CN117331125B - 一种分裂波束数据处理方法、装置、电子设备和介质 - Google Patents
一种分裂波束数据处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN117331125B CN117331125B CN202311629798.1A CN202311629798A CN117331125B CN 117331125 B CN117331125 B CN 117331125B CN 202311629798 A CN202311629798 A CN 202311629798A CN 117331125 B CN117331125 B CN 117331125B
- Authority
- CN
- China
- Prior art keywords
- signal
- white noise
- imf
- split beam
- target body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 24
- 230000002349 favourable effect Effects 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 48
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000009826 distribution Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 2
- 229910044991 metal oxide Inorganic materials 0.000 claims description 2
- 150000004706 metal oxides Chemical class 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 102100028717 Cytosolic 5'-nucleotidase 3A Human genes 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000219745 Lupinus Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012267 brine Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
- G01V1/364—Seismic filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/38—Seismology; Seismic or acoustic prospecting or detecting specially adapted for water-covered areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Geology (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Oceanography (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本申请提供了一种分裂波束数据处理方法、装置、电子设备和介质，涉及海洋地球物理勘探技术领域，所述方法包括对原始分裂波束信号进行预处理，得到剖面信息、航线坐标和输入数据；模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号；在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量；对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；挑选有利于识别目标体的小波阈值去噪后的IMF分量和残余分量进行组合重构，获得重构信号。本申请所用方法能够与分裂波束的分频性质很好结合，处理后的数据提高了信噪比，最大限度的压制了高频噪音，能够有效识别目标体。
Description
技术领域
本申请涉及海洋地球物理勘探技术领域，具体涉及一种分裂波束数据处理方法、装置、电子设备和介质。
背景技术
水下目标的回声信号特性研究具有非常重要的理论价值和广泛的实际应用背景，国内外都围绕这个问题进行了广泛而深入的研究。从上世纪初，人们就开始对水下目标回声特性进行研究，随着计算机技术的发展及电子仪器性能的提高，水声学探测目前已成为海洋资源研究的重要手段之一。分裂波束声学探测系统是海洋生物研究不可或缺的仪器设备，将它安装在现代大型综合科考船的船底，在航行中可以不受海况影响对水体中的反射物进行探测，不仅可以对反射物进行定位，而且可以分析其反射强度。
分裂波束声学探测系统通常具有很宽的工作频带，具有声学多普勒流速剖面仪功能的系统，它主要用于探测鱼类、沉水植物、海底可燃冰、冷泉、热液等形成的羽状流、气泡团等的探测。
分裂波束声学探测系统运用4个象限的换能器，将电信号转换成声脉冲并发射到水中，声波在水中传播过程中遇到障碍物时，部分反向散射至换能器。每个象限换能器可独立接收声波，如果信号水平超过用户选择的阈值，将被换能器接收并生成回波图。根据声波发射与收到回波的时间间隔和声波在水中的传播速度，利用分裂波束技术可测得目标所处的位置；现代分裂波束声学探测系统已经由过去单一的探鱼发展到全面水体探测，同时作为地球探测类仪器，极限距离分辨率和改进的目标特征使其具有广泛的海洋学应用，尤其可与多波束一起工作从而对水层特性分析。与海洋地震勘探数据类似，所记录的采集数据往往夹杂着大量噪音，目标层或目标体难以准确识别。在盐水中，吸收率随频率而大幅增加。对于最大观察范围，通常应选择低工作频率、大换能器和最大发射功率，与观察范围和工作频率有关的关键事实是：当工作频率降低时，观察范围会增加，当工作频率增加时，分辨率会增加，而对于深水中工作，则需要低工作频率，分辨率会降低，比如冷泉、内波等追踪一般采用38kHz的低频。因此，需要一种适用于分裂波束的数据处理方法，以从信号的瞬时属性中获取更多的有用信息，提高深水低频信号的分辨率。
