一种水声信号的粒子滤波降噪方法
【技术领域】
[0001] 本发明属于水声信号处理技术领域，涉及一种水声信号的粒子滤波降噪方法。
【背景技术】
[0002] 文献"非高斯背景条件下水声信号粒子滤波性能分析，火力与指挥控 制，2014, Vol. 39 (4)，P34-37, 41"公开了一种非高斯背景条件下水声信号粒子滤波性能分 析方法。该方法是利用假定的水声信号数学模型进行粒子滤波，但是需要说明的是，并未对 实际水声信号进行粒子滤波降噪处理。
【发明内容】
[0003] 本发明的目的在于克服上述现有方法的不足，提供一种水声信号的粒子滤波降噪 方法，以四种不同类别的舰船辐射噪声作为实际水声信号，建立了基于遗传算法的实际水 声信号的数学模型，提出了基于粒子滤波的水声信号降噪处理方法，并对实际舰船信号进 行降噪处理。
[0004] 为达到上述目的，本发明采用以下技术方案：
[0005] -种水声信号的粒子滤波降噪方法，包括以下步骤：
[0006]步骤（a)、利用遗传算法对实测水声信号建立数学模型；
[0007]步骤（b)、根据水声信号的遗传算法建模过程及原理，得出水声信号的状态方程； 同时，将建模所得的数学模型转化为水声信号的观测方程；
[0008]步骤（c)、利用粒子滤波对实测水声信号进行降噪，给出降噪前后的时序波形和相 空间吸引子轨迹，具体步骤如下：
[0009]1)、初始化1^ = 0
[0010] 从初始分布P (xj中采样得到N个初始粒子?[<;/ = 1,..，\'j ;
[0011] 2)、重要性采样
[0012] 从重要性密度函数q(X(l:k|y1:k)中采样产生粒子，
【主权项】
1. 一种水声信号的粒子滤波降噪方法，其特征在于包括以下步骤： 步骤（a)、利用遗传算法对实测水声信号建立数学模型； 步骤（b)、根据水声信号的遗传算法建模过程及原理，得出水声信号的状态方程；同 时，将建模所得的数学模型转化为水声信号的观测方程； 步骤（c)、利用粒子滤波对实测水声信号进行降噪，给出降噪前后的时序波形和相空间 吸引子轨迹，具体步骤如下： 1) 、初始化k=O 从初始分布POO中采样得到N个初始粒子(<;/ = ， 2) 、重要性采样 从重要性密度函数q(XdIy1J中采样产生粒子，
4) 、重采样 从4中根据重要性权值重新采样得到新的N个粒子 <，并重新分配权值w} = 1/况； 5) 、状态估计均值
步骤（d)、计算降噪前与降噪后的噪声强度，Lyapunov指数，关联维数和K2熵。
2. 根据权利要求1所述的水声信号的粒子滤波降噪方法，其特征在于：所述步骤（a) 建立数学模型具体包括以下步骤： 1) 、使用Volterra模型作为预测模型，如下：
对于N个变量的M阶的Volterra模型，一共有1+N+N~2+*" +N~M项，在Volterra模型 的基础上，选择一定的项来组成新的模型，组成模型的项的选择由遗传算法完成； 2) 、对每一项进行编码，对于模型的项采用以下通用公式表示：
个矩阵，表示一个模型，矩阵的每个列向量表示模型的一个项，矩阵的列数即为模型的项 数； 3)、使用最小二乘法来计算模型系数，在得到模型系数后，使用评价数据来计算模型的 预测误差，使用该误差作为模型好坏的评价； 交叉繁殖：将两个模型的项按照一定的规律分别排序，在两个序列中各随机选择一个 交叉点，然后交换序列的后半部分，得到两个新的模型，作为交叉繁殖的后代； 变异：将随机生成模型的一个项随机替换掉模型原来的一个项，完成变异。
【专利摘要】本发明提供一种水声信号的粒子滤波降噪方法，包括：步骤(a)、利用遗传算法对实测水声信号建立数学模型；步骤(b)、根据水声信号的遗传算法建模过程及原理，得出水声信号的状态方程；同时，将建模所得的数学模型转化为水声信号的观测方程；步骤(c)、利用粒子滤波对实测水声信号进行降噪，给出降噪前后的时序波形和相空间吸引子轨迹；步骤(d)、计算降噪前与降噪后的噪声强度，Lyapunov指数，关联维数和K2熵；本发明利用粒子滤波对实测的水声信号进行降噪，给出降噪前后的信号时域波形及相空间吸引子轨迹；计算降噪前与降噪后的噪声强度，Lyapunov指数，关联维数，K2熵等特征参数，为定量分析粒子滤波对实际水声信号的降噪效果提供依据。
【IPC分类】G06N3-12, G06F19-00
【公开号】CN104715146
【申请号】CN201510096543
【发明人】李国辉, 杨宏
【申请人】西安邮电大学
【公开日】2015年6月17日
【申请日】2015年3月4日