船舶信号粗到细两阶段自适应去噪方法

《Defence Technology》：A Coarse-to-fine two-stage adaptive denoising method for ship signal

　　

基于模态分解（mode decomposition）的去噪方法是一种有效技术，已在船舶信号去噪中广泛应用。然而，此类现有去噪方法存在过度去噪或不完全去噪等问题。为解决这些问题，研究人员提出了一种面向船舶信号的粗到细两阶段自适应去噪方法。第一阶段对输入信号进行粗去噪，以最大程度保留信号分量；第二阶段进行精细去噪，进一步去除残余噪声。具体地，输入信号首先通过完全集合经验模态分解伴随自适应噪声（CEEMDAN）进行分解。随后，利用基于模糊多样性熵（FDivE）的最大间隙法对本征模态函数（IMF）进行分类并重构，获得第一阶段去噪信号。接下来，再次执行CEEMDAN，依据自适应相关系数（CC）与排列熵（PE）联合准则（ACPJ）对IMF分类并剔除噪声IMF。最后，含噪IMF经小波阈值（WT）处理，信号IMF重构得到最终去噪信号。仿真实验验证了所提方法的有效性。基于真实世界船舶信号的实际实验进一步表明，所提方法相较其他方法具有更优去噪性能。

研究背景方面，海洋水下声学环境复杂，自然与人为声源交织严重干扰所采集船舶信号。船舶信号指船舶主机、螺旋桨等设备航行中辐射至水中的水声信号，承载船型与工况等关键信息，其准确分析识别具重要实际意义。但强环境噪声致船舶信号呈高度非线性、非平稳且受噪污染，给分析识别带来困难。传统去噪方法如小波阈值（WT）、奇异值分解等对非线性非平稳信号处理力有限且适应性差；基于模态分解的方法虽优，但现有方法常因分解不准与IMF识别分类精度低，导致过度去噪或不完全去噪。为此，西安理工大学自动化与信息工程学院Qingxu Wang与Yuxing Li在《Defence Technology》发表研究，提出粗到细两阶段自适应去噪方法，以兼顾有效保留信号与充分抑制噪声。

关键技术方法上，研究人员采用CEEMDAN（噪声幅系数0.2、集成数500、EMD最大筛选迭代5000）作两次分解骨架；第一阶段以FDivE（嵌入维m=2、相似度子区间数M=4等参数固定）结合最大间隙法判定IMF留舍实现粗去噪；第二阶段以自适应CC与PE联合准则（ACPJ，CC双阈值由最大与均值推得、PE阈值0.75）将IMF分信号/噪声/含噪三类，含噪IMF用db4小波基5层软阈值WT处理；样本涵盖Lorenz混沌信号（Runge-Kutta步长0.01取2000点）、模拟船舶信号（连续谱+线谱+调幅包络2000点）、Deepship真实数据集Cargo/Passenger/Tanker/Tug（万点级）。

研究结果部分，第2节方法论阐明：2.1给出CEEMDAN层间加自适应噪声分解流程；2.2给出FDivE通过相空间重构、余弦相似度、模糊隶属度到概率态、最大间隙定阈的IMF粗分逻辑；2.3给出CC双阈值与PE>0.75判据融合的ACPJ三类分选；2.4汇总八步两阶段流程。第3节仿真分析中，3.1 Lorenz信号在-15~10 dB白高斯噪声下，所提方法SNR高于CEEMDAN-FDivE、CEEMDAN-CC-WT、CEEMDAN-ACPJ-WT，RMSE更低，谱相关系数（SCC）趋近1；3.2模拟船舶信号同区间噪声下亦获最高SNR、最低RMSE与最高SCC，证两阶段由粗到细有效去噪且保谱。第4节真实信号分析里，4.1对Deepship的Cargo信号万点实验，两阶段后时域波形平滑、吸引子轨迹由混沌不规则变光滑规律；4.2以噪声强度（NI）与关联维（CD）作定性评估，所提方法NI=0.001269、CD=1.8818，均低于对比三法及原始信号。第5节讨论中，5.1另取Passenger/Tanker/Tug三类船信号，所提方法NI与CD皆最小；5.2对比EEMD-CC-PE-WT、2VMD-CC、SVMD-Dual-CC-WT三篇近期方法，四类船信号去噪后NI与CD仍以东方法最优。第6节结论翻译：本文提出粗到细两阶段自适应船舶信号去噪方法，有效提升去噪性能；第一阶段CEEMDAN+FDivE粗去噪最大化保留有效分量避免过去噪，第二阶段CEEMDAN+ACPJ+WT精去噪抑残噪防不完全去噪；Lorenz与模拟船信号多SNR仿真及其他方法比SNR/RMSE/SCC占优；真实船信号经时域、吸引子、NI、CD及两类对比实验证优越性；该方法解决了现有模态分解去噪的过度与不完全去噪问题。

讨论部分总结：研究人员指出既有模态分解去噪缺陷集中于分解端（IMF对齐与伪模）与识别端（单指标阈值误判）双环节，所提两阶段把“保留有效分量”与“剔残噪”解耦，粗阶段宁漏勿错删、细阶段借ACPJ补删含噪IMF并经WT修形，从而在Deepship多船型上稳定胜出近期EEMD/VMD系方法，对水下声学目标识别前处理具直接应用价值。结论重申两阶段架构、仿真与实测全面验证、发表于《Defence Technology》的该项工作为船舶信号非线性非平稳去噪提供可复现方案。