[发明专利]一种辐射噪声线谱稀疏反演方法

说明书

本发明公开一种辐射噪声线谱稀疏反演方法，该方法针对现有辐射噪声声源分辨及声源强度估计精度不高的问题，通过利用目标辐射噪声谱的频域稀疏特性，建立压缩感知理论框架下的目标辐射噪声谱的稀疏表示模型，反演目标辐射噪声线谱在L1范数意义下的频域噪声系数，旨在提取高分辨的目标辐射噪声谱精细特征，获取噪声源强度的高精度估计结果，从而提升目标辐射噪声测量水平，为减振降噪的工程实现提供坚实的理论基础与技术支撑。

技术领域

本发明涉及一种方法，具体的是涉及一种辐射噪声线谱稀疏反演方法，主要是用于目标分离及目标强度估计，属于噪声信号处理技术领域。

背景技术

通常来说，在减振降噪工程中，如何准确识别出起主要作用的噪声源，并从频率和空间域上获取各主要噪声源的空间分布和频率特征，定量识别各主要噪声源的贡献大小，从而有针对性地采取有效减振降噪措施是一项关键技术。低频段辐射噪声经常被用于目标检测、跟踪与识别、目标参数估计之中。线谱主要位于辐射噪声的低频段，所以，高精度地估计低频辐射噪声的参数是提升噪声测量水平的重要环节。

目前辐射噪声强度获取及方位的高精度高分辨测量主要采用基于声压阵和声矢量阵的阵列信号处理方法，存在无法识别声源的绝对强度大小、无法分辨毗邻入射信号、分辨精度低、信号处理成本高等问题。近年来，稀疏信号分解与信号重构作为一种新的理论逐渐被引入到信号参数估计领域，逐步成为信号处理、图像恢复和无线通信等领域研究的热点问题。稀疏信号分解与信号重构理论指出当信号满足稀疏或在某个变换域稀疏的条件时，能够通过少量的信号投影测量值准确或近似重构原始信号。稀疏反演方法通过最优化问题可以在稀疏模型下精确反演多峰辐射噪声谱，峰值和峰的位置分别对应噪声的声源强度与噪声源方位，在信息提取和参数分析等方面具有复杂信号稀疏化、特征差异明显和噪声影响小等优势。

综上，需提供一种辐射噪声声源分辨及声源强度估计精度高的辐射噪声线谱稀疏反演方法是解决上述技术问题的关键所在。

发明内容

针对上述背景技术中存在的诸多缺陷与不足，本发明对此进行了改进和创新，目的在于提供一种辐射噪声线谱稀疏反演方法，该方法能精确反演多峰稀疏线谱，是确定目标辐射噪声线谱强度的一种切实可行的方法。在信噪比满足一定要求时，声源识别的峰值平均误差小于0.5dB，保证了良好的反演精度。

本发明的方法针对现有辐射噪声声源分辨及声源强度估计精度不高的问题，通过利用目标辐射噪声谱的频域稀疏特性，建立压缩感知理论框架下的目标辐射噪声谱的稀疏表示模型，反演目标辐射噪声线谱在L1范数意义下的频域噪声系数，旨在提取高分辨的目标辐射噪声谱精细特征，获取噪声源强度的高精度估计结果，从而提升目标辐射噪声测量水平，为减振降噪的工程实现提供坚实的理论基础与技术支撑。

为解决上述问题并达到上述的发明目的，本发明一种辐射噪声线谱稀疏反演方法是通过采用下列的设计结构以及采用下列的技术方案来实现的：

一种辐射噪声线谱稀疏反演方法，利用目标辐射噪声谱的频域稀疏特性，建立压缩感知理论框架下的目标辐射噪声谱的稀疏表示模型，反演目标辐射噪声线谱在L1范数意义下的频域噪声系数，提取高分辨的目标辐射噪声谱精细特征，获取噪声源强度的高精度估计结果。

优选的，步骤1，根据线谱特征，建立水下大型结构辐射噪声在噪声窄带线谱上的稀疏表示模型；

步骤2，假设用一个宽平稳随机过程拟合，目标辐射噪声用随机过程表示，具体目标辐射噪声为：

式中，F(t)表示目标辐射噪声随机过程，H(t)表示宽带平稳随机过程，S_l(t) 表示具有随机初始相位的周期信号，t表示时间变量，表示求和，L是周期数，辐射噪声功率谱表示为