Page 85 - 《应用声学》2024年第6期
P. 85
第 43 卷 第 6 期 王微等: 多分量双曲调频信号解卷积广义参数化时频变换方法 1261
2.0 噪声和混响的干扰,有利于Otsu算法提取出更清晰
1.5 的时频曲线。图 15(b)∼(d) 中椭圆红框部分表示这
1.0 个区域存在信号分量。由于图 15(b)、图 15(d) 是传
ࣨए/T10 5 0.5 0 统时频变换算法处理得到的结果,这表明此区域确
-0.5 实存在信号分量,而不是算法处理后导致的虚警。
然而,图 15(a) 中椭圆红框中并未检测出信号分量,
-1.0
这表明D-GPTFT算法处理后会使得部分弱信号分
-1.5
0 5 10 15 量漏警。这是由于解卷积算法对信噪比有一定的要
ᫎ/s
求,在较低信噪比情况下,解卷积算法的信号恢复性
图 12 海试数据时域波形图
能较差。
Fig. 12 Time-domain waveform of sea trial data
为研究观测信号长度对算法性能的影响,比较
图 13 和图 14 是各算法处理得到的时频图的 了D-GPTFT 算法和 GPTFT 分别处理 10 s 长度的
三维图及其俯视图。可以看出,GPTFT 的时频图 信号和 5 s 长度的信号的结果。图 16 是 D-GPTFT
相较于 STFT 的时频图具有更高的时频分辨力以 算法和GPTFT 处理得到的时频图,其Otsu算法的
及更好的噪声及混响抑制效果。与 GPTFT 相比, 检测结果见图 17。比较图 16、图 17 与图 14、图 15
D-GPTFT 算法又进一步提高了时间分辨力,并减 可知,在处理不同长度的观测信号时 D-GPTFT 算
少了由噪声和混响造成时频扩散的面积。图 15 是 法的 Otsu 检测结果始终能够提取出主要的时频曲
Otsu 算法的检测结果,其与图 14 中主要的时频曲 线,这表明 D-GPTFT 算法对观测信号长度具有稳
线分布保持一致,表明了 D-GPTFT 算法能够抑制 健性。
T10 5 T10 5
8 10
6
ࣨए 4 ࣨए 5
2
0 0
15 15
1800 10 1800 10
5 5
1700 ᫎ/s ᮠဋ/Hz 1700 ᫎ/s
0 0
ᮠဋ/Hz
(a) D-GPTFT (b) GPTFT
T10 7 T10 7
6 6
4 4
ࣨए ࣨए
2 2
0 0
15 15
1800 10 1800 10
5 5
1700 0 ᫎ/s ᮠဋ/Hz 1700 0 ᫎ/s
ᮠဋ/Hz
(c) D-STFT (d) STFT
图 13 海试数据三维时频图
Fig. 13 Three dimensional time-frequency diagram of sea trial data