Funkcja autokorelacji w analizie szerokopasmowych sygnałów krótkookresowych

Artykuł dotyczy analizy krótkookresowych sygnałów szerokopa-smowych, będących przejawem aktywności obiektów w środowisku podwodnym. Zaproponowany sposób detekcji sygnałów nie wymaga przyjęcia założeń o gaussowskim rozkładzie szumów środowiska pomiarowego. Jego istotą jest analiza ciągów próbek wartości chwilowej sygnału pomiarowego za pomocą falki Malvara, usunięcie redundantnych współczynników przekształcenia falkowego a następnie badanie charakteru zmienności funkcji autokorelacji współczynników falkowych.

The problem of transient hydroacoustic signals detection has been considered. The presented method of transient detection differs from the methods discussed in literature, where gaussian probability distribution is usually assigned. The proposed procedure does not need any assumptions about probability distribution of ambient noise. This is very important, because the probability distribution of ambient noise in underwater environments is not gaussian, especially in coastal range. The presented method combines two powerful detection tools: the wavelet analysis and the analysis of the autocorrelation function curvature. The proposed algorithm uses the Malvar wavelet transformation and the procedure of signal denoising in wavelet coefficients space. The procedure of transient detection has been based on the properties of the autocorrelation function, which slowly goes to zero for noise with oscillatory ingredients and very quickly approaches zero for noise signals. The performance of the presented method has been illustrated on example of three real transient signals caused by air bubbles accompanying object activities in an underwater environment.