发明内容
本发明的目的在于提供一种分裂波束数据处理方法、装置、电子设备和介质，能够在保留原信号有效分量的同时，最大程度地压制各个频带的噪音，尤其是高频噪音。
第一方面，本申请提供了一种分裂波束数据处理方法，包括：
步骤S1：对原始分裂波束信号进行预处理，绘制水层剖面图和航线坐标图，得到剖面信息、航线坐标和输入数据；
步骤S2：根据所述剖面信息和输入数据，确定目标体分布规律以及水层深度，根据所述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号；
步骤S3：在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量；
步骤S4：对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；
步骤S5：根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号。
进一步地，当采集方式为分段采集时，读取各采集段内分裂波束声学探测系统不同频率通道的分段原始分裂波束信号，根据坐标对所述分段原始分裂波束信号进行拼接处理，获得原始分裂波束信号，再进行预处理。
进一步地，所述步骤S3包括：
步骤S3.1：在原始分裂波束信号x(t)中添加正随机白噪音ξ0ni(t)和负随机白噪音-ξ0ni(t)，得到新信号所述新信号/>为：
其中，ni(t)为第i次添加的随机白噪音，ξ0为随机白噪音的幅度，t为时间，q的取值决定着随机白噪音的正负性，L＝2M，M为正负白噪音的初始化总体平均次数；
步骤S3.2：将所述新信号作为输入数据，对所述输入数据进行EMD分解，输出/>和差值信号/>其中，/>为本征模态函数；所述步骤S3.2包括：
步骤S3.2.1：确定所述输入数据的单调区间、所有局部极大值点和极小值点；利用三次样条曲线连接所有极大值点，形成上包络线，连接所有极小值点形成下包络线；计算上下包络线的均值；
计算所述输入数据与上下包络线的均值的差作为中间信号，计算公式如下：
其中，表示输入数据，m表示上下包络线的均值，h表示中间信号；
步骤S3.2.2：对所述中间信号进行IMF条件判定，得到差值信号，具体为：
判断所述中间信号是否满足IMF的两个定义条件：一是在完整数据中，极值点和过零点的数目仅存在相等或两者差值为1两种情况；二是对于任何点，用局部极大值确定的包络和用局部极小值确定的包络计算平均值并让其等于零；
如果满足，则将所述中间信号作为本征模态函数，记为
如果不满足，则将所述中间信号作为输入数据，重复步骤S3.2，重新确定单调区间，得到新的中间信号，并判断新的中间信号是否满足IMF的两个定义条件，持续进行循环迭代计算，直至得到的中间信号满足IMF的两个定义条件，此时的中间信号作为本征模态函数，记为
步骤S3.2.3：残差判定，具体为：
将所述本征模态函数从所述输入数据中分离出来，得到一个具有单调性质的差值信号，计算公式如下：
其中，表示差值信号，/>表示输入数据，/>表示本征模态函数；
如果所述差值信号不是单调函数，则将所述差值信号作为输入数据，重复步骤S3.2.1-步骤S3.2.3，累计进行循环迭代，直至差值信号为单调函数；
步骤S3.3：重复循环步骤S3.1—步骤S3.2，直到i达到正负白噪音的初始化总体平均次数的2倍，对所述本征模态函数进行平均，得到各阶IMF分量/>
其中，为第k阶IMF分量，/>为本征模态函数，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
残差信号的计算公式为：
其中，表示残差信号，/>表示差值信号，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
根据各阶IMF分量和残差信号/>计算分解信号，所述分解信号的计算公式为：
其中，x′(t)为分解信号，为第k阶IMF分量，K为所分解的本征模态函数的总阶数，/>表示残差信号。
进一步地，所述随机白噪音满足如下规律：
其中，N为集合的次数，e为随机白噪音的幅值，en为原始分裂波束信号和重构信号的偏离误差。
进一步地，所述随机白噪音为带限随机白噪音，所述带限随机白噪音的计算公式为：
其中，N(t，f)为带限随机白噪音，N′(t，f)表示原始随机白噪音，f表示信号频率，F1，F2，……Fn为分裂波束声学探测系统的换能器接收信号的不同主频，d1，d2，……dn为用于改变噪音频宽的参数，2≤j≤n，j表示第j个频段，n表示滤波器对随机白噪音所划的频段总数量。
进一步地，所述步骤S4包括：
步骤S4.1：对各阶IMF分量进行小波分析，获取低频IMF分量和高频IMF分量；
步骤S4.2：采用改进的小波阈值去噪方法，对所述高频IMF分量进行小波阈值去噪处理，改进的小波阈值去噪方法的计算公式为：
其中，IMFk为小波阈值去噪后的高频IMF分量， sgn(·)为符号函数，/>为高频IMF分量，λ为小波阈值；
步骤S4.3：计算IFMk的峭度值，根据所述峭度值优化小波阈值的取值，将优化后的小波阈值代入步骤S4.2，获得小波阈值去噪后的IMF分量；
所述峭度值的计算公式为：
其中，K(y)为峭度值，y为信号值，g为信号值的序号，G为信号值的总个数，μ为信号均值，σ1为信号标准差。
进一步地，所述步骤S5包括：
根据所述目标体分布规律和目标体所在工区的水层模拟信号，对所述小波阈值去噪后的IMF分量进行筛选，获得有利于识别目标体的小波阈值去噪后的IMF分量；
