JPH0345776B2 - - Google Patents
Info
- Publication number
- JPH0345776B2 JPH0345776B2 JP58194230A JP19423083A JPH0345776B2 JP H0345776 B2 JPH0345776 B2 JP H0345776B2 JP 58194230 A JP58194230 A JP 58194230A JP 19423083 A JP19423083 A JP 19423083A JP H0345776 B2 JPH0345776 B2 JP H0345776B2
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- sound
- pitch
- power spectrum
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
- 238000001228 spectrum Methods 0.000 claims abstract description 81
- 239000011295 pitch Substances 0.000 claims abstract description 41
- 239000000284 extract Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000004880 explosion Methods 0.000 abstract description 6
- 238000012806 monitoring device Methods 0.000 abstract description 3
- 230000005236 sound signal Effects 0.000 abstract description 2
- 239000012530 fluid Substances 0.000 abstract 1
- 238000000034 method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241001480010 Cestrum Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H13/00—Measuring resonant frequency
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Examining Or Testing Airtightness (AREA)
Description
【発明の詳細な説明】
〔発明の利用分野〕
本発明は海洋を航走中の船舶の放射する音を受
波し、信号処理して特徴を抽出する信号分析装置
に関するものである。
波し、信号処理して特徴を抽出する信号分析装置
に関するものである。
船舶の放射雑音源はデイーゼルエンジン等の機
械雑音、推進器のプロペラ雑音、船体の流体力学
的雑音に分けられる。これらの中で、プロペラ雑
音については、特開昭54−9967号公報にプロペラ
枚数等の情報が得られることが記述されている。
械雑音、推進器のプロペラ雑音、船体の流体力学
的雑音に分けられる。これらの中で、プロペラ雑
音については、特開昭54−9967号公報にプロペラ
枚数等の情報が得られることが記述されている。
従来、航走雑音の分析において、そのスペクト
ル包絡を線形予測法で推定した例がある（特開昭
51−112377号公報、実願昭54−076505号（実開昭
55−177625号）参照）。前者は、雑音改善のため
に、短時間自己相関関数を累加してから線形予測
分析するのが特徴である。後者の実用新案は、雑
音除去のため、隣接ピツチ自己相関係数（雑音の
存在しないピツチ付近の相関係数）を用いて線形
予測分析することが特徴である。
ル包絡を線形予測法で推定した例がある（特開昭
51−112377号公報、実願昭54−076505号（実開昭
55−177625号）参照）。前者は、雑音改善のため
に、短時間自己相関関数を累加してから線形予測
分析するのが特徴である。後者の実用新案は、雑
音除去のため、隣接ピツチ自己相関係数（雑音の
存在しないピツチ付近の相関係数）を用いて線形
予測分析することが特徴である。
