【技术实现步骤摘要】
本专利技术涉及海洋动物声学和信号去噪，是一种基于子频带的海洋哺乳动物声信号去噪方法。
技术介绍
1、在动物生物声学领域，海洋哺乳动物声音的检测与识别仍然是一项具有挑战性的任务。然而，海洋环境并不是安静的，水中声呐探测到的信号可能包含有多种信号信息，如海浪、远处船舶、海洋湍流、海洋生物活动等各种噪声源发出的噪声在传播过程中受到水体、海面、海底等因素的影响，形成了极其复杂的海洋环境噪声场。目标信号太弱和环境噪声干扰都会对目标信号的识别产生严重影响，因此对声呐接收到的信号处理，降低干扰噪声及增强目标信号具有十分重要的意义和研究价值。
2、由于高频声波随传播距离增加而迅速衰减，海洋背景噪声谱中的高频部分甚为微弱，低频部分则相当强烈，而某些频谱波段相对于样本频率所占的比例相对较小，却包含了海洋环境噪声和哺乳动物信号的更多信息。但传统的以全频段为目标的无差异学习方法会因为更关注高频而忽略了这个细节。因此，本专利技术提出一种基于子频带的海洋动物声信号去噪方法，不是学习全频段的特征，而是根据海洋环境噪声与典型海洋哺乳动物哨声信号的特征差异，将整个频谱划分为三个通道，同时考虑每个通道与全频段的独立性和一致性，对于去噪效果具有极大的提升。
技术实现思路
1、本专利技术为了解决上述问题，本专利技术提出一种基于子频带的海洋哺乳动物声信号去噪方法。
2、需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些
3、本专利技术提供了一种基于子频带的海洋哺乳动物声信号去噪方法，本专利技术提供了以下技术方案：
4、一种基于子频带的海洋哺乳动物声信号去噪方法，所述方法包括以下步骤：
5、步骤1：构建海洋哺乳动物声信号数据集；
6、步骤2：构建子频带网络，得到fd-dpcrn模型；
7、步骤3：对得到fd-dpcrn模型进行网络训练及验证，得到去噪模型；
8、步骤4：基于去噪模型对海洋哺乳动物声信号进行去噪。
9、优选地，所述步骤1具体为：
10、对采集到的海洋哺乳动物声信号进行滤波，去除无效数据；将海洋哺乳动物声信号及海洋环境噪声裁剪或拼接成同等时长，并进行a/d采样，再经过量化和编码的过程将模拟信号转化为数字信号，再逐帧进行短时功率谱计算，形成二维的时频图；
11、将多个所述海洋哺乳动物声信号及海洋环境噪声的时频图，分别作为干净信号的样本数据集和噪声信号的样本数据集。
12、优选地，在干净信号的样本数据集和噪声信号的样本数据集中随机选取一部分作为训练集，余下的作为验证集，比例为6：1。
13、优选地，所述步骤2具体为：
14、对dpcrn模型的dprnn模块重新设计，根据海洋环境噪声特点设计三个子带注意力模块，分为3部分：低频段、中频段和高频段，三个子带注意力模块对相应的频带有针对性的训练；
15、fd-dpcrn模型的时频图经过五层编码提取局部模式，降低特征分辨率后形成了l*f大小的二维张量；用块大小为c且块跳大小为的块对长度为l的顺序输入进行切割，共切割s个块；其中c和s分别对应intra-chunk rnn和inter-chunk rnn的输入长度；将所有的块连接成一个大小为s*f*c的三维张量；其中s是时间轴、f是频率轴和c是通道轴；
16、将s*f*c的三维张量在f维度上进行分割，分为低频段、中频段和高频段，并分别输入到三个子带注意力模块，最后一层的输出用重叠-添加方法转换回为长度为l的顺序输出；
17、其中三个子带注意力模块由inter-chunk rnn块和intra-chunk rnn块组成，用于对频谱随时间的变化进行建模，而intra-chunk rnn用于对单个时间帧的频谱进行建模；
18、解码器使用转置卷积层将低分辨率特征恢复到原始大小，其中解码器的结构与编码器形成对称结构，且在编码器和解码器之间有跳跃式连接，以传递详细信息。
19、优选地，所述步骤3具体为：
20、基于步骤1构建的海洋哺乳动物声信号数据集作为fd-dpcrn模型的输入，根据学习目标mask计算损失函数值loss，利用数据的正向传播和误差的反向传播对fd-dpcrn模型进行训练，使loss最低，训练后利用验证集对fd-dpcrn模型进行验证，当验证结果提高的信噪比在5db以下时，需调整网络参数或学习率重新训练；反之结束训练。
21、优选地，通过设置适当的学习率决定每次微调的步长，当学习率过大时，计算结果将在最优解附近徘徊，永远取不到最优解；当学习率过小时，每次迭代更新的步伐过小，更新多轮都无法找到最优解，设置学习率为0.001-0.003。
22、优选地，通过截断高斯分布法赋予fd-dpcrn模型初始权重值和特征参数。
23、一种基于子频带的海洋哺乳动物声信号去噪系统，所述系统包括：
24、数据集模块，所述数据集模块构建海洋哺乳动物声信号数据集；
25、模型搭建模块，所述模型搭建模块构建子频带网络，得到fd-dpcrn模型；
26、模型训练模块，所述模型训练模块对得到fd-dpcrn模型进行网络训练及验证，得到去噪模型；
27、海洋哺乳动物声信号去噪模块，海洋哺乳动物声信号去噪模块基于去噪模型对海洋哺乳动物声信号进行去噪。
28、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现一种基于子频带的海洋哺乳动物声信号去噪方法。
29、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现一种基于子频带的海洋哺乳动物声信号去噪方法。
30、本专利技术具有以下有益效果：
31、本专利技术与现有技术相比：
32、本专利技术提供了一种基于子频带的海洋哺乳动物声信号去噪方法。对采集到的海洋哺乳动物声信号进行滤波，作为干净信号的样本数据集；将海洋环境噪声作为噪声信号的样本数据集；根据海洋环境噪声与典型海洋哺乳动物哨声信号的特征差异，构建子频带训练的网络，利用两个样本数据集对网络进行训练，得到极大提高去噪效果的网络。
33、由于不是学习全频段的特征，而是根据海洋环境噪声与典型海洋哺乳动物哨声信号的特征差异，将整个频谱划分为三个通道，更有针对性的学习不同频段的信号特征，使网络对不同的频段噪声的去噪效果明显提高。
34、由于网络同时考虑每个通道与全频段的独立性和一致性，通过独立性每个通道可以独立调整本文档来自技高网...
【技术保护点】
1.一种基于子频带的海洋哺乳动物声信号去噪方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：
4.根据权利要求3所述的方法，其特征是：所述步骤2具体为：
5.根据权利要求4所述的方法，其特征是：所述步骤3具体为：
6.根据权利要求5所述的方法，其特征是：
7.根据权利要求6所述的方法，其特征是：
8.一种基于子频带的海洋哺乳动物声信号去噪系统，其特征是：所述系统包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-7任意一项所述的方法。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征是：所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述的方法。
【技术特征摘要】
1.一种基于子频带的海洋哺乳动物声信号去噪方法，其特征是：所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：
4.根据权利要求3所述的方法，其特征是：所述步骤2具体为：
5.根据权利要求4所述的方法，其特征是：所述步骤3具体为：
6.根据权利要求5所述的方法，其特征是：
7.根...
【专利技术属性】
技术研发人员：李理，吴赫，张宇翔，吴梦迪，
申请(专利权)人：哈尔滨工程大学，
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。