将所述有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号，所述重构信号为：
其中，S(t)为重构信号，IMF′k(t)为有利于识别目标体的小波阈值去噪后的IMF分量，表示残差信号。
第二方面，本申请提供了一种分裂波束数据处理装置，包括：
数据预处理模块，用于对原始分裂波束信号进行预处理，绘制水层剖面图和航线坐标图，得到剖面信息、航线坐标和输入数据；
水层模拟信号获取模块，用于根据所述剖面信息和输入数据，确定目标体分布规律以及水层深度，根据所述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号；
模态分量获取模块，用于在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量；
小波阈值去噪模块，用于对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；
数据重构模块，用于根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号。
第三方面，本申请提供了一种电子设备，包括：
处理器；
存储器；
以及计算机程序，其中所述计算机程序被存储在所述存储器中，所述计算机程序包括指令，当所述指令被所述处理器执行时，使得所述电子设备执行第一方面中任意一项所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面中任意一项所述的方法。
本申请根据分裂波束的分频特性，提出一种适用于分裂波束的数据处理方法，通过设计带限随机白噪音，以及改进模态分解流程，将模态分解与分裂波束的分频性质很好的结合起来，并且通过改进的小波阈值方法，结合峭度值进一步优化小波阈值方法，进行小波阈值去噪，在提高去噪效果的同时，提高了重构信号与真实信号逼近程度。最后根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号，进一步提高了重构信号的精度。综上，本申请的方法，结合分裂波束特性，将采集的声学信号进行平稳化处理，将不同尺度下波动或变化趋势逐级分解开来，最大限度压制了高频噪音，提高了分裂波束数据的信噪比，从信号的瞬时属性中获取了更多的有用信息，提高了目标体边界分辨度，目标体识别特征更加清晰，最终获得真实水层信息。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请实施例提供的一种分裂波束数据处理方法的流程示意图；
图2为本申请实施例提供的一种分裂波束数据处理方法的不同阈值函数；
图3为本申请实施例提供的一种分裂波束数据处理装置的结构框图；
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。
应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本申请提供的一种分裂波束数据处理方法的流程示意图，如图1所示，其主要包括以下步骤。
步骤S1：对原始分裂波束信号进行预处理，绘制水层剖面图和航线坐标图，得到剖面信息、航线坐标和输入数据。
读取分裂波束声学探测系统不同频率通道的原始分裂波束信号，对所述原始分裂波束信号进行预处理，得到可读的二进制数据，根据所述二进制数据绘制水层剖面图及航线坐标图。
其中，所述预处理包括数据标记、参数设置及格式转换、数据解编、规则化。所述参数包括配置参数、二进制参数、过滤器参数、数据环境、提取数据体起始标记时间和最终标记时间。
需要说明的是，当采集方式为分段采集时，读取各采集段内分裂波束声学探测系统不同频率通道的分段原始分裂波束信号，根据坐标对所述分段原始分裂波束信号进行拼接处理，获得原始分裂波束信号，再进行预处理。
需要说明的是，在深水中工作，则需要低工作频率，此类信号频带在18KHz或者38KHz左右，存在的噪音主要为高频噪音。
步骤S2：根据所述剖面信息和输入数据，确定目标体分布规律以及水层深度，根据所述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号。
对所述输入数据和剖面信息进行分析，获取接收数据换能器类型、接收信号频带范围，确定目标体分布规律以及水层深度，根据述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号，为挑选带有目标体信息的IMF分量做准备。
步骤S3：在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量。所述步骤S3包括：
步骤S3.1：在原始分裂波束信号x(t)中添加正随机白噪音ξ0ni(t)和负随机白噪音-ξ0ni(t)，得到新信号所述新信号/>为：
其中，ni(t)为第i次添加的随机白噪音，ξ0为随机白噪音的幅度，t为时间，q的取值决定着随机白噪音的正负性，L＝2M，M为正负白噪音的初始化总体平均次数。
在一个实施例中，所述随机白噪音满足如下规律：
其中，N为集合的次数，e为随机白噪音的幅值，en为原始分裂波束信号和重构信号的偏离误差。通过加入满足上述规律的随机白噪音，能够更好的放大分裂波束信号的模态之间的不相关性，更好的处理模态混叠问题。
在一个实施例中，由于分裂波束信号为高频脉冲信号，同时具有分频特性，比如EK80换能器的主频包括18kHz、38kHz、70kHz、120kHz、200kHz、333kHz，为了更充分的使添加的随机白噪音融入到运算中，将随机白噪声转换到频域中，得到带限随机白噪音，所述带限随机白噪音的计算公式为：
其中，N(t，f)为带限随机白噪音，N′(t，f)表示原始随机白噪音，f表示信号频率，F1，F2，……Fn为分裂波束声学探测系统的换能器接收信号的不同主频，d1，d2，……dn为用于改变噪音频宽的参数，2≤j≤n，j表示第j个频段，n表示滤波器对随机白噪音所划的频段总数量。
