基于时频纹理流动结构的空间微弱声辨识

Accurate dynamic load test data is a prerequisite of the dynamic strength design for high-speed aircraft. The aerodynamic noise testing data between 125 dB ~ 155 dB cannot be directly used as dynamic load, due to it near the sound pressure level(SPL) of high-speed wind tunnel background noise. According to the design specifications of the aircraft, structural dynamic strength analysis and acoustic fatigue testing must be carried out, while the total SPL is more than 140dB. A new approach is proposed to identify the spatial weak sound signals based on flow structure of time-frequency texture(FSTFT):① To reveal the impact of the frequency cohesion and dispersion parameters on the accuracy of sound signal representation based on FSTFT, by using the coupling relationship between the intrinsic parameters of the sound signal and its (multi-)span scale FSTFT, and the optimal characterization method of sound signal is established.②To reveal the differences of the intrinsic parameters in time/frequency/space domain, by computing FSTFTs correlation of sound signals from spatially distributed sensors, and the methods to enhance and extract the FSTFT of weak signal are established, to reconstruct the weak signals by FSTFT. ③Evaluating and improving the approaches presented in this project through experiments. New ideas and new way of spatial time-varying weak signals processing are explored.

准确的动载荷测试数据是开展高速飞行器结构动强度设计的前提，对于125dB～155dB间的高速气动噪声风洞测试数据，因与我国高速风洞背景噪声的声压级相近，不能将其直接作为动载荷使用。而按照飞行器设计规范，当总声压级大于140dB时必须进行结构动强度分析和声疲劳试验。为此，提出基于时频纹理流动结构的空间微弱声辨识新方法：①从声信号本征参数与其时频纹理的多/跨尺度流动结构间的耦合关系上，揭示时频凝聚性与频散特性参数对基于时频纹理流动结构的声信号表征精度的影响规律，建立时频纹理流动结构的声信号最优表征方法；②通过研究空间分布声测点信号的时频纹理流动结构的关联关系，揭示噪声与信号在时/频/空等多域上本征参数的差异，建立微弱信号的时频纹理流动结构的强化和提取方法，基于时频纹理流动结构实现微弱声重建，探索空间微弱信号辨识新途径；③实验评价和完善所建立的方法。探索空间分布时变微弱信号处理的新观念、新方法。

准确的动载荷测试数据是开展高速飞行器结构动强度设计的前提，而武器内埋舱的大尺度空腔构型，在高速试验条件下，弹舱绕流不可避免的会出现波/涡/剪切层干扰等复杂流动现象，导致成熟的信号处理方法难从中有效提取微弱动载荷信息。因此，本项目针对复杂（如高速气动噪声风洞试验、复杂战场等）环境，研究了时变微弱声（动载荷）辨识算法及其应用，主要成果包括：（1）针对半密闭空间（弹舱）高速流动诱发的气动噪声信号在三维空间上具有强烈的时变特性，设计了一种基于试验模型表面的荧光油膜显示高速流动结构路径的可视化测量方法，通过获得相邻时序荧光流动结构帧间背景纹理的映射矩阵，并结合光流法，分析高速流动与动载荷时频纹理的多/跨尺度流动结构特征的关联关系，利用表面摩擦力线可视化反映流动结构与动载荷时频纹理的时变特性；（2）在空间微弱信号特征表征方面：借鉴新兴的随机共振信号分析理论，研究了由乘法和加性噪声驱动的具有分数导数的非线性系统的随机共振现象，发现了SNR随其他系统参数的变化呈非单调变化，以及二分噪声与阶跃信号（模拟弹舱开闭）幅度曲线上观察到的SR现象；（3）针对动载荷时频纹理受噪声影响较大、结构化特征不明显、不利于目标辨识等问题，利用深度学习模型进行目标增强和背景噪声抑制，提出了端到端细节保留的DRCNN，抑制噪声纹理同时关注目标图像高频部分内容的完整性，达到微弱载荷时频纹理结构强化的目的；（4）在微弱目标检测与辨识研究方面，将快速精准的目标检测模型MobileNet-SSD(MS)和快速跟踪模型核相关滤波(KCF)结合，提出一种自动检测-跟踪-检测(DTD)模式，该方法已在大幅度变化自然图像序列的目标检测实验中验证，即使待检目标大幅度变化、严重遮挡等情况，该算法仍能快速稳定的检测与跟踪目标。本项目研究成果对微弱信号处理领域（如高速风洞弹舱动载荷辨识）的复杂流动结构显示、待检目标结构特征表征和微弱目标辨识等具有重要的理论意义和实际应用价值。