しかし、航走音において、補機音、たとえば送
風機、発電機、電源等の強い音の成分が存在する
場合、前記２方法はこういつた補機音などに無対
策のため、予測スペクトルは補機音に強く影響さ
れ、エンジンの爆発音による船体共振スペクトル
を抽出することはできない。
風機、発電機、電源等の強い音の成分が存在する
場合、前記２方法はこういつた補機音などに無対
策のため、予測スペクトルは補機音に強く影響さ
れ、エンジンの爆発音による船体共振スペクトル
を抽出することはできない。
本発明の目的は、上記欠点を改良することにあ
る。
る。
この目的を達成するため、本発明では、エンジ
ンの爆発音による船体共振スペクトルを推定する
際に、観測された船舶航走音のパワースペクトル
のピツチを抽出する手段、そのピツチの間隔で並
ぶスペクトル成分を抽出する手段、ピツチ変動が
生じない範囲内でスペクトルを累加する手段、及
びスペクトル中の設定された周波数範囲内の突出
したラインスペクトルを除去する手段を介して特
定船舶の船体共鳴スペクトルのみを正確に得る点
に特徴がある。特徴パラメータとしては、
PARCOR係数を用いる。PARCOR係数から線形
予測係数が得られ船体の共振周波数、3dB帯域幅
が得られる。
ンの爆発音による船体共振スペクトルを推定する
際に、観測された船舶航走音のパワースペクトル
のピツチを抽出する手段、そのピツチの間隔で並
ぶスペクトル成分を抽出する手段、ピツチ変動が
生じない範囲内でスペクトルを累加する手段、及
びスペクトル中の設定された周波数範囲内の突出
したラインスペクトルを除去する手段を介して特
定船舶の船体共鳴スペクトルのみを正確に得る点
に特徴がある。特徴パラメータとしては、
PARCOR係数を用いる。PARCOR係数から線形
予測係数が得られ船体の共振周波数、3dB帯域幅
が得られる。
まず、本発明の原理を説明する。推進の動力源
としてデイーゼルエンジンを用いている船舶にた
いしてはすべてこの原理があてはまる。近年、騒
音対策上、エンジンを支持する防振台に工夫を
し、改善をしているが、依然、振動騒音は存在す
る。その中でデイーゼルエンジンのシリンダ内で
の爆発による周期的振動がある。その周期はシリ
ンダ点火周期と呼ばれている。その周期をPt
（sec）とすると、シリンダ火周波数は１／Pt〔Hz〕
である。この周期音源をＰ（ｔ）、船体がその周期
音源ｐ（ｔ）によつて駆動されたとし、船体のイ
ンパルスレスポンスをｖ（ｔ）とすると、我々が
観察する信号ｇ（ｔ）は、 ｇ（ｔ）＝∫t 0ｐ（τ）ｖ（ｔ−τ）dr (1) で与えられる。ｇ（ｔ），ｐ（ｔ）、及びｖ（ｔ）の
フーリエ変換をそれぞれＧ（ｆ），Ｐ(f)及びＶ(f)と
すると Ｇ(f)＝Ｐ(f)・Ｖ(f) (2) (2)式をスペクトル中に、代表的な２種類の補機
音Ａ、補機音Ｂが重畳したとする。それらの補機
音をＨ(f)とすれば、式(2)は Ｇ(f)＝Ｐ(f)Ｖ(f)＋Ｈ(f) (3) 補機音の具体例を第１図ａに示した。第１図ａ
を簡単に説明すると、破線はエンジンの爆発にと
もなう基本波（ピツチ）とその高調波成分であ
り、その破線の頂上を連ねたのは船体共振スペク
トル包絡Ｌである。このスペクトル中に、補機音
Ａ、補機音Ｂが存在する。この中で補機音Ａには
基本周波数以外にその高調周波数（A1′，A2′，
A3′，……）が存在する。また補機音Ａはシリン
ダ点火周波数およびその高調波スペクトルと重な
る場合、すなわち補機音Ａの周波数A（Hz）がシ
リンダ点火周波数の整数倍の関係にある場合とそ
うでない場合がある。一方補機音Ｂの周波数B
（Hz）はシリンダ点火周期とは無関係で、船速に
応じて、速度の上昇に従つて高周波数側に移動
し、ゆれ動く性質を持つ。ただし、船種によつて
シリンダ点火周期、補機音の周波数、音圧レベル
は異なる。これら補機音の音圧レベルが船体共振
スペクトル包絡レベルの下に隠れ、船体スペクト
ル包絡中に重ならない（基本周波数成分の整数倍
にない）ときは線形予測によるスペクトル推定に
際して問題にはならない。上記に説明した(3)式に
おける補機音を抽出し除去するために本発明では
第２図に示した方法を用いる。すなわちパワース
ペクトル中で任意に周波数範囲を設定し、その範
囲で振幅レベルの最大値である補機音をみつけ抽
出し、除去する。第２図中、山のうねりは補機音
