2012年论文5船舶噪声的自适应分离技术.doc

船舶噪声的自适应分离技术 王荣杰1,2，周海峰1，詹宜巨3 （1.集美大学轮机工程学院，厦门 361021；2.中山大学信息科学与技术学院，厦门 510006；3. 中山大学工学院，广州 510006） 摘 要：针对船舶杂系混合噪声的源数动态估计和分离技术，提出了一种基于盲源分离理论的船舶噪声自适应分离方法。首先采用一种基于交叉验证技术和递归运算相结合的方法来估计动态变化的噪声源数，然后利用峭度选取不同分布噪声的分离矩阵更新规则。四叶螺旋桨的船舶辐射噪声和船舶的杂系混合噪声盲分离的仿真结果表明了该方法的可行性，且它比传统的方法具有更好的分离性能。 关键词：船舶噪声；盲源分离；源数估计；超高斯分布；亚高斯分布 中图分类号：TN911.7 文献标识码:A Adaptive Separation Technology of Ship Noise WANG Rong-jie1,2, Zhou Haifeng1, Zhan yiju3 ( 1.Marine Engineering Institute, Jimei University, Xiamen, 361021.Wang Rong-jie, Roger811207@163.com; 2.School of Information Science and Technology, Sun Yat-sen University, Guangzhou 510006; 3.School of Engineering, Sun Yat-sen University, Guangzhou 510006) Abstract: For estimation of variable source numbers and separation of mix-ship noise, we adopted a blind separation method based on blind signal processing theory for ship noise. Firstly, a method based-cross validation and a recursive calculation was method used to estimate variable numbers of noise source, then update separation matrix according to the noise kurtosis. The simulations of separation of the ship-radiant noise in four blade propeller and mix-ship noise show that the method is feasible, and its excellent perform over other methods. Key Words: Ship Noise； Blind Source Separation；Estimation for Source Numbers；Super-Gaussian；Sub-Gaussian 引言 在处理声纳的船舶探测、识别和跟踪等问题的过程中，由于同时往往存在着多个目标，而且目标辐射的噪声信号在从传输到被接收的过程中，也会因环境噪声的污染作用而发生畸变。因此对声纳所接收的信号进行分析处理所面临的一个基本问题就是分离（或滤波）目标辐射和环境噪声[1]。子带滤波和小波变换等传统方法能在已知噪声的先验知识或统计特性“净化”目标信号，文献[2-4]中利用盲信号处理理论在未知噪声的先验知识的情况下分离出了多只船舶(目标)的辐射噪声，船舶辐射信号为亚高斯分布，但影响声纳探测船舶的噪声还有海洋环境噪声，其包含了接近于高斯和超高斯分布的两种信号。因此，需要研究一种能够分离不同分布的船舶噪声信号分离方法。在许多文献中都假设源数为已知，但是这个先验知识在实际上是不可能预知的。文献[5]中提出了一种基于时频域的源数估计算法，这种方法虽然能够准确地估计出源信号的个数，但它不适用于动态变化的源数估计。针对上述的难题，本文首先提出一种基于交叉验证的方法来确定噪声信号的个数，然后采用峭度来选取学习函数的权值矩阵更新规则，最后根据权值的相对变化率来调整步长，从而实现源信号的在线盲分离。 1 盲源分离原理 假设n个彼此相互独立的未知源信号s(t)=[s1(t),s2(t), ^ ,sn(t)]T，通过一未知线性混合系统 后,得到m个观测信号x(t)=[x1(t), x2(t), ^ , xm(t)]T。观测信号x(t)与源信号s(t)的关系可由式(1)表示。 图1 船舶噪声的在线自适应分离