CN112924956B - 一种降低低频噪声级的背景均衡方法 - Google Patents

Abstract

本发明属于声纳信号显示技术领域，涉及一种降低低频噪声级的背景均衡方法，该方法设计了一种新的背景均衡模式，通过分段搜索时频图图像中的峰值和谷值并与预设门限进行比较，然后通过逐点最小值处理输出背景均衡后的时频图。本发明的有益结果是：1.本发明所提方法不需要人工设置经验参数；2.本发明最终输出的背景均衡后的时频图相比S3PM法、OTA法和波束扫描特征法在各频点具有更低的平均噪声级，尤其在低频段对噪声的抑制效果更好，使得时频图中的线谱能够被更有效地进行检测分析。

Description

一种降低低频噪声级的背景均衡方法

技术领域

本发明属于声纳信号显示技术领域，涉及一种降低低频噪声级的背景均衡方法。

背景技术

声纳装备检测水下目标的一种重要手段是将水下潜艇、鱼雷等目标的辐射噪声作为接收信号，然后通过检测分析接收信号的时间—频率图像(以下简称时频图)中各个频率分量上的“线谱”(即在某段时间内出现的该频率分量上的亮线，表示该频率分量在这段时间的幅度较高)，来对目标的有无和类型进行判断。通常来说，水下目标辐射噪声的线谱分量主要集中在较低频段(若无特别说明，后面所指的低频段一般为1000Hz以下频段)，分布于低频段不同频率分量的线谱是不同类型目标区别于环境噪声的主要特征之一。然而由于水下环境噪声等因素的影响，时频图中各个频率分量中均会存在幅度强弱不一的噪声干扰，形成非均匀的干扰背景，严重影响低频段的线谱检测分析。另一方面，声纳接收设备中通常存在较强的低频自噪声，这使得时频图中低频段的噪声干扰相对其他频段更加明显。

背景均衡作为一种声纳信号显示技术，能降低背景噪声强度的动态变化程度，实现所谓的恒虚警检测。其主要目的是为了减弱非均匀干扰背景的影响，使数据的动态范围适应图形显示要求。具体是通过对时频图图像进行处理，使非均匀干扰背景变成均匀干扰背景，即各个频率分量中的噪声干扰幅度变得强弱差不多。这样时频图中就不会出现成片的强噪声干扰，得到较为干净的显示画面，从而有效检测分析各频率分量中的线谱，提高对目标的检测能力。

目前常用的背景均衡方法包括双边分离窗法(two-pass split-windownormalizer,S3PM)(S.Stergiopoulo.Noise normalization technique for beamformedtowed array data[J].The Journal of the Acoustical Society of America,1995,97(4):2334-2345.)、排序截断平均法(order truncate average,OTA)(郑佼.被动声纳显示优化技术研究[D].哈尔滨工程大学硕士学位论文,2013.)和波束扫描特征法(郑佼.被动声纳显示优化技术研究[D].哈尔滨工程大学硕士学位论文,2013.)等。

上述方法中，S3PM法需要用到三个经验参数：双边分离窗的绝对值上下限G与E，以及门限常数p；OTA法需要用到两个经验参数：窗口长度K和门限常数α；波束扫描特征法不需要用到经验参数。当经验参数设置合适时，这三种方法对同一幅时频图图像进行处理后的平均噪声级排序为：OTA法最好(平均噪声级最低)，波束扫描特征法其次，S3PM法再次。但是，尽管这三种方法可以有效减少时频图中的非均匀干扰背景，但它们均不能较好地抑制由声纳接收设备产生的低频噪声；此外，OTA法和S3PM法的性能较多地依赖于人工设置的经验参数，如果经验参数设置不合适，这两种方法的效果会大打折扣。

发明内容

本发明的目的是：提出一种降低低频噪声级的背景均衡方法，该方法设计了一种新的背景均衡模式，通过分段搜索时频图图像中的峰值和谷值并将获得的两组新序列进行逐点比较，然后通过逐点最小值处理输出背景均衡后的时频图。

本发明的技术方案包括以下步骤：

第一步，取出时频图中某一时刻t对应的数据行向量，t＝1,2,...,T，T表示时频图在时间维上的像素点数；若对应数据为列向量则将其转置为行向量。

第二步，搜索得到数据行向量中的所有峰值和所有谷值。

第三步，对于某一峰值，搜索找到它左右相邻距离其第二近的谷值，然后截取这两个谷值之间的数据，记为x(1),x(2),...,x(M)，共M点，并记这段数据中最大的谷值和最小的谷值分别为x_min1和x_min2，最大的峰值为x_max。

第四步，把这段数据从小到大排序获得数据序列u(1),u(2),...,u(M)，并计算其中较大一半的值的平均值

第五步，将数据x(1),x(2),...,x(M)与

进行逐点比较，得到新数据序列z₁(1),z₁(2),...,z₁(M):

