System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种干扰信号抑制方法、装置、电子设备及存储介质。
技术介绍
1、在水声通信系统中,由于通信可使用频带较窄,且与船只噪声多为重合,导致接收端信号在时域上出现无规律、能量高、持续时间短的干扰,即突发干扰。水声信号中的突发干扰通常呈现持续时间短、能量大的特点,会导致部分信号无法解调,从而降低水声通信机的解调性能。
2、目前,通常采用基于阈值的干扰剔除算法来抑制水声信号中的突发干扰,即设置一个阈值,当水声信号中采样点的幅值大于该阈值时,将该采样点的幅值剔除。使用该方法抑制突发干扰时,阈值的选取尤为重要,为了保留水声信号中的有用信号,通常阈值的取值较大,而过大的阈值将导致部分干扰信号被漏掉,难以有效剔除干扰信号,影响水声通信系统的性能。
3、因此,如何有效抑制水声信号中的干扰信号成为亟待解决的技术问题。
技术实现思路
1、本专利技术提供一种干扰信号抑制方法、装置、电子设备及存储介质,用以解决现有技术中水声突发干扰信号一直效果差的缺陷,有效抑制水声信号中的干扰信号。
2、第一方面,本专利技术提供一种干扰信号抑制方法,包括:
3、基于尺度因子、平移因子和小波阶数,对水声信号进行小波分解,得到近似系数和细节系数,所述水声信号是时间-幅度信号;
4、对所述近似系数进行小波重构,得到预测信号,所述预测信号是时间-幅度信号;
5、基于所述水声信号对应的幅度阈值和所述预测信号,对所述水声信号进行干扰抑制
6、根据本专利技术提供一种的干扰信号抑制方法,所述水声信号对应的幅度阈值与所述预测信号的平均值成正比,所述预测信号的平均值是所述预测信号在各时间索引的幅度值的平均值。
7、根据本专利技术提供一种的干扰信号抑制方法,基于如下公式计算得到所述水声信号对应的幅度阈值:
8、
9、其中,thr表示所述水声信号对应的幅度阈值,k表示幅度阈值与预测信号的关系系数,n表示所述预测信号的长度,n表示时间索引,a(n)表示预测信号在时间索引n对应的幅度值。
10、根据本专利技术提供的一种干扰信号抑制方法,所述基于所述水声信号对应的幅度阈值和所述预测信号,对所述水声信号进行干扰抑制,包括:
11、若所述预测信号在当前时间的幅度值大于所述幅度阈值,则将所述水声信号在所述当前时间的幅度值置为零;
12、若所述预测信号在所述当前时间的幅度值小于或等于所述幅度阈值,则维持所述水声信号在所述当前时间的幅度值不变。
13、根据本专利技术提供的一种干扰信号抑制方法,在所述基于尺度因子、平移因子和小波阶数,对水声信号进行小波分解,得到近似系数和细节系数之前,还包括:
14、对连续尺度因子进行离散化,得到所述尺度因子;
15、基于所述尺度因子,对连续平移因子进行离散化,得到所述平移因子,其中,所述平移因子是因子乘积的整数倍,所述因子乘积是所述尺度因子与所述连续平移因子的乘积。
16、根据本专利技术提供的一种干扰信号抑制方法,基于如下公式分别对所述连续尺度因子和所述连续平移因子进行离散化:
17、
18、
19、其中,c0表示所述连续尺度因子,c0大于1,c表示所述尺度因子,l0表示所述连续平移因子,l0大于0,l表示所述平移因子,j和w为整数。
20、根据本专利技术提供的一种干扰信号抑制方法,基于如下公式对所述水声信号进行小波分解:
21、
22、其中,wt(c,l)表示小波分解后的结果,c表示小波分解后得到的近似系数和细节系数,l表示所述近似系数和各所述细节系数的长度,|y(n)|表示所述水声信号在时间索引n的幅度值,ψ()表示小波基函数。
23、第二方面,本专利技术还提供一种干扰信号抑制装置,包括:
