【技術實現步驟摘要】
本專利技術涉及水聲信號處理領域，尤其涉及對水中目標噪聲抑制的方法。
技術介紹
1、為了實現被動聲吶對水中目標的檢測和識別，往往需要提取水中目標的線譜特征。常用的線譜特征的估計方法有經典譜估計方法和現代譜估計方法。經典譜估計方法又稱為非參數譜估計方法，它不依賴于計算模型，是一種基于傅里葉變換的譜估計方法，計算量較低。其中，welch法具有較好的方差性能(胡廣書.數字信號處理[m].北京:清華大學出版社,2003)，被廣泛用作實測數據的譜估計方法。現代譜估計方法，比如ma模型參數譜估計方法、多重信號分類譜估計方法和基于壓縮感知理論的譜估計方法，雖然在不同程度上改善了經典譜估計方法的譜估計精度，但是計算量較大。被動聲吶接收到的數據不僅包含水中目標信號，還包含環境噪聲，比如海洋噪聲、地震噪聲、雨水噪聲等，這些噪聲都會對水中目標信號造成干擾。在譜圖上體現為噪聲的譜值較大，這給提取水中目標的線譜特征帶來困難。
2、現有的抑制海洋環境噪聲的方法有高階統計量方法、自適應濾波方法、小波閾值降噪方法和奇異譜分解降噪方法等。包中華等人利用四階累積量對角切片抑制高斯色噪聲來提取艦船目標線譜信號(參見:包中華,龔沈光,吳正國,李俊.基于四階累積量切片譜的諧波信號線譜提取[j].海軍工程大學學報,2010,22(2):31-34頁)。何希盈等人利用自適應線譜增強方法來抑制寬帶海洋噪聲來提取水中目標線譜信號(參見:何希盈,李成新,張磊等.矢量水聽器自適應線譜增強應用研究[j].海洋技術學報,2011,30(3):68-71)。周鶴峰等人提出一種改
3、但是現有水中目標降噪方法存在如下問題：高階統計量方法在理論上可以完全抑制高斯噪聲，然而由于實際處理的數據是有限長的，該方法對強背景噪聲干擾的抑制能力有限，且高階統計量方法的計算量較大；自適應濾波方法利用線譜信號和寬帶噪聲的相關半徑的差異來抑制噪聲，需要對噪聲有較低的估計誤差；小波閾值降噪方法需要設置閾值，閾值函數的選取一直是一個難點，如果結合其它方法來選定閾值，會導致計算量增大；奇異譜分解降噪方法對于較大奇異值的選取是一個難點，往往需要信號有較高的信噪比。
技術實現思路
1、為了抑制水中目標的強背景噪聲干擾并且提取出線譜特征，本專利技術提出一種基于雙奇異值分解的線譜特征提取中的噪聲抑制方法。該方法考慮奇異值的大小對應信號和噪聲的能量，對聲吶傳感器接收到的數據進行分段，對數據求頻譜矩陣和歸一化頻譜矩陣，再分別對頻譜矩陣和歸一化頻譜矩陣分頻段進行奇異值分解，利用奇異值構造加權系數，對welch法功率譜加權來抑制噪聲。該方法無需對較大奇異值進行選取，可以抑制水中目標的強背景噪聲干擾，從而提取出線譜特征。
2、本專利技術的一種基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，包括如下步驟：
3、s1，對聲吶傳感器接收到的數據x(n)進行分段，對每段的數據進行傅里葉變換，得到頻譜矩陣χ(f)；
4、s2，對χ(f)逐頻帶進行奇異值分解，構造奇異值參數ηδ；
5、s3，對χ(f)中的每段數據的頻譜zi(f)進行歸一化處理，獲得歸一化的頻譜矩陣k(f)，再對k(f)逐頻帶進行奇異值分解，構造歸一化頻譜矩陣的奇異值參數βδ；
6、s4，對每個分析頻帶內的奇異值參數ηδ、βδ和最大奇異值d'1插值，得到每個頻率點上的奇異值參數η(f)、β(f)和最大奇異值d'1(f)，利用η(f)、β(f)和d'1(f)構造每個頻率點上的奇異值加權系數ψ(f)；
7、s5，利用每個頻率點處的奇異值加權系數ψ'(f)對聲吶傳感器接收到的數據的功率譜進行加權來抑制噪聲。
8、進一步地，所述步驟s1得到頻譜矩陣χ(f)的具體步驟如下：
9、s1.1對聲吶傳感器接收到的數據x(n)分段，每段有n個采樣點，n為正整數，允許段與段之間有部分重疊；x(n)的第i段數據用表示為：
10、xi(n)＝x[n+(i-1)n]di[n+(i-1)n],0＜n≤n-1,i＝1,2,...,l
11、式中，n表示采樣點的序號，di(n)是長度為n的窗函數，l為分段數；
12、s1.2對xi(n)進行傅里葉變換，得到每段數據的頻譜zi(f)；
13、s1.3利用每段數據的頻譜zi(f)構造頻譜矩陣，得到頻譜矩陣χ(f)，χ(f)＝[z1(f),z2(f),...,zl(f)]t。
