详情

原文传递基于深度学习的抗混响技术研究

论文题名：	基于深度学习的抗混响技术研究
关键词：	主动声纳;抗混响算法;深度学习;波束形成;支持向量机
摘要：	主动声纳由于其探测距离远，可探测海底掩埋物体等优势，常被用于海洋环境与资源的勘探，但是主动声纳由于其工作模式的原因，也常常伴随着许多的干扰，混响就是其中的一种。混响作为影响主动声纳检测能力最主要的因素之一，为探究混响形成原理与混响抑制算法，本文在对混响信号进行深入的理论研究的基础上，提出了一种基于深度学习的抗混响算法模型，该算法模型结合了基于对抗神经网络的混响仿真方法，混响区自主识别技术，波束形成技术与基于支持向量机的时频域抗混响处理技术，实现了在低信混比情况下，有效地对混响进行抑制并进行信号检测。本文的主要研究内容与成果包括：　　1.对混响形成的原理与混响特性进行了深入研究。采用点散射模型仿真算法对混响进行仿真，并对仿真得到的数据进行混响特性研究。另外，本文提出了一种基于对抗神经网络的混响仿真方法，该方法相比较点散射模型而言，在计算量与普适性方面有较好的优势。　　2.对混响的波束形成算法进行了研究与分析。本文对常规CBF波束形成，LMS自适应波束形成与MVDR自适应波束形成进行了深入研究，并在白噪声背景与混响背景下，采用三种方法对混响仿真数据进行处理，研究表明：不管是在白噪声背景下还是在混响背景下，三种方法都能准确找到信号来波方向，起到提高信混比的作用，但是LMS自适应波束形成方法效果最佳，其主瓣更窄，旁瓣更低。　　3.对混响区的自适应判断进行了研究与分析。针对波束形成后混响区判断的问题，本文提出了一种基于能量梯度特性计算的混响区自适应判断算法，通过混响信号与环境噪声之间能量梯度的不同，设置相应的阈值，从而达到自适应判断混响区的目的。　　4.对时频域抗混响算法进行了研究与分析。本文研究了传统主分量反演(PCI)方法，AR预白化等方法，并在此研究基础上提出了一种基于PCI-SVM的抗混响方法。该方法将主分量反演(Principal Component Inverse,PCI)与支持向量机(Support Vector Machine,SVM)相结合，实现了对声纳阵接收信号的子空间分解。本文采用该方法对仿真数据与海试数据进行处理，并将数据处理结果与直接匹配滤波法对比，对比结果显示，本文采用的PCI-SVM方法有较好的鲁棒性与抗混响能力，能提高主动声纳的探测性能，具有较大的工程应用价值。　　5.对抗混响模型进行了验证。对整个模型进行性能检测，采用基于对抗神经网络生成的混响数据进行阵列信号仿真，采用LMS自适应波束形成方法与基于PCI-SVM时频域抗混响算法进行混响抑制，最后实现混响信号下的回波信号检测功能。
作者：	吴胜杰
专业：	电子与通信工程
导师：	王茂法;薛欢欢
授予学位：	硕士
授予学位单位：	杭州电子科技大学
学位年度：	2022