马世龙,
王晋晋,,
梁国龙,
李晴
1.哈尔滨工程大学水声技术重点实验室 ??哈尔滨 ??150001
2.哈尔滨工程大学水声工程学院 ??哈尔滨 ??150001
基金项目:国家自然科学基金(11504064)，黑龙江省博士后科研启动金(LBH-Q15025)，黑龙江省归国人员科学基金(JJ2016LX0051)
详细信息
作者简介:王逸林：男，1979年生，研究员，博士生导师，研究方向为水声信号处理、水下声信号被动探测等
马世龙：男，1987年生，博士生，研究方向为阵列信号处理、水下目标被动探测
王晋晋：男，1984年生，讲师，硕士生导师，研究方向为水声信号处理、水下目标被动探测等
梁国龙：男，1964年生，教授，博士生导师，研究方向为水声信号处理、水下目标被动探测等
李晴：女，1989年生，博士生，研究方向为水声信号处理、水下定位与导航等
通讯作者:王晋晋 wangjinjin@hrbeu.edu.cn
中图分类号:TN911.7计量
文章访问数:1089
HTML全文浏览量:399
PDF下载量:39
被引次数:0
出版历程
收稿日期:2017-11-03
修回日期:2018-09-03
网络出版日期:2018-09-07
刊出日期:2018-11-01
Estimation of Unknown Line Spectrum under Colored Noise via Sparse Reconstruction
Yilin WANG,Shilong MA,
Jinjin WANG,,
Guolong LIANG,
Qing LI
1. Acoustic Science and Technology Laboratory, Harbin Engineering University, Harbin 150001, China
2. College of Underwater Acoustic Engineering, Harbin Engineering University, Harbin 150001, China
Funds:The National Natural Science Foundation of China (11504064), The Postdoctoral Scientific Research Foundation of Heilongjiang Province (LBH-Q15025), The Science Foundation for the Returned Overseas Scholars of Heilongjiang Province (JJ2016LX0051)
摘要
摘要:针对色噪声背景下的未知线谱信号估计问题，该文提出一种基于分子频带处理的稀疏重构类线谱估计方法。首先，利用多速率余弦调制滤波器组对观测信号进行子带分解，得到功率谱相对平坦的子带信号。之后，在每个子带信号上，利用基于迭代最小化的稀疏学习方法进行线谱估计，并将各子带上的线谱估计结果进行频域综合滤波以及门限判决等处理。最终得到色噪声背景下的线谱估计结果。理论推导及仿真实验表明所提方法在色噪声背景下具有较好的线谱估计性能。其能够有效地去除色噪声背景，同时保留稀疏重构类线谱估计方法所具有的高频率分辨力等优点。
关键词:线谱估计/
色噪声背景/
稀疏重构/
子带分解
Abstract:To solve the problem of the line spectrum estimation under colored noise background, a subband line spectrum estimation method using sparse reconstruction is proposed. Firstly, the input signal is divided into several subbands by a multi-rate cosine modulated filter bank. The subband signal has the flatter power spectrum. The sparse learning via iterative minimization method is utilized on each subband to estimate the line spectrum signal. Then, the results of line spectrum estimation on each subband are processed by frequency domain synthesis filtering and threshold decision. Finally, the line spectrum signal under colored noise background is identified. Theoretical derivation and simulation experiments show that the proposed method has better line spectrum estimation performance under colored noise background. The colored noise background can be removed, and the advantage of high frequency resolution of sparse reconstruction method is retained.
Key words:Line spectrum estimation/
Colored noise background/
Sparse reconstruction/
Subband decomposition
PDF全文下载地址:
https://jeit.ac.cn/article/exportPdf?id=ce22df4c-25ef-4a6f-a4a2-9c6457a734f5
