【技术实现步骤摘要】
一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法
本专利技术属于水声信号去噪领域，具体地说，涉及一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法。
技术介绍
水下无线数据传输技术是建设海洋强国的关键技术。声波是目前唯一可以在水下远距离传播的信息载体，被广泛应用在水下通信领域。然而，声波在水下传输时，受到大量复杂背景噪声影响。水声噪声的来源可以划分为两种，第一种是人类活动引起的，如船舶航运、工业活动等机器声，第二种是自然因素引起的，如雨、海洋生物和地震活动等产生的噪声。基于自适应噪声、互信息、排列熵和小波阈值的完全集成经验模态分解的水声信号去噪新方法，这种方式能较好的抑制大的噪声分量，但是计算复杂度较高；基于集成经验模态分解、独自分量分析(IndependentComponentAnalysis，ICA)和小波阈值去噪的信号去噪方法，可降低噪声对信号的影响，但是盲源分离问题往往伴随对分离后源信号顺序不确定等问题；针对卷积混合模型，将时域带噪信号转化为频域进行分离，达到降噪目的，并解决了分离后信号顺序不确定问题；代数...
【技术保护点】
1.一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法，其特征在于，包括以下步骤：/nS1：获取待去噪的含高斯/非高斯噪声的水声信号；/nS2：抑制高斯噪声，得到不含高斯噪声的水声信号；/nS3：对S2处理后的水声信号进行盲源分离，得到分离后源信号，即非高斯噪声和目标水声信号；/nS4：基于相关系数矩阵确定S3中分离后源信号中的目标水声信号，从而去除非高斯噪声，最终得到高斯/非高斯去噪后的水声信号。/n
【技术特征摘要】
1.一种基于盲源分离的水声信号高斯/非高斯噪声抑制方法，其特征在于，包括以下步骤：
S1：获取待去噪的含高斯/非高斯噪声的水声信号；
S2：抑制高斯噪声，得到不含高斯噪声的水声信号；
S3：对S2处理后的水声信号进行盲源分离，得到分离后源信号，即非高斯噪声和目标水声信号；
S4：基于相关系数矩阵确定S3中分离后源信号中的目标水声信号，从而去除非高斯噪声，最终得到高斯/非高斯去噪后的水声信号。
2.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S1具体如下：建立信号接收模型：
假设水声通信系统模型采用一发多收模式，发送目标信号为s0(t)，将信道中的非高斯噪声信号视为n-1维非高斯信号[s1(t),s1(t),...,sn-1(t)]T，接收阵元个数为n，则接收端收到的信号为：
X(t)＝h(t)[s0(t),s1(t),s2(t),...sn-1(t)]T+e(t)
其中，h(t)表示信道参数，e(t)表示高斯噪声，[g]T表示转置。
3.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S2中基于稀疏编码理论抑制高斯噪声。
4.如权利要求3所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S2具体如下：
S2-1：信号归一化处理：
对接收信号X(t)＝[x1,x2,...,xn]T归一化处理，处理过程如下所示：
其中，xi为X(t)的分量，i＝1,2,...,n，σ1和分别为X(t)的标准差和均值；归一化后数据表示为X′；
S2-2：求解拉普拉斯稀疏惩罚函数的收缩函数：
拉普拉斯的概率分布如下所示：
其中，s＝E{X′2}，E{X′2}表示求X′2均值；由于水声信号的稀疏性和非高斯性，采用极大似然估计，最大化信号的非高斯性，去除高斯噪声；对p(X′)取对数，得：
l(X′)＝lnp(X′)
对X′求导得：
S2-3：求解极大似然估计情况下信号的稀疏分量，去除高斯噪声；
极大似然估计表达式如下所示：
M(X′)＝sign(X′)max(0,|X′|-σ2|l'(X′)|)
其中sign(g)为符号函数，由下式给出：
将上式代入极大似然估计表达式，得到去除高斯噪声后信号：
式中σ2表示X′中高斯噪声方差，X″是去除高斯噪后的信号；其中X″为归一化信号；为便于S3处理，需对X″进行部分还原，使其仅保持0均值特性，还原过程如下：
X″′＝σ1X″
其中σ1为X(t)的标准差，X″′为基于稀疏编码去噪后信号。
5.如权利要求1所述的水声信号高斯/非高斯噪声抑制方法，其特征在于，所述S3中基于改进灰狼算法优化独立分量分析方法对信号进行盲源分离。
6.如权利要求5所述的水声信号高斯/非高...
【专利技术属性】
技术研发人员：王景景，李爽，李嘉恒，张威龙，杨星海，施威，刘岩，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。