% 读取信号数据 load('X1.mat'); % 假设信号数据存储在 signal_data.mat 文件中 signal = data.X1; % 提取信号数据

您加载的是名为 `X1` 的信号数据。接下来，如果您计划对这组信号数据进行舰船轴频电场信号检测，您可以参考以下步骤：

### 滑动功率谱检测法
1. **设定参数**：
- 斜率门限 \( k \)
- 局部极大值谱宽度门限（例如10个频采间隔）
- 峰高门限比例因子 \( \beta \)
- 动态阈值的加权权重（由虚警率决定）

2. **功率谱估计**：
- 使用 Welch 法进行功率谱估计，推荐使用 Blackman 窗函数。

3. **线谱提取**：
- 经过稀疏重构，提取线谱并去除噪声线谱。

4. **特征值计算**：
- 计算检测时刻 \( i \) 前 \( Q \) 个点的功率谱估计平均值 \( T_i \)。

5. **动态阈值计算**：
- 设定初始阈值为第一个时间点的功率谱密度值。
- 使用滑动窗口计算每个新时间点的阈值，通过旧阈值和当前时间点功率谱密度的加权平均值实现。

6. **疑似目标检测**：
- 当 \( T_i \) 大于检测阈值 \( Y_i \) 时，判定为疑似目标点。

7. **目标确认**：
- 从确认为疑似目标点开始，若连续 \( t \) 时间内均满足疑似目标点特征，且对应特征频段内谱线二倍频的谱值均不为0，则判定为确认目标点。
- 允许出现1个频率点误差。

### 改进的滑动功率谱检测法
1. **增加模量判据**：
- 当检测时刻 \( i \) 之前的 \( Q \) 个数据点对应电场模量最大值大于检测阈值 \( Th \)，则通过模量判据，否则开始下一时刻检测。

2. **自适应阈值**：
- 根据3σ准则，设定检测时刻 \( i \) 的自适应阈值。

### 尺度-小波能量谱检测法
1. **小波变换**：
- 对信号进行小波变换，计算每个尺度上的小波系数能量谱。

2. **特征尺度识别**：
- 识别能量谱曲线上的峰值对应的尺度，这些尺度表示信号中的重要频率成分。

3. **目标检测**：
- 通过比较不同尺度上的能量谱值，识别出轴频电场信号的特征尺度，从而实现目标检测。

### 示例代码

% 加载信号数据
load('X1.mat');
signal = data.X1;

% 参数设置
fs = 100; % 采样频率
window_length = 1024; % 窗口长度
overlap = window_length / 2; % 重叠长度
nfft = window_length; % FFT 长度
k = 0.1; % 斜率门限
beta = 1.5; % 峰高门限比例因子
Q = 10; % 特征值计算点数
t = 5; % 连续检测时间
Th = 1e-6; % 模量阈值
sigma = 3; % 3σ准则

% 功率谱估计
[pxx, f] = pwelch(signal, blackman(window_length), overlap, nfft, fs);

% 线谱提取
% ... （此处省略具体的线谱提取代码）

% 特征值计算
T = zeros(1, length(pxx));
for i = 1:Q:length(pxx)-Q
    T(i+Q) = mean(pxx(i:i+Q-1));
end

% 动态阈值计算
Y = zeros(1, length(T));
Y(1) = pxx(1);
for i = 2:length(T)
    Y(i) = (1 - alpha) * Y(i-1) + alpha * pxx(i);
end

% 疑似目标检测
suspect_indices = find(T > Y);

% 目标确认
confirmed_indices = [];
for idx = suspect_indices
    if all(T(idx:idx+t-1)) ~= 0)
        confirmed_indices = [confirmed_indices, idx];
    end
end

% 输出结果
disp('确认的目标点索引：');
disp(confirmed_indices);

以上是基于文档内容的总结和示例代码，希望对您的工作有所帮助。如果有任何具体问题或需要进一步的帮助，请随时告知。