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