の存在する付近のスペクトル特性を表わしてい
る。以下さらに詳しく説明する。
としてデイーゼルエンジンを用いている船舶にた
いしてはすべてこの原理があてはまる。近年、騒
音対策上、エンジンを支持する防振台に工夫を
し、改善をしているが、依然、振動騒音は存在す
る。その中でデイーゼルエンジンのシリンダ内で
の爆発による周期的振動がある。その周期はシリ
ンダ点火周期と呼ばれている。その周期をPt
（sec）とすると、シリンダ火周波数は１／Pt〔Hz〕
である。この周期音源をＰ（ｔ）、船体がその周期
音源ｐ（ｔ）によつて駆動されたとし、船体のイ
ンパルスレスポンスをｖ（ｔ）とすると、我々が
観察する信号ｇ（ｔ）は、 ｇ（ｔ）＝∫t 0ｐ（τ）ｖ（ｔ−τ）dr (1) で与えられる。ｇ（ｔ），ｐ（ｔ）、及びｖ（ｔ）の
フーリエ変換をそれぞれＧ（ｆ），Ｐ(f)及びＶ(f)と
すると Ｇ(f)＝Ｐ(f)・Ｖ(f) (2) (2)式をスペクトル中に、代表的な２種類の補機
音Ａ、補機音Ｂが重畳したとする。それらの補機
音をＨ(f)とすれば、式(2)は Ｇ(f)＝Ｐ(f)Ｖ(f)＋Ｈ(f) (3) 補機音の具体例を第１図ａに示した。第１図ａ
を簡単に説明すると、破線はエンジンの爆発にと
もなう基本波（ピツチ）とその高調波成分であ
り、その破線の頂上を連ねたのは船体共振スペク
トル包絡Ｌである。このスペクトル中に、補機音
Ａ、補機音Ｂが存在する。この中で補機音Ａには
基本周波数以外にその高調周波数（A1′，A2′，
A3′，……）が存在する。また補機音Ａはシリン
ダ点火周波数およびその高調波スペクトルと重な
る場合、すなわち補機音Ａの周波数A（Hz）がシ
リンダ点火周波数の整数倍の関係にある場合とそ
うでない場合がある。一方補機音Ｂの周波数B
（Hz）はシリンダ点火周期とは無関係で、船速に
応じて、速度の上昇に従つて高周波数側に移動
し、ゆれ動く性質を持つ。ただし、船種によつて
シリンダ点火周期、補機音の周波数、音圧レベル
は異なる。これら補機音の音圧レベルが船体共振
スペクトル包絡レベルの下に隠れ、船体スペクト
ル包絡中に重ならない（基本周波数成分の整数倍
にない）ときは線形予測によるスペクトル推定に
際して問題にはならない。上記に説明した(3)式に
おける補機音を抽出し除去するために本発明では
第２図に示した方法を用いる。すなわちパワース
ペクトル中で任意に周波数範囲を設定し、その範
囲で振幅レベルの最大値である補機音をみつけ抽
出し、除去する。第２図中、山のうねりは補機音
の存在する付近のスペクトル特性を表わしてい
る。以下さらに詳しく説明する。
(1) 第２図ａにおいてあらかじめ設定した範囲
Ａ，Ｂ点間で最大値を探しその位置をＥ点とす
る。
Ａ，Ｂ点間で最大値を探しその位置をＥ点とす
る。
(2) Ｅ点を中心にして周波数の高くなるＢ点の方
向に隣りあう、極大値をとつてそれらの極大値
の差の値が所定値δ（dB）（0.5〜3dB程度）よ
り大であれば、極大値の間にある極小点をＤと
する (3) つぎにＥ点からＡ点の方向（周波数の低くな
る方向）へも同様にして、極小点Ｃをみつけ
る。
向に隣りあう、極大値をとつてそれらの極大値
の差の値が所定値δ（dB）（0.5〜3dB程度）よ
り大であれば、極大値の間にある極小点をＤと
する (3) つぎにＥ点からＡ点の方向（周波数の低くな
る方向）へも同様にして、極小点Ｃをみつけ
る。
(4) もし両方の場合とも上記条件をみたす極小点
Ｃ，ＤがなければＡ，Ｂ間には突出したライン
スペクトル、つまり補機音なしと判定する。
Ｃ，ＤがなければＡ，Ｂ間には突出したライン
スペクトル、つまり補機音なしと判定する。
(5) Ｃ，Ｄ点を第２図ｂの如く直線で結ぶ演算に
より機機音を除去する。
より機機音を除去する。
(6) この演算を補機音の個数に応じて行う。補機
音Ａの場合、高調波も存在するから、探索する
範囲もその個数だけ設定し除去を行う。
音Ａの場合、高調波も存在するから、探索する
範囲もその個数だけ設定し除去を行う。
以上の演算操作により補機音の除去されたスペ
クトルから、船体共振スペクトル包絡の抽出を行
う。このとき第１図ｂのような振幅特性をもつた
コームフイルタを用いる。（鈴木他２；デイジタ
ルフイルタリングによる雑音の抽出、信学技報
EA76−57 P43）この際ピツチ周波数が必要であ
るが、既出の特願昭56−88151号（特開昭57−
