[发明专利]基于改进VMD和改进小波阈值法相结合的水声信号去噪方法

说明书

本发明公开了一种基于改进VMD模型和改进小波阈值法相结合的水声信号去噪方法。本发明首先利用基于峭度最大化原则确定VMD模型中的参数k，采用改进的鲸鱼优化算法确定二次惩罚项α，得到改进的VMD模型；然后将源信号输入改进后的VMD模型得到多个固有模态函数；再对IMFs进行小波阈值法处理进一步去除残留噪声，其中采用改进的灰狼优化算法优化阈值λ，最终将IMFs重构得到降噪后的信号。本发明能有效分离噪声环境下的信号，抑制水声通信系统中的复杂海洋噪声，提高水声信号接收质量和抗噪性能。

技术领域

本发明属于混合声信号去噪技术领域，具体地说，涉及一种基于鲸鱼优化算法改进VMD模型和基于灰狼优化算法改进小波阈值法结合小波阈值法结合的水声信号去噪方法。

背景技术

水声信号去噪的处理一直是水声工程领域的一个研究热点。李关防等人针对物体入水声瞬态信号，在较低信噪比下难以检测这一问题，提出了基于经验模态分解(Empirical Mode Decomposition,EMD)的物体入水声的检测和测向方法，得到了较为满意的结果。但是EMD模型存在模态混叠现象，同时由于算法采用递归筛选逐次分解，导致其无法反向校正误差。Li等人提出了基于具有自适应噪声、最小均方差准则和最小均方自适应滤波器的集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)的水下信号降噪新技术，虽然EEMD的出现避免了模态混叠现象，但无法有效处理白噪声和存在的端点效应而且容易受采样效应影响。Konstantin Dragomirets-kiy提出了利用VMD分离局部放电信号与干扰的方法。由于VMD为完全非递归分解模型，具有运算效率高和良好的抗噪性等优点，同时克服了EMD存在的模态混叠现象。

由于海洋环境的复杂性和水下信号通道的特殊性，水声信号通常为非线性和非平稳信号。采用小波滤波是一种更有效的多分解率去噪手段，并且多年来一直是主导技术。Dong等人提出了一种结合频谱图小波变换和去趋势波动分析的非迭代降噪技术，解决了非线性和非平稳信号的滤波问题，然而很大程度上增加了算法的复杂度。除此之外，随着蚁群算法、蜂群算法、粒子群算法等智能优化算法的出现，很多人将智能优化算法应用于小波阈值法，利用粒子群优化算法对小波阈值函数中未知参数进行自适应寻优。

然而，VMD并不能一步到位实现对非平稳信号的分离。总体来看，当前水声信号去噪方法已取得了一定的进展，被广泛应用在海洋开发及探测等领域，但是仍然存在去噪不彻底、算法复杂度高、得到的目标信号容易失真性等问题。

发明内容

本发明的目的是提出一种基于改进VMD模型和改进小波阈值法相结合的水声信号去噪方法，以解决上述问题。

为实现上述发明目的，本发明采用下述技术方案予以实现：

一种基于改进VMD模型和改进小波阈值法相结合的水声信号去噪方法，包括以下步骤：

S1：获取含有噪声信号的源信号；

S2：基于峭度最大化原则确定固有模态函数(Intrinsic Modal Function，IMF)个数k和改进鲸鱼优化算法确定二次罚项α，以优化VMD模型，获得IMFs；

S3：基于改进灰狼优化算法选取阈值λ优化小波阈值法，处理所述S2处理后的IMFs，最后得到降噪后的信号。

进一步的，所述S1中，信号接收模型具体：

采用P元均匀线阵，设空间中存在N个远场窄带信号，Q个旁瓣干扰及1个主瓣干扰，阵列端接收信号如下所示：

Y(t)＝AX(t)+N(t)

其中Y(t)为阵列接收信号矩阵，A为导向矢量矩阵，X(t)为水声信号矩阵，N(t)为噪声矩阵。

进一步的，所述S2具体如下：

S2-1：基于峭度最大化原则确定IMF个数k：