步骤S3.2：将所述新信号作为输入数据，对所述输入数据进行EMD分解，输出/>和差值信号/>其中，/>为本征模态函数；所述步骤S3.2包括：
步骤S3.2.1：确定所述输入数据的单调区间、所有局部极大值点和极小值点；利用三次样条曲线连接所有极大值点，形成上包络线，连接所有极小值点形成下包络线；计算上下包络线的均值；
计算所述输入数据与上下包络线的均值的差作为中间信号，计算公式如下：
其中，表示输入数据，m表示上下包络线的均值，h表示中间信号；
步骤S3.2.2：对所述中间信号进行IMF条件判定，得到差值信号，具体为：
判断所述中间信号是否满足IMF的两个定义条件：一是在完整数据中，极值点和过零点的数目仅存在相等或两者差值为1两种情况；二是对于任何点，用局部极大值确定的包络和用局部极小值确定的包络计算平均值并让其等于零；
如果满足，则将所述中间信号作为本征模态函数，记为
如果不满足，则将所述中间信号作为输入数据，重复步骤S3.2，重新确定单调区间，得到新的中间信号，并判断新的中间信号是否满足IMF的两个定义条件，持续进行循环迭代计算，直至得到的中间信号满足IMF的两个定义条件，此时的中间信号作为本征模态函数，记为
步骤S3.2.3：残差判定，具体为：
将所述各阶本征模态函数从所述输入数据中分离出来，得到一个具有单调性质的差值信号，计算公式如下：
其中，表示差值信号，/>表示输入数据，/>表示本征模态函数；
如果所述差值信号不是单调函数，则将所述差值信号作为输入数据，重复步骤S3.2.1-步骤S3.2.3，累计进行循环迭代，直至差值信号为单调函数。
步骤S3.3：重复循环步骤S3.1—步骤S3.2，直到i达到正负白噪音的初始化总体平均次数的2倍，对所述本征模态函数进行平均，得到各阶IMF分量/>
其中，为第k阶IMF分量，/>为本征模态函数，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
残差信号的计算公式为：
其中，表示残差信号，/>表示差值信号，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
根据各阶IMF分量和残差信号/>计算分解信号，所述分解信号的计算公式为：
其中，x′(t)为分解信号，为第k阶IMF分量，K为所分解的本征模态函数的总阶数，/>表示残差信号。
步骤S4：对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；所述步骤S4包括：
步骤S4.1：对各阶IMF分量进行小波分析，获取低频IMF分量和高频IMF分量；
步骤S4.2：采用改进的小波阈值去噪方法，对所述高频IMF分量进行小波阈值去噪处理，改进的小波阈值去噪方法的计算公式为：
其中，IMFk为小波阈值去噪后的高频IMF分量， sgn(·)为符号函数，/>为高频IMF分量，λ为小波阈值；
步骤S4.3：计算IMFk的峭度值，峭度值大于3或接近于3表示去噪效果好，因此，可以根据所述峭度值优化小波阈值的取值，然后将优化后的小波阈值代入步骤S4.2，获得小波阈值去噪后的IMF分量；
所述峭度值的计算公式为：
其中，K(y)为峭度值，y为信号值，g为信号值的序号，G为信号值的总个数，μ为信号均值，σ1为信号标准差。
图2为本申请提供的一种分裂波束数据处理方法的不同阈值函数，从图中可以看出，相较于常用的硬阈值函数和软阈值函数，本申请改进的小波阈值去噪方法，不会使信号产生附加震荡及跳跃点，也不会压缩信号产生偏差，进而提高了重构信号与真实信号的逼近程度。
步骤S5：根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号。
所述步骤S5包括：
根据所述目标体分布规律和目标体所在工区的水层模拟信号，对所述小波阈值去噪后的IMF分量进行筛选，获得有利于识别目标体的小波阈值去噪后的IMF分量；
将所述有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号，所述重构信号为：
其中，S(t)为重构信号，IMF′k(t)为有利于识别目标体的小波阈值去噪后的IMF分量，表示残差信号。
在一个实施例中，在获得重构信号后，根据分裂波束声学探测系统的换能器接收信号的不同主频，选取足够宽的通带范围，对所述重构信号进行带通滤波，进一步压制噪音。
本申请根据分裂波束的分频特性，提出一种适用于分裂波束的数据处理方法，通过设计带限随机白噪音，以及改进模态分解流程，将模态分解与分裂波束的分频性质很好的结合起来，并且通过改进的小波阈值方法，结合峭度值进一步优化小波阈值方法，进行小波阈值去噪，在提高去噪效果的同时，提高了重构信号与真实信号逼近程度。最后根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号，进一步提高了重构信号的精度。综上，本申请的方法，结合分裂波束特性，将采集的声学信号进行平稳化处理，将不同尺度下波动或变化趋势逐级分解开来，最大限度压制了高频噪音，提高了分裂波束数据的信噪比，从信号的瞬时属性中获取了更多的有用信息。相较于压制前的分裂波束数据，压制后的分裂波束数据更加清晰，羽状流边界清楚，提高了目标体边界分辨度，目标体识别特征更加清晰，更利于剖面解释，以获得真实水层信息。
与上述实施例相对应，本申请还提供了一种分裂波束数据处理装置。
参见图3，为本申请实施例提供的一种分裂波束数据处理装置的结构框图。如图3所示，其主要包括以下模块：
数据预处理模块301，用于对原始分裂波束信号进行预处理，绘制水层剖面图和航线坐标图，得到剖面信息、航线坐标和输入数据；
水层模拟信号获取模块302，用于根据所述剖面信息和输入数据，确定目标体分布规律以及水层深度，根据所述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号；
