一种基于自监督学习的混响抑制方法、系统及存储介质技术方案

本发明专利技术提供一种基于自监督学习的混响抑制方法、系统及存储介质，包括：采集主动声呐阵元接收的信号并进行预处理；对预处理后的信号计算出声呐阵元相关性最大的方向确定为目标方向，补偿各阵元与目标方向之间的相移；基于补偿后的阵元数据通过自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果；基于所述去混响结果将各阵元通道数据进行波束形成，完成混响抑制后的结果输出。通过本发明专利技术解决了现有声呐混响抑制效果差问题。发明专利技术解决了现有声呐混响抑制效果差问题。发明专利技术解决了现有声呐混响抑制效果差问题。

【技术实现步骤摘要】
一种基于自监督学习的混响抑制方法、系统及存储介质


[0001]本专利技术涉及声呐信号处理
，尤其涉及一种基于自监督学习的混响抑制方法、系统及存储介质。

技术介绍

[0002]混响抑制是主动声呐信号处理中的基础问题。主动声呐信号发射机发射的声波信号遇到水中我们感兴趣的目标物体时产生的散射回波称为目标回波。而这些发射信号遇到水中的鱼类、气泡、水底、水面等我们不感兴趣的散射体时也会产生散射回波，这些散射回波统称为混响。混响由于与目标回波具有一定的相关性，会影响声呐回波信号的质量，严重干扰声呐对于水下目标的探测。因此，混响抑制是主动声呐信号处理中必不可少的一部分。主动声呐的接收机使用多个水听器构成的阵列来接收回波信号，水听器中的换能器将接收到的散射回波转换为电信号，随后这些多通道的数据会经过带通滤波、自动增益控制、采样、正交解调、匹配滤波等处理流程，然后进行波束形成合成单路数据输出。
[0003]声呐接收端的混响抑制方法主要包括基于单脉冲击发数据和基于多脉冲击发数据两类。基于单脉冲击发数据的方法可以从时域、变换域、空域等进行混响抑制。经典的混响抑制时域方法包括AR预白化方法、子空间分解方法、混响统计模型方法等，这些时域方法对特定条件下的混响有较好的抑制作用，但是它们的模型需要满足较强的假设，在复杂多变的海洋环境中难以自适应。混响抑制的变换域方法包括分数阶傅立叶变换方法、多普勒效应方法、非负矩阵分解方法等，这些方法在变换域抑制混响，但是在逆变换过程中往往会引入一些错误。混响抑制的空域方法主要有时变波束形成、空时自适应处理等方法，这些方法需要有目标方向等先验信息，而实际情况中这些先验信息往往不能获得。基于多脉冲击发数据的混响抑制方法应用于具有运动目标的声呐视频去混响领域，应用范围较局限。
[0004]随着深度学习的快速发展，越来越多的学者将深度学习应用在声呐信号处理领域。现有的基于深度学习的混响抑制方法多使用有监督学习，即以数据驱动的方式去构造去混响模型。为了解决声呐数据稀少的问题，现有的有监督学习都是通过模型仿真方法来产生目标和混响并合成为仿真数据，通过这些合成数据训练出来的模型能够在已知混响统计模型的条件下取得较好的混响抑制效果，但是当应用到混响统计特性未知的数据中时，这些模型的混响抑制性能将会受到很大限制。目前自监督学习在声呐信号处理领域的应用还仅限于声呐图像去噪，在声呐混响抑制方面还未有应用，现有混响抑制方法对复杂的海洋环境泛化能力不足。

