【技术实现步骤摘要】
本专利技术涉及一种基于深度学习的船舶声纳平台自噪声抑制方法，属于水声信号处理。
技术介绍
1、声波因其在水中传播衰减远小于其他能量形式而成为目前海洋探测的重要载体，因此，接发声波的设备-声纳作为海洋探测的重要装备一直发挥着不可或缺的作用，在海洋里，航行的船舶在任何情况下都会产生或大或小的自噪声，其自噪声都会对声纳探测带来显著的干扰，特别是对于进行被动噪声监测时，船舶声纳平台自噪声是影响探测性能的一个最显著的因素，因此船舶声纳平台自噪声的抑制方法研究一直是水声工程领域的研究热点。舰船自噪声由于其成因不同，可以被明确划分为多个频段内的固有特征，包括机械噪声、螺旋桨噪声、水动力噪声以及由于电路系统串扰引起的电噪声等。传统船舶声纳平台自噪声抑制方法主要是滤波法，但是滤波法需要目标噪声与干扰声源之间具有统计独立性，当本体噪声或目标噪声具有非常相似的倍频特性且存在部分重叠时，滤波法的性能将急剧下降，现如今基于深度学习的音频降噪技术已经在各个领域里体现了强大的优势，并且对目标噪声与干扰声源信号差异性没有要求，因此在本专利技术中，针对船舶声纳平台自噪声...
【技术保护点】
1.一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，所述基于深度学习的船舶声纳平台自噪声抑制方法包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在S100中，包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在S110中，裁剪后的干扰信号每段长度设置为3s，采样率重采样为16khz。
4.根据权利要求2所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在S120中，裁剪后的目标信号每段长度设置为3s，采样率重采样
【技术特征摘要】
1.一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，所述基于深度学习的船舶声纳平台自噪声抑制方法包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在s100中，包括以下步骤：
3.根据权利要求2所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在s110中，裁剪后的干扰信号每段长度设置为3s，采样率重采样为16khz。
4.根据权利要求2所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在s120中，裁剪后的目标信号每段长度设置为3s，采样率重采样为16khz。
5.根据权利要求2所述的一种基于深度学习的船舶声纳平台自噪声抑制方法，其特征在于，在s130中，将目标信号与干扰信号进行叠加，得到带噪目标信号，将带噪目标信号按训练数据集的个数的70％、20％以及10％划分为训练集、验证集和测试集。
6.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员：李理，李琛熙，曹然，李勇志，刘百峰，
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。