模态分量获取模块303，用于在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量；
小波阈值去噪模块304，用于对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；
数据重构模块305，用于根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号。
需要指出的是，本申请实施例涉及的具体内容可以参见上述方法实施例的描述，为了表述简洁，在此不再赘述。
与上述实施例相对应，本申请实施例还提供了一种电子设备。
参见图4，为本申请实施例提供的一种电子设备的结构示意图。如图4所示，该电子设备400可以包括：处理器401、存储器402及通信单元403。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的电子设备结构并不构成对本申请实施例的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
其中，通信单元403，用于建立通信信道，从而使电子设备可以与其它设备进行通信。
处理器401，为电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子设备的各种功能和/或处理数据。所述处理器可以由集成电路(integrated circuit，IC)组成，例如可以由单颗封装的IC所组成，也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说，处理器401可以仅包括中央处理器(centralprocessing unit，CPU)。在本申请实施方式中，CPU可以是单运算核心，也可以包括多运算核心。
存储器402，用于存储处理器401的执行指令，存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
当存储器402中的执行指令由处理器401执行时，使得电子设备400能够执行上述方法实施例中的部分或全部步骤。
与上述实施例相对应，本申请实施例还提供一种计算机可读存储介质，其中，该计算机可读存储介质可存储有程序，其中，在程序运行时可控制计算机可读存储介质所在设备执行上述方法实施例中的部分或全部步骤。具体实现中，该计算机可读存储介质可为磁碟、光盘、只读存储记忆体(英文：read-only memory，简称：ROM)或随机存储记忆体(英文：random access memory，简称：RAM)等。
与上述实施例相对应，本申请实施例还提供了一种计算机程序产品，该计算机程序产品包含可执行指令，当可执行指令在计算机上执行时，使得计算机执行上述方法实施例中的部分或全部步骤。
本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
本领域普通技术人员可以意识到，本文中公开的实施例中描述的各单元及算法步骤，能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，简称ROM)、随机存取存储器(random access memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种分裂波束数据处理方法，其特征在于，包括：
步骤S1：对原始分裂波束信号进行预处理，绘制水层剖面图和航线坐标图，得到剖面信息、航线坐标和输入数据；
步骤S2：根据所述剖面信息和输入数据，确定目标体分布规律以及水层深度，根据所述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号；
步骤S3：在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量；
步骤S4：对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；
步骤S5：根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号；其中，
所述步骤S3包括：
步骤S3.1：在原始分裂波束信号x(t)中添加正随机白噪音ξ0ni(t)和负随机白噪音-ξ0ni(t)，得到新信号所述新信号/>为：
其中，ni(t)为第i次添加的随机白噪音，ξ0为随机白噪音的幅度，t为时间，q的取值决定着随机白噪音的正负性，L＝2M，M为正负白噪音的初始化总体平均次数；
步骤S3.2：将所述新信号作为输入数据，对所述输入数据进行EMD分解，输出和差值信号/>其中，/>为本征模态函数；
所述步骤S3.2包括：
步骤S3.2.1：确定所述输入数据的单调区间、所有局部极大值点和极小值点；利用三次样条曲线连接所有极大值点，形成上包络线，连接所有极小值点形成下包络线；计算上下包络线的均值；
计算所述输入数据与上下包络线的均值的差作为中间信号，计算公式如下：
其中，表示输入数据，m表示上下包络线的均值，h表示中间信号；
步骤S3.2.2：对所述中间信号进行IMF条件判定，得到差值信号，具体为：
判断所述中间信号是否满足IMF的两个定义条件：一是在完整数据中，极值点和过零点的数目仅存在相等或两者差值为1两种情况；二是对于任何点，用局部极大值确定的包络和用局部极小值确定的包络计算平均值并让其等于零；
如果满足，则将所述中间信号作为本征模态函数，记为
如果不满足，则将所述中间信号作为输入数据，重复步骤S3.2，重新确定单调区间，得到新的中间信号，并判断新的中间信号是否满足IMF的两个定义条件，持续进行循环迭代计算，直至得到的中间信号满足IMF的两个定义条件，此时的中间信号作为本征模态函数，记为