204093号）によれば、適切な分析窓長、パワース
ペクトルの累加数が決まり、容易に得られる。第
３図に示したコームフイルタを利用すれば、出力
端子３００２からは、エンジンによる船体共振ス
ペクトル（ピツチ周波数の基本波ならびにその高
調波スペクトルによるスペクトル包絡特性）が得
られる。第３図において入力端子３００１から入
力された音響信号よりパワースペクトル演算器３
０１でパワースペクトルが計算され、その結果か
らコームフイルタ３０２で上記共振スペクトルが
計算される。パワースペクトルと共振スペクトル
との差が加算器３０３で計算され出力端子３００
３から出力される。船舶（デイーゼル船）が複数
存在する場合、第４図に示したようにピツチのピ
ークが船舶数分（T1，T2，T3）存在するから、
抽出したピツチ周波数の大きい順に、コームフイ
ルタにかけ船体共振スペクトルを得る。この方法
によれば、複数船舶が存在しピツチ周波数が互い
に整数倍の関係にある際、スペクトル中で倍周波
数ごとにスペクトル成分の欠損があるけれども、
この悪影響を小さくすることができる。すなわ
ち、ピツチ周波数の小さい船舶のスペクトル包絡
の欠損はピツチ周波数の大きい船舶のスペクトル
包絡の欠損より少なくなるからである。従つて、
ピツチ周波数が互いに整数倍の関係にない場合は
何ら問題ないことは言うまでもない。
クトルから、船体共振スペクトル包絡の抽出を行
う。このとき第１図ｂのような振幅特性をもつた
コームフイルタを用いる。（鈴木他２；デイジタ
ルフイルタリングによる雑音の抽出、信学技報
EA76−57 P43）この際ピツチ周波数が必要であ
るが、既出の特願昭56−88151号（特開昭57−
204093号）によれば、適切な分析窓長、パワース
ペクトルの累加数が決まり、容易に得られる。第
３図に示したコームフイルタを利用すれば、出力
端子３００２からは、エンジンによる船体共振ス
ペクトル（ピツチ周波数の基本波ならびにその高
調波スペクトルによるスペクトル包絡特性）が得
られる。第３図において入力端子３００１から入
力された音響信号よりパワースペクトル演算器３
０１でパワースペクトルが計算され、その結果か
らコームフイルタ３０２で上記共振スペクトルが
計算される。パワースペクトルと共振スペクトル
との差が加算器３０３で計算され出力端子３００
３から出力される。船舶（デイーゼル船）が複数
存在する場合、第４図に示したようにピツチのピ
ークが船舶数分（T1，T2，T3）存在するから、
抽出したピツチ周波数の大きい順に、コームフイ
ルタにかけ船体共振スペクトルを得る。この方法
によれば、複数船舶が存在しピツチ周波数が互い
に整数倍の関係にある際、スペクトル中で倍周波
数ごとにスペクトル成分の欠損があるけれども、
この悪影響を小さくすることができる。すなわ
ち、ピツチ周波数の小さい船舶のスペクトル包絡
の欠損はピツチ周波数の大きい船舶のスペクトル
包絡の欠損より少なくなるからである。従つて、
ピツチ周波数が互いに整数倍の関係にない場合は
何ら問題ないことは言うまでもない。
一方、出力端子３００３からは前記でとり除い
た以外の補機音やピツチの高調波にのらない未知
の補機音あるいは他の船舶（タービン船等）の航
走音スペクトルが得られる可能性がある。
た以外の補機音やピツチの高調波にのらない未知
の補機音あるいは他の船舶（タービン船等）の航
走音スペクトルが得られる可能性がある。
上記船体共振スペクトル、航走音スペクトルを
高速フーリエ変換（FFT）すれば自己相関係数
が得られる。自己相関係数を｛ｒ（ｎ）＝ｒ（nΔ）
｜ｎ＝０，１，……｝とすれば、線形予測法にお
いて、Durbinの解法（J.Durbin：The Fitt−ing
of Time−series Models，Rev.Inst.Int.Statist.，
28−３，233／234（1960）を用いれば、以下の３
式が得られる。すなわち、 α(〓) i＝α(〓-1) i−k〓 ・α(〓-1)〓-1１ｉτ−１， α(〓)〓＝−k〓 (5) Eτ＝E〓-1（１−k2〓），E0＝ｒ（０） (6) ただし、k〓はPARCOR係数、E〓は予測残差パ
ワーである。τ＝１より始めて順次、次数を増加
してゆき、τ＝ｐのとき予測係数ai＝α(P) i（１＜ｉ
＜ｐ）が得られる。
高速フーリエ変換（FFT）すれば自己相関係数