24、小波分解模块,用于:基于尺度因子、平移因子和小波阶数,对水声信号进行小波分解,得到近似系数和细节系数,所述水声信号是时间-幅度信号;
25、小波重构模块,用于:对所述近似系数进行小波重构,得到预测信号,所述预测信号是时间-幅度信号;
26、干扰抑制模块,用于:基于所述水声信号对应的幅度阈值和所述预测信号,对所述水声信号进行干扰抑制。
27、第三方面,本专利技术提供一种电子设备,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干扰信号抑制方法的步骤。
28、第四方面,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干扰信号抑制方法的步骤。
29、本专利技术提供的干扰信号抑制方法、装置、电子设备及存储介质,基于尺度因子、平移因子和小波阶数,对水声信号进行小波分解,得到近似系数和细节系数,所述水声信号是时间-幅度信号;对所述近似系数进行小波重构,得到预测信号,所述预测信号是时间-幅度信号;基于所述水声信号对应的幅度阈值和所述预测信号,对所述水声信号进行干扰抑制。对水声信号进行小波的分解与重构,得到突发干扰信号特征更为明显的预测值,从而有效识别出干扰信号;此外,仿真实验结果表明,该干扰信号抑制方法能够准确识别出突发干扰信号,受突发干扰信号的幅值大小的影响较小,因此能够降低干扰信号误识别的概率,减少残余干扰信号,有效剔除干扰信号。
本文档来自技高网...【技术保护点】
1.一种干扰信号抑制方法,其特征在于,包括:
2.根据权利要求1所述的干扰信号抑制方法,其特征在于,所述水声信号对应的幅度阈值与所述预测信号的平均值成正比,所述预测信号的平均值是所述预测信号在各时间索引的幅度值的平均值。
3.根据权利要求2所述的干扰信号抑制方法,其特征在于,基于如下公式计算得到所述水声信号对应的幅度阈值:
4.根据权利要求1-3中任一项所述的干扰信号抑制方法,其特征在于,所述基于所述水声信号对应的幅度阈值和所述预测信号,对所述水声信号进行干扰抑制,包括:
5.根据权利要求1所述的干扰信号抑制方法,其特征在于,在所述基于尺度因子、平移因子和小波阶数,对水声信号进行小波分解,得到近似系数和细节系数之前,还包括:
6.根据权利要求5所述的干扰信号抑制方法,其特征在于,基于如下公式分别对所述连续尺度因子和所述连续平移因子进行离散化:
7.根据权利要求6所述的干扰信号抑制方法,其特征在于,基于如下公式对所述水声信号进行小波分解:
8.一种干扰信号抑制装置,其特征在于,包括:
9
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述干扰信号抑制方法的步骤。
...【技术特征摘要】
1.一种干扰信号抑制方法,其特征在于,包括:
2.根据权利要求1所述的干扰信号抑制方法,其特征在于,所述水声信号对应的幅度阈值与所述预测信号的平均值成正比,所述预测信号的平均值是所述预测信号在各时间索引的幅度值的平均值。
3.根据权利要求2所述的干扰信号抑制方法,其特征在于,基于如下公式计算得到所述水声信号对应的幅度阈值:
4.根据权利要求1-3中任一项所述的干扰信号抑制方法,其特征在于,所述基于所述水声信号对应的幅度阈值和所述预测信号,对所述水声信号进行干扰抑制,包括:
5.根据权利要求1所述的干扰信号抑制方法,其特征在于,在所述基于尺度因子、平移因子和小波阶数,对水声信号进行小波分解,得到近似系数和细节系数之前,还...
【专利技术属性】
技术研发人员:吴州平,林新聪,邓珂,段琴,王帅军,张健,
申请(专利权)人:广州海格通信集团股份有限公司,
类型:发明
国别省市:
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。