【技术实现步骤摘要】
一种分量数时变的水声信号瞬时频率估计方法
[0001]本专利技术涉及水声信号处理
,尤其是一种分量数时变的水声信号瞬时频率估计方法。
技术介绍
[0002]在海洋实时监测、异常声波事件检测等应用中,通常需要重构特定分量的信息。瞬时频率是时频变换的一个重要属性,通过时频谱和瞬时频率,能重构水声信号所有分量的信息。因此,估计时频谱中的瞬时频率,能精确提取信号中特殊的目标信息。
[0003]对于多分量的信号,最为直接的方式是经验模式分解或变模式分解,将非平稳信号分解成一系列固有模式函数,所有模式参数可以用于重构分量的瞬时频率。然而,对于具有紧邻甚至频点重叠特性的水声信号,这些方法难以提取出所有分量的瞬时频率。一种替代方法是时频分析方法,如短时傅里叶变换、调频变换和二次时频变换方法,提取信号的时频谱。在时频平面,用时频变换的拟变换重构出分量信息。由于这些方法受噪声干扰,提取的时频分辨率低,估计的瞬时频率误差较大。为了提高时频分辨率,采用重分配方法改进时频谱的可读性,但是重分配方法破坏了时频变换的可逆性。为了解决这个问题,同步压缩变换采用频域重分配方法,在增强时频谱能量集中度的同时,保留时频变换的可逆性。不幸的是,同步压缩变换逆变换受分离条件限制,不能重构出紧邻甚至重叠分量的瞬时频率。固有模式调频分解、固有调频分量分解、核稀疏学习方法能估计具有重叠分量信号的瞬时频率,但是必须设定好信号分量数。
[0004]由于水声信号具有快时变、低信噪比、紧邻甚至频点重叠特性,至今为止,对于这种水声信号中分量数随时间变化 ...
【技术保护点】
【技术特征摘要】
1.一种分量数时变的水声信号瞬时频率估计方法,其特征在于:该方法包括下列顺序的步骤:(1)输入多分量水声信号s(t),利用扩展的同步压缩变换ESST得到多分量水声信号s(t)的时频谱T(t,ω);(2)利用自动脊线提取AREA,追踪到时频谱T(t,ω)中所有可能的脊线,然后利用脊线融合标准,融合脊线;(3)对得到的脊线用傅里叶级数展开,用Tikhonov正则化对脊线的傅里叶系数重构,得到重构的瞬时频率。2.根据权利要求1所述的分量数时变的水声信号瞬时频率估计方法,其特征在于:在步骤(1)中,所述扩展的同步压缩变换ESST的公式如下:式中,为公共实数集,h(0)为0时刻的高斯窗函数值,δ(
·
)为delta函数,ω
[N]
(t,f)为第N阶同步压缩变换SST算子,S
MSTFFT
(t,f)采用最大化短时间分数傅里叶变换的时频谱,定义为:式中,σ(t,f)和c(t,f)分别是时频变的标准差和啁啾率,h
σ(t,f),c(t,f)
(
·
)为具有时频变的标准差和啁啾率的高斯窗函数;用K个不同常量的标准差σ
k
和啁啾率c
k
计算得到K个ESST,求K个ESST最值作为最大化的S
MSTFFT
(t,f)。3.根据权利要求1所述的分量数时变的水声信号瞬时频率估计方法,其特征在于:所述步骤(1)具体包括以下步骤:(1a)用短时分数傅里叶变换计算初始的时频谱,估算初始的瞬时频率ω(t,f),迭代N次,得到ω
[N]
(t,f);(1b)迭代K次,计算具有标准差σ
k
和啁啾率c
k
的窗函数和第k个ESST的时频谱其中k∈[1,K];(1c)从K个有限数据集中,筛选出时频谱最大值,得到扩展同步压缩变换的时频谱4.根据权利要求1所述的分量数时变的水声信号瞬时频率估计方法,其特征在于:在步骤(2)中,所述自动脊线提取AREA具体包括以下步骤:(2a)依据时频谱的幅度系数μ=min{E(ω)}/max{E(ω)},其中为时频谱全局能量值,计算自动脊线提取终止的能量阈值δ
T
=μmax{|T(t,ω)|};(2b)时频谱能量最大值点作为脊线的起始点在时频谱中提取第k个脊线,对于τ=t
max
+1,
…
,N
t
时频点进行遍历,选择出符合如下条件的时频点:Δω∈[Δω
‑
,Δω
+
]
Δω
‑
=max(1,ι
m
(τ
‑
1)
‑
Δf)Δω
+
=min(N
f
,ι
m
(τ
‑
1)+Δf)1)+Δf)T(t,Δω...
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。