融入频域先验信息压缩感知方法的主动声呐回波信号处理
发布时间：2020-12-11 11:05
针对弱信噪比时的水下主动声呐回波信号处理问题,从主动声呐入射信号和目标回波信号的先验信息出发,与压缩感知理论相结合,提出了融入频域先验信息的压缩感知方法（Compressed Sensing based on Fequency Prior Information, CSFPI）。针对主动声呐入射信号,获取其频域先验信息,将其作为"原子"融入信号的稀疏分解过程,构建完备频域先验稀疏矩阵。主动声呐回波信号可以等效为携带目标信息入射信号的线性叠加,将该特性与传统正交匹配追踪（Orthogonal Matching Pursuit, OMP）算法结合,形成基于"块"的正交匹配信号重构算法。采用CSFPI方法处理仿真信号来验证理论方法的正确性。进一步,通过主动声呐发射接收装置获取湖上实测数据,用CSFPI方法进行处理。当压缩比为50%、信噪比低至-5 dB时,重构信号的匹配率高于70%。实验结果表明了CSFPI算法在处理低信噪比声呐信号时的有效性。
【文章来源】：声学技术. 2020年05期 第532-539页 北大核心
【文章页数】：8 页
【部分图文】：
压缩感知理论框架
∈璺纸?水下传播能量衰减慢，声呐系统发射的入射信号在时域上能量相对集中，是时间和幅值的对应。傅里叶变换理论[16-17]指出，对任何波形s(t)都可以用多个正弦函数线性叠加表示，并且每个分量函数都有对应的频率、相位和幅值，通过傅里叶变换求解这些系数，可以完成对信号的简化。这类在时间上连续、幅值固定的入射信号，通过傅里叶级数展开，可以转换成幅值突出、特征明显的频域稀疏信号。仿真宽带水下回波信号函数i(2)()1efstπ=，信号频率f=30kHz，信号脉冲时间T=1ms，其时域和频域信号波形如图2所示。(a)时域信号(b)频域信号图2仿真信号的时域和频域图Fig.2Thetimedomainandfrequencydomainchartsofsimulatedsignal从图2可以看出，对单位时间内的信号而言，入射仿真信号在频域具有更好的稀疏特性，其幅值特征也更加突出。一般稀疏信号通常选取离散余弦矩阵(DiscreteCosineTransform,DCT)对信号进行高维投影。水下环境复杂，存在大量的噪声干扰。因此结合信号的固有特性，采用频域先验信息构建过完备原子库作为稀疏矩阵。首先假设入射信号和回波信号的采样速率满足奈奎斯特采样定理，采样周期为sT，脉冲宽度为τ，一个脉冲宽度的样本点数为n，产生的总样本点数为N。得到入射信号的频域信息后进行能量归一化处理。得到原型原子12=[]nGggg，将其看作为一个原子块，对原子块位移，取不同的起始点构成过完备原子库(稀疏矩阵)[18]。具体表达式如下：1212121112112122221200000nnNNnNNNNNNNgggggggggψψψψψψψψψ×===Ψψψψ(4)由上述可知，由原子块形?
?(4)如果不满足迭代终止条件，则迭代次数k加1，继续执行；若满足终止条件，则停止迭代，得到稀疏系数集合与重构原子集合。(5)将重构原子集合与稀疏分解系数集合对应进行线性叠加运算，得到水下目标回波信号的频域重构信号，再通过逆运算得到时域信号，进而完成信号的重构。FPOMP算法与传统的压缩感知方法比较，迭代时的最大相关性计算，残差更新，每次得到的是包含频域先验信息的原子ψ，少量次数迭代就可得到频域信息支撑集，最后通过伪逆运算即可完成信号重构。FPOMP算法的具体流程如图4所示。图4FPOMP算法的流程图Fig.4FlowchartofFPOMPalgorithm3算法性能验证为了验证本文提出的基于频域先验信息的压缩感知方法的性能，先基于仿真回波信号进行处理以验证方法正确性。然后通过主动声呐发射接收装置，获取湖上实测数据并处理，证明本文方法实际应用的可行性。本文以信号匹配率作为信号重构的评判标准，匹配率定义：以入射信号与重构信号的绝对值之和的二范数减去两者绝对值之差的二范数，再比上两者绝对值之和的二范数。匹配率的计算公式为2M2abs()abs()1abs()abs()xxRxx=+(8)式中：abs代表取绝对值，x为入射信号，x为重构信号。3.1仿真信号性能验证水下回波信号往往含有大量噪声干扰。仿真信号为干净信号，因此，加入高斯白噪声，以信噪比(SignalNoiseRatio,SNR)为指标，信噪比越低，噪声干扰越大，处理起来就越困难。为了验证本文方法的抗噪性能，加入不同大小的高斯白噪声。首先，采用高斯测量矩阵从原始信号中提取出少量数据，然后分别采用本文方法和传
【参考文献】：
期刊论文
[1]基于稀疏分解的水下目标回波信号处理方法[J]. 孙同晶,贺锦鹏,谷雨. 数据采集与处理. 2016(02)
[2]水下目标回波的块信号稀疏分解方法[J]. 孙同晶,高恩伟,陈华杰. 声学技术. 2015(05)
[3]基于压缩感知的水声数据压缩与重构技术[J]. 李佩,杨益新. 声学技术. 2014(01)
[4]离散余弦小波包变换及语音信号压缩感知[J]. 张长青,陈砚圃. 声学技术. 2014(01)
