基于压缩感知及Renyi熵的水下信息抗干扰方法技术

本发明专利技术涉及基于压缩感知及Renyi熵的水下信息抗干扰方法，属于水下模拟信息转换及压缩感知技术领域。包括：1)读取水下采集的信息并计算每行Renyi熵值并求最大值对应的行，计算该行像素最大值作为Renyi熵阈值T

Anti-jamming method of underwater information based on compressed sensing and Renyi entropy

【技术实现步骤摘要】
基于压缩感知及Renyi熵的水下信息抗干扰方法
本专利技术涉及基于压缩感知及Renyi熵的水下信息抗干扰方法，属于水下模拟信息转换以及压缩感知

技术介绍
随着多媒体技术的发展，图像和视频信号的分辨率不断得到提高，高清图片及高清视频逐渐成为信息传输的主流。水下环境比较复杂,在水下拍摄和传输信息会受到不同程度的干扰。最近几年发展起来的压缩感知(CompressiveSensing,CS)理论，提供了采集信号的一种思路，当信号稀疏或可压缩时，可以以较低的采样率通过一个测量矩阵随机观测信号，根据得到的少量观测值，通过优化算法精确重构信号，信号的重构质量仅取决于观测数量的多少，而与具体使用了哪些观测值无关。自然图像通常不是稀疏的，但在适当选定的变换基下能够进行稀疏表示。小波变换是对图像进行稀疏表示的一种有效工具。二维小波变换将图像分解为多个子系数，不同子系数描述了原始图像中的不同信息成分。一级二维小波变换将图像分解成4个子系数。LL为低频系数，是原始图像的近似,HL、LH和HH是高频系数，描述了图像灰度沿不同方向的变化。其中HL系数中的主要结构是沿垂直方向的，反映了图像中的垂直边缘信息(水平方向高频、垂直方向低频)；LH系数中的主要结构是沿水平方向的，反映了图像中的水平边缘情况(水平方向低频、垂直方向高频)，HH系数中的主要结构是沿对角线方向的，反映图像中的斜边缘信息(水平方向高频、垂直方向高频)。对于稀疏信号，不用依赖于信号本身的分布特性，根据普适观测值达到低复杂度的目的，每个观测值近似均等地蕴含了信号的部分“信息”，任何观测值丢失和受干扰，也不影响其它观测参与重构过程，能适应比较恶劣的信道环境。
技术实现思路
本专利技术的目的是针对水下环境中采集的图片或视频中存在因干扰或噪声而导致的图片模糊、斑点甚至开裂的状况，导致接收到的信息不准确以及鲁棒性差的技术缺陷，提出了基于压缩感知及Renyi熵的水下信息抗干扰方法，针对水下采集到的信息因受各种干扰及噪声影响而导致采集到的信息模糊、带噪声及干扰导致重构鲁棒性低；所述方法利用Renyi熵计算小波变换阈值，接着基于二维小波变换提取不同方向子系数；再降低观测矩阵尺寸，结合近似消息传递方法重构小波系数向量，对水下采集的信息达到去除噪声及干扰的目的。所述基于压缩感知及Renyi熵的水下信息抗干扰方法，包括粗去扰和细去扰两部分；其中，粗去扰包括如下步骤：步骤1、读取水下采集的信息，并以矩阵形式存储，记为I；以行为单位计算矩阵I中每行的Renyi熵值；其中，矩阵I的维度为m×n，即m行n列；其中，m及n均大于等于8；步骤2、求步骤1输出的Renyi熵值求最大值及对应的行，计算该行像素的最大值作为Renyi熵阈值T1；步骤3、对矩阵I进行以W*W窗口为单位进行粗去扰，得到进行粗去扰后的矩阵，具体为：以W*W窗口遍历矩阵I的行和列，判断该W*W窗口当前像素与邻域像素的均值之差，若该差是否小于等于阈值T1，若是则等于邻域像素的均值，否则若大于阈值T1，则矩阵I中当前行和列对应的值取该W*W窗口的中值；其中，粗去扰后的矩阵，记为I’，W的取值范围是3到9的奇数；步骤4、对粗去扰后的矩阵I’进行D级离散二维小波变换，得到3D+1组小波系数；其中，1组低频系数，记为LLD；3D组高频系数，记为HLi、LHi、HHi，i的取值范围为1到D的整数；其中，HLi代表水平系数、LHi代表垂直系数、HHi代表对角线系数；其中，D大于等于1小于等于5；其中，低频系数LLD是原始信息的近似，直接影响着整个矩阵的重建质量，且LLD是非稀疏的；因此，直接保留LLD，不进行压缩观测；再对经离散小波变换后的小波系数进行细去扰，具体步骤如下：步骤5、设定i＝1；步骤6、分别对第i级的3组高频系数HLi、LHi、HHi按行计算Renyi熵值，分别求出HLi、LHi、HHi中Renyi熵值最大的行，分别依据求出的3行高频系数中值确定对应HLi、LHi、HHi的去噪阈值，再对高频系数HLi、LHi、HHi去噪，具体为：步骤6.1基于3组高频系数HLi、LHi、HHi分别按行计算Renyi熵值，并选出熵值最大的行，记为第KHLi、KLHi以及KHHi行；步骤6.2基于第KHLi、KLHi以及KHHi行分别对HLi、LHi、HHi绝对值的中值，分别通过公式(1)、(2)以及(3)计算估计方差和其中，表示基于第KHLi行HLi绝对值的中值；表示第KLHi行LHi绝对值的中值；表示第KHHi行HHi绝对值的中值；步骤6.3基于公式(1)(2)以及(3)输出的方差计算去噪阈值以及其中，m是第k行系数的长度；i代表第i层高频系数；步骤6.4分别对对HLi、LHi、HHi中绝对值大于阈值的系数保留，小于等于阈值的系数直接置零，得到阈值过滤后的高频系数，记为6.4A硬阈值函数认为绝对值大于阈值的小波系数是有效信号所对应的，不做任何处理，而绝对值小于阈值的小波系数则认为是噪声对应的，进行行置零消除处理，即：其中，W表示原始小波变换系数即HLi、LHi、HHi，Wλ表示进行阈值处理后的小波变换系数，即λ表示设置的阈值，即6.4B软阈值函数对绝对值大于阈值的小波系数与阈值相减做萎缩处理，对小于阈值的小波系数处理方式与硬阈值函数相同，进行置零消除处理，即：其中，W表示原始小波变换系数即HLi、LHi、HHi，Wλ表示进行阈值处理后的小波变换系数即λ表示设置的阈值，即6.4C根据软阈值函数6.4B，对小于或等于调整阈值λ的系数置为零，其中，a和β分别是比例调节系数，e是自然底数，W表示原始小波变换系数即HLi、LHi、HHi；T为阈值即对大于调整阈值λ的系数,通过sign[|W|](|W|-λ)去计算出噪恢复系数Wλ；至此，经过步骤6.1到步骤6.4采用Renyi熵结合阈值去噪，滤除部分高频噪声；步骤7、根据压缩率选择ni,构造高斯随机观测矩阵Φi，并分别对进行压缩观测；其中，压缩率ni的取值范围是0.4到0.9；高斯随机观测矩阵Φi的大小为步骤8、判断i是否大于等于D，若是，跳至步骤9，否则将i加1，跳至步骤6；步骤9、第1层到第D层所有的高频子系数进行AMP重构，输出重构的小波系数向量步骤10、使用第D层的低频子系数LLD、第1层到第D层所有的高频子系数一起进行小波反变换得到恢复的水下采集信息。有益效果基于压缩感知及Renyi熵的水下信息抗干扰方法，与现有技术相比，具有如下有益效果：1.所提为水下信道模拟信息转换方法基于压缩采样技术，基于小波变换域结合Renyi熵，在压缩感知过程中能滤除一部分噪声；2.采用AMP近似消息传递的重构方式，能实现稀疏度未本文档来自技高网...

