一种基于变分模态分解与模糊熵的海杂波去噪方法技术

本发明专利技术公开了一种基于变分模态分解与模糊熵的海杂波去噪方法，包括如下步骤：步骤S1：获取海杂波基本数据；步骤S2：利用EMD算法自适应分解海杂波序列，得到对应自适应分解层数u；步骤S3：以自适应分解层数u为基础，获取变分模态分解层数K取值范围，在变分模态分解层数K取值范围内选取最优的变分模态分解层数K

【技术实现步骤摘要】
一种基于变分模态分解与模糊熵的海杂波去噪方法


[0001]本专利技术涉及雷达数据信号处理
，具体涉及一种基于变分模态分解 与模糊熵的海杂波去噪方法。

技术介绍

[0002]海杂波作为对海情分析、海面目标识别最直接的表现方式，几十年来，许 多研究人员提出对海杂波的信号分析，其呈现的非线性、非平稳特性是海杂波 的混沌性且随机性的本质体现。因此，对海杂波的深入研究能够使人们对海情 程度的认知与检测有重大意义。而雷达的海面回波受到测量噪声或海面动态噪 声时，对混沌背景下的信号预测误差增加，导致检测效果下降。因此，无论时 对海杂波内在物理特性的具体探究还是对海面目标的检测，去除噪声是对保证 结果有效性的首要问题。
[0003]目前，国内外学者对海杂波特性分析与海杂波混沌背景下目标识别受到广 泛的关注并且提出了大量成果。针对类似海杂波非线性序列去噪，窗口傅里叶 作为常用手段，但受制于其线性本质，对非平稳序列应用效果不佳。小波分析 同样作为噪声滤除广泛应用手段，延续窗口傅氏变换的局部化思路，在低频以 及高频分量拥有良好自适应性和较高分辨率，但其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，包括如下步骤：步骤S1：根据海杂波信号x(n)、海杂波信号点数、海浪高低确定变分模态分解二次惩戒因子α、迭代次数n以及收敛判据ε的值；步骤S2：利用EMD算法自适应分解海杂波序列，得到对应自适应分解层数u；步骤S3：以自适应分解层数u为基础，获取变分模态分解层数K取值范围，在变分模态分解层数K取值范围内选取最优的变分模态分解层数K
*
，用最优的变分模态分解层数对海杂波信号进行变分模态分解，得到K
*
个固有模态函数IMF；步骤S4：设定模糊熵算法初始参数，设置小尺寸初始窗口；利用模糊熵算法对K
*
个固有模态函数IMF进行分类，将K
*
个固有模态函数分为噪声分量与信号分量；步骤S5：对噪声分量进行平滑滤波；步骤S6：将滤波后的噪声分量与信号分量重构得到去噪信号。2.如权利要求1所述的基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，所述步骤S1具体为：将海杂波信号x(n)，n＝1,2,K,N，根据N的值作为变分模态分解的二次惩罚因子α的值；根据海浪高低确选取迭代次数n，迭代次数与计算时间正相关；收敛判据ε为10
‑6。3.如权利要求1所述的基于变分模态分解与模糊熵的海杂波去噪方法，其特征在于，步骤S3的具体方法为：根据相邻自适应分解层中各模态分量之间的互功率谱密度，获取变分模态分解层数K的取值范围，变分模态分解层数取值范围公式如下：K∈[1,u+v]其中，u为自适应分解层数，v为经过互功率谱密度关系获取的累加变化层数；具体为：计算相邻自适应分解层中模态分量之间的互功率谱密度，对获取的互功率谱密度取绝对值并计算差量，当差量大于多少时，v加1；当差量小于多少时，v不变。4.如权利要求...

【专利技术属性】
技术研发人员：奚彩萍，杨云帆，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：