が得られる。自己相関係数を｛ｒ（ｎ）＝ｒ（nΔ）
｜ｎ＝０，１，……｝とすれば、線形予測法にお
いて、Durbinの解法（J.Durbin：The Fitt−ing
of Time−series Models，Rev.Inst.Int.Statist.，
28−３，233／234（1960）を用いれば、以下の３
式が得られる。すなわち、 α(〓) i＝α(〓-1) i−k〓 ・α(〓-1)〓-1１ｉτ−１， α(〓)〓＝−k〓 (5) Eτ＝E〓-1（１−k2〓），E0＝ｒ（０） (6) ただし、k〓はPARCOR係数、E〓は予測残差パ
ワーである。τ＝１より始めて順次、次数を増加
してゆき、τ＝ｐのとき予測係数ai＝α(P) i（１＜ｉ
＜ｐ）が得られる。
線形予測推定スペクトルＰ（ω）は
ただし、
σ2＝ｒ（０）＋P
〓i=1
aiｒ(i) (8)
また、Ｐ（ω）における極をZi＝γi・ej〓i，ｉ＝
１，２，……ｐとおけば、共振周波数Fi，3dB帯
域増幅Biは Fi＝｜λi｜／2πΔ (9) Bi＝logγi／πΔ (10) で与えられる。
１，２，……ｐとおけば、共振周波数Fi，3dB帯
域増幅Biは Fi＝｜λi｜／2πΔ (9) Bi＝logγi／πΔ (10) で与えられる。
以下本発明による一実施例について述べる。第
５図は本発明による一実施例の構成を示すブロツ
ク図である。入力端子１０１より、航走音信号が
入力されると、標本化周波数に適した遮断周波数
の低域波器１へ入力後Ａ／Ｄ変換器２で標本化
量子化される。パワースペクトル演算部３は第５
図ｂに示した回路で演算実行される。すなわち、
入力端子３０１より入力される時系列データを、
制御装置１１の指示で決められた窓長（フレーム
長）の窓かけ器３１で切り出す。高速フーリエ変
換器３２は、窓かけ器３１の出力を、周波数分析
する。乗算器３３はそれをパワースペクトルに変
換する。つぎに、補機音除去器４はパワースペク
トル中の補機音を除去する。補機音の種類を探索
する範囲はあらかじめ制御装置１１で指示され
る。除去した補機音の周波数、振幅、補機音存在
の有無が記憶装置１０に保存される。ピツチ抽出
器５はケプストラム法のピツチ抽出方式によるも
ので、第５図ｃにその構成が示されている。すな
わち、入力端子５０１にパワースペクトルが入力
されると、対数変換器５１で対数値に変換され高
速フーリエ変換器５２に入力後、パワーケストラ
ムに変換される。ピツチ検出器５３は高ケフレン
シー部のピークで、ある域値を越えたものを複数
個検出する。このときピークを何個まで検出する
かは制御装置１１で指示がある。抽出したピツチ
は記憶装置１０に入力される。一方ピツチ監視装
置５′ではピツチ抽出器５で算出したピツチをも
とにピツチ周波数の変動を検出する。ピツチに変
化があればスペクトルの累加を打切るため制御装
置１１を通じて累加器７に指示し、加算を止め累
加パワースペクトルを平均化し記憶装置１０へ入
力する。ピツチ周波数に変化のない場合はあらか
じめ定めたフレーム数のスペクトルを累加平均す
るよう制御装置１１が働く。またピツチの存在し
ない場合も同様で、パワースペクトルは定められ
た回数累加平均される。こうして得られた安定な
パワースペクトルからコームフイルタ回路６によ
り船体共振スペクトル包絡を抽出する。（補機雑
音はすでに除去されている。）入力端子５０１へ
入力されたデータに、複数船舶の航走音がある場
合、記憶装置１０には複数個のピークが記憶され
ているから制御装置１１の指示で、４の出力から
６の出力を差し引いて得られたスペクトルを用い
て複数船舶の船体共振スペクトルが得られる。ま
た、差引いた残りのスペクトルから他の補機雑
音、他船舶のスペクトルを抽出する。
５図は本発明による一実施例の構成を示すブロツ
ク図である。入力端子１０１より、航走音信号が
入力されると、標本化周波数に適した遮断周波数
の低域波器１へ入力後Ａ／Ｄ変換器２で標本化
量子化される。パワースペクトル演算部３は第５
図ｂに示した回路で演算実行される。すなわち、
入力端子３０１より入力される時系列データを、
制御装置１１の指示で決められた窓長（フレーム
長）の窓かけ器３１で切り出す。高速フーリエ変
換器３２は、窓かけ器３１の出力を、周波数分析
する。乗算器３３はそれをパワースペクトルに変
