基于小波模极大值能量的船舶轴频电场检测

贾亦卓; 姜润翔; 龚沈光

doi:10.3969/j.iss.0372-2012-2014.03.026

您当前的位置：

首页 >

文章列表页 >

基于小波模极大值能量的船舶轴频电场检测

科研通信 | 更新时间：2025-07-16

- 基于小波模极大值能量的船舶轴频电场检测
- Detection of Ship Shaft-Rate Electric Field Signal Based on Wavelet Modulus Maximum Power
- 电子学报 2014年42卷第3期页码：592-596
- 作者机构：
  
  海军工程大学兵器工程系,湖北,武汉,430033
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.51109215）
- DOI：10.3969/j.iss.0372-2012-2014.03.026
  中图分类号： TP274
- 纸质出版：2014
- 稿件说明：
移动端阅览
贾亦卓, 姜润翔, 龚沈光. 基于小波模极大值能量的船舶轴频电场检测[J]. 电子学报, 2014,42(3):592-596.

JIA Yi-zhuo, JIANG Run-xiang, GONG Shen-guang. Detection of Ship Shaft-Rate Electric Field Signal Based on Wavelet Modulus Maximum Power[J]. Acta Electronica Sinica, 2014, 42(3): 592-596.
贾亦卓, 姜润翔, 龚沈光. 基于小波模极大值能量的船舶轴频电场检测[J]. 电子学报, 2014,42(3):592-596. DOI： 10.3969/j.iss.0372-2012-2014.03.026.

JIA Yi-zhuo, JIANG Run-xiang, GONG Shen-guang. Detection of Ship Shaft-Rate Electric Field Signal Based on Wavelet Modulus Maximum Power[J]. Acta Electronica Sinica, 2014, 42(3): 592-596. DOI： 10.3969/j.iss.0372-2012-2014.03.026.

摘要

为了有效地从海洋环境电场背景中检测微弱的船舶轴频电场信号，对轴频信号小波模极大值的尺度分布特性进行了分析，在得出轴频观测信号中噪声模极大值的幅度和分布稠度均随尺度增大而减小的结论的基础上，通过提取最大分解尺度的模极大值能量作为特征值，利用滑动检测方法对目标进行检测，并且避免了小波模极大值的重构过程，因而计算量小，检测速度较快.最后，分别使用实测数据和仿真数据对该算法进行了验证，结果表明此算法在低信噪比情况下具有较好的检测效果，当SNR为-10.8dB时仍然具有79%的检测率.

Abstract

In order to effectively detect ship shaft-rate(SR) electric signal

the wavelet modulus maximum's scale-distribution characteristics of the measured SR electric signal is analyzed.Based on the analysis result that the intensity and distribution density of noise's wavelet modulus maximum decreases along the scale

a detecting algorithm was proposed to extract the modulus maximum power in the highest scale as feature value to detect the target glidingly.As the wavelet reconstruction is avoided in the de-noising process using wavelet modulus

the detecting algorithm proposed can be easily achieved by hardware.In the end

the effectiveness of the proposed method is verified both using measured data and simulated data

and simultaneity compared with the detecting algorithm based on wavelet packet entropy.The verified result shows that the detecting algorithm provides a better detecting performance

and it can keep detection rate of 79% when the SNR is -10.8dB.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种p2p Botnet在线检测方法研究

基于加速度信号的走路模式多级分类算法

一种快速有效的视频镜头边界检测方法