Page 121 - 《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 1023

平滑度指标数值越小，信噪比增益和峰值信噪 [6] Kalpana G, Rajendran V, Murugan S S. Study of de-
比越大，去噪效果越好。表 3 是采用上述三种方法 noising techniques for SNR improvement for underwater
acoustic communication[J]. Journal of Marine Engineer-
分别对小波包硬阈值，小波包软阈值和小波包分段
ing & Technology, 2014, 13(3): 29–35.
阈值的降噪处理结果进行去噪评价，由表 3 可以看
[7] Hill P R, Achim A, Bull D R, et al. Dual-tree complex
出本文方法是可靠的。 wavelet coefficient magnitude modelling using the bivari-
ate Cauchy-Rayleigh distribution for image denoising[J].
表 3 评价结果 Signal Processing, 2014, 105: 464–472.
Table 3 The evaluation results [8] Ghribi K, Djendi M, Berkani D. A wavelet-based forward
BSS algorithm for acoustic noise reduction and speech en-
指标 平滑度指标 信噪比增益 峰值信噪比 hancement[J]. Applied Acoustics, 2016, 105: 55–66.
小波包硬阈值 0.9576 4.935 43.221 [9] 周建, 向北平, 倪磊, 等. 一种新的小波阈值去噪算法研究 [J].
小波包软阈值 0.7854 5.156 49.562 机械设计与研究, 2017, 33(6): 1–5.
Zhou Jian, Xiang Beiping, Ni Lei, et al. Study of a new
小波包分段阈值 0.4256 5.932 54.543
de-noising algorithm based on wavelet threshold[J]. Ma-
chine Design & Research, 2017, 33(6): 1–5.
3 结论 [10] 张振凤, 威欢, 谭博文. 一种改进的小波阈值去噪方法 [J]. 光
通信研究, 2018(2): 75–78.
通过对水下监听信号的去噪分析可以得出本 Zhang Zhenfeng, Wei Huan, Tan Bowen. An improved
文方法的关键在于 (1) 按照每层小波包节点系数相 wavelet threshold denoising method[J]. Study on Optical
Communications, 2018(2): 75–78.
对能量的变化确定小波包最优分解层数；(2)按相对
[11] 曹建华, 杨超. 随机振动信号的小波去噪分析 [J]. 黄山学院学
能量法实现分频段阈值降噪处理。根据节点相对能 报, 2017, 19(5): 26–29.
量大小，判断该节点有用信号能量大小。能量越高， Cao Jianhua, Yang Chao. Wavelet denoising analysis
表示该频段的有效成分越多，反之，噪声成分越多。 of acceleration signals of random vibration[J]. Journal of
Huangshan University, 2017, 19(5): 26–29.
针对节点系数相对能量大小选取最合适的阈值函
[12] 余本富, 王维博, 郑永康, 等. 基于自适应分解层数和阈值的
数和阈值th，最大程度去除噪声，保留有效成分。本 小波去噪算法 [J]. 传感器与微系统, 2017, 36(12): 126–129,
文方法去噪效果优于传统小波、小波包全局单一阈 133.
值处理等方法，可在信号噪声的处理中进行广泛的 Yu Benfu, Wang Weibo, Zheng Yongkang, et al. Wavelet
de-noising algorithm based on adaptive decomposition
推广和应用，特别在 100 Hz∼50 kHz 频率范围内的
number of layers and threshold[J]. Transducer and Mi-
水声监听信号降噪处理中具有重要参考价值。 crosystem Technologies, 2017, 36(12): 126–129, 133.
[13] 李战明, 张晓东. 小波分析中 4 种去噪方法的分析比较 [J]. 工
业仪表与自动化装置, 2015(2): 12–17.
参 考 文 献 Li Zhanming, Zhang Xiaodong. The comparison of four
kinds of methods of denoising based on wavelet analy-
[1] Klusek Z, Lisimenka A. Seasonal and diel variability of sis[J]. Industrial Instrumentation & Automation, 2015(2):
the underwater noise in the Baltic Sea[J]. Journal of the 12–17.
Acoustical Society of America, 2016, 139(4): 1537–1547. [14] 钟孟春, 张春林, 李华, 等. 改进的小波包能量分段阈值降噪
[2] 宋国丽, 郭新毅, 马力, 等. 南海北部海洋环境噪声谱级空间 方法 [J]. 计算机工程与应用, 2015, 51(5): 204–207.
差异性分析 [J]. 声学学报, 2018, 43(3): 307–314. Zhong Mengchun, Zhang Chunlin, Li Hua, et al. Improved
Song Guoli, Guo Xinyi, Ma Li, et al. Analysis of spatial de-noising method based on wavelet packet energy subsec-
difference of ocean ambient noise spectrum in the northern tion threshold[J]. Computer Engineering and Application,
South China Sea[J]. Acta Acustica, 2018, 43(3): 307–314. 2015, 51(5): 204–207.
[3] 司新新, 李佳. 傅立叶变换在数字信号处理中的应用研究 [J]. [15] 杜立志, 殷琨, 张晓培, 等. 基于最优小波包基的降噪方法及
中国新通信, 2016, 18(14): 122. 其应用 [J]. 工程地球物理学报, 2008(1): 25–29.
[4] 姚家骏, 杨立明, 冯建刚. 常用时频分析方法在数字地震波特 Du Lizhi, Yin Kun, Zhang Xiaopei, et al. The signal de-
征量分析中的应用 [J]. 西北地震学报, 2011, 33(2): 105–110. noising algorithm based on optimization wavelet packet
Yao Jiajun, Yang Liming, Feng Jiangang. Application and its application[J]. Chinese Journal of Engineering
of common time-frequency analysis methods in analyzing Geophysics, 2008(1): 25–29.
characteristic quantity of digital seismic wave[J]. China [16] 谭文才, 张秋菊. 小波包多阈值去噪的一种改进方法 [J]. 江南
Earthquake Engineering Journal, 2011, 33(2): 105–110. 大学学报 (自然科学版), 2012, 11(2): 178–181.
[5] 曲丽荣. 短时傅立叶变换在数字信号处理中的应用 [J]. 科技 Tan Wencai, Zhang Qiuju. An improved de-noising
资讯, 2007(27): 54–55. method by wavelet packet multi-threshold[J]. Journal