改进次最佳检测在侧扫声呐底混响抑制中的应用*

侧扫声呐进行沉底小目标探测时,底混响是主要背景干扰。底混响通常是一种非平稳、非高斯的带限噪声,它使得白噪声条件下的滤波器性能受到限制。在混响背景下常利用自回归模型对接收信号进预行白化处理,但对于实际侧扫声呐应用,白化后直接匹配滤波的处理效果不甚理想。针对此问题,在自回归模型预白化的基础上,提出采用一种次最佳检测与多分辨二分奇异值分解相结合的改进方法。该方法首先对接收信号进行分段处理,利用改进Burg算法估计每段数据自回归模型的系数及阶数;然后构造白化滤波器对分段数据预白化,并对白化后的数据进行多分辨二分奇异值分解;最后应用ostu方法对原始声图和处理后的声图进行目标检测。仿真与实验结果表明,该方法明显提高了信混比,改善了侧扫声呐沉底静态小目标的成图质量,有利于后期实现基于图像的目标自动检测。     

用于混响中信号检测的空时预白化处理器

提出了一种新型的空时预白化处理器用于抑制混响,它是基于二维自回归模型的。这种处理器将接收到的数据从空间和时间上联合进行处理,进而分离目标回波和混响。这种方法较传统的从空间和时间上分别进行处理的方法能够更有效的抑制混响。通过与传统的一维自回归预白化处理器相比较,使用空时预白化处理器后的检测效果提高了约9~11 dB。      

正交多相码连续波主动声呐回波检测算法设计

与常规脉冲式主动声呐相比,连续波主动声呐能够提高目标回波的时间处理增益和目标信息更新速率。该文提出一种由正交多相码合成的连续发射波形,分析了发射信号和目标回波模型,设计了多通道匹配滤波器组完成回波检测。为了进一步提高接收机检测性能,提出了多通道非相干积累的处理方法。通过数值仿真,分析提出的连续波形的多普勒分辨性能和目标信息更新率。通过蒙特卡罗法获取接收机工作特性曲线,比较了脉冲式主动声呐和连续波主动声呐在均匀混响背景下对单目标检测性能的差异。仿真结果表明,该文设计的连续波波形具有较好的多普勒分辨性能,在均匀混响背景下,回波检测算法能够明显提高单个目标的探测能力。     

利用正弦调频信号的宽带速度敏感特性抑制混响

有源声呐探测水中低速目标时,混响与目标回波的频率接近,目标回波与混响分离困难.根据运动目标与产生混响的散射体在速度域的差异,利用正弦调频信号(SFM)的速度敏感特性实现目标回波与混响的有效分离.推导了 SFM信号宽带混响抑制能力与速度分辨模糊之间的约束关系,建立了波形优化设计的搜索模型.通过多普勒滤波处理将数据从频率域...     

拖曳线列阵声呐平台噪声的空域矩阵滤波抑制技术

针对拖曳线列阵声呐平台噪声构成近场强干扰影响声呐弱目标探测的问题,利用近场平台噪声的多途传播特性,将匹配场定位技术和平面波目标方位估计技术结合,使用平台噪声到达接收阵的拷贝向量以及平面波方向向量共同设计平台噪声零响应约束空域矩阵滤波器,实现了平台噪声抑制.推导得出滤波器设计最优化问题的最优解,利用广义奇异值分解简化最优解表达式,并给出滤波器对平面波方向向量整体响应误差以及对平台噪声拷贝向量响应。利用平台噪声拷贝向量与远场平面波方向向量相关性,解释了平台噪声构成强干扰的原因,以及滤波后存在探测盲区的原因。由仿真可知,空域矩阵滤波处理可获得更小的探测盲区,同时获得盲区外更高的探测能力.      

水中目标窄带噪声识别的听觉外周模型

为解决听觉外周模型特征在具有工程背景的水中目标声信号分类研究中识别率下降问题,提出了一种外周模型Gammatone滤波器组修正方法,获得的窄带噪声特征可明显提高水中目标识别性能。首先,分析了识别率下降原因,发现声学工程应用中多通道数据采集,导致信号频率范围变窄,而引起声信号的时频特征发生变化。其次,根据听觉模型用Gammatone滤波器组模拟人耳基底膜频率分解特性、低频信息包含水中目标噪声信号的重要类别特征,对原有的听觉模型特征进行插值,对滤波器组的通道数与中心频率进行适应性修正,得到目标噪声在较窄频带的27维特征,修正后的模型能够更精细地反映出目标时频特性。最后,采用神经网络分类器进行实验。结果表明,修正后的听觉模型保留了原较宽频带特征的主要信息,而且进一步提高了对实际目标的分类能力,识别率由原来的82.59%提高到88.80%。本文提出根据工程应用平台的有效接收频带优化听觉外周模型Gammatone滤波器组的设计,采用阵元级的多通道数据进行分析,侧重于工程应用,解决了多通道数据采集中,由于频带变窄,导致信号的特征信息量下降,进而引起声特征识别性能下降的问题,修正后的听觉模型特征,有效地提高水中目标辐射噪声的识别效果。本文对从事无源声呐目标识别、有源声呐目标识别、带宽受限的多通道声数据采集的时频特性分析研究人员具有一定的参考价值。      

