System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及水声信号处理领域,尤其是涉及一种水声信号重构方法及系统。
技术介绍
1、水声通信是海洋探索、监测和通讯等领域的重要技术,它依赖于水下环境中声波信号的传播。然而,水下环境的复杂性,包括但不限于海水温度、盐度变化,水流、潮汐以及海底地貌的多变性,都严重影响了水声信号的传播稳定性。这些因素会引起信号的衰减、散射和反射,甚至可能导致信号在特定情况下的丢失,从而降低通信的质量和可靠性。
2、在现有技术中,尽管已经开发出多种信号重构技术,如基于压缩感知的方法,试图通过对信号的稀疏表示进行恢复以减少所需的采样点数量,从而实现信号的有效重构。然而,信号的特性会随着季节和环境条件的变化而变化,如水温、盐度、水流等因素的季节性变动可能影响声波的传播特性。这种变化使得原本基于稳定状态假设的压缩感知模型在实际应用中可能无法准确重构信号。
3、另一方面,传统的信号重构方法,如基于傅里叶变换或小波变换的方法,往往在处理高噪声或信号变化复杂的情况时表现不佳。这些方法在重构过程中容易引入额外的噪声或失真,尤其是在信号缺失较多的情况下,重构的准确性大大降低。此外,这些传统方法很少考虑到水声信号受季节性影响的特点,导致无法有效重构受季节变化影响的信号部分。
4、机器学习技术提供了一种利用大量数据进行信号重构的新途径,通过训练大型神经网络模型,理论上可以捕获复杂信号的内在特征。然而,这种方法需要大量的训练数据和昂贵的计算资源,并且在实际应用中还需要解决模型的过拟合和泛化能力问题,这在资源受限的水下通信设备中尤为困难。
5、综上所述,现有的水声信号重构技术在面对复杂多变的水下环境时存在明显的局限性,尤其是在处理因季节性因素影响的信号重构问题上,现有方法往往难以达到令人满意的效果。因此,迫切需要一种新的信号重构技术,能够克服现有技术的不足,有效提高水声信号的重构质量和通信的可靠性。
技术实现思路
1、本专利技术的目的是为了提供一种水声信号重构方法及系统,有效提高水声信号质量,使得水声通信系统的性能和可靠性能够得到保障。
2、本专利技术的目的可以通过以下技术方案来实现:
3、一种水声信号重构方法,包括以下步骤:
4、s1,利用水声传感器节点接收水声信号;
5、s2,对水声信号进行信号分解,得到趋势项信号和季节项信号;
6、s3,基于一维卷积提取趋势项信号的特征;
7、s4,基于提取的特征进行趋势项信号重构;
8、s5,基于编码-解码器进行季节项信号重构;
9、s6,对重构的趋势项信号和季节项信号进行逐元素相加,得到重构水声信号。
10、所述步骤s1中,水声传感器节点接收的水声信号表示为:
11、
12、其中,表示多个信号的叠加,每个成分由振幅ai、衰减系数αi和距离r定义;h(t-τi)表示第i个成分的振荡部分;n(t,r)是噪声项;t表示时间,r表示距离;n表示信号数量。
13、所述水声信号的振荡部分表示为:h(t-τi)=cos(2πfii(t-τi)-kir+φi),其中fi表示频率,τi表示时间延迟,ki表示波数,φi表示初始相位。
14、所述步骤s2中,通过对水声信号加权,并进行softmax操作得到趋势项信号,包括以下步骤:
15、s211,计算自相关函数的输出:
16、考虑水声信号在不同时间点上的变化,定义自相关函数:
17、
18、r(τ)表示原始信号p在不同时间点之间的相对偏移τ下的相关程度,τ表示时间延迟;
19、对于每个时间点,提取水声信号p(t,r),并将时间延迟τ加到当前时间节点t,得到新的时间节点t+τ的水声信号p(t+τ,r),计算自相关函数的输出;
20、s212,定义高斯权重向量:
21、定义高斯函数用作加权自相关函数的值的权重向量,其中τ是时间延迟,σ是标准差;
22、s213,加权自相关向量:
23、使用高斯权重向量对自相关函数的输出进行加权,得到加权自相关值rw(τ)=w(τ)·r(τ);
24、s214,应用softmax函数:
25、将加权自相关值rw(τ)作为输入,通过softmax函数转换为一组归一化的权重s(τ),
26、
27、s215,提取趋势项信号:
28、利用softmax函数的输出s(τ)作为权重,对原始水声信号p(t,r)进行加权平均,提取得到趋势项信号
