10.3404/j.issn.1672-7649.2020.12.023
基于无监督深度学习的线谱增强算法
水下目标探测是水下无人航行器的重要应用领域,而被动声呐则是水下无人航行器的最重要探测载荷之一.对于被动声呐而言,从接收到的微弱目标辐射噪声中检测出稳定的线谱分量是一个十分重要的研究内容.通常被动声呐在检测线谱之前会对接收信号进行线谱分量的增强,往往使用自适应线谱增强器(ALE)来实现线谱分量的的增强.但是,ALE算法对系统的输入信噪比(SNR)有一定要求.当输入信噪比太低时,ALE将无法正常工作.为了克服ALE在输入SNR方面的限制,本文提出一种基于无监督深度学习的线谱分量增强算法.仿真表明,当输入信噪比为?30 dB时,本文算法仍可实现20 dB的信噪比增益,ALE算法则无法对信号进行增强.利用海试数据进行验证,证明本文所提出的无监督深度学习线谱增强器算法在低信噪比环境下的优势.
被动声呐;自适应线谱增强;无监督学习;神经网络
42
TN911.4
中国科学院百人计划资助项目
2021-10-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
117-120