其中m＝1,2,…,M，

第六步，重复第三步到第五步直至遍历所有峰值，对所有新数据序列拼接得到完整的新数据序列z₁(1),z₁(2),...,z₁(N)(N为时频图在频率维上的数据点数)。

第七步，对于某一谷值，搜索找到它左右相邻距离其第二近的峰值，然后截取这两个峰值之间的数据，记为y(1),y(2),...,y(Q)，共Q点，并记这段数据中最大的峰值和最小的峰值分别为y_max1和y_max2，最小的谷值为y_min。

第八步，把这段数据从小到大排序获得数据序列v(1),v(2),...,v(Q)，并计算其中较大一半的值的平均值

第九步，将数据y(1),y(2),...,y(Q)与

进行逐点比较，得到新数据序列z₂(1),z₂(2),...,z₂(Q)：

其中q＝1,2,…,Q，

第十步，重复第七步到第九步直至遍历所有谷值，对所有新数据序列拼接得到完整的新数据序列z₂(1),z₂(2),...,z₂(N)，N为时频图在频率维上的数据点数。

第十一步，将第六步和第十步得到的两组完整的新数据序列进行逐点最小值处理，得到处理后的完整新数据序列：

z(n)＝min[z₁(n),z₂(n)]，n＝1,2,...,N；

第十二步，重复第一步到第十一步直至遍历所有时刻，对所有的处理后的完整新数据序列沿时刻维进行堆叠得到背景均衡后的时频图。

本发明的有益结果是：

1.本发明所提方法不需要人工设置经验参数，减少了所提方法的人工干预程度，使方法性能更加稳定。

2.本发明最终输出的背景均衡后的时频图相比S3PM法、OTA法和波束扫描特征法在各频点具有更低的平均噪声级，尤其在低频段对噪声的抑制效果更好，使得时频图中的线谱能够被更有效地进行检测分析。

附图说明

图1是本发明的实现流程图；

图2是利用本发明的具体实施方式进行实测数据试验的结果：(a)为背景均衡处理前的时频图；(b)为利用S3PM法对图2(a)的处理结果；(c)为利用OTA法对图2(a)的处理结果；(d)为利用波束扫描特征法对图2(a)的处理结果；(e)为利用本发明所提方法对图2(a)的处理结果；(f)为背景均衡处理前和采用4种方法(S3PM法，OTA法，波束扫描特征法，本发明方法)进行背景均衡处理后各频点上平均噪声级的对比结果；(g)为图2(f)在0到500Hz的放大图。

具体实施方式

图1是本发明的实现流程图。具体实施方式包括以下步骤：

第一步，取出时频图中某一时刻t(t＝1,2,...,T，T表示时频图在时间维上的像素点数)对应的数据行向量(若对应数据为列向量则将其转置为行向量)。

第二步，搜索得到数据行向量中的所有峰值和所有谷值。

第三步，对于某一峰值，搜索找到它左右相邻距离其第二近的谷值，然后截取这两个谷值之间的数据，记为x(1),x(2),...,x(M)，共M点，并记这段数据中最大的谷值和最小的谷值分别为x_min1和x_min2，最大的峰值为x_max。

如果该峰值的左边仅搜索到1个或0个谷值，则x(1)取第一步中数据行向量的第1个值；如果该峰值的右边仅搜索到1个或0个谷值，则x(M)取第一步中数据行向量的最后1个值。

第四步，把这段数据从小到大排序获得数据序列u(1),u(2),...,u(M)，并计算其中较大一半的值的平均值

第五步，将数据x(1),x(2),...,x(M)与

按下式进行逐点比较，得到新数据序列z₁(1),z₁(2),...,z₁(M)：

其中

第六步，重复第三步到第五步直至遍历所有峰值，对所有新数据序列拼接得到完整的新数据序列z₁(1),z₁(2),...,z₁(N)(N为时频图在频率维上的数据点数)。

第七步，对于某一谷值，搜索找到它左右相邻距离其第二近的峰值，然后截取这两个峰值之间的数据，记为y(1),y(2),...,y(Q)，共Q点，并记这段数据中最大的峰值和最小的峰值分别为y_max1和y_max2，最小的谷值为y_min。

如果该谷值的左边仅搜索到1个或0个峰值，则y(1)取第一步中数据行向量的第1个值；如果该谷值的右边仅搜索到1个或0个峰值，则y(Q)取第一步中数据行向量的最后1个值。

第八步，把这段数据从小到大排序获得数据序列v(1),v(2),...,v(Q)，并计算其中较大一半的值的平均值

第九步，将数据y(1),y(2),...,y(Q)与

按下式进行逐点比较，得到新数据序列z₂(1),z₂(2),...,z₂(Q)。

其中

第十步，重复第七步到第九步直至遍历所有谷值，对所有新数据序列拼接得到完整的新数据序列z₂(1),z₂(2),...,z₂(N)(N为时频图在频率维上的数据点数)。