信源空间散布条件下的声呐目标滤波方法

基于密集多波束接收空间观测数据向量,定义了一个与信源空间分布参数相关的特征量-空间散布指数,并利用蒙特卡洛积分对不同信源散布角宽度、不同信噪比和不同噪声空间分布特性条件下的空间散布指数进行了建模与计算。在此基础上,形成了在分布式混响/噪声背景下检测目标回波信号的空间散布指数滤波方法。利用轻型AUV（Autonomous UnderwaterVehicle）水下航行器声呐获得的实验数据进行了验证,表明该方法可显著抑制了混响及流噪声干扰。该方法无需假设信源间彼此独立,对混响干扰具有良好的适应性;由于混响及流噪声成分被大部分滤除,显著提高了信号处理增益,在后续检测过程中避免了宽波束接收、旁瓣泄漏、主动声呐平台运动等因素引起的背景噪声的显著增加。      

字典奇异值分解加权压缩感知多径信号参数估计

为提高水声信道多径参数估计的分辨率,提出了一种基于字典奇异值分解的加权压缩感知算法。对于有源声呐,根据发射信号构造字典,对字典进行奇异值分解,利用大特征值对应的特征向量构造信号子空间,然后使用信号子空间对接收信号进行滤波。对滤波结果进行加权压缩感知参数估计,得出最终时延估计结果。仿真实验表明,所提方法能够对水声多径参数进行超分辨估计,适用于任何脉冲信号。湖试处理结果显示,混响背景下该方法也有较好的多径参数估计性能,能够降低接收数据的噪声成分,提高对水声信道的多径时延、个数和幅度的估计精度。      

基于分数阶傅里叶变换混响抑制的目标回波检测方法

提出了一种声呐发射信号为线性调频信号时,基于分数阶傅里叶变换混响抑制的目标回波信号检测方法。通过计算混响的缓慢时变包络,对混响进行时间域的平稳化处理。对平稳化的混响信号滑动窗截取,对截取信号进行分数阶傅里叶变换,然后在分数阶傅里叶域进行滤波处理,再进行逆分数阶傅里叶变换恢复出时间域信号,最后输出该信号的能量。当滑动窗截取到目标回波信号时,窗内的混响噪声得到抑制,系统输出目标回波的能量,从而实现混响背景下的信号检测。通过计算机仿真和湖试实验结果,表明所提方法可以准确的在混响背景下检测到目标回波信号,并且在混响噪声背景条件下相比于匹配滤波器具有更好的检测性能。      

基于数学形态学的声纳主动探测信息净化方法

针对主动声呐探测画面中混响和被动条状干扰问题,提出了一种基于数学形态学滤波的主动探测信息净化方法。该算法通过研究数学形态学滤波器的频响特性,构造与主动声呐探测画面中目标频率特性匹配的结构元素,然后对主动声呐探测画面进行形态学滤波处理,估计主动声呐探测画面的干扰背景,最后进行探测信息净化,并利用形态学滤波对净化后图像进行增强。海试数据处理结果表明,该文方法能够有效抑制低频被动条状干扰以及混响背景,使点状目标在图像中表现更为明显,更有利于目标检测。     

Relevant modes selection method based on Spearman correlation coefficient for laser signal denoising using empirical mode decomposition

Empirical mode decomposition (EMD) is a recently proposed nonlinear and nonstationary laser signal denoising method. A noisy signal is broken down using EMD into oscillatory components that are called intrinsic mode functions (IMFs). Thresholding-based denoising and correlation-based partial reconstruction of IMFs are the two main research directions for EMD-based denoising. Similar to other decomposition-based denoising approaches, EMD-based denoising methods require a reliable threshold to determine which IMFs are noise components and which IMFs are noise-free components. In this work, we propose a new approach in which each IMF is first denoised using EMD interval thresholding (EMD-IT), and then a robust thresholding process based on Spearman correlation coefficient is used for relevant modes selection. The proposed method tackles the problem using a thresholding-based denoising approach coupled with partial reconstruction of the relevant IMFs. Other traditional denoising methods, including correlation-based EMD partial reconstruction (EMD-Correlation), discrete Fourier transform and wavelet-based methods, are investigated to provide a comparison with the proposed technique. Simulation and test results demonstrate the superior performance of the proposed method when compared with the other methods.     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

