技术领域本发明涉及一种信噪分离的优化方法，属于信号处理技术领域。
背景技术：
声探测系统的输入信号所伴随的噪声随时间而变化的。对随时间而变化的噪声信号进行噪声去除，并提取出原始有用信号已成为数字信号领域的一个重要研究课题。常见的声信号去噪方法主要包括带通滤波器(线性滤波器和非线性滤波器)，如wiener滤波和中值滤波等。这些去噪方法的不足在于使信号变换后的熵增高，无法刻画信号的非平稳特性，无法得到信号的相关性.而小波变换具有良好的时频特性，多分辨性和紧支性，从而为其在信号降噪中的应用提供了广阔的应用前景。小波变换具有带通滤波器的作用，具有多分辨率分析的特点，通过小波的多尺度分析可将信号分解为反映信号整体趋势的低频部分和反应信号细节的高频部分。基于这些优点，小波变换已在数字图像处理、故障诊断、语音和生物医学信号处理及光谱分析等方面获得了广泛的应用。目前，一般技术中通常都是采用带通滤波器来滤除噪声，这种方法对于性质随时间稳定不变的信号能够获得很好的效果，但是，在实际应用中，绝大多数信号是非稳定的，这时候带通滤波器的滤波效果就有限，在滤波方面，由于小波分解可以把一个信号分解成不同频段的信号，相当于在不同频带上进行滤波处理。因此，可以用来实现信号与噪声的分离，并且能够获得比带通滤波器好得多的效果。当前，小波技术在信号去噪中得到了的研究并取得了非常好的应用效果，已成为信号去噪的主要方法之一。主要原因是小波变换具有下述特点：1.熵性。小波洗漱的稀疏分布使信号变换后的熵降低。2.多分辨率性质。改性质是小波变换可以很好地刻画信号的非平稳特性，如边缘，尖峰，断点等。3.去相关性。可以对信号进行去相关，且噪声在变换后有白化趋势，所以在小波域比在时域更利于去噪。4.小波基选择的多样性。由于小波变换可以灵活地选择不同的小波基，如单小波，多小波，多带小波，小波包，平移不变小波等，因此可以根据信号特点和去噪要求选择合适的小波。小波进行滤波，需要对小波的细节系数和尺度系数进行处理，对目前常见的阈值选取规则主要有以下几种：无偏似然估计，固定阈值估计，启发式阈值估计和极值阈值估计。一般来讲，极值阈值估计和无偏似然估计方法比较保守，当噪声在信号的高频段分布较少时，这两种阈值估计方法去噪效果较好，可以将微弱的信号提取出来。而固定阈值估计法和启发式阈值估计法去噪比较彻底，在去噪时显得更为有效，但是也容易把有用的高频信号误认为噪声而去除掉。采用改进的小波滤波阈值函数具有无穷阶连续导数，与传统的硬、软阈值函数比较，具有明显的优点。当细节系数的模增大时，阈值函数与细节系数函数逐渐接近，避免了软阈值函数与细节系数函数之间存在偏差的缺点。与此同时当阈值较小时，改进的阈值函数的表现与硬阈值函数相当。因此，改进的阈值函数提高了信号的重构精度，改善了去噪效果，具有明显的优势。传统的阈值方法对不同的小波尺度采用相同的阈值，去噪效果不理想。在实际中，随着尺度的增加，噪声的模极大值减小，故阈值也应随着尺度的增加而减小，改进的阈值函数使得阈值和噪声在小波变换各尺度上的传播特性保持一致。有效地遏制了噪声，提高了信噪比。
技术实现要素：
本发明的目的在于提供一种信噪分离的优化方法，以便更好地实现信噪分离，采用更好地算法予以优化分离。为了实现上述目的，本发明的技术方案如下。(1)读取离散化后的输入信号：x(n)n＝0，1，2……N-1，其中N为信号x(t)的采样点数；(2)求信号x(n)的频谱(3)确定FIR滤波器的目标频率响应Hd(ω)，误差加权函数为W(ω)，则加权逼近函数为：E(ω)=W(ω)[H(ω)-Hd(ω)]=W(ω)[Σn=0(N-1)/2h(n)cosωn-Hd(ω)];]]>等纹波最佳逼近法设计线性相位FIR滤波器实质是求解(N-1)/2个系数h(n)，使得加权误差函数E(ω)的最大绝对值在要求逼近的频带内达到最小，即：||E(ω)||=minh(n)[max|E(ω)|ω∈A]]]>式中，A为要求逼近的[0，π]内的一个闭区间，该闭区间包括通、阻带，但不包含过渡带；切比雪夫逼近理论指出上述H(ω)存在且唯一，并依据交错点组定理，给出求解H(ω)的公式，如下所示：W(ωi)[Σn=0rh(n)cosωin-Hd(ωi)]=(-1)i.maxω∈A|E(ωi)|=(-1)iδ;i=0,1,...,r+1;]]>式中：δ是波纹极值；求解式，可得r+2个未知数h(1)，h(1)，…，h(r)，δ，即可得到H(ω)和E(ω)；(4)在频率子集上等间隔地取r+2个频率点ω0，ω1，…，ωr+1作为交错点组，初始值代入下式：δi=Σn=0r+1aiHd(ωi)Σn=0r+1(-1)iai/W(ωi);]]>式中：δi是相对于初始交错点组产生偏差，非最优；(5)依据重心形式的拉格朗日插值公式得：H(ω)=Σn=0rβicosω-cosωiciΣn=0rβicosω-cosωi;]]>式中：ci=Hd(ωi)-(-1)iδiW(ωi),i=0,1,2,...,r+1;]]>(6)由求E(ω)，具体步骤如下：A1：若所有ωi均满足|E(ωi)|＜|δ|，则δ是波纹极值，且初始猜测值为交错点组频率，计算结束，否则，执行步骤A2；A2：对A1中r+2个点交错点ωi，检查其附近是否存频率点满足|E(ωi)|＞|δ|，若存在，则在该点附近找出局部极值点，代替原来点，得一组新的交错频率ωi，重新计算δ，H(ω)和E(ω)；A3：重复A2，调整交错点组中的频率；A4：由最后一组交错点组ωi，求出滤波器H(ω)。(7)求输入信号x(n)，经过滤波器的输出信号的频谱：X1(ωk)＝X(ωk)H(ωk)(8)将信号频谱X1(ωk)还原为时域信号：x1(n)=1NΣk=0N-1X1(ωk)exp(j2πNkn)n=0,1,2......N-1]]>(9)对信号进行小波分解，由基函数与{ψj1k(x)