[發(fā)明專利]基于自適應(yīng)窗口濾波和小波閾值優(yōu)化的水聲信號(hào)去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010509512.6
• 申請(qǐng)日: 2020-06-23
• 公開（公告）號(hào): CN111681667B
• 公開（公告）日: 2021-05-04
• 發(fā)明（設(shè)計(jì)）人: 王景景;李嘉恒;董新利;楊星海;施威;徐凌偉;郭瑛;李海濤
• 申請(qǐng)（專利權(quán)）人: 青島科技大學(xué)
• 主分類號(hào): G10L21/0216
• 分類號(hào): G10L21/0216;H04B11/00;G06K9/00;G10L25/27;G10L25/45
• 代理公司: 青島海昊知識(shí)產(chǎn)權(quán)事務(wù)所有限公司 37201
• 代理人: 劉艷青

1.一種基于自適應(yīng)窗口濾波和小波閾值優(yōu)化的水聲信號(hào)去噪方法，其特征在于，該去噪方法包括以下步驟：

S1：獲取水聲信號(hào)數(shù)據(jù)，通過現(xiàn)有數(shù)據(jù)接收模型來(lái)描述水聲信道中的高斯/非高斯脈沖噪聲；

S2：基于自適應(yīng)窗口的中值濾波法，抑制非高斯脈沖噪聲，得到去非高斯脈沖噪聲的水聲信號(hào)數(shù)據(jù)；

S3：再將S2得到的去非高斯脈沖噪聲的水聲信號(hào)數(shù)據(jù)進(jìn)行基于改進(jìn)人工蜂群小波閾值優(yōu)化方法處理，抑制高斯噪聲，最終得到去噪后的水聲信號(hào)數(shù)據(jù)；

所述步驟S1具體如下：

S1-1：信號(hào)接收模型,其中信號(hào)噪聲模型采用SαS分布和正態(tài)分布模型：

對(duì)于單發(fā)單收水聲通信系統(tǒng)，采用數(shù)字形式表示接收端收到的時(shí)域信號(hào)y(t)，用一組離散的樣本表示為：

y(i)＝s(i)+e(i),i＝1,2,...,N

其中s(i)是具有隨機(jī)幅度和相位的不含噪期望信號(hào)；e(i)為加性海洋背景噪聲；N是樣本數(shù)；

S1-2：高斯/非高斯脈沖噪聲模型：

高斯噪聲模型選用概率密度函數(shù)如下：其中，x為噪聲壓的瞬時(shí)值；

信噪比SNR定義如下：

其中分別為期望信號(hào)和高斯噪聲的方差；

采用α穩(wěn)定分布描述水下尖峰脈沖噪聲比高斯分布具有更大的優(yōu)勢(shì)，若隨機(jī)變量X的特征函數(shù)可表示為：

其中-∞＜a＜∞為實(shí)數(shù)，表示位置參數(shù)，且

則隨機(jī)變量X服從α穩(wěn)定分布；其中0＜α≤2，表示特征指數(shù)，決定脈沖特性程度，α越小表示脈沖越強(qiáng)烈，α越大越趨近于高斯過程，當(dāng)α＝2時(shí)，即為高斯分布；-1≤β≤1為對(duì)稱參數(shù)，用于確定分布的斜度；γ＞0為分散系數(shù)，其含義類似于高斯分布方差；

當(dāng)β＝0時(shí)，α穩(wěn)定分布特征函數(shù)表示為

此時(shí)該分布稱為對(duì)稱α穩(wěn)定分布，記作X～SαS；假設(shè)位置參數(shù)a＝0，此時(shí)SαS分布的概率密度函數(shù)為：

基于SαS分布的非高斯脈沖噪聲無(wú)法計(jì)算方差，因此采用混合信噪比MSNR描述噪聲大小，MSNR定義如下：

其中和γ分別表示期望信號(hào)的方差和非高斯脈沖噪聲的分散系數(shù)；

假設(shè)水聲噪聲模型由高斯噪聲和非高斯脈沖噪聲模型疊加得到，因此定義水聲噪聲e(i)為

e(i)＝e_Gauss(i)+e_SαS(i)

其中e_Gauss(i)、e_SαS(i)分別由和產(chǎn)生。