专利名称：基于Hilbert-黄变换双重降噪的瞬态信号检测方法
技术领域：
本发明涉及的是一种水声信号处理领域，特别是涉及一种基于Hilbert-黄变换双重降噪的瞬态信号检测方法。
背景技术：
水声瞬态信号可以由空投物体入水、水下航行体点火启动或变速转向、冰层破裂、鲸豚鸣叫等产生，蕴含着丰富的海洋信息，可用于目标识别、定位、导航等，且多属被动信号检测，具有很强的研究价值和广泛的应用前景。
瞬态信号持续时间短，通常只有几毫秒，属于典型的非平稳信号，使得经典的信号处理方法对此失效。目前的主流方法有传统能量检测、短时相关、Power-Law等。能量检测实现简单，但其对信噪比要求较高；短时相关法通过对信号数据进行简单的分段相关处理，依据一定的统计估计实现高正确率检测，但“分段”破坏了其时间分辨率；PoWer-LaW检测器是将高斯背景下的瞬态信号检测问题归结为N点DFT数据中任意M点信号的检测，它不需要先验知识，可以认为是完全自适应的方法，但其基于传统DFT，对非平稳信号缺乏适应性。越来越受到学者们关注的是各种具有良好自适应能力的、直观的时频分析方法或复合检测方法。发明内容
本发明的目的是提供一种真正自适应的、具有强降噪能力的、适用于低信噪比环境的基于Hilbert-黄变换双重降噪的瞬态信号检测方法。
本发明的目的是这样实现的，主要包括如下步骤:
( I)初始化基本参数，主要包括:宽度门限、经验模态分解终止阶数、子波检测门限倍数、能量密度门限倍数、频率分辨率系数、一阶递归系数；
(2)基于经验模态分解(EMD)子波检测的自适应降噪，即通过EMD子波检测确定有效固有模态函数(頂F)，剔除其他只含噪声的MF分量，实现第一重降噪；
(3)局部瞬时能量密度级降噪，即利用有效IMF分量求Hilbert谱的平方，再沿频率轴做局部积分，得到局部瞬时能量密度级，实现第二重降噪；
(4)计算信号局部瞬时能量密度级包络，将其作为检测统计量，做信号有无的二元判决，构建局部瞬时能量密度检测器。
本发明还可以包括:
所述的基于经验模态分解子波检测的自适应降噪的步骤是:首先针对EMD得到的IMF分量，采用滑动平均，独立估计每阶MF的功率，功率均值乘以子波检测门限倍数作为功率门限，然后通过瞬时功率峰值检测方法进行MF筛选，若IMF功率峰值大于功率门限则认为此阶IMF有效，否则认为无效并剔除。
所述的局部瞬时能量密度级降噪是根据水声瞬态信号所处中低频段的先验知识，对Hilbert谱平方做频率局部积分得到的，相当于在频域上通过一带通滤波器，从而滤除第一重降噪中残留下来的干扰。
所述的局部瞬时能量密度检测器是以局部瞬时能量密度级包络作为检测统计量，做信号有无的二元判决。
本发明的方法的主要特点是:(1)与常规的经验模态分解通过提取高阶MF提高信噪比的方法相比较，本发明中子波检测是通过瞬时功率峰值检测方法自适应地进行MF筛选，可实现第一重降噪；(2)与常规的频率全局积分得到的瞬时能量密度级相比较，本发明中的局部瞬时能量密度级是Hilbert谱平方做频率局部积分得到的，可实现第二重降噪；(3)与通常的瞬态信号检测器相比较，本发明采用局部瞬时能量密度级包络作为检测统计量，更能体现瞬态信号的局部特性。
图1为基于Hilbert-黄变换双重降噪的瞬态信号检测流程图2 (a)为水声瞬态信号图2 (b)为加噪瞬态信号及EMD分解结果图3为各阶MF子波检测示意图4为局部瞬时能量密度检测与传统能量检测检的测统计量对比图5为能量密度-宽度组合检测流程图6为ROC曲线性能对比图。
具体实施方式
下面结合附图对本发明作进一步描述:
基于Hilbert-黄(希尔伯特-黄)变换双重降噪的瞬态信号检测流程如图1所示，主要步骤为:
( I)初始化基本参数，所述基本参数包括:宽度门限、经验模态分解终止阶数、子波检测门限倍数、能量密度门限倍数、频率分辨率系数、一阶递归系数。
宽度门限:W=Ims;
经验模态分解终止阶数:K=5 ；
子波检测门限倍数:0=4;
能量密度门限倍数:T_timeS=9 ；
HHT频率分辨率系数:N=1000 ；
一阶递归系数:信号系数Ml=50，门限系数M2=2000。
(2)基于经验模态分解子波检测的自适应降噪，即通过EMD子波检测确定有效MF分量，剔除其他只含噪声的MF分量，实现第一重降噪。