步骤S3.2.3：残差判定，具体为：
将所述本征模态函数从所述输入数据中分离出来，得到一个具有单调性质的差值信号，计算公式如下：
其中，表示差值信号，/>表示输入数据，/>表示本征模态函数；
如果所述差值信号不是单调函数，则将所述差值信号作为输入数据，重复步骤S3.2.1-步骤S3.2.3，累计进行循环迭代，直至差值信号为单调函数；
步骤S3.3：重复循环步骤S3.1—步骤S3.2，直到i达到正负白噪音的初始化总体平均次数的2倍，对所述本征模态函数进行平均，得到各阶IMF分量/>
其中，为第k阶IMF分量，/>为本征模态函数，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
残差信号的计算公式为：
其中，表示残差信号，/>表示差值信号，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
根据各阶IMF分量和残差信号/>计算分解信号，所述分解信号的计算公式为：
其中，x′(t)为分解信号，为第k阶IMF分量，K为所分解的本征模态函数的总阶数，/>表示残差信号。
2.根据权利要求1所述的一种分裂波束数据处理方法，其特征在于，当采集方式为分段采集时，读取各采集段内分裂波束声学探测系统不同频率通道的分段原始分裂波束信号，根据坐标对所述分段原始分裂波束信号进行拼接处理，获得原始分裂波束信号，再进行预处理。
3.根据权利要求1所述的一种分裂波束数据处理方法，其特征在于，
所述随机白噪音满足如下规律：
其中，N为集合的次数，e为随机白噪音的幅值，en为原始分裂波束信号和重构信号的偏离误差。
4.根据权利要求3所述的一种分裂波束数据处理方法，其特征在于，
所述随机白噪音为带限随机白噪音，所述带限随机白噪音的计算公式为：
其中，N(t，f)为带限随机白噪音，N′(t，f)表示原始随机白噪音，f表示信号频率，F1，F2，……Fn为分裂波束声学探测系统的换能器接收信号的不同主频，d1，d2，……dn为用于改变噪音频宽的参数，2≤j≤n，j表示第j个频段，n表示滤波器对随机白噪音所划的频段总数量。
5.根据权利要求1所述的一种分裂波束数据处理方法，其特征在于，所述步骤S4包括：
步骤S4.1：对各阶IMF分量进行小波分析，获取低频IMF分量和高频IMF分量；
步骤S4.2：采用改进的小波阈值去噪方法，对所述高频IMF分量进行小波阈值去噪处理，改进的小波阈值去噪方法的计算公式为：
其中，IMFk为小波阈值去噪后的高频IMF分量， 为符号函数，/>为高频IMF分量，λ为小波阈值；
步骤S4.3：计算IMFk的峭度值，根据所述峭度值优化小波阈值的取值，将优化后的小波阈值代入步骤S4.2，获得小波阈值去噪后的IMF分量；
所述峭度值的计算公式为：
其中，K(y)为峭度值，y为信号值，g为信号值的序号，G为信号值的总个数，μ为信号均值，σ1为信号标准差。
6.根据权利要求5所述的一种分裂波束数据处理方法，其特征在于，所述步骤S5包括：
根据所述目标体分布规律和目标体所在工区的水层模拟信号，对所述小波阈值去噪后的IMF分量进行筛选，获得有利于识别目标体的小波阈值去噪后的IMF分量；
将所述有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号，所述重构信号为：
其中，S(t)为重构信号，IMF′k(t)为有利于识别目标体的小波阈值去噪后的IMF分量，表示残差信号。
7.一种分裂波束数据处理装置，其特征在于，包括：
数据预处理模块，用于对原始分裂波束信号进行预处理，绘制水层剖面图和航线坐标图，得到剖面信息、航线坐标和输入数据；
水层模拟信号获取模块，用于根据所述剖面信息和输入数据，确定目标体分布规律以及水层深度，根据所述航线坐标和水层深度，定位目标体所在工区，模拟目标体所在工区的水层信号特征，获得目标体所在工区的水层模拟信号；
模态分量获取模块，用于在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量；
小波阈值去噪模块，用于对各阶IMF分量进行改进的小波阈值去噪，获得小波阈值去噪后的IMF分量；
数据重构模块，用于根据所述目标体分布规律和目标体所在工区的水层模拟信号，挑选有利于识别目标体的小波阈值去噪后的IMF分量和残差信号进行组合重构，获得重构信号；
其中，在所述原始分裂波束信号中加入适用于分裂波束信号的随机白噪音，再进行CEEMD分解，得到各阶IMF分量，包括：
步骤S3.1：在原始分裂波束信号x(t)中添加正随机白噪音ξ0ni(t)和负随机白噪音-ξ0ni(t)，得到新信号所述新信号/>为：
其中，ni(t)为第i次添加的随机白噪音，ξ0为随机白噪音的幅度，t为时间，q的取值决定着随机白噪音的正负性，L＝2M，M为正负白噪音的初始化总体平均次数；
步骤S3.2：将所述新信号作为输入数据，对所述输入数据进行EMD分解，输出和差值信号/>其中，/>为本征模态函数；
所述步骤S3.2包括：
步骤S3.2.1：确定所述输入数据的单调区间、所有局部极大值点和极小值点；利用三次样条曲线连接所有极大值点，形成上包络线，连接所有极小值点形成下包络线；计算上下包络线的均值；
计算所述输入数据与上下包络线的均值的差作为中间信号，计算公式如下：
其中，表示输入数据，m表示上下包络线的均值，h表示中间信号；
步骤S3.2.2：对所述中间信号进行IMF条件判定，得到差值信号，具体为：
判断所述中间信号是否满足IMF的两个定义条件：一是在完整数据中，极值点和过零点的数目仅存在相等或两者差值为1两种情况；二是对于任何点，用局部极大值确定的包络和用局部极小值确定的包络计算平均值并让其等于零；
如果满足，则将所述中间信号作为本征模态函数，记为
如果不满足，则将所述中间信号作为输入数据，重复步骤S3.2，重新确定单调区间，得到新的中间信号，并判断新的中间信号是否满足IMF的两个定义条件，持续进行循环迭代计算，直至得到的中间信号满足IMF的两个定义条件，此时的中间信号作为本征模态函数，记为