[5]压缩感知在医学超声成像中的仿真应用研究[J]. 吕燚,吴文焘,李平. 声学技术. 2013(02)
[6]基于压缩感知的随机噪声成像雷达[J]. 江海,林月冠,张冰尘,洪文. 电子与信息学报. 2011(03)
[7]基于信号稀疏分解的水下回波分类[J]. 杨勃,卜英勇,赵海鸣. 声学学报. 2010(06)
硕士论文
[1]基于冗余字典的图像压缩感知技术研究[D]. 张书扬.吉林大学 2016
本文编号：2910422
【文章来源】：声学技术. 2020年05期 第532-539页 北大核心
【文章页数】：8 页
【部分图文】：
压缩感知理论框架
∈璺纸?水下传播能量衰减慢，声呐系统发射的入射信号在时域上能量相对集中，是时间和幅值的对应。傅里叶变换理论[16-17]指出，对任何波形s(t)都可以用多个正弦函数线性叠加表示，并且每个分量函数都有对应的频率、相位和幅值，通过傅里叶变换求解这些系数，可以完成对信号的简化。这类在时间上连续、幅值固定的入射信号，通过傅里叶级数展开，可以转换成幅值突出、特征明显的频域稀疏信号。仿真宽带水下回波信号函数i(2)()1efstπ=，信号频率f=30kHz，信号脉冲时间T=1ms，其时域和频域信号波形如图2所示。(a)时域信号(b)频域信号图2仿真信号的时域和频域图Fig.2Thetimedomainandfrequencydomainchartsofsimulatedsignal从图2可以看出，对单位时间内的信号而言，入射仿真信号在频域具有更好的稀疏特性，其幅值特征也更加突出。一般稀疏信号通常选取离散余弦矩阵(DiscreteCosineTransform,DCT)对信号进行高维投影。水下环境复杂，存在大量的噪声干扰。因此结合信号的固有特性，采用频域先验信息构建过完备原子库作为稀疏矩阵。首先假设入射信号和回波信号的采样速率满足奈奎斯特采样定理，采样周期为sT，脉冲宽度为τ，一个脉冲宽度的样本点数为n，产生的总样本点数为N。得到入射信号的频域信息后进行能量归一化处理。得到原型原子12=[]nGggg，将其看作为一个原子块，对原子块位移，取不同的起始点构成过完备原子库(稀疏矩阵)[18]。具体表达式如下：1212121112112122221200000nnNNnNNNNNNNgggggggggψψψψψψψψψ×===Ψψψψ(4)由上述可知，由原子块形?
?(4)如果不满足迭代终止条件，则迭代次数k加1，继续执行；若满足终止条件，则停止迭代，得到稀疏系数集合与重构原子集合。(5)将重构原子集合与稀疏分解系数集合对应进行线性叠加运算，得到水下目标回波信号的频域重构信号，再通过逆运算得到时域信号，进而完成信号的重构。FPOMP算法与传统的压缩感知方法比较，迭代时的最大相关性计算，残差更新，每次得到的是包含频域先验信息的原子ψ，少量次数迭代就可得到频域信息支撑集，最后通过伪逆运算即可完成信号重构。FPOMP算法的具体流程如图4所示。图4FPOMP算法的流程图Fig.4FlowchartofFPOMPalgorithm3算法性能验证为了验证本文提出的基于频域先验信息的压缩感知方法的性能，先基于仿真回波信号进行处理以验证方法正确性。然后通过主动声呐发射接收装置，获取湖上实测数据并处理，证明本文方法实际应用的可行性。本文以信号匹配率作为信号重构的评判标准，匹配率定义：以入射信号与重构信号的绝对值之和的二范数减去两者绝对值之差的二范数，再比上两者绝对值之和的二范数。匹配率的计算公式为2M2abs()abs()1abs()abs()xxRxx=+(8)式中：abs代表取绝对值，x为入射信号，x为重构信号。3.1仿真信号性能验证水下回波信号往往含有大量噪声干扰。仿真信号为干净信号，因此，加入高斯白噪声，以信噪比(SignalNoiseRatio,SNR)为指标，信噪比越低，噪声干扰越大，处理起来就越困难。为了验证本文方法的抗噪性能，加入不同大小的高斯白噪声。首先，采用高斯测量矩阵从原始信号中提取出少量数据，然后分别采用本文方法和传
【参考文献】：
期刊论文
[1]基于稀疏分解的水下目标回波信号处理方法[J]. 孙同晶,贺锦鹏,谷雨. 数据采集与处理. 2016(02)
[2]水下目标回波的块信号稀疏分解方法[J]. 孙同晶,高恩伟,陈华杰. 声学技术. 2015(05)
[3]基于压缩感知的水声数据压缩与重构技术[J]. 李佩,杨益新. 声学技术. 2014(01)
[4]离散余弦小波包变换及语音信号压缩感知[J]. 张长青,陈砚圃. 声学技术. 2014(01)
[5]压缩感知在医学超声成像中的仿真应用研究[J]. 吕燚,吴文焘,李平. 声学技术. 2013(02)
[6]基于压缩感知的随机噪声成像雷达[J]. 江海,林月冠,张冰尘,洪文. 电子与信息学报. 2011(03)
[7]基于信号稀疏分解的水下回波分类[J]. 杨勃,卜英勇,赵海鸣. 声学学报. 2010(06)
硕士论文
[1]基于冗余字典的图像压缩感知技术研究[D]. 张书扬.吉林大学 2016
本文编号：2910422
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2910422.html
