【技术实现步骤摘要】
本专利技术涉及水下声信号处理，尤其涉及一种基于生成对抗网络的水下声信号增强方法、电子设备和计算机可读存储介质。
技术介绍
1、随着科技的不断发展，水下声信号增强技术在海洋工程、水声通信、声纳探测等领域中变得越来越重要。然而，由于水下环境的复杂性和限制性，水下声信号往往受到各种噪声干扰和水介质削弱等问题的影响，使得声信号的质量下降，难以有效获取和分析。在传统的水下声信号增强方法中，常使用滤波、降噪和补偿等技术来提升信号质量，但这些方法都需要较多的物理设备支撑，存在一定的局限性。不仅如此，根据香农定理可知，每经过一定距离的传输介质，信息都会有一定的概率失真，这也是传统方法往往无法完全恢复声信号质量或去除噪声的重要原因。因此，需要一种更先进、更有效的方法来解决水下声信号增强的问题。
技术实现思路
1、针对现有技术中所存在的不足，本专利技术提供了一种基于生成对抗网络的水下声信号增强方法，其目的在于增强被水下噪声干扰和被水下介质削弱的声信号，达到无限接近原始声信号的效果。
2、根据本专利技术的实施例，一种基于生成对抗网络的水下声信号增强方法，其包括：
3、s1利用声信号发射设备和接收设备采集目标水域的水下带噪声信号，将带噪声信号用lms自适应滤波法预处理降噪后制作水下声信号数据集；
4、s2利用水下声信号数据集训练专用于水下声信号增强的自适应生成对抗网络cp-gan；
5、s3接收发射设备传来的声信号，经过lms自适应滤波法预处理后输入到cp-
6、进一步地，s1中采集目标水域的水下带噪声信号包括如下步骤：
7、a1记第n次采集的本地声信号为x(n)，本地声信号x(n)通过声信号发射设备发射到接收设备后得到的带噪声信号为x(n)；
8、a2通过陆地声信号发射设备将声信号x(n)发射给水下声信号接收设备，得到带有噪音的声信号x(n)；记本地声信号为x(n+1)，通过水下声信号发射设备将声信号x(n+1)发射给陆地声信号接收设备，得到带有噪音的声信号x(n+1)；
9、a3重复子步骤a1、a2，直到数据量达到10万条以上，将记录的数据进行存储。
10、进一步地，s1中制作水下声信号数据集包括如下步骤：
11、b1在声信号接收设备构造lms自适应滤波器；
12、b2将带噪声信号x(n)输入到lms自适应滤波器进行处理，得到滤波处理后y(n)，记步骤a1中第n次采集的本地信号x(n)为目标真实声信号，记y(n)为滤波处理后的带噪声信号，记y(n)和x(n)为声信号数据集的第n条数据；
13、b3重复步骤b2，直到将所有采集的数据处理完毕，得到完整的声信号数据集。
14、进一步地，s2包括如下步骤：
15、c1改进生成对抗网络gan的生成器损失函数，如下：
16、loss_cgan(g)＝-e_y[log d(g(y),y)]+∥g(y)-x∥，
17、其中，y表示作为条件输入给生成器g的条件信号，g(y)表示生成器g生成的针对y的假声信号，x表示训练数据中的真实声信号，-e_y[logd(g(y),y)]表示生成器g生成的假声信号g(y)和条件信号y输入到判别器d中得到的判别概率的负对数期望，∥g(y)-x∥是生成器的重构损失项，表示生成的假声信号g(y)与真实声信号x之间的差异；
18、c2采用动态上下文信息的多粒度判别器，针对增强过的声信号的片段进行判别：
19、global discriminator针对生成器的输出进行判别，输出生成的声信号为真实声信号的概率，从整体上判断声信号恢复的效果，其数学表示如下：
20、d_real＝σ(c(x,y)-c(g(y),y))，
21、其中，σ代表sigmoid函数，将输入的值映射为0到1之间的概率值，c(x,y)表示判别器对于真实声信号x和条件信号y的输出，即判别器判断输入是否为真实样本的置信度或概率，c(g(y),y)表示判别器对于生成器生成的假声信号g(y)和条件信号y的输出，即判别器判断输入是否为真实样本的置信度或概率，输出c(x,y)与输出c(g(y),y)的差异越大，说明判别器越能准确地区分真实样本和生成样本；
22、local discriminator随机选择10种不同的声信号片段进行判别，从局部判断生成的声信号的恢复程度，其数学描述如下：
