Page 108 - 《应用声学》2019年第6期

1010 2019 年 11 月

500 400
450 20
400
350 300
ᮠဋ/Hz 300 15 ௑ᫎ/s
250
200 200
150
10
100
100
50
0
60 120 180 240 300 360
௑ᫎ/s 0 0 30 60 90 120 150 180
ο̈́ᝈ/(O)
图 6 0 dB 测试信号中的噪声的对数功率谱 (ch4)
Fig. 6 The LPS of the noise in the testing signal 图 9 10 dB 下目标信号入射俯仰角扫描结果
at 0 dB (ch4) Fig. 9 The PAS result of the target signal at 10 dB

500 500
450 450
20 20
400 400
ᮠဋ/Hz 350 15 ᮠဋ/Hz 300 15
350
300
250
250
200 200
150 150
10 10
100
100
50
50
0
60 120 180 240 300 360 0
0 60 120 180 240 300 360
௑ᫎ/s ௑ᫎ/s
图 7 0 dB 测试信号中的真实目标信号的对数功率
图 10 0 dB 下的 CBF 输出的对数功率谱
谱 (ch4)
Fig. 10 The LPS output by the CBF at 0 dB
Fig. 7 The LPS of the target signal in the testing
signal at 0 dB (ch4) 表 1 各个对比算法的输出参数在 −10 dB ∼
10 dB 的平均结果
400
Table 1 The average objective measure-
ments for all algorithms at −10 dB ∼ 10 dB
300

MSE
௑ᫎ/s 200 ch4 对比算法 mix 输出 SNR/dB 214.99
0.97
CBF 2.29 313.13
100
ch4 noIRM 7.68 16.74
ch4 IRM 7.44 7.89
0
0 30 60 90 120 150 180 ch45 noIRM 7.90 14.96
ο̈́ᝈ/(O)
ch3456 noIRM 7.66 6.16
图 8 0 dB 下目标信号入射俯仰角扫描结果 8ch noIRM 7.91 14.55
Fig. 8 The pitch angle scanning (PAS) result of 8ch IRM 7.69 5.88
the target signal at 0 dB 2stage IRM 9.15 6.00

3.2 单阵元DNN 前帧 257 维 LPS，记为 ‘ch4 noIRM’。如图 11 所示，
下面利用 DNN 来进行目标信号恢复。单阵元 将带噪信号输入单阵元 DNN 后输出的对数功率谱
DNN利用了第四阵元信号的时间信息和频域信息， 很接近图 7，这显示出 DNN 具有强大的建模能力，
其输入为扩帧LPS，维数为257 × 11 × 1，输出为当 显著抑制了噪声成分，目标信号恢复效果明显。对