29、所述步骤s2中,通过原始水声信号与提取的趋势项信号相减得到季节项信号。
30、所述步骤s3包括以下步骤:
31、s31,对趋势项信号进行预处理;
32、s32,根据预设的时间窗口大小,按照时间的顺序遍历趋势项信号,并将每个窗口内的趋势项信号提取为一个向量s[t],作为卷积模块的输入信号;
33、s33,定义水声卷积核,对输入信号进行一维卷积操作:
34、定义一维水声卷积核k[n],其中n=0,1,…,l-1,l为卷积核的长度,水声卷积核的权重分布为k[n]=acos(b·n+c)+d,其中,a是振幅,控制权重范围,b是调制因子,调整水声卷积核对不同路径的敏感度,c是相位偏移,调整水声卷积核的权重以匹配信号中的路径效应,d是直流偏移量,确保水声卷积核的权重为正数;将水声卷积核k[n]应用于输入信号s[t]上,进行一维卷积操作,得到
35、s34,对一维卷积操作输出的结果进行relu激活函数处理,得到趋势项信号的特征向量。
36、所述步骤s4包括以下步骤:
37、s41,对步骤s3得到趋势项信号的特征数据y分别计算其均值和方差,并基于均值和方差对其进行实时层归一化,得到预处理后的信号y=[y(1),y(2),…,y(t)];
38、s42,重构趋势项信号,具体包括以下步骤:
39、s421,给定初始的隐藏状态h(0)和记忆单元m(0);
40、s422,计算遗忘门:
41、f(t)=σ(wf·[h(t-1),y(t)]+bf+γ·d)
42、其中,f(t)是当前时间步的遗忘门,σ是sigmoid函数,wf是遗忘门的权重矩阵,h(t-1)是上一个时间步的隐藏状态,y(t)是当前时间步的输入信号,bf是遗忘门的偏置项,d是与水声信号衰减相关的因子,γ是调节系数,用于控制水声信号衰减因子对遗忘门的影响程度;
43、s423,计算输入门:
44、i(t)=σ(wi·[h(t-1),y(t)]+bi+δ·m)
45、其中,i(t)表示当前时间步的输入门,输入门根据上一个时间步的隐藏状态和当前时间步的输入信号来决定有多少信息将会被写入到记忆单元中,wi是输入门的权重矩阵,bi是输入门本文档来自技高网...
【技术保护点】
1.一种水声信号重构方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种水声信号重构方法,其特征在于,所述步骤S1中,水声传感器节点接收的水声信号表示为:
3.根据权利要求2所述的一种水声信号重构方法,其特征在于,所述水声信号的振荡部分表示为:h(t-τi)=cos(2πfi(t-τi)-kir+φi),其中fi表示频率,τi表示时间延迟,ki表示波数,φi表示初始相位。
4.根据权利要求2所述的一种水声信号重构方法,其特征在于,所述步骤S2中,通过对水声信号加权,并进行softmax操作得到趋势项信号,包括以下步骤:
5.根据权利要求1所述的一种水声信号重构方法,其特征在于,所述步骤S2中,通过原始水声信号与提取的趋势项信号相减得到季节项信号。
6.根据权利要求1所述的一种水声信号重构方法,其特征在于,所述步骤S3包括以下步骤:
7.根据权利要求1所述的一种水声信号重构方法,其特征在于,所述步骤S4包括以下步骤:
8.根据权利要求7所述的一种水声信号重构方法,其特征在于,所述延时度量基
9.根据权利要求1所述的一种水声信号重构方法,其特征在于,所述步骤S5包括以下步骤:
10.一种水声信号重构系统,其特征在于,包括:
...【技术特征摘要】
1.一种水声信号重构方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种水声信号重构方法,其特征在于,所述步骤s1中,水声传感器节点接收的水声信号表示为:
3.根据权利要求2所述的一种水声信号重构方法,其特征在于,所述水声信号的振荡部分表示为:h(t-τi)=cos(2πfi(t-τi)-kir+φi),其中fi表示频率,τi表示时间延迟,ki表示波数,φi表示初始相位。
4.根据权利要求2所述的一种水声信号重构方法,其特征在于,所述步骤s2中,通过对水声信号加权,并进行softmax操作得到趋势项信号,包括以下步骤:
5.根据权利要求1...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。