[发明专利]一种基于自动编码器的水声信号增强方法

摘要

本发明公开了一种基于自动编码器的水声信号增强方法，属于水声信号处理领域。针对主动声呐中回波信号特征提取困难的问题，本发明设计了降噪自动编码器与卷积降噪自动编码器相结合的自动编码器。首先利用降噪自动编码器在信号整体上的降噪优势，对含噪信号进行预处理；然后结合卷积降噪自动编码器对信号局部特征的优化，对信号进行局部降噪，从而实现信号增强。本发明方法能够直接以接收信号的时域波形作为特征输入，保留了信号的幅度与相位特征。实验结果表明，本发明不仅有效降低了信号中的噪声分量，而且在时域和频域上均达到了较好的恢复效果。

主权项

1.一种基于自动编码器的水声信号增强方法，其特征在于：包括以下步骤：/n(1)构建一个降噪自动编码器的神经网络模型以及一个基于卷积自动编码器的神经网络模型；所述降噪自动编码器输入带噪信号，输出信号作为所述卷积自动编码器的输入信号，所述卷积自动编码器呈现对称结构，包括编码部分和解码部分，编码部分将输入信号进行编码，将特征信息压缩至低维空间，解码编码部分将低维特征信息解压成干净信号；/n(2)根据主动声呐发射的线性调频信号各项参数仿真一系列可能接收到的回波信号，生成带噪信号和干净信号相对应的信号对；/n(3)将数据样本随机划分为训练样本集和测试样本集；/n(4)用训练样本集预训练降噪自动编码器神经网络模型的参数，至训练集样本损失函数达到指标；/n(5)用降噪自动编码器输出作为卷积自动编码器的输入，干净信号作为其输出，以此预训练卷积自动编码器神经网络模型的参数，至训练集样本损失函数达到指标；/n(6)以带噪信号作为整体神经网络的输入，以干净信号作为整体神经网络的输出，以此数据集对编码器进行调优，至训练集样本损失函数达到指标；/n(7)完成编码器参数的设置，获得网络模型参数，将水声信号采样后作为联合降噪自动编码器和卷积自动编码器的整体神经网络的输入，得到降噪后的增强信号。/n