換する。つぎに、補機音除去器４はパワースペク
トル中の補機音を除去する。補機音の種類を探索
する範囲はあらかじめ制御装置１１で指示され
る。除去した補機音の周波数、振幅、補機音存在
の有無が記憶装置１０に保存される。ピツチ抽出
器５はケプストラム法のピツチ抽出方式によるも
ので、第５図ｃにその構成が示されている。すな
わち、入力端子５０１にパワースペクトルが入力
されると、対数変換器５１で対数値に変換され高
速フーリエ変換器５２に入力後、パワーケストラ
ムに変換される。ピツチ検出器５３は高ケフレン
シー部のピークで、ある域値を越えたものを複数
個検出する。このときピークを何個まで検出する
かは制御装置１１で指示がある。抽出したピツチ
は記憶装置１０に入力される。一方ピツチ監視装
置５′ではピツチ抽出器５で算出したピツチをも
とにピツチ周波数の変動を検出する。ピツチに変
化があればスペクトルの累加を打切るため制御装
置１１を通じて累加器７に指示し、加算を止め累
加パワースペクトルを平均化し記憶装置１０へ入
力する。ピツチ周波数に変化のない場合はあらか
じめ定めたフレーム数のスペクトルを累加平均す
るよう制御装置１１が働く。またピツチの存在し
ない場合も同様で、パワースペクトルは定められ
た回数累加平均される。こうして得られた安定な
パワースペクトルからコームフイルタ回路６によ
り船体共振スペクトル包絡を抽出する。（補機雑
音はすでに除去されている。）入力端子５０１へ
入力されたデータに、複数船舶の航走音がある場
合、記憶装置１０には複数個のピークが記憶され
ているから制御装置１１の指示で、４の出力から
６の出力を差し引いて得られたスペクトルを用い
て複数船舶の船体共振スペクトルが得られる。ま
た、差引いた残りのスペクトルから他の補機雑
音、他船舶のスペクトルを抽出する。
これらパロースペクトルを自己相関器８へ入力
する。自己相関器８は累加パワースペクトルを高
速フーリエ変換することで自己相関係数を得る。
PARCOR分析装置９の回路構成が第５図ｄに示
されている。すなわち、入力端子９０１へ入力さ
れた自己相関係数をPARCOR演算器９１で
PARCOR分析し、PARCOR係数を得る。そし
て、線形予測演算器９２は制御装置１１で指示さ
れる予測次数の線形予測係数をPARCOR係数よ
り算出する。予測スペクトル演算器９３は予測ス
ペクトルを線形予測係数から算出する。共振周波
数演算器９４は線形予測係数から共振周波数と
3dB帯域幅を算出する。これらにより得られた
PARCOR係数、線形予測係数、共振周波数、
3dB帯域幅、そして船体共振スペクトルは制御装
置１１を介して記憶装置１０に保存される。表示
装置１２は入力装置１３からの指令で船体共振ス
ペクトル、ケプストラムの他、記憶装置１０に記
憶されたピツチ、補機音情報等のパラメータの結
果を目視するために使用される。記憶装置１０は
情報が満杯になれば、新しいものと交換できるパ
ツク式のものである。
する。自己相関器８は累加パワースペクトルを高
速フーリエ変換することで自己相関係数を得る。
PARCOR分析装置９の回路構成が第５図ｄに示
されている。すなわち、入力端子９０１へ入力さ
れた自己相関係数をPARCOR演算器９１で
PARCOR分析し、PARCOR係数を得る。そし
て、線形予測演算器９２は制御装置１１で指示さ
れる予測次数の線形予測係数をPARCOR係数よ
り算出する。予測スペクトル演算器９３は予測ス
ペクトルを線形予測係数から算出する。共振周波
数演算器９４は線形予測係数から共振周波数と
3dB帯域幅を算出する。これらにより得られた
PARCOR係数、線形予測係数、共振周波数、
3dB帯域幅、そして船体共振スペクトルは制御装
置１１を介して記憶装置１０に保存される。表示
装置１２は入力装置１３からの指令で船体共振ス
ペクトル、ケプストラムの他、記憶装置１０に記
憶されたピツチ、補機音情報等のパラメータの結
果を目視するために使用される。記憶装置１０は
情報が満杯になれば、新しいものと交換できるパ
ツク式のものである。
以上説明したように、本発明によれば、コーム
フイルタにより広帯域な背景雑音が除かれ、ピツ
チ監視を伴う累加により安定したスペクトルが得
られると共に、さらに補機等の強い音の成分も除
去されて特定の船舶のエンジン爆発音による船体
共鳴スペクトルが正しく得られるため、
