Page 117 - 《应用声学》2019年第6期

第 38 卷 第 6 期 赵杰等： 小波包节点分段阈值降噪在水声监听中的应用 1019

式 (15) 中，x 表示小波包分解后的节点系数，y 为阈
2 监听水声信号去噪分析
值函数处理后的小波节点系数，th 为选定的阈值。
式 (14) 和式 (15) 中 sign(x) 为符号函数，当 x > 0， 监听水声信号来源于阿拉斯加费班克大学
sign(x) = 1；当 x = 0，sign(x) = 0；当 x < 0，
Erin Pettit 和华盛顿大学 Jeff Nystuen 等在阿拉斯
sign(x) = −1。阈值函数处理结果对比如图 2、图 3
加州冰湾利用自主水听器 (被动水听器 (PAL)) 获
所示。
得的被动水声记录 [20] ，该海域的水深为 160 m，水
听器的布放水深为 90 m。所有数据采样频率为
8
ᆶ᫠ϙ
6 4 ᣄ᫠ϙ 100 kHz，从 100 Hz∼50 kHz 共分为 64 个频段，其
᫠ϙܫေՑᓬགጇ஝ ↼y↽ 2 0 3 kHz∼50 kHz范围的为分辨率为1 kHz。读取2009
中100 Hz∼3 kHz的范围内的频率分辨率为200 Hz，

年某一时间段内的原始音频文件，其时频特性标度
-2
图如图4所示。
-4
由图 4 的时 -频域分布标度图可以看出原始水
-6
声监听信号频率随时间变化的强弱分布，本文的主
-8
-8 -6 -4 -2 0 2 4 6 8 要工作是对不同频段范围、不同强弱的信号进行消
噪并且提取。将最原始水声监听信号按db6 进行小
ѬᝍՑᓬགጇ஝↼x↽
图 2 软、硬阈值函数结果对比 波包分解计算，计算每层节点相对能量并由大到小
Fig. 2 Comparison of soft and hard threshold 排序 (每层节点仅排前四位)，如表 2 所示。根据每
function results 层节点相对能量的大小按照 1.1 节判别方法获得最
优分解层数为 5 层。按小波包 5 层将水声信号分解，
8
ழ᫠ϙ 进行最优树结构和节点系数频率大小排序，分别如
6
ᣄ᫠ϙ 图 5和图6所示。
᫠ϙܫေՑᓬགጇ஝ ↼y↽ -2 2 0 Table 2 Nodes relative energy ranking table
4
节点相对能量排序表
表 2

顺序
-4
-6 层数 1 2 3 4
第一层 0.95 0.05 0.0 0.0
-8
-8 -6 -4 -2 0 2 4 6 8 第二层 0.86 0.08 0.02 0.04
第三层 0.70 0.14 0.07 0.03
ѬᝍՑᓬགጇ஝↼x↽
第四层 0.49 0.20 0.09 0.05
图 3 新、软阈值函数结果对比 第五层 0.27 0.22 0.12 0.05
Fig. 3 Comparison of new and soft threshold func- 第六层 0.14 0.13 0.12 0.08
tion results
0.30
  0.25
  0.20
ᮠဋ/kHz  ֓ 0.15 ಖएϙ

0.10
 ֓
0.05
 ֓ 0
 ⊲ ⊲ ⊲ ⊲ ⊲ ⊲ ⊲ ⊲ ⊲
௑ᫎ/s
图 4 监听水声信号时 -频分布标度图
Fig. 4 Time-frequency distribution scale diagram for monitoring underwater acoustic signals