本发明涉及电数字数据处理的，特别涉及一种水声工程、声纳技术、被动声纳信号处理领域信号自适应稀疏优化线谱增强方法、介质及设备。
背景技术：
1、舰艇等水下目标有多个噪声源，如推进器、螺旋桨、各种泵等，其与所处水介质共同作用后，经信道传播被声纳接收。被动目标辐射噪声主要包括机械噪声、螺旋桨噪声和水动力噪声等，被动识别是指通过分析、提取被动目标辐射噪声特征对水下目标进行判断。功率谱线谱是常用的水下目标辐射噪声特征量之一，基于目标线谱特征对水下目标进行远距离探测和识别取得了较好的实际效果。
2、然而，近年来，一方面随着先进降噪技术的发展，水下目标特征线谱强度降低，且随着声纳探测距离大幅提升，声纳接收到的目标辐射噪声信噪比大大降低；另一方面，随着海上活动力量激增，目标线谱受强干扰影响严重。在复杂多变的海洋声学环境中自适应地抑制背景噪声与干扰并增强目标线谱具有重要价值。
3、自适应线谱增强技术是一种通过自适应调整增强器参数、优化输出信号并增强其线谱分量的有效方法，但该技术无法分离不同频段的目标线谱与干扰线谱，对干扰与目标线谱同时增强，且在背景噪声较强的情况下性能衰减严重，无法被较好地应用于复杂多变的海洋声学环境中。
技术实现思路
1、本发明解决了现有技术中存在的问题，提供了一种基于经验模态分解的信号自适应稀疏优化线谱增强方法、介质及设备。
2、本发明所采用的技术方案是，一种信号自适应稀疏优化线谱增强方法，所述方法对信号数据进行经验模态分解，对各模态进行分析、提取、重构，对重构后信号进行稀疏优化的自适应线谱增强，实现干扰环境低信噪比条件下的目标线谱特征增强。
3、优选地，所述方法包括以下步骤：
4、s1：接收待处理的时域信号x(t)，以经验模态分解将其分解为n个模态，第n个模态的信号为xn(t)，模态分解余项为r(t)；
5、s2：分析各模态信号xn(t)的时域特征，选取符合预设标准的模态，求和，并截取该时段得到分解重构后的时域信号y(t)；
6、s3：对重构的时域信号进行δ时延，得到时延参考信号y(t-δ)；对y(t-δ)配置稀疏优化的自适应线谱增强器，得到时域信号误差函数；
7、s4：通过离散傅里叶变换将时域信号误差函数转换为频域信号误差函数；
8、s5：引入频域线谱稀疏项，根据梯度下降法更新自适应线谱增强器的系数；
9、s6：迭代优化自适应线谱增强器系数，直至优化完成。
10、优选地，s1中，分解时域信号包括以下步骤：
11、s1.1找到时域信号中所有局部极值点，将局部极大值作为上包络，局部极小值作为下包络；
12、s1.2计算每次上、下包络曲线的均值及时域信号与其的差值
13、s1.3重复直至k次后筛选出的信号满足等式记c1＝h1k为第一阶固有模态函数，为高频固有模态分量；
14、s1.4将得到的高频固有模态分量从原始信号中分离，得到一阶余量r1＝x(t)-c1；
15、s1.5将余量作为新的输入信号，重复s1.1～s1.4，其结果分别记为r1-c2＝r2,…,rn-1-cn＝rn，直至达到预设分解模态数量或余量rn幅度低于门限值。
16、优选地，s2中，其中i为经过分析得出的包含目标信息的模态阶数的集合。
17、优选地，s3包括以下步骤：
18、s3.1对重构的时域信号进行δ时延，得到时延参考信号y(t-δ)；
19、s3.2构造一l阶自适应线谱增强器w(t)＝[w1(t),w2(t),…,wl(t)]t，其中，w(t)表示t时刻对应的自适应线谱增强器系数组，wl(t)表示t时刻自适应增强器第l个系数值；
20、s3.3定义时域信号误差函数e(t)＝y(t)-wt(t)y(t-δ)，向量y(t-δ)表示时延信号在t时刻参与自适应线谱增强器运算的部分数据，其长度与自适应线谱增强器阶数l一致。
21、优选地，若无其余先验信息，将w(t)的初值设置为w1(t)＝w2(t)＝…＝wl(t)＝1。
22、优选地，s4包括以下步骤：
23、s4.1定义归一化的傅里叶算子
24、
25、其中，为酉矩阵，即e表示单位矩阵，(·)h表示矩阵的共轭转置，j为虚数单位；