卷积噪声环境下语音信号鲁棒特征提取

提出了一种基于独立分量分析(ICA)的语音信号鲁棒特征提取算法,用以解决在卷积噪声环境下语音信号的训练与识别特征不匹配的问题。该算法通过短时傅里叶变换将带噪语音信号从时域转换到频域后,采用复值ICA方法从带噪语音的短时谱中分离出语音信号的短时谱,然后根据所得到的语音信号短时谱计算美尔倒谱系数(MFCC)及其一阶差分作为特征参数。在仿真与真实环境下汉语数字语音识别实验中,所提算法相比较传统的MFCC其识别正确率分别提升了34.8%和32.6%。实验结果表明基于ICA方法的语音特征在卷积噪声环境下具有良好的鲁棒性。      

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

Intensity analysis methods for transient signals

Conventionally, the Fourier transform is applied for sound intensity analysis of stationary signals, but this method can be applied for analyzing non-stationary transient signals. Instead of the Fourier transform analysis, instantaneous spectrum analysis methods such as the Wigner-Ville distribution and the wavelet transform are proposed. By using the mathematical example as a transient signal, advantages and disadvantages of these methods including the short-time Fourier transform are compared. From calculation results, it is considered that the STFT method is the most suitable for the accurate measurement of sound intensity levels, but the WT method is also recommended from its higher resolution of transient signals.     

Short-time fractional Fourier methods for the time-frequency representation of chirp signals

The fractional Fourier transform (FrFT) provides a valuable tool for the analysis of linear chirp signals. This paper develops two short-time FrFT variants which are suited to the analysis of multicomponent and nonlinear chirp signals. Outputs have similar properties to the short-time Fourier transform (STFT) but show improved time-frequency resolution. The FrFT is a parameterized transform with parameter, a, related to chirp rate. The two short-time implementations differ in how the value of a is chosen. In the first, a global optimization procedure selects one value of a with reference to the entire signal. In the second, a values are selected independently for each windowed section. Comparative variance measures based on the Gaussian function are given and are shown to be consistent with the uncertainty principle in fractional domains. For appropriately chosen FrFT orders, the derived fractional domain uncertainty relationship is minimized for Gaussian windowed linear chirp signals. The two short-time FrFT algorithms have complementary strengths demonstrated by time-frequency representations for a multicomponent bat chirp, a highly nonlinear quadratic chirp, and an output pulse from a finite-difference sonar model with dispersive change. These representations illustrate the improvements obtained in using FrFT based algorithms compared to the STFT.     

基于反向传播神经网络的拉曼光谱去噪方法

拉曼光谱技术作为一种典型的光学检测方法,因其独特的非侵入性、快速、原位和极高的特异性,在生物分析、疾病诊断及分子识别等众多领域得到广泛应用.拉曼光谱的指纹特性使其成为生物医学分析领域的重要工具,但拉曼散射信号微弱,数据处理分析大量依赖分析人员、自动化处理能力低等因素都会极大影响该技术在实际中的应用.实验设备、环境产生的...     

基于小波变换的压缩感知理论对水质检测紫外-可见光谱数据的去噪研究

消除噪声影响对提高直接光谱法水质检测系统的测量稳定性和精度都具有重要意义。直接光谱法在线水质检测系统通常采用长寿命、无需预热的脉冲氙灯和适用于复杂检测环境的工业级光谱探测装置。针对整个光谱探测系统受到光源、光路和光电转换器件的严重影响,测定的光谱数据含有大量噪声这一实际问题,提出了基于小波变换的压缩感知去噪算法,并与传统小波阈值去噪方法进行了比较实验。针对化学需氧量为200 mg·L-1的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪处理,采用压缩感知去噪算法,将信号在小波域内分解,得到含噪高频系数;采用随机高斯矩阵作为压缩感知算法的观测矩阵,压缩比设置为2,对高频系数进行观测;选择正交匹配追踪算法恢复高频小波系数的稀疏性,从而达到去噪目的。同时针对传统的小波阈值去噪,采用daubechies4作为小波基的软阈值滤波方法对光谱数据进行去噪处理。为验证去噪算法的可行性,采集某溪水和城市生活污水的光谱信号分别采用以上两种方法进行去噪处理,实验结果表明：基于小波变换的压缩感知去噪算法适用于紫外-可见光谱法在线水质检测系统,该方法能在保留水样原始光谱信号的吸收特征的前提下有效地去噪,且去噪效果优于小波阈值去噪算法。与小波阈值去噪算法相比,信噪比提高了12.201 5 dB,均方根误差减小了0.009 3,峰值信噪比增加了5.299 dB。不仅避免了小波阈值去噪过程中阈值的选取依靠主观判断问题,而且在重构过程中有效地抑制了噪声,为直接光谱法检测水质参数提供了一种新的解决方案。     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.