第十一步，将第六步和第十步得到的两组完整的新数据序列进行逐点最小值处理，得到处理后的完整新数据序列：

z(n)＝min[z₁(n),z₂(n)]，n＝1,2,...,N

第十二步，重复第一步到第十一步直至遍历所有时刻，对所有的处理后的完整新数据序列进行堆叠得到背景均衡后的时频图。

图2是利用本发明的具体实施方式进行实测数据试验的结果，其中图2(a)到图2(e)的横坐标表示频率，单位为“赫兹(Hz)”，纵坐标表示时间，单位为“秒(s)”，色条颜色表示图中像素点的噪声级，单位为“dB”；图2(f)和图2(g)的横坐标表示频率，单位为“赫兹(Hz)”，纵坐标表示平均噪声级，单位为“dB”。

图2(a)为背景均衡处理前的时频图，可以发现图中500Hz以下频段存在若干条线谱，但有不少被淹没在了低频段(尤其是在50Hz以下频段)的噪声干扰当中；此外，图中在第50到200s之间还存在3条由贯穿全频段的噪声干扰形成的亮线。我们的目的是通过背景均衡方法，使得时频图中的线谱可以被更有效地检测分析，同时降低低频段的噪声干扰。图2(b)到图2(e)分别是利用S3PM法、OTA法、波束扫描特征法和本发明所提方法对图2(a)的处理结果。经验参数按照上述文献中设置的值进行取值，即S3PM法中，G＝16，E＝3，p＝1.14；OTA法中，K＝25，α＝1.05。可以发现4种方法的处理结果均比处理前的时频图更容易观察到被低频噪声干扰淹没的线谱(如图中第210到240s处频率为120Hz的线谱，以及若干条1000Hz及更高频率的线谱)，同时4种方法均基本消除了图中在第50到200s之间存在的3条由贯穿全频段的噪声干扰形成的亮线。图2(f)对比了背景均衡处理前和采用4种方法处理后各频点上的平均噪声级，图2(g)是其在0到500Hz的放大图，结果表明本发明所提方法具有比前述3种方法更低的平均噪声级，尤其是在50Hz以下频段有明显降低(以30Hz处的平均噪声级为例，本发明方法相比于前述3种方法中最优的OTA法进一步降低了10dB左右)。

Claims (3)

1.一种降低低频噪声级的背景均衡方法，其特征在于，该方法包括以下步骤：

第一步，取出时频图中某一时刻t对应的数据行向量，t＝1,2,...,T，T表示时频图在时间维上的像素点数；若对应数据为列向量则将其转置为行向量；

第二步，搜索得到数据行向量中的所有峰值和所有谷值；

第三步，对于某一峰值，搜索找到它左右相邻距离其第二近的谷值，然后截取这两个谷值之间的数据，记为x(1),x(2),...,x(M)，共M点，并记这段数据中最大的谷值和最小的谷值分别为x_min1和x_min2，最大的峰值为x_max；

第四步，把这段数据从小到大排序获得数据序列u(1),u(2),...,u(M)，并计算其中较大一半的值的平均值

第五步，将数据x(1),x(2),...,x(M)与

进行逐点比较，得到新数据序列z₁(1),z₁(2),...,z₁(M)：

其中m＝1,2,…,M，

第六步，重复第三步到第五步直至遍历所有峰值，对所有新数据序列拼接得到完整的新数据序列z₁(1),z₁(2),...,z₁(N)，N为时频图在频率维上的数据点数；

第七步，对于某一谷值，搜索找到它左右相邻距离其第二近的峰值，然后截取这两个峰值之间的数据，记为y(1),y(2),...,y(Q)，共Q点，并记这段数据中最大的峰值和最小的峰值分别为y_max1和y_max2，最小的谷值为y_min；

第八步，把这段数据从小到大排序获得数据序列v(1),v(2),...,v(Q)，并计算其中较大一半的值的平均值

第九步，将数据y(1),y(2),...,y(Q)与

进行逐点比较，得到新数据序列z₂(1),z₂(2),...,z₂(Q)：

其中q＝1,2,…,Q，

第十步，重复第七步到第九步直至遍历所有谷值，对所有新数据序列拼接得到完整的新数据序列z₂(1),z₂(2),...,z₂(N)，N为时频图在频率维上的数据点数；

第十一步，将第六步和第十步得到的两组完整的新数据序列进行逐点最小值处理，得到处理后的完整新数据序列：

z(n)＝min[z₁(n),z₂(n)]，n＝1,2,...,N；

第十二步，重复第一步到第十一步直至遍历所有时刻，对所有的处理后的完整新数据序列进行堆叠得到背景均衡后的时频图。

2.一种根据权利要求1所述降低低频噪声级的背景均衡方法，其特征在于：第四步中，较大一半的值的平均值

根据下式计算：

3.一种根据权利要求1所述降低低频噪声级的背景均衡方法，其特征在于：第八步中，较大一半的值的平均值

根据下式计算：

Images