【技术保护点】
1.基于压缩感知及Renyi熵的水下信息抗干扰方法，其特征在于：包括粗去扰和细去扰；其中，粗去扰包括如下步骤：/n步骤1、读取水下采集的信息，并以矩阵形式存储，记为I；以行为单位计算矩阵I中每行的Renyi熵值；/n其中，矩阵I的维度为m×n，即m行n列；/n步骤2、求步骤1输出的Renyi熵值求最大值及对应的行，计算该行像素的最大值作为Renyi熵阈值T

【技术特征摘要】
20190712 CN 20191062893761.基于压缩感知及Renyi熵的水下信息抗干扰方法，其特征在于：包括粗去扰和细去扰；其中，粗去扰包括如下步骤：
步骤1、读取水下采集的信息，并以矩阵形式存储，记为I；以行为单位计算矩阵I中每行的Renyi熵值；
其中，矩阵I的维度为m×n，即m行n列；
步骤2、求步骤1输出的Renyi熵值求最大值及对应的行，计算该行像素的最大值作为Renyi熵阈值T1；
步骤3、对矩阵I进行以W*W窗口为单位进行粗去扰，得到进行粗去扰后的矩阵，具体为：
以W*W窗口遍历矩阵I的行和列，判断该W*W窗口当前像素与邻域像素的均值之差，若该差是否小于等于阈值T1，若是则等于邻域像素的均值，否则若大于阈值T1，则矩阵I中当前行和列对应的值取该W*W窗口的中值；
其中，粗去扰后的矩阵，记为I’；
步骤4、对粗去扰后的矩阵I’进行D级离散二维小波变换，得到3D+1组小波系数；
其中，1组低频系数，记为LLD；3D组高频系数，记为HLi、LHi、HHi，i的取值范围为1到D的整数；其中，HLi代表水平系数、LHi代表垂直系数、HHi代表对角线系数；
其中，低频系数LLD是原始信息的近似，直接影响着整个矩阵的重建质量，且LLD是非稀疏的；因此，直接保留LLD，不进行压缩观测；
再对经离散小波变换后的小波系数进行细去扰，具体步骤如下：
步骤5、设定i＝1；
步骤6、分别对第i级的3组高频系数HLi、LHi、HHi按行计算Renyi熵值，分别求出HLi、LHi、HHi中Renyi熵值最大的行，分别依据求出的3行高频系数中值确定对应HLi、LHi、HHi的去噪阈值，再对高频系数HLi、LHi、HHi去噪，具体为：
步骤6.1基于3组高频系数HLi、LHi、HHi分别按行计算Renyi熵值，并选出熵值最大的行，记为第KHLi、KLHi以及KHHi行；
步骤6.2基于第KHLi、KLHi以及KHHi行分别对HLi、LHi、HHi绝对值的中值，分别通过公式(1)、(2)以及(3)计算估计方差和









其中，表示基于第KHLi行HLi绝对值的中值；

表示第KLHi行LHi绝对值的中值；

表示第KHHi行HHi绝对值的中值；
步骤6.3基于公式(1)(2)以及(3)输出的方差计算去噪阈值以及

【专利技术属性】
技术研发人员：卢继华，冯立辉，王欢，沈英，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11