26、s4.2基于所述傅里叶算子将所述时域信号误差函数转换为频域信号误差函数，
27、
28、其中，为时域信号的l点离散傅里叶变换。
29、优选地，s5包括以下步骤：
30、s5.1在频域信号误差函数二阶矩的基础上加入伪l0范数稀疏正则项，得到自适应线谱增强器迭代过程的代价函数，
31、
32、其中，α和β为稀疏系数，在实际应用中，该稀疏系数根据实际情况中的线谱稀疏度、信噪比、谱重心、期望运算时间等因素进行调整；
33、s5.2将频域信号误差函数代入s5.1的代价函数，并对第一项计算梯度、对第二项计算近似近端梯度，得到自适应线谱增强器系数w(t)的迭代式，
34、
35、
36、其中，ρ为稀疏系数，sgn(·)为符号函数，conj(·)表示求共轭矩阵。
37、一种计算机可读存储介质，其上存储有信号自适应稀疏优化线谱增强程序，该信号自适应稀疏优化线谱增强程序被处理器执行时实现所述的信号自适应稀疏优化线谱增强方法。
38、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现所述的信号自适应稀疏优化线谱增强方法。
39、本发明涉及一种信号自适应稀疏优化线谱增强方法、介质及设备，方法对信号数据进行经验模态分解，对各模态进行分析、提取、重构，对重构后信号进行稀疏优化的自适应线谱增强，实现干扰环境低信噪比条件下的目标线谱特征增强；基于方法实现计算机可读存储介质和计算机设备的执行。
40、本发明的有益效果在于：
41、(1)通过利用经验模态分解，自适应地在不同的时间尺度上对信号进行解析，将复杂的混合信号分解为多个局部特性不同，但全局特性相似的固有模态函数，有利于更好辨识、提取、分析信号，并抑制干扰；
42、(2)将自适应线谱增强器应用于经验模态分解重构后的信号，利用其高度自适应性与强大的窄带增强能力，抑制经验模态分解并重构后仍无法有效去除的宽带噪声，保留具有窄带和强周期特征的信号分量，进而提高输出信噪比，改善信号质量，为后序信号处理提供良好基础；
43、(3)方法具有自适应优化与干扰抑制特性。
1.一种信号自适应稀疏优化线谱增强方法，其特征在于：所述方法对信号数据进行经验模态分解，对各模态进行分析、提取、重构，对重构后信号进行稀疏优化的自适应线谱增强，实现干扰环境低信噪比条件下的目标线谱特征增强。
2.根据权利要求1所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：所述方法包括以下步骤：
3.根据权利要求2所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：s1中，分解时域信号包括以下步骤：
4.根据权利要求2所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：s2中，其中i为经过分析得出的包含目标信息的模态阶数的集合。
5.根据权利要求2所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：s3包括以下步骤：
6.根据权利要求5所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：若无其余先验信息，将w(t)的初值设置为w1(t)＝w2(t)＝…＝wl(t)＝1。
7.根据权利要求5所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：s4包括以下步骤：
8.根据权利要求7所述的一种信号自适应稀疏优化线谱增强方法，其特征在于：s5包括以下步骤：
9.一种计算机可读存储介质，其特征在于：其上存储有信号自适应稀疏优化线谱增强程序，该信号自适应稀疏优化线谱增强程序被处理器执行时实现权利要求1～8之一所述的信号自适应稀疏优化线谱增强方法。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时，实现权利要求1～8之一所述的信号自适应稀疏优化线谱增强方法。
