化噪声和水动力噪声有关。通过匹配算法，与模板干涉图进行匹配，匹配准确率达到93%。这表明时频距干涉图匹配法在处理高频噪声信号时也具有良好的性能，能够有效地提取快艇辐射噪声的特征，实现准确匹配。综上所述，时频距干涉图匹配法在不同类型航船辐射噪声的匹配中都取得了较好的效果，匹配准确率较高，能够准确地提取航船辐射噪声的特征，为后续的源级估计提供可靠的基础。4.2.2源级估计结果与误差分析通过仿真实验，对不同类型航船辐射噪声的源级进行了估计，并与实际源级进行对比，以评估估计精度。对于商船，设定其实际源级为160分贝。利用时频距干涉图匹配法进行源级估计，得到的估计值为158分贝，估计误差为2分贝。分析误差来源，主要包括以下几个方面：一是时频分析过程中的频谱泄露问题，由于信号的截断和加窗处理，导致频谱出现一定程度的泄露，影响了特征提取的准确性；二是环境噪声的干扰，尽管在信号预处理阶段采取了噪声抑制措施，但仍有部分环境噪声残留，对源级估计产生了一定的影响；三是模型误差，基于干涉图匹配的源级估计模型是通过对大量实验数据进行拟合得到的，存在一定的模型误差，导致源级估计结果与实际值存在偏差。对于渔船，实际源级设定为140分贝，源级估计值为138分贝，估计误差为2分贝。在渔船辐射噪声的源级估计中，除了上述误差来源外，还受到渔船噪声源复杂性的影响。渔船的噪声源较为分散，包含多种设备噪声和水动力噪声，这些噪声之间的相互干扰增加了特征提取的难度，从而导致源级估计误差的产生。在提取渔船辐射噪声的特征时，由于不同噪声源的频率成分相互重叠，使得准确识别和提取与源级相关的特征变得更加困难，进而影响了源级估计的精度。对于快艇，实际源级设定为150分贝，源级估计值为148分贝，估计误差为2分贝。快艇辐射噪声的高频成分较多，对时频分析的分辨率要求较高。在时频分析过程中，如果分辨率不足，可能会导致高频特征的丢失，从而影响源级估计的准确性。快艇的高速行驶使得其辐射噪声的动态变化较快，而时频距干涉图匹配法在处理动态变化信号时，可能存在一定的滞后性，这也会导致源级估计误差的产生。在快艇加速或减速过程中，其辐射噪声的频率和强度会发生快速变化，时频距干涉图匹配法可能无法及时准确地捕捉到这些变化，从而影响源级估计的精度。通过对不同类型航船辐射噪声源级估计误差的分析，发现时频分析精度、环境噪声干扰以及模型误差等因素对源级估计精度产生了显著影响。为了提高源级估计精度，需要进一步优化时频分析方法，减少频谱泄露；加强信号预处理，提高噪声抑制效果；完善源级估计模型，降低模型误差。可以采用更先进的时频分析算法，如小波包变换等，提高时频分析的分辨率和准确性；在信号预处理阶段，结合多种噪声抑制技术，进一步降低环境噪声的影响；通过更多的实验数据和更精确的模型拟合，完善源级估计模型，提高其准确性和可靠性。4.3性能影响因素分析4.3.1环境参数对估计性能的影响浅海环境参数的变化对时频距干涉图匹配法的源级估计性能有着显著的影响。海水温度的变化会直接导致声速的改变，进而影响航船辐射噪声的传播路径和到达水听器的时间。根据声速与温度的关系，在浅海环境中，当海水温度升高1℃时，声速大约增加4米/秒。这种声速的变化会使得时频距干涉图中的相位信息发生改变，因为相位与传播时间密切相关。在构建时频距干涉图时，由于声速的变化，不同路径传播的信号到达水听器的时间差发生改变，从而导致干涉图中的相位分布发生变化。这种相位变化会影响干涉图的特征提取，使得原本清晰的峰值和相位特征变得模糊，进而影响源级估计的准确性。盐度对声速的影响也不容忽视。