步骤S3.2.3：残差判定，具体为：
将所述本征模态函数从所述输入数据中分离出来，得到一个具有单调性质的差值信号，计算公式如下：
其中，表示差值信号，/>表示输入数据，/>表示本征模态函数；
如果所述差值信号不是单调函数，则将所述差值信号作为输入数据，重复步骤S3.2.1-步骤S3.2.3，累计进行循环迭代，直至差值信号为单调函数；
步骤S3.3：重复循环步骤S3.1—步骤S3.2，直到i达到正负白噪音的初始化总体平均次数的2倍，对所述本征模态函数进行平均，得到各阶IMF分量/>
其中，为第k阶IMF分量，/>为本征模态函数，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
残差信号的计算公式为：
其中，表示残差信号，/>表示差值信号，i为添加随机白噪音的次数，t为时间，M为正负白噪音的初始化总体平均次数；
根据各阶IMF分量和残差信号/>计算分解信号，所述分解信号的计算公式为：
其中，x′(t)为分解信号，为第k阶IMF分量，K为所分解的本征模态函数的总阶数，/>表示残差信号。
8.一种分裂波束数据处理电子设备，其特征在于，包括：
处理器；
存储器；
以及计算机程序，其中所述计算机程序被存储在所述存储器中，所述计算机程序包括指令，当所述指令被所述处理器执行时，使得所述电子设备执行权利要求1至6中任意一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311629798.1A CN117331125B (zh) | 2023-12-01 | 2023-12-01 | 一种分裂波束数据处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311629798.1A CN117331125B (zh) | 2023-12-01 | 2023-12-01 | 一种分裂波束数据处理方法、装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117331125A CN117331125A (zh) | 2024-01-02 |
| CN117331125B true CN117331125B (zh) | 2024-03-01 |
Family
ID=89283392
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311629798.1A Active CN117331125B (zh) | 2023-12-01 | 2023-12-01 | 一种分裂波束数据处理方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117331125B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104502904A (zh) * | 2014-10-22 | 2015-04-08 | 中国船舶重工集团公司第七〇五研究所 | 一种鱼雷自导波束锐化方法 |
| CN105093294A (zh) * | 2015-06-04 | 2015-11-25 | 成都信息工程大学 | 基于可变模态分解的地震波衰减梯度估计方法 |
| KR101842792B1 (ko) * | 2016-10-05 | 2018-03-27 | 국방과학연구소 | 경험적 모드 분해 기법 및 웨이블릿 잡음 제거 기법 기반의 항재밍 방법 및 시스템 |
| CN110096998A (zh) * | 2019-04-29 | 2019-08-06 | 天津大学 | 一种用于机加工表面形貌特征提取的分解方法 |
| CN110688964A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于稀疏分解的小波阈值与emd联合降噪方法 |
| CN115700544A (zh) * | 2022-10-25 | 2023-02-07 | 山东科技大学 | 一种联合经验模态分解及小波软阈值的色谱信号去噪方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017205382A1 (en) * | 2016-05-23 | 2017-11-30 | The University Of New Hampshire | Techniques for empirical mode decomposition (emd)-based signal de-noising using statistical properties of intrinsic mode functions (imfs) |
| US11586049B2 (en) * | 2019-03-29 | 2023-02-21 | Avegant Corp. | Steerable hybrid display using a waveguide |
-
2023
- 2023-12-01 CN CN202311629798.1A patent/CN117331125B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104502904A (zh) * | 2014-10-22 | 2015-04-08 | 中国船舶重工集团公司第七〇五研究所 | 一种鱼雷自导波束锐化方法 |
| CN105093294A (zh) * | 2015-06-04 | 2015-11-25 | 成都信息工程大学 | 基于可变模态分解的地震波衰减梯度估计方法 |
