李悦 马晓川 王磊 刘宇

(1 中国科学院声学研究所 北京 100190)

(2 中国科学院水下航行器信息技术重点实验室 北京 100190)

(3 中国科学院大学 北京 100049)

0 引言

近年来，为顺应现代海战的演进趋势，水下对抗正朝着体系化、无人化、智能化方向发展。在有关海区及时侦测未知声呐发射的脉冲信号，并分析其性能是水声对抗的重要任务之一。由于声源位置的远近未知，加上海洋环境变化多端，致使接收信噪比较低，因此需要利用适当的去噪方法对脉冲信号进行增强，以便进行后续的信号处理与分析。

脉冲信号持续时间较短，传统的自适应滤波去噪方法难以在脉冲持续时间内有效收敛，并且传统方法中大多基于环境噪声为高斯分布的假设，经过研究，实际应用中的海洋环境噪声还常常表现为非高斯分布。α稳定分布的脉冲噪声以及非平稳的行船噪声是海洋环境中两种常见的非高斯噪声。当假设背景噪声为高斯噪声时，可利用水声信号的二阶或高阶统计量进行信号处理，由于分数低阶的α稳定分布不存在有限的二阶及以上各阶统计量[1]，此类算法在这种情况下会发生性能下降，另外非平稳行船噪声也会为传统的基于自适应滤波的去噪方法收敛带来困难。

短时傅里叶变换(Short time Fourier transformation,STFT)是一种线性时频分析方法，其算法实现简单高效，并且不会产生交叉项，在工程实践中得到了广泛的应用。随着深度学习领域的蓬勃发展，近年来出现了大量利用深度学习方法进行语音增强的研究，这些研究利用语音信号STFT幅值特征进行语音信号去噪与重构。……