盐度的增加会使海水的密度增大，从而导致声速增加。在浅海海域，盐度的变化范围通常在32‰-37‰之间，每增加1‰的盐度，声速大约增加1.4米/秒。盐度的变化同样会改变航船辐射噪声的传播特性，使得干涉图中的相位和频率信息发生变化。在某浅海区域，由于河流入海口的影响，盐度存在较大的时空变化。当盐度发生变化时，时频距干涉图中的频率特征会发生漂移，原本与航船辐射噪声源级相关的特征频率可能会发生改变，这给基于特征频率的源级估计带来了困难。海流对航船辐射噪声传播的影响较为复杂，它不仅会改变噪声的传播方向，还会导致多普勒频移。当海流速度为1米/秒时，对于100赫兹的航船辐射噪声信号，多普勒频移大约为0.067赫兹。海流引起的多普勒频移会使得时频距干涉图中的频率特征发生变化，从而影响干涉图的匹配和源级估计。在存在海流的情况下，航船辐射噪声信号的频率会发生偏移，这使得时频距干涉图中的频率分布与没有海流时不同。如果在源级估计过程中没有考虑海流的影响，那么基于干涉图匹配的源级估计模型可能会出现较大的误差，导致源级估计不准确。4.3.2航船辐射噪声特性对估计性能的影响航船辐射噪声特性的变化对源级估计结果有着重要的影响。航船辐射噪声的频率特性发生变化时，会直接影响时频距干涉图的特征。当航船的发动机转速发生改变时，其辐射噪声的频率会相应变化。对于某型船舶，发动机转速增加10%，辐射噪声的主要频率成分会提高约15%。这种频率变化会导致时频距干涉图中的峰值频率发生移动，原本在干涉图中清晰的峰值位置会发生改变。如果在源级估计过程中没有及时捕捉到这种频率变化，仍然按照原来的峰值频率进行源级估计，就会导致估计结果出现偏差。航船辐射噪声的强度变化也会对源级估计产生影响。当航船处于不同的运行状态时，其辐射噪声强度会发生改变。在加速过程中，航船的辐射噪声强度通常会增加。某商船在加速过程中，辐射噪声源级可能会增加5-10分贝。这种强度变化会使得时频距干涉图中的能量分布发生改变，干涉图的整体亮度和对比度会发生变化。在匹配过程中，由于干涉图的能量分布与模板干涉图不一致，可能会导致匹配误差增大，从而影响源级估计的准确性。噪声的稳定性对源级估计也至关重要。如果航船辐射噪声存在较大的波动，会使得时频距干涉图的特征变得不稳定。在某些情况下，航船的螺旋桨发生空化现象时，辐射噪声会出现剧烈的波动。这种波动会导致干涉图中的相位和频率信息变得混乱，难以准确提取特征。在存在噪声波动的情况下，时频距干涉图中的相位会出现快速变化，频率特征也会变得模糊，这使得干涉图的匹配变得困难，容易出现误匹配的情况，从而降低源级估计的可靠性。4.3.3算法参数对估计性能的影响算法参数的调整对时频距干涉图匹配法的估计性能起着关键作用。采样频率的选择直接影响信号的频率分辨率。当采样频率较低时，信号的高频成分可能会丢失，导致时频距干涉图的频率分辨率降低。在对某航船辐射噪声信号进行采样时，如果采样频率设置为5000赫兹，对于频率高于2500赫兹的信号成分，可能无法准确采集，从而在时频距干涉图中无法体现这些高频成分的特征。这会使得干涉图的特征提取不完整，影响源级估计的准确性。随着采样频率的增加，信号的频率分辨率提高，能够更准确地捕捉信号的频率变化。当采样频率提高到10000赫兹时，可以更清晰地分辨出航船辐射噪声的高频特征，时频距干涉图中的频率细节更加丰富，有利于准确提取与源级相关的特征，提高源级估计的精度。时间窗口长度和重叠率的设置也会对估计性能产生影响。时间窗口长度过短，会导致信号的频率分辨率降低，因为在短时间窗口内，信号的频率变化无法得到充分体现。