水聲監(jiān)聽獲取信號的頻帶范圍較寬,在記錄過程中包含多頻段特征信息,同時(shí)會摻雜各類噪聲信息。為可靠提取監(jiān)聽信號各頻段有效特征信息,避免噪聲影響,解決能量法判斷特征頻段存在的弊端,打破單一方法在提取寬頻帶信號有效特征頻段過程中存在的局限性,集中小波包、相關(guān)系數(shù)和希爾伯特-黃各自優(yōu)勢方法實(shí)現(xiàn)寬帶監(jiān)聽信號多頻段有效特征信息提取。首先通過小波包算法對寬頻帶信號實(shí)現(xiàn)精細(xì)化分頻,利用相關(guān)系數(shù)分析判斷節(jié)點(diǎn)信號的有效性,排除噪聲節(jié)點(diǎn),其次通過希爾伯特-黃對有效節(jié)點(diǎn)頻段內(nèi)的有效成分和噪聲進(jìn)一步分離,最后將處理后節(jié)點(diǎn)系數(shù)重構(gòu)獲得有效頻段特征信息。仿真分析驗(yàn)證和實(shí)測信號處理結(jié)果表明,該方法對寬頻帶水聲監(jiān)聽信號特征頻率信息的提取具有一定優(yōu)勢,可在水聲目標(biāo)識別與監(jiān)測等方面推廣和應(yīng)用。 

【文章來源】：電子技術(shù)應(yīng)用. 2020,46(02)

【文章頁數(shù)】：8 頁

【部分圖文】：

信號有效特征頻段提取流程圖

小波包可實(shí)現(xiàn)水聲監(jiān)聽信號頻段多層次劃分，既可分解低頻，也可分解高頻，與小波變換相比，具有更高的時(shí)頻分辨率，可對寬頻信號進(jìn)行更好的時(shí)頻分析[10]。小波與小波包的子帶分解對比如圖2所示，A代表低頻部分，D代表高頻部分。設(shè)尺度函數(shù)和小波函數(shù)分別為v(t)和p(t)，令U0=v(t),U1=p(t)，定義函數(shù){Un}為尺度函數(shù)v(t)的小波包，如式(2)所示，式中hk和gk為多分辨率分析中濾波器系數(shù)。

節(jié)點(diǎn)7進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解得到9個(gè)頻率從高到低的模態(tài)分量IMF1～I(xiàn)MF9和一個(gè)殘余分量Residual。按照式(3)分別計(jì)算IMF1～I(xiàn)MF9與節(jié)點(diǎn)7的互相關(guān)系數(shù)，IMF1～I(xiàn)MF9系數(shù)記為x1～x9，節(jié)點(diǎn)7系數(shù)記為u，互相關(guān)系數(shù)記為R(xi,u)，如表2所示，最大互相關(guān)系數(shù)為0.971 8，按照參考文獻(xiàn)[6]小于最大互相關(guān)系數(shù)的1/10判斷分量的有效性，主要分量分布于x1、x2，將2個(gè)分量重構(gòu)后數(shù)據(jù)與原節(jié)點(diǎn)7的互相關(guān)系數(shù)為0.996 7，通過經(jīng)驗(yàn)?zāi)B(tài)分解重構(gòu)處理后的互相關(guān)系數(shù)可以看出與原節(jié)點(diǎn)信號一致性較強(qiáng)。本文方法處理后數(shù)據(jù)如圖3(f)所示，通過與單純的小波包分解相比，本文方法的信噪比和均方根誤差更優(yōu)，如表3所示。3 監(jiān)聽水聲信號去噪分析

【參考文獻(xiàn)】：
期刊論文
[1]基于EMD和小波包能量法的信號去噪[J]. 趙超,楊慶東.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于小波包變換-主元分析-神經(jīng)網(wǎng)絡(luò)算法的多電平逆變器故障診斷[J]. 宋保業(yè),徐繼偉,許琳.  山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]基于小波包多閾值處理的海雜波去噪方法[J]. 閻妍,行鴻彥.  電子測量與儀器學(xué)報(bào). 2018(08)
[4]基于EMD及主成分分析的缺陷超聲信號特征提取研究[J]. 李茂,楊錄,張艷花.  中國測試. 2018(02)
[5]主動噪聲控制平臺的FPGA實(shí)現(xiàn)[J]. 王佳飛,關(guān)添,姜宇程,楊藝辰.  電子技術(shù)應(yīng)用. 2018(02)
[6]基于自相關(guān)函數(shù)特性的CEEMD全局閾值去噪方法研究[J]. 楊濤,樂友喜,曾賢德,蔡俊雄,曾勉.  地球物理學(xué)進(jìn)展. 2018(04)
[7]希爾伯特-黃變換在微弱被動瞬態(tài)魚聲信號中的檢測[J]. 陳功,王平波,鮑玉軍,許清泉,楊輝,陳宗濤.  海洋科學(xué). 2016(10)
[8]基于小波包分解與主流形識別的非線性降噪[J]. 蘇祖強(qiáng),蕭紅,張毅,羅久飛.  儀器儀表學(xué)報(bào). 2016(09)
[9]基于EMD及非平穩(wěn)性度量的趨勢噪聲分解方法[J]. 譚秋衡,吳量,李波.  數(shù)學(xué)物理學(xué)報(bào). 2016(04)
[10]改進(jìn)的小波包能量分段閾值降噪方法[J]. 鐘孟春,張春林,李華,王寶琦.  計(jì)算機(jī)工程與應(yīng)用. 2015(05)



本文編號：3265174