为了删除网络内的离群点，提升辐射干扰信号检测性能，设计了面向大数据网络的舰船辐射干扰信号检测方法。选取软硬结合的划分策略分割舰船网络中的信号集，通过并行处理方式检测信号集内各元素的离群度并删除离群点；采用Hilbert变换方法与小波包方法结合，通过包络解调方式提取完成预处理的舰船辐射干扰信号特征；将所提取的舰船辐射干扰信号特征，利用自组织特征映射神经网络检测舰船辐射干扰信号。实验结果表明，该方法可以有效检测面向网络的不同类型舰船辐射干扰信号，具有较高的可行性。
Research on the detection method of ship radiated interference signal for big data network, delete outliers in the big data network, and improve the performance of radiated interference signal detection. Select a combination of software and hardware to divide the signal set in the ship's big data network, and use parallel processing to detect and delete outliers based on the outliers of each element in the signal set. The Hilbert transform method and wavelet packet method are combined, and the pre-processed ship radiated interference signal characteristics are extracted through envelope demodulation; the extracted ship radiated interference signal characteristics are used by self-organization. Feature mapping neural network detects interference signals radiated by ships. Experimental results show that this method can effectively detect the interference signals radiated by different types of ships facing big data networks, and it has high feasibility.
2022,44(3): 147-150 收稿日期：2021-10-12
DOI：10.3404/j.issn.1672-7649.2022.03.029
分类号：TN913
基金项目：青岛市源头创新计划应用基础研究项目(18-2-2-41-jch)
作者简介：周雪芳(1985-)，女，硕士，副教授，研究方向为大数据技术应用及过程挖掘
参考文献：
[1] 徐千驰, 王彪. 基于小波包分析和深度学习的舰船辐射噪声识别[J]. 船舶工程, 2021, 43(5): 29–34+43
[2] 孙艺聪, 田润澜, 王晓峰, 等. 基于改进CLDNN的辐射源信号识别[J]. 系统工程与电子技术, 2021, 43(1): 42–47
[3] 梁喆, 侯朋, 夏春艳, 等. 融合时频域特征的舰船识别方法及实验研究[J]. 声学技术, 2021, 40(5): 607–613
[4] 张凡, 李良才, 汤涛, 等. 基于大数据的船舶动力装置全寿期综合保障系统设计[J]. 中国舰船研究, 2020, 15(S1): 92–97
[5] 周春辉, 黄弘逊, 周玲, 等. 基于大数据的内河船舶主机功率估算方法[J]. 大连海事大学学报, 2019, 45(2): 44–49
[6] 曲凌志, 杨俊安, 刘辉, 等. 一种基于复数残差网络的通信辐射源个体识别方法[J]. 信号处理, 2021, 37(1): 95–103
[7] 李楠, 杨阳. 未知参数的舰船辐射噪声线谱Duffing振子检测方法[J]. 船舶力学, 2020, 24(2): 261–270
[8] 李清, 杨德庆, 于汉. 考虑自由液面波形的舰船水下辐射噪声计算方法[J]. 船舶力学, 2019, 23(11): 1394–1403
[9] 周烨, 温玮, 范赵鹏, 等. 基于听觉特性的舰船辐射噪声信号仿真[J]. 应用声学, 2020, 39(3): 395–401
[10] 倪俊帅, 赵梅, 胡长青. 基于深度学习的舰船辐射噪声多特征融合分类[J]. 声学技术, 2020, 39(03): 366–371
[11] 王检, 张邦宁, 魏国峰, 等. 基于Welch功率谱和卷积神经网络的通信辐射源个体识别[J]. 电讯技术, 2021, 61(10): 1197–1204