技术实现思路

[0005]本专利技术提供一种基于自监督学习的混响抑制方法、系统及存储介质，用以解决现有声呐混响抑制效果差问题。
[0006]本专利技术提供一种基于自监督学习的混响抑制方法，包括：
[0007]采集主动声呐阵元接收的信号并进行预处理；
[0008]对预处理后的信号计算出声呐阵元相关性最大的方向确定为目标方向，补偿各阵元与目标方向之间的相移；
[0009]基于补偿后的阵元数据通过自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果；
[0010]基于所述去混响结果将各阵元通道数据进行波束形成，完成混响抑制后的结果输出
[0011]根据本专利技术提供的一种基于自监督学习的混响抑制方法，所述采集主动声呐阵元接收的信号并进行预处理，具体包括：
[0012]采集主动声呐阵元接收的信号；
[0013]通过带通滤波限制接收数据的带宽，抑制带外噪声；
[0014]通过正交解调将接收到的载波信号转变为基带信号；
[0015]通过匹配滤波使用发射的基带信号与各阵元通道接收的数据进行卷积，增强接收信号中与发射信号相关的部分，抑制接收信号中与发射无关的噪声部分。
[0016]根据本专利技术提供的一种基于自监督学习的混响抑制方法，所述对预处理后的信号计算出声呐阵元相关性最大的方向确定为目标方向，补偿各阵元与目标方向之间的相移，具体包括：
[0017]通过对阵元间目标回波和混响的相关性的分析确定阵元间混响的相关性远低于目标回波相关性；
[0018]计算所有阵元公共观测区域内相关性最大的方向，确定为感兴趣的目标方向；
[0019]依据将阵列接收方向对准相关性最大的方向的原则对各通道数据进行相位补偿，使得各通道接收数据中的目标回波保持同相。
[0020]根据本专利技术提供的一种基于自监督学习的混响抑制方法，所述基于补偿后的阵元数据通过自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果，具体包括：
[0021]将各阵元数据输入至自监督混响抑制网络模型；
[0022]通过所述自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果。
[0023]根据本专利技术提供的一种基于自监督学习的混响抑制方法，所述自监督混响抑制网络模型具体训练过程为：
[0024]将主动声呐每次脉冲击发后接收到的多个通道的数据送入混响抑制网络进行训练；
[0025]将损失函数设置为最大化通道间数据相关性的函数，训练时采用在线学习的策略对每次脉冲击发后接收到的数据进行训练，对每一脉冲击发的数据进行多轮迭代，直到迭代收敛，训练完成后进行推理；
[0026]或者将波束形成后的数据作为约束，混响抑制网络输入为多个通道数据，在训练完成后进行推理，生成自监督混响抑制网络模型。
[0027]根据本专利技术提供的一种基于自监督学习的混响抑制方法，基于所述去混响结果将各阵元通道数据进行波束形成，完成混响抑制后的结果输出，具体包括：
[0028]通过预设的波束形成模型来对各通道数据进行加权求和，将多路数据合为一路输
出；
[0029]加权时使用切比雪夫窗，能够在旁瓣高度一定的情况下使主瓣宽度最窄，进行波束形成，完成混响抑制后的结果输出。
[0030]本专利技术还提供一种基于自监督学习的混响抑制系统，所述系统包括：
[0031]信号预处理模块，用于采集主动声呐阵元接收的信号并进行预处理；
[0032]相位补偿模块，用于对预处理后的信号计算出声呐阵元相关性最大的方向确定为目标方向，补偿各阵元与目标方向之间的相移；
[0033]自监督混响抑制网络模块，用于基于补偿后的阵元数据通过自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果；
[0034]波束形成模块，用于基于所述去混响结果将各阵元通道数据进行波束形成，完成混响抑制后的结果输出。
[0035]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于自监督学习的混响抑制方法。
[0036]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于自监督学习的混响抑制方法。
[0037]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于自监督学习的混响抑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自监督学习的混响抑制方法，其特征在于，包括：采集主动声呐阵元接收的信号并进行预处理；对预处理后的信号计算出声呐阵元相关性最大的方向确定为目标方向，补偿各阵元与目标方向之间的相移；基于补偿后的阵元数据通过自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果；基于所述去混响结果将各阵元通道数据进行波束形成，完成混响抑制后的结果输出。2.根据权利要求1所述的基于自监督学习的混响抑制方法，其特征在于，所述采集主动声呐阵元接收的信号并进行预处理，具体包括：采集主动声呐阵元接收的信号；通过带通滤波限制接收数据的带宽，抑制带外噪声；通过正交解调将接收到的载波信号转变为基带信号；通过匹配滤波使用发射的基带信号与各阵元通道接收的数据进行卷积，增强接收信号中与发射信号相关的部分，抑制接收信号中与发射无关的噪声部分。3.根据权利要求1所述的基于自监督学习的混响抑制方法，其特征在于，所述对预处理后的信号计算出声呐阵元相关性最大的方向确定为目标方向，补偿各阵元与目标方向之间的相移，具体包括：通过对阵元间目标回波和混响的相关性的分析确定阵元间混响的相关性远低于目标回波相关性；计算所有阵元公共观测区域内相关性最大的方向，确定为感兴趣的目标方向；依据将阵列接收方向对准相关性最大的方向的原则对各通道数据进行相位补偿，使得各通道接收数据中的目标回波保持同相。4.根据权利要求1所述的基于自监督学习的混响抑制方法，其特征在于，所述基于补偿后的阵元数据通过自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果，具体包括：将各阵元数据输入至自监督混响抑制网络模型；通过所述自监督混响抑制网络模型对各阵元数据进行混响抑制，输出去混响结果。5.根据权利要求4所述的基于自监督学习的混响抑制方法，其特征在于，所述自监督混响抑制网络模型具体训练过程为：将主动声呐每次脉冲击发后接收到的多个通道的数据送...

【专利技术属性】
技术研发人员：谢翔，曾楷徽，李国林，
申请(专利权)人：清华大学，
类型：发明
国别省市：