23、d_fake＝σ(c(g(y),y)-c(x,y))，
24、其中，σ，c(x,y),c(g(y),y)g(y)的含义与global discriminator中的数学描述一致，然而local discriminator的目标是通过最小化生成样本的输出差异，鼓励判别器能够准确地将生成的假声信号判别为生成样本；
25、c3将获得的数据集输入到步骤c1和c2改进后的生成对抗网络cp-gan中进行训练，得到目标水域的水下声信号增强模型。
26、进一步地，s3包括如下步骤：
27、d1实时接收发射设备传来的声信号x，用lms自适应滤波法预处理声信号，得到消除部分噪声的声信号x；
28、d2将声信号x输入到训练好的cp-gan声信增强模型中增强声信号质量，得到增强后的声信号y；
29、d3将声信号y回传给声信号接收设备。
30、根据实施例，还提供了一种电子设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述基于生成对抗网络的水下声信号增强方法。
31、根据实施例，还提供了一种计算机可读存储介质，其包括：存储有能够被处理器加载并执行上述基于生成对抗网络的水下声信号增强方法的计算机程序。
32、相比于现有技术，本专利技术具有如下有益效果：
33、gan是一种由生成器和判别器组成的对抗性模型，通过生成器生成逼真的样本，同时判别器试图区分生成样本和真实样本；通过对生成器和判别器进行训练，gan可以学会如何生成高质量、真实的声信号；在水下声信号增强中，生成器可以接收带噪或遭到水介质削弱的声信号作为输入，并生成增强后的声信号作为输出；判别器则用于判别生成的声信号与真实声信号的区别；通过反复训练生成器和判别器，gan网络可以逐渐优化生成器的能力，使其能够生成更加逼近真实和清晰的水下声信号；此外，生成对抗网络还具有一定的鲁棒性，能够适应不同水下环境和噪声场景的变化，恢复被水介质削弱的声信号，在提升水下声信号质量、改善水下通信和声纳探测等应用中具有广阔的前景和潜力；
34、本专利技术基于生成对抗网络的水下声信号增强方法不依赖过多的物理设备，而是通过gan网络中声信号生成器和声信号判别器的不断地博弈，直到生成器本文档来自技高网...
【技术保护点】
1.一种基于生成对抗网络的水下声信号增强方法，其特征在于，包括：
2.如权利要求1所述的基于生成对抗网络的水下声信号增强方法，其特征在于，S1中采集目标水域的水下带噪声信号包括如下步骤：
3.如权利要求2所述的基于生成对抗网络的水下声信号增强方法，其特征在于，S1中制作水下声信号数据集包括如下步骤：
4.如权利要求1所述的基于生成对抗网络的水下声信号增强方法，其特征在于，S2包括如下步骤：
5.如权利要求1所述的基于生成对抗网络的水下声信号增强方法，其特征在于，S3包括如下步骤：
6.一种电子设备，其特征在于，包括：一个或多个处理器；存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行权利要求1-5任一项的基于生成对抗网络的水下声信号增强方法。
7.一种计算机可读存储介质，其特征在于，包括：存储有能够被处理器加载并执行如权利要求1-5中任一项的基于生成对抗网络的水下声信号增强方法的计算机程序。
【技术特征摘要】
1.一种基于生成对抗网络的水下声信号增强方法，其特征在于，包括：
2.如权利要求1所述的基于生成对抗网络的水下声信号增强方法，其特征在于，s1中采集目标水域的水下带噪声信号包括如下步骤：
3.如权利要求2所述的基于生成对抗网络的水下声信号增强方法，其特征在于，s1中制作水下声信号数据集包括如下步骤：
4.如权利要求1所述的基于生成对抗网络的水下声信号增强方法，其特征在于，s2包括如下步骤：
5.如权利要求1所述的基于生成对抗网...
【专利技术属性】
技术研发人员：聂道静，孙翠翠，刘艳，韩信，鲍支虎，陈建东，雷松松，
申请(专利权)人：微特技术有限公司，
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。