①对输入信号进行经验模态分解，具体的:
a)插值采用三次样条插值；
b)分解终止条件设置为:余量的幅度小于原信号幅度的10,;余量的极点数小于等于2 ；IMF阶数大于分解上限；
c)分量终止条件设置为:共有三个门限值sdl，sd2和tol，其中sdl < sd2，三个值都介于0和I之间。计算:
sx (k) = 2 I men (k) / (uen (k)-den (k)) I (I)
其中men (k)，uen (k)，den (k)分别为信号的包络均值、上包络和下包络。
以下三个条件满足其中之一时筛选终止:sx(k)中的任意一点的值都小于sd2，SX(k)中超过sdl的比例不大于tol，并且极值点和过零点的数目相差不大于I ;少于3个极点剩余；筛选次数大于最大筛选次数门限；
d)边界处理采用镜像法。
图2给出了水声瞬态信号及加噪后EMD分解结果。
②EMD子波检测采用瞬时功率峰值检测方法:
从功率的角度分析，若第I阶IMF没有信号存在，设信号长度为M，则其功率可表示为:
Ni (k) = Pni (k), k = 0, I,..., M-1 (2)
若第i阶IMF有信号存在，则其功率可表示为:
Ni (k) = Pni (k) +Psi (k)，k = 0，1，…，M-1 (3)
Pni (k)为第i阶MF中噪声在k时刻的功率，Psi (k)为第i阶MF中信号在k时刻的功率，则有以下判定:
权利要求
1.一种基于Hilbert-黄变换双重降噪的瞬态信号检测方法，其特征在于包括以下步骤: (1)初始化基本参数，主要包括:宽度门限、经验模态分解终止阶数、子波检测门限倍数、能量密度门限倍数、频率分辨率系数、一阶递归系数； (2)基于经验模态分解子波检测的自适应降噪，即通过EMD子波检测确定有效固有模态函数，剔除其他只含噪声的IMF分量，实现第一重降噪； (3)局部瞬时能量密度级降噪，即利用有效IMF分量求Hilbert谱的平方，再沿频率轴做局部积分，得到局部瞬时能量密度级，实现第二重降噪； (4)将计算信号局部瞬时能量密度级包络作为检测统计量，做信号有无的二元判决，构建局部瞬时能量密度检测器。
2.根据权利要求书I所述的基于Hilbert-黄变换双重降噪的瞬态信号检测方法，其特征是:所述的基于经验模态分解子波检测的自适应降噪的步骤是:首先针对EMD得到的MF分量，采用滑动平均，独立估计每阶IMF的功率，功率均值乘以子波检测门限倍数作为功率门限，然后通过瞬时功率峰值检测方法进行IMF筛选，若IMF功率峰值大于功率门限则认为此阶MF有效，否则认为无效并剔除。
3.根据权利要求书I所述的基于Hilbert-黄变换双重降噪的瞬态信号检测方法，其特征是:所述的局部瞬时能量密度级降噪是根据水声瞬态信号所处中低频段的先验知识，对Hilbert谱平方做频率局部积分得到的，相当于在频域上通过一带通滤波器，从而滤除第一重降噪中残留下来的干扰。
4.根据权利要求书I所述的基于Hilbert-黄变换双重降噪的瞬态信号检测方法，其特征是:所述的局部瞬时能量密度检测器是以局部瞬时能量密度级包络作为检测统计量，做信号有无的二元判决。
全文摘要
本发明提供的是一种基于Hilbert-黄变换双重降噪的瞬态信号检测方法。包括以下步骤初始化基本参数宽度门限、经验模态分解终止阶数、子波检测门限倍数、能量密度门限倍数、频率分辨率系数、一阶递归系数；通过EMD子波检测确定有效固有模态函数，剔除其他只含噪声的IMF分量，实现第一重降噪；利用有效IMF分量求Hilbert谱的平方，再沿频率轴做局部积分，得到局部瞬时能量密度级，实现第二重降噪；计算信号局部瞬时能量密度级包络，将其作为检测统计量，做信号有无的二元判决，构建局部瞬时能量密度检测器。本发明提供一种真正自适应的、具有强降噪能力的、适用于低信噪比环境的信号检测方法。
文档编号G10L21/02GK103209036SQ20131006789
公开日2013年7月17日 申请日期2013年4月22日 优先权日2013年4月22日
发明者付进, 王燕, 邹男, 梁国龙, 范展, 王逸林, 张光普 申请人:哈尔滨工程大学