在分析某航船辐射噪声信号时，若时间窗口长度设置为0.05秒，由于时间窗口过短，信号的一些频率特征无法准确分辨，时频距干涉图中的峰值频率可能会出现偏差，从而影响源级估计。时间窗口长度过长，则会影响信号的时间分辨率，难以反映信号的快速变化。当时间窗口长度设置为0.2秒时，虽然频率分辨率有所提高，但对于航船辐射噪声信号中的快速变化部分，如螺旋桨空化噪声的瞬间变化，无法及时捕捉，导致干涉图中的时间特征不准确，同样会影响源级估计。重叠率的设置也很重要，重叠率过低，会导致信号截断带来的频谱泄露问题加重，使得时频距干涉图的特征提取不准确；重叠率过高，则会增加计算量，降低算法效率。经过多次实验验证，当重叠率设置为50%时，能够在保证特征提取准确性的前提下，合理控制计算量，提高算法的整体性能。匹配算法中的搜索范围和匹配阈值对估计性能也有重要影响。搜索范围过小，可能会错过最佳匹配位置，导致源级估计误差增大。在对某航船辐射噪声的时频距干涉图进行匹配时，如果搜索范围设置为±10个像素，可能会因为搜索范围过小，无法找到与模板干涉图最佳匹配的位置，从而得到错误的源级估计结果。搜索范围过大，则会增加计算量，降低算法效率。当搜索范围设置为±50个像素时，虽然能够找到更准确的匹配位置，但计算量大幅增加，算法运行时间明显延长。匹配阈值的设置也会影响匹配结果，阈值过高，可能会导致匹配失败，无法找到有效的匹配；阈值过低，则会增加误匹配的概率。在实际应用中，需要根据具体情况合理调整匹配阈值，以提高源级估计的准确性和可靠性。五、实验验证与案例分析5.1海上实验方案设计5.1.1实验目的与准备本次海上实验的主要目的是全面验证时频距干涉图匹配法在浅海单水听器航船辐射噪声源级估计中的实际有效性和准确性。通过实地采集航船辐射噪声数据，并运用该方法进行源级估计，与实际测量的源级数据进行对比分析，从而评估该方法在实际应用中的性能表现，为其进一步推广和应用提供可靠的实验依据。在实验准备阶段，对实验设备进行了精心挑选和调试。选用的单水听器型号为HTI-96-MIN，该水听器具有高灵敏度和宽频带响应的特点，其灵敏度可达-165dBre1V/μPa，频率响应范围为0.1Hz-20kHz，能够准确地接收浅海环境中的航船辐射噪声信号。为了确保数据采集的准确性和稳定性，对水听器进行了校准，通过标准声源产生已知声压级的信号，对水听器的灵敏度和频率响应进行校准，使其测量误差控制在±1dB以内。数据采集系统采用了NIPXIe-4499采集卡，该采集卡具有高精度和高速采集的能力，采样率最高可达102.4kS/s，分辨率为24位，能够满足对航船辐射噪声信号的采集需求。对采集系统进行了严格的测试，确保其能够稳定地工作，数据传输准确无误。同时，为了获取准确的源级数据作为对比参考，采用了多水听器阵列测量系统作为参考设备。该系统由4个水听器组成，呈正方形分布，边长为10米，通过测量不同水听器接收到的信号之间的相位差和幅度差，利用三角测量原理计算出航船辐射噪声的源级，其测量精度可达±2dB。在实验前，对多水听器阵列测量系统进行了校准和调试，确保其测量的准确性。5.1.2实验海域选择与布置实验海域选择在某浅海区域，该区域的海水深度为30-50米，海底地形较为平坦，主要为砂质海底，声速分布较为稳定，在1500-1520米/秒之间。该海域的环境噪声水平相对较低，风浪噪声在海况3级时，谱级在100-110分贝之间，频率范围为10-800赫兹；生物噪声谱级在80-90分贝之间，频率范围为500-4000