PARCOR分析による特徴抽出が正確に行われ、
さらに複数の船舶の特徴も順次得ることが出来る
との効果が得られる。
フイルタにより広帯域な背景雑音が除かれ、ピツ
チ監視を伴う累加により安定したスペクトルが得
られると共に、さらに補機等の強い音の成分も除
去されて特定の船舶のエンジン爆発音による船体
共鳴スペクトルが正しく得られるため、
PARCOR分析による特徴抽出が正確に行われ、
さらに複数の船舶の特徴も順次得ることが出来る
との効果が得られる。
第１図ａは船舶航走音パワースペクトルの一例
を示す図、第１図ｂは周波数１／Pt〔Hz〕の振幅
特性のコームフイルタの一例を示す図、第２図は
補機音除去方法を説明する図、第３図は船体共振
スペクトルを抽出する方法を説明するブロツク
図、第４図はケプストラム分析によるピツチ抽出
を説明する図、第５図は本発明の一実施例のブロ
ツク構成図である。 ３…パワースペクトル演算器、４…補機音除去
器、５…ピツチ抽出器、５′…ピツチ監視装置、
６…コームフイルタ。
を示す図、第１図ｂは周波数１／Pt〔Hz〕の振幅
特性のコームフイルタの一例を示す図、第２図は
補機音除去方法を説明する図、第３図は船体共振
スペクトルを抽出する方法を説明するブロツク
図、第４図はケプストラム分析によるピツチ抽出
を説明する図、第５図は本発明の一実施例のブロ
ツク構成図である。 ３…パワースペクトル演算器、４…補機音除去
器、５…ピツチ抽出器、５′…ピツチ監視装置、
６…コームフイルタ。
Claims (1)
- １ 観測された船舶航走音を周波数分析してパワ
ースペクトルを得る手段を有し、該パワースペク
トルからある船舶に固有の船体共振スペクトルを
抽出してこれをPARCOR分析し、これから所望
の特徴パラメータを得る船舶航走音分析装置にお
いて、前記固有の船体共振スペクトルを抽出する
手段は、得られたパワースペクトルをケプストラ
ム分析しピツチ抽出するとともにピツチ変動を監
視する手段、前記パワースペクトル上に前記ピツ
チの間隔で並ぶ基本波スペクトルおよびその高調
波スペクトル成分を抽出するコームフイルタ、前
記パワースペクトル中の設定された周波数範囲内
の突出したラインスペクトルを検出してこれを補
機音とみなして除去する手段、およびピツチ変動
が実質的に生じていない範囲で前記パワースペク
トルを累加する手段を含んで成ることを特徴とす
る船舶航走音分析装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58194230A JPS6086429A (ja) | 1983-10-19 | 1983-10-19 | 船舶航走音分析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58194230A JPS6086429A (ja) | 1983-10-19 | 1983-10-19 | 船舶航走音分析装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6086429A JPS6086429A (ja) | 1985-05-16 |
| JPH0345776B2 true JPH0345776B2 (ja) | 1991-07-12 |
Family
ID=16321123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58194230A Granted JPS6086429A (ja) | 1983-10-19 | 1983-10-19 | 船舶航走音分析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6086429A (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0656349B2 (ja) * | 1986-09-11 | 1994-07-27 | 株式会社日立製作所 | 漏洩検出器 |
| JP2004297273A (ja) * | 2003-03-26 | 2004-10-21 | Kenwood Corp | 音声信号雑音除去装置、音声信号雑音除去方法及びプログラム |
| JP4757158B2 (ja) * | 2006-09-20 | 2011-08-24 | 富士通株式会社 | 音信号処理方法、音信号処理装置及びコンピュータプログラム |