| KR101842792B1 (ko) * | 2016-10-05 | 2018-03-27 | 국방과학연구소 | 경험적 모드 분해 기법 및 웨이블릿 잡음 제거 기법 기반의 항재밍 방법 및 시스템 |
| CN110096998A (zh) * | 2019-04-29 | 2019-08-06 | 天津大学 | 一种用于机加工表面形貌特征提取的分解方法 |
| CN110688964A (zh) * | 2019-09-30 | 2020-01-14 | 哈尔滨工程大学 | 一种基于稀疏分解的小波阈值与emd联合降噪方法 |
| CN115700544A (zh) * | 2022-10-25 | 2023-02-07 | 山东科技大学 | 一种联合经验模态分解及小波软阈值的色谱信号去噪方法 |
Non-Patent Citations (2)
| Title |
|---|
| Seismic signal denoising method based on CEEMD and improved wavelet threshold;Yun Qiao et al.;IOP Conference Series: Earth and Environmental Science;全文 * |
| 基于EMD和改进小波阈值的地震信号去噪方法;巨鑫 等;内蒙古石油化工(第5期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117331125A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fox et al. | Quantitative methods for analyzing the roughness of the seafloor | |
| Stewart et al. | Quantitative seafloor characterization using a bathymetric sidescan sonar | |
| CN112230205B (zh) | 一种利用舰船辐射噪声仿真信号的水下目标识别系统性能评估方法 | |
| CN104749568B (zh) | 一种基于水听器阵列的浅海目标深度的分类方法 | |
| CN112013286B (zh) | 管道泄漏点的定位方法及装置、存储介质、终端 | |
| RU2326408C1 (ru) | Способ восстановления формы рельефа морского дна при дискретных измерениях глубин посредством гидроакустических средств и устройство для его осуществления | |
| CN112818876B (zh) | 一种基于深度卷积神经网络的电磁信号提取与处理方法 | |
| CN106199532A (zh) | 基于混合傅立叶‑小波分析的探地雷达信号降噪方法 | |
| CN112013285A (zh) | 管道泄漏点的检测方法及装置、存储介质、终端 | |
| Malinverno | Segmentation of topographic profiles of the seafloor based on a self-affine model | |
| CN117331125B (zh) | 一种分裂波束数据处理方法、装置、电子设备和介质 | |
| CN117368877A (zh) | 基于生成对抗学习的雷达图像杂波抑制与目标检测方法 | |
| CN114721044B (zh) | 一种多频率接收函数和振幅比联合反演地壳结构的方法及系统 | |
| CN114909610B (zh) | 一种水下油气管道泄漏检测与定位的方法及控制系统 | |
| CN110806444A (zh) | 基于浅地层剖面仪与svm的海底底质识别与分类方法 | |
| Sarno Filho et al. | Empirical mode decomposition: Theory and applications in underwater acoustics | |
| CN114460566B (zh) | 水声目标实时识别方法、系统及装置 | |
| CN111830562A (zh) | 一种油气储层渗透率预测方法及装置 | |
| CN111352158A (zh) | 地震信号增强方法及装置 | |
| RU2767001C1 (ru) | Способ классификации морских объектов по уровню шума в источнике | |
| Barbu | Acoustic seabed and target classification using Fractional Fourier transform and time-frequency transform techniques | |
| RU2799118C1 (ru) | Способ обработки сигнала шумоизлучения | |
| WO2024016572A1 (zh) | 噪声识别方法、装置、设备及存储介质 | |
| RU2805137C1 (ru) | Способ шумопеленгования с определением водоизмещения надводного корабля | |
| Alexandri et al. | Detection and characterization of ship underwater radiated narrowband noise |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |