Page 11 - 《应用声学》2024年第1期

第 43 卷 第 1 期 沈鑫玉等： 遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法 7

根据式 (15)、式(16)计算出两种输入SNR条件 在 R SN = 0 dB 和 R SN = −10 dB 两种输入
下，DEMON方法处理后的信号以及基于GA-VMD SNR 条件下，对 GA-VMD 降噪后的信号进行谱分
降噪后信号的输出 SNR 以及 MSE，如表 1 所示。由 析提取特征线谱，并与 DEMON 谱分析的处理结果
表 1 可以看出，在两种输入 SNR 条件下，相较于 进行对比，进一步检验GA-VMD算法的有效性。处
DEMON方法，本文方法的MSE降低，SNR提高。
理后的结果如图7所示。
综上所述，相较于 DMEON 方法，本文方法可
由图 7 仿真结果可以看出，在 R SN = 0 dB 条
以准确分解出信号主导分量，对噪声的抑制能力更
件下，DEMON 谱和基于 GA-VMD 算法得到的降
强，更利于后续的特征线谱提取。
噪后信号的频谱中 4 阶线谱均清晰可见，但基于
表 1 两种输入 SNR 条件下仿真信号降噪效果
GA-VMD 算法得到的频谱中线谱 SNR 更高，谱线
Table 1 Noise reduction effect of simu-
宽度更小。在 R SN = −10 dB 条件下，DEMON 谱
lated signal under different input SNR
分析得到的特征线谱SNR较低，无法清晰辨识出特

输入 SNR 征频率；基于 GA-VMD 算法得到的降噪信号频谱
0 dB −10 dB 中大部分噪声得到消除，4阶线谱均清晰可见。进一
信号处理方法 MSE SNR MSE SNR
步对特征线谱的输出 SNR 以及线谱宽度进行计算
DEMON 0.55 1.09 dB 0.94 −4.03 dB
并对比，结果如表 2 ∼ 4所示。线谱宽度定义为线谱
本文方法 0.42 2.52 dB 0.51 −0.34 dB
峰值一半处的频率之差。

0.20 0.20

0.15 0.15
ࣨए/V 0.10 ࣨए/V 0.10

0.05 0.05

0 0
0 50 100 150 200 0 50 100 150 200
ᮠဋ/Hz ᮠဋ/Hz
(a) DEMON៨, R SN =0 dB (b) ۳̆GA-VMD ᄊࣨए៨, R SN =0 dB
0.20 0.20

0.15 0.15

ࣨए/V 0.10 ࣨए/V 0.10

0.05
0.05

0 0
0 50 100 150 200 0 50 100 150 200
ᮠဋ/Hz ᮠဋ/Hz
(c) DEMON៨, R SN =-10 dB (d) ۳̆GA-VMD ᄊࣨए៨, R SN =-10 dB
图 7 仿真信号特征线谱图
Fig. 7 Characteristic line spectrum of simulated signal