| JP6251658B2 (ja) | 2014-09-12 | 2017-12-20 | 株式会社神戸製鋼所 | 回転機の異常検知装置、該方法および該システムならびに回転機 |
-
1983
- 1983-10-19 JP JP58194230A patent/JPS6086429A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS6086429A (ja) | 1985-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100870889B1 (ko) | 음신호 처리 방법, 음신호 처리 장치 및 기록 매체 | |
| CN103197278B (zh) | 一种基于多普勒频移变化率的舰船线谱噪声源定位方法 | |
| US9208799B2 (en) | Method and device for estimating a pattern in a signal | |
| JPH0345776B2 (ja) | ||
| JP2836271B2 (ja) | 雑音除去装置 | |
| CN114061947B (zh) | 基于稀疏时频分析的齿轮箱变转速故障诊断方法及系统 | |
| JPH0471166B2 (ja) | ||
| CN111755025A (zh) | 一种基于音频特征的状态检测方法、装置及设备 | |
| JP6964872B2 (ja) | 船舶エンジン回転数推定装置、船舶エンジン回転数推定方法および船舶エンジン回転数推定プログラム | |
| Kozaczka et al. | Identification of hydro-acoustic waves emitted from floating units during mooring tests | |
| CN110966100B (zh) | 一种燃烧振荡的监测装置及其方法 | |
| Hmida et al. | Raised cosine filter embedded in stationary wavelet packet transform for induction motor fault detection | |
| JPH04100099A (ja) | 音声検出装置 | |
| CN116295800A (zh) | 一种基于故障本征声纹特征的定向在线监测方法 | |
| JPH09210763A (ja) | 高調波ピッチ検出装置 | |
| JP2880683B2 (ja) | 雑音抑制装置 | |
| CN114757242B (zh) | 基于循环维纳滤波的直升机噪声增强方法以及检测方法 | |
| CN118362779B (zh) | 电网频率的计算方法、装置、电子设备及可读存储介质 | |
| CN116992254B (zh) | 变频电机的壳振信号的重构方法、装置、设备及存储介质 | |
| Tayachi et al. | Detection of Local Gear Tooth Defect by a multi resolution analysis: DWT and EEMD | |
| Karunakar et al. | A mobile based application for detecting fault by sound analysis in car engines using triangular window and wavelet transform | |
| Randal | The application of cepstrum analysis to machine diagnostics | |
| Hao et al. | Research on Transient Noise Analysis Method of Ship Based on AR Model | |
| JP2018207358A (ja) | 振幅変調成分の分析方法及び変調信号分析システム | |
| Xin et al. | Novel Hilbert energy spectrum based features for speech emotion recognition |