一種水聲信號(hào)的粒子濾波降噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于水聲信號(hào)處理技術(shù)領(lǐng)域,涉及一種水聲信號(hào)的粒子濾波降噪方法。
【背景技術(shù)】
[0002] 文獻(xiàn)"非高斯背景條件下水聲信號(hào)粒子濾波性能分析,火力與指揮控 制,2014, Vol. 39 (4),P34-37, 41"公開(kāi)了一種非高斯背景條件下水聲信號(hào)粒子濾波性能分 析方法。該方法是利用假定的水聲信號(hào)數(shù)學(xué)模型進(jìn)行粒子濾波,但是需要說(shuō)明的是,并未對(duì) 實(shí)際水聲信號(hào)進(jìn)行粒子濾波降噪處理。
【發(fā)明內(nèi)容】
[0003] 本發(fā)明的目的在于克服上述現(xiàn)有方法的不足,提供一種水聲信號(hào)的粒子濾波降噪 方法,以四種不同類別的艦船輻射噪聲作為實(shí)際水聲信號(hào),建立了基于遺傳算法的實(shí)際水 聲信號(hào)的數(shù)學(xué)模型,提出了基于粒子濾波的水聲信號(hào)降噪處理方法,并對(duì)實(shí)際艦船信號(hào)進(jìn) 行降噪處理。
[0004] 為達(dá)到上述目的,本發(fā)明采用以下技術(shù)方案:
[0005] -種水聲信號(hào)的粒子濾波降噪方法,包括以下步驟:
[0006]步驟(a)、利用遺傳算法對(duì)實(shí)測(cè)水聲信號(hào)建立數(shù)學(xué)模型;
[0007]步驟(b)、根據(jù)水聲信號(hào)的遺傳算法建模過(guò)程及原理,得出水聲信號(hào)的狀態(tài)方程; 同時(shí),將建模所得的數(shù)學(xué)模型轉(zhuǎn)化為水聲信號(hào)的觀測(cè)方程;
[0008]步驟(c)、利用粒子濾波對(duì)實(shí)測(cè)水聲信號(hào)進(jìn)行降噪,給出降噪前后的時(shí)序波形和相 空間吸引子軌跡,具體步驟如下:
[0009]1)、初始化1^ = 0
[0010] 從初始分布P (xj中采樣得到N個(gè)初始粒子?[<;/ = 1,..,\'j ;
[0011] 2)、重要性采樣
[0012] 從重要性密度函數(shù)q(X(l:k|y1:k)中采樣產(chǎn)生粒子,
【主權(quán)項(xiàng)】
1. 一種水聲信號(hào)的粒子濾波降噪方法,其特征在于包括以下步驟: 步驟(a)、利用遺傳算法對(duì)實(shí)測(cè)水聲信號(hào)建立數(shù)學(xué)模型; 步驟(b)、根據(jù)水聲信號(hào)的遺傳算法建模過(guò)程及原理,得出水聲信號(hào)的狀態(tài)方程;同 時(shí),將建模所得的數(shù)學(xué)模型轉(zhuǎn)化為水聲信號(hào)的觀測(cè)方程; 步驟(c)、利用粒子濾波對(duì)實(shí)測(cè)水聲信號(hào)進(jìn)行降噪,給出降噪前后的時(shí)序波形和相空間 吸引子軌跡,具體步驟如下: 1) 、初始化k=O 從初始分布POO中采樣得到N個(gè)初始粒子(<;/ = , 2) 、重要性采樣 從重要性密度函數(shù)q(XdIy1J中采樣產(chǎn)生粒子,
4) 、重采樣 從4中根據(jù)重要性權(quán)值重新采樣得到新的N個(gè)粒子 <,并重新分配權(quán)值w} = 1/況; 5) 、狀態(tài)估計(jì)均值
步驟(d)、計(jì)算降噪前與降噪后的噪聲強(qiáng)度,Lyapunov指數(shù),關(guān)聯(lián)維數(shù)和K2熵。
2. 根據(jù)權(quán)利要求1所述的水聲信號(hào)的粒子濾波降噪方法,其特征在于:所述步驟(a) 建立數(shù)學(xué)模型具體包括以下步驟: 1) 、使用Volterra模型作為預(yù)測(cè)模型,如下:
對(duì)于N個(gè)變量的M階的Volterra模型,一共有1+N+N~2+*" +N~M項(xiàng),在Volterra模型 的基礎(chǔ)上,選擇一定的項(xiàng)來(lái)組成新的模型,組成模型的項(xiàng)的選擇由遺傳算法完成; 2) 、對(duì)每一項(xiàng)進(jìn)行編碼,對(duì)于模型的項(xiàng)采用以下通用公式表示:
個(gè)矩陣,表示一個(gè)模型,矩陣的每個(gè)列向量表示模型的一個(gè)項(xiàng),矩陣的列數(shù)即為模型的項(xiàng) 數(shù); 3)、使用最小二乘法來(lái)計(jì)算模型系數(shù),在得到模型系數(shù)后,使用評(píng)價(jià)數(shù)據(jù)來(lái)計(jì)算模型的 預(yù)測(cè)誤差,使用該誤差作為模型好壞的評(píng)價(jià); 交叉繁殖:將兩個(gè)模型的項(xiàng)按照一定的規(guī)律分別排序,在兩個(gè)序列中各隨機(jī)選擇一個(gè) 交叉點(diǎn),然后交換序列的后半部分,得到兩個(gè)新的模型,作為交叉繁殖的后代; 變異:將隨機(jī)生成模型的一個(gè)項(xiàng)隨機(jī)替換掉模型原來(lái)的一個(gè)項(xiàng),完成變異。
【專利摘要】本發(fā)明提供一種水聲信號(hào)的粒子濾波降噪方法,包括:步驟(a)、利用遺傳算法對(duì)實(shí)測(cè)水聲信號(hào)建立數(shù)學(xué)模型;步驟(b)、根據(jù)水聲信號(hào)的遺傳算法建模過(guò)程及原理,得出水聲信號(hào)的狀態(tài)方程;同時(shí),將建模所得的數(shù)學(xué)模型轉(zhuǎn)化為水聲信號(hào)的觀測(cè)方程;步驟(c)、利用粒子濾波對(duì)實(shí)測(cè)水聲信號(hào)進(jìn)行降噪,給出降噪前后的時(shí)序波形和相空間吸引子軌跡;步驟(d)、計(jì)算降噪前與降噪后的噪聲強(qiáng)度,Lyapunov指數(shù),關(guān)聯(lián)維數(shù)和K2熵;本發(fā)明利用粒子濾波對(duì)實(shí)測(cè)的水聲信號(hào)進(jìn)行降噪,給出降噪前后的信號(hào)時(shí)域波形及相空間吸引子軌跡;計(jì)算降噪前與降噪后的噪聲強(qiáng)度,Lyapunov指數(shù),關(guān)聯(lián)維數(shù),K2熵等特征參數(shù),為定量分析粒子濾波對(duì)實(shí)際水聲信號(hào)的降噪效果提供依據(jù)。
【IPC分類】G06N3-12, G06F19-00
【公開(kāi)號(hào)】CN104715146
【申請(qǐng)?zhí)枴緾N201510096543
【發(fā)明人】李國(guó)輝, 楊宏
【申請(qǐng)人】西安郵電大學(xué)
【公開(kāi)日】2015年6月17日
【申請(qǐng)日】2015年3月4日