14、進一步地，所述步驟s2的具體步驟如下：
15、s2.1對χ(f)逐頻帶進行奇異值分解，有：
16、
17、式中，χδ(f)為χ(f)在分析頻帶內所對應的矩陣，δ表示分析頻帶；u為的特征向量矩陣，v為的特征向量矩陣；d為由奇異值d1,d2,...,dmin構成的矩陣，其中，d1＞d2＞...＞dmin，d1為最大奇異值，dmin為最小奇異值；
18、s2.2利用奇異值矩陣d中的最大奇異值d1和最小奇異值dmin構造分析頻帶內的奇異值參數ηδ：
19、ηδ＝d1-dmin。
20、進一步地，所述的分析頻帶δ，為1hz。
21、進一步地，所述步驟s3的具體步驟如下：
22、s3.1對χ(f)中每段數據的頻譜zi(f)進行歸一化處理，每段數據的頻譜歸一化結果記為κi(f)：
23、
24、獲得歸一化的頻譜矩陣k(f)，k(f)＝[κ1(f),κ2(f),...,κl(f)]t；
25、s3.2利用步驟s2所述的奇異值分解方法，對歸一化的頻譜矩陣k(f)逐頻帶進行奇異值分解，得到每個分析頻帶內歸一化的頻譜矩陣所對應的最大奇異值和最小奇異值，分別記為d'1和d'min；
26、s3.3利用分析頻帶內的最大奇異值d'1和最小奇異值d'min構造奇異值參數βδ：
27、βδ＝d'1-d'min。
28、進一步地，所述步驟s4的具體步驟如下：
29、s4.1利用三次樣條插值方法對每個分析帶寬的ηδ、βδ和d'1在每個頻率點處進行插值，得到每個頻率點上的奇異值參數η(f)、β(f)和最大奇異值d'1(f)；
30、s4.2利用η(f)、β(f)和最大奇異值d'1(f)構造參數ψ(f)：ψ(f)＝d'1(f)[η(f)β(f)]p，其中，p為本文檔來自技高網...
【技術保護點】
1.一種基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，包括如下步驟：
2.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟S1得到頻譜矩陣χ(f)的具體步驟如下：
3.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟S2的具體步驟如下：
4.根據權利要求3所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述的分析頻帶Δ，為1Hz。
5.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟S3的具體步驟如下：
6.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟S4的具體步驟如下：
7.根據權利要求6所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，S4.2中所述的p的取值范圍為1到5的正整數，具體取值方法為根據底數的大小確定，即如果頻率點處的奇異值參數的乘積η(f)β(f)的最大值與最小值相差較大，則取較大值，反之，取1即
8.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟S5的具體步驟如下：
...【技術特征摘要】
1.一種基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，包括如下步驟：
2.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟s1得到頻譜矩陣χ(f)的具體步驟如下：
3.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述步驟s2的具體步驟如下：
4.根據權利要求3所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特征是，所述的分析頻帶δ，為1hz。
5.根據權利要求1所述的基于雙奇異值分解的線譜特征提取中的噪聲抑制方法，其特...
【專利技術屬性】
技術研發人員：韓雪，張樂，靳仕源，王楊，吳寶舉，張暢，安野，季夢瑤，
申請(專利權)人：沈陽大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。