Page 6 - 《应用声学》2024年第1期

2 2024 年 1 月

VMD to obtain the intrinsic mode function (IMF) of each order, judge, remove the dominant component of
noise, and retain the dominant component of signal, so that the reconstructed ship noise signal can significantly
suppress the interference noise. Then the target noise modulation characteristic line spectrum is obtained
by spectral analysis of the reconstructed signal after noise reduction. The theoretical analysis, simulation
and experimental data processing results show that compared with the traditional DEMON spectral analysis
method, the GA-VMD based ship noise feature line spectrum extraction method has better noise suppression
ability, and the obtained ship noise amplitude modulation feature line spectrum SNR is significantly higher
than the traditional DEMON method, which has certain advantages and good prospects.
Keywords: Ship radiation noise; Genetic algorithm; Variable mode decomposition; Feature extraction

将模态分解问题转化为约束变分问题求解，解决了
0 引言
EMD方法存在的不足。VMD可以将不同结构特征
的信号进行自适应分解，当区分信号主导和噪声主
舰船辐射噪声的检测是被动声呐系统获取目
导分量后，可剔除干扰噪声主导分量，在信号降噪方
标参数的重要手段，也是水下目标识别和分类的重
面具有良好的应用前景。但 VMD 受多个输入参数
点研究内容。舰船辐射噪声主要包含机械噪声、螺
(如分解模态个数 K 以及惩罚参数 α) 的影响，许多
旋桨噪声以及水动力噪声，其频谱表现为宽带连续
学者研究了参数优化的方法。文献[11–13]利用代价
谱和线谱的叠加 [1−2] 。其中，舰船螺旋桨宽带噪声
函数对 K 值进行优化后进行线谱提取。文献 [14]计
幅度被周期性的调制，是特征线谱的主要组成成分，
算了 K 取不同值时固有模态分量 (Intrinsic mode
反映了舰船的轴频、叶频等信息。一方面，对特征线
function, IMF) 的峭度值，选取最大峭度值对应的
谱的准确提取可以进一步推算出舰船的速度，判断
K 值为最优模态分解层数。文献[15] 计算了不同K
其类型，对目标识别和分类具有重要意义；另一方
值下施密特分解对应的残差能量，选取最小残差能
面，随着舰船减振降噪技术的发展，目标舰船辐射噪
量对应的K 值为最优模态分解层数。但上述方法只
声强度不断下降，被动声呐探测宽带连续谱的难度
对一个参数进行了优化，忽视了两个或多个输入参
越来越大，因此，目标辐射噪声特征线谱的提取显得
数之间的相互作用。
格外重要。
为了避免随意确定输入参数给 VMD 带来误
目前，工程上提取目标噪声调制特征线谱通常
差，能够从舰船辐射噪声中准确提取包含目标丰
采用传统的DEMON(Detection of envelope modu-
富信息的特征线谱分量，本文提出基于遗传算法
lation on noise) 谱分析 [3] ，通过宽带噪声进行处理
(Genetic algorithm, GA) 优化 VMD 的信号降噪方
来提取轴频及其谐波分量在内的低频线谱。文献 [4]
法，结合频谱分析提取舰船辐射噪声特征线谱。采
结合周期图谱法和 DEMON 谱分析，通过分离特征
用 GA 优化 VMD 的输入参数，在保证原始信号信
线谱与连续谱，对舰船辐射噪声线谱进行了检测
息不缺失的条件下，使优化朝着输出 SNR 最高的
分析。文献 [5] 通过分频段计算信息熵将 DEMON
方向进行，最大程度抑制噪声干扰。对 GA-VMD
谱频段融合，提高了 DEMON 谱信噪比 (Signal to
降噪后信号进行频谱分析，提取舰船辐射噪声中的
noise ratio, SNR)。文献[6]采用经验模态分解(Em-
特征线谱。文中将通过仿真实验对比两种 SNR 下，
pirical mode decomposition, EMD) 方法分解舰船
GA-VMD 方法与传统 DEMON 谱分析方法抑制噪
辐射噪声后进行谱分析，提高了特征线谱 SNR，但
声干扰的能力和特征线谱提取效果，并将依据实验
EMD 方法存在模态混叠、端点效应等问题，显著影
数据分析验证所提方法的有效性。
[7]
响重构信号的性能。集合经验模态分解(EEMD) 、
互补集合经验模态分解 (CEEMD) 、自适应噪声
[8]
1 信号模型
完备集合经验模态分解 (CEEMDAN) [9] 等方法均
对EMD进行了改进，但EMD 存在的固有缺陷并没 舰船辐射噪声中特征线谱富含舰船轴频、叶频
有得到根本上的解决。文献 [10] 提出了变分模态分 以及它们的谐频信息。本文将海洋中观测到的舰船
解 (Variational mode decomposition, VMD) 理论， 辐射噪声信号模型s(t)表示为乘性舰船噪声 a(t) 与