[发明专利]基于稀疏字典学习的水声信号去噪方法及装置

权利要求书

1.基于稀疏字典学习的水声信号去噪方法，其特征在于，包括：

步骤1、输入含噪信号；

步骤2、构造DCT字典；

步骤3、使用OMP算法确定所述DCT字典中每个原子的稀疏系数，得到稀疏系数矩阵；

步骤4、利用字典学习算法更新所述DCT字典；

步骤5、判断误差是否达到指定的错误阈值，若是则得到最后的新字典，否则返回步骤3；

步骤6、使用OMP算法求所述新字典的稀疏系数矩阵；

步骤7、基于所述新字典及所述新字典的稀疏系数矩阵得到重构信号。

2.根据权利要求1所述的方法，其特征在于，所述含噪信号采用双模噪声模型；

设高斯噪声部分为g(t)，非高斯噪声部分为随机均匀相位振荡噪声Bcosθ，则双模噪声模型n(t)的时域表达式可由以上两部分叠加为：

n(t)＝g(t)+Bcosθ

其中B为振荡噪声的幅值参数，可根据噪声级数进行选择，θ为振荡噪声的频率。

3.根据权利要求1所述的方法，其特征在于，在步骤2之前，还包括：

判断所述含噪信号是否为长脉冲信号，若是则对采用脉冲压缩技术对长脉冲信号进行压缩，再执行所述步骤2，若否则直接执行所述步骤2。

4.根据权利要求1所述的方法，其特征在于，所述步骤4，具体包括：

利用MOD算法或K-SVD算法更新所述DCT字典。

5.根据权利要求1所述的方法，其特征在于，所述步骤7，具体包括：

使用以下公式获得重构信号Y′：

Y′＝D′X′

其中，D′为新字典，X′为新字典的稀疏系数矩阵。

6.基于稀疏字典学习的水声信号去噪装置，其特征在于，包括：

输入模块，用于输入含噪信号；

构造模块，用于构造DCT字典；

第一计算模块，用于使用OMP算法确定所述DCT字典中每个原子的稀疏系数，得到稀疏系数矩阵；

更新模块，用于利用字典学习算法更新所述DCT字典；

第一判断模块，用于判断误差是否达到指定的错误阈值，若是则得到最后的新字典，否则调用所述第一计算模块；

第二计算模块，用于使用OMP算法求所述新字典的稀疏系数矩阵；

重建模块，用于基于所述新字典及所述新字典的稀疏系数矩阵得到重构信号。

7.根据权利要求6所述的装置，其特征在于，所述含噪信号采用双模噪声模型；

设高斯噪声部分为g(t)，非高斯噪声部分为随机均匀相位振荡噪声Bcosθ，则双模噪声模型n(t)的时域表达式可由以上两部分叠加为：

n(t)＝g(t)+Bcosθ

其中B为振荡噪声的幅值参数，可根据噪声级数进行选择，θ为振荡噪声的频率。

8.根据权利要求6所述的装置，其特征在于，还包括：

第二判断模块，用于判断所述含噪信号是否为长脉冲信号；

压缩模块，用于若所述第二判断模块判断所述含噪信号为长脉冲信号，对采用脉冲压缩技术对长脉冲信号进行压缩，再调用所述构造模块，否则直接调用所述构造模块。

9.根据权利要求6所述的装置，其特征在于，所述更新模块，具体用于：

利用MOD算法或K-SVD算法更新所述DCT字典。

10.根据权利要求6所述的装置，其特征在于，所述重建模块，具体用于：

使用以下公式获得重构信号Y′：

Y′＝D′X′

其中，D′为新字典，X′为新字典的稀疏系数矩阵。