Page 54 - 《应用声学》2020年第5期

696 2020 年 9 月

2.0 现在该时段，结合该海域海冰密集度信息分析其成
1.9
因。其中，海冰密集度数据采用的Nisbus-7/SMMR，
1.8
DMSP/SSM/I海冰密集度数据，由NISDC提供，数
1.7
1.6 0~30 Hz 据分辨率为25 km。以噪声数据获取位置为中心，经
α ͥᝠϙ 1.5 纬度10 × 10 范围为研究海域，得到海冰密集度如
◦
◦
30~100 Hz
1.4
图 6 所示，白色为选取研究区域；表 3 为研究区域各
1.3
100~500 Hz 月平均海冰密集度结果。
1.2
1.1 可以发现，2017 年 10 月该海域开始进入结冰
10 థ 11 థ 12 థ 1థ 2థ
1.0 期，海洋环境噪声有风成、浪成噪声、浮冰碰撞、冰
0 20 40 60 80 100 120 140 160
ನవ஝᧚ 脊形成及生物发声所产生的噪声叠加而成，因此具
有较多的脉冲干扰。而2018年1月该海域进入冰封
图 5 不同频段下 α 值随样本变化情况
期，浮冰碰撞减少，脉冲干扰主要来自于冰脊形成所
Fig. 5 Variation of alpha values with sample at
different frequency bands 带来的噪声，因此环境噪声高斯性增强。这很好地
解释了参数 α 较小值在前期出现频率较高、后期出
可以发现，不同频段的噪声统计特性不同。其 现频率较低的原因，同时也说明100 Hz 以上的脉冲
中，0 ∼ 30 Hz 与 30 ∼ 100 Hz 频段的 α 值接近，说 干扰主要来自于风成、浪成噪声。

明其噪声具有近似的分布特性，且与 100 ∼ 500 Hz
对比存在较大差异。由此可见，海洋环境噪声的脉 表 3 各月平均海冰密集度
冲干扰可以 100 Hz 进行划分，其结果与 Dyer 的结 Table 3 Mean ice concentration per month
果相符。
2017 年 10 月 2017 年 11 月 2017 年 12 月 2018 年 1 月 2018 年 2 月
针对 α 值统计分析中其较小值在前 3 个月出现
频率较高，并且 100 Hz 的脉冲干扰界限也主要出 0.0587 0.2592 0.7718 0.9577 0.9513

0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
ࣱک๒тࠛᬷए/% ࣱک๒тࠛᬷए/% ࣱک๒тࠛᬷए/%
(a) 2017ࣲ10థ (b) 2017ࣲ11థ (c) 2017ࣲ12థ

0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100
ࣱک๒тࠛᬷए/% ࣱک๒тࠛᬷए/%
(d) 2018ࣲ1థ (e) 2018ࣲ2థ
图 6 各月平均海冰密集度
Fig. 6 Mean ice concentration per month