Page 114 - 《应用声学》2019年第6期

1016 2019 年 11 月

Compared with the global single threshold wavelet method, it has good separation and noise reduction ability.
This method breaks the limitation of wavelet threshold denoising in high frequency processing, improves the
recognition accuracy, and effectively overcomes the shortcomings of global single threshold rule denoising.
It has good popularization and application value in marine biology investigation, ship recognition, deep-sea
exploration, etc.
Key words Wavelet packet analysis, Optimal decomposition layer, Underwater acoustic monitoring signal,
Multi-segment threshold

等 [9] 利用一种新的小波阈值去噪方法对振动信号
0 引言
进行去噪分析。张振凤等 [10] 利用改进阈值随实际

目前，水声监听在海洋生物调查研究、舰艇监 分解层数而变化的方法进行去噪，通过信噪比和均
听监测、深海勘探等方面需求量具大且应用前景 方差的比较，该方法优于传统固定阈值、stein 无偏
十分广阔，其监听信号主要为宽带中低频信号和窄 似然估计阈值、极大极小值的小波去噪方法。曹建
华等 [11] 利用小波分析法对振动信号进行去噪处理，
带高频信号，如鱼类的摩擦声频率一般在 100 Hz∼
8 kHz，鱼鳔发声多数在 75∼100 Hz；舰船噪声谱主 对去噪后信号进行功率谱密度分析。余本富等 [12]
要集中在 1 kHz 以下；水声场测量、海洋地震测量、 基于自适应分解层数和阈值的小波去噪算法降低
浅地层剖面测量等主要采用宽带中低频进行测量， 电能质量扰动信号中的噪声。李战明等 [13] 对小波
频率范围在几百Hz到十几 kHz；侧扫声呐及地貌扫 分析中 4 种去噪方法分析比较，通过对比分析采用
描声呐等采用窄带高频信号，频率范围在十几 kHz 改进阈值函数提升小波变化阈值法用于心电信号
到几百 kHz。在实际的水声探测、接收和识别过程 去噪分析。以上小波变换的研究方法在阈值和阈值
中，海洋环境噪声信息会弱化相关声目标信号监听 函数选取等方面具有较高的参考价值，但其主要针
的准确度 [1−2] ，严重影响目标的后续识别与处理， 对频率变化缓慢和频带较窄的非平稳振动、心电等
特别是宽带中低频目标信号更容易掺杂大量复杂 生物医学、图像处理等方面信号，不能同时兼顾低
的噪声信息。因此，如何将目标信号与噪声有效分 频和高频目标，无法实现宽频带信号分频段聚焦处
离与提取成为水声监听研究的重中之重。 理，因此，对频段变换范围较大的水声监听信号消噪
传统的数字信号处理及去噪方法多数是以傅 及提取处理适应性较差。
里叶变换为基础的，如司新新等 [3] 利用短时傅里叶 水声信号属于非平稳、非线性时变信号，受噪
变换进行时变和非平稳信号的处理和分析，姚家骏 声及混响等干扰的影响，探测获得的水声信号往往
等 [4] 在地震波特征量分析中采用短时傅里叶变换， 会存在很多突变的奇异点。小波变换具有多分辨和
曲丽荣 [5] 选用合适的短时傅里叶窗口函数对信号 时频局部分析的能力，与短时傅里叶去噪法相比，能
频率特性分析。以上研究均以傅里叶变换为基础的 更好地去噪，小波和小波包降噪处理的核心是阈值
传统数字信号去噪法属于全局变换，无法同时表征 和阈值函数的选取，常用的小波硬阈值和软阈值函
时频双域特性，只能反映信号整体特性，时域无法局 数达到了一定的去噪效果，但硬阈值处理后的小波
部化，难以检测局部突变信号，去噪局限性较大。小 系数在正负阈值处不连续，软阈值可有效避免间断
波变换去噪方法具有良好的时频局部性、多分辨率、 连续性较好，但小波系数较大时，系数绝对值与系
去相关性、快速算法和选基灵活等特点，与傅里叶 数之间存在偏差，易造成高频信息损失，重构信号
变换去噪方法相比具有明显的优越性，成为国内外 易产生误差。小波包分解系数按照不同的阈值规则
许多学者专家应用研究的去噪方法。Kalpana 等 [6] 能更有效去除噪声，然而不同频段的小波包分解系
对水声通信中提高信噪比的去噪技术进行研究，利 数对目标信号和噪声信号反映不同，用同一阈值和
用 Gabor 小波变换来实现去噪提高信噪比，并与香 阈值规则对整个频段进行处理无法达到较为理想
农小波进行了对比研究。Hill 等 [7] 使用双数复小波 的效果。因此，本文采用小波包相对能量法进行最
系数法实现图像噪声处理研究。普利达大学研究人 优分解层判别，考虑各个节点频段有用信息的比例，
员 Ghribi 等 [8] 提出用小波变换分解的双线性结构， 按照比例大小确定阈值准则及函数，进一步提高分
通过双通道对称方法实现小波自适应去噪声。周建 辨率